基于生态系统多样性指标的一流大学科研发文特征研究

詹 婧

(合肥工业大学 图书馆,合肥 230009)

一、引 言

在“双一流”的热潮下，一流大学及一流学科建设受到越来越多的关注。研究从科研成果的生产力、影响力、创新力和发展力等方面开展学科评价[1-2]，探讨大学排行与学科评价指标的相关性[3-4]，基于世界大学排名体系分析世界一流大学特征、我国高校与世界一流大学的学术竞争力差距以及排名体系与一流大学、一流学科建设关系等[3，5，6]。大多数大学排名或评价研究都在不同程度上依赖于大学科研产出的各项计量学指标，旨在反映机构科学产出的数量和质量特征。对于大学科研发文系统，其组成学科之间是相互关联的，每个学科都不能离开其他学科单独发展，世界一流学科只能产生于良好的学科生态中[7]，构建一流学科生态系统成为研究型大学内涵式发展的关键[8]。

生态学理论认为任何一个生态系统都具有一种内在的自我调节和平衡能力，这种能力主要取决于系统成分的多样性和结构的复杂性，并提出反映系统或群落结构特征的各类指标[9-11]，包括反映生境或群落中物种个体数目多少的多度、反映群落中物种数目多寡的丰富度、反映全部物种个体数目分配状况的均匀度以及综合反映丰富度和均匀度的综合多样性指标等[9-11]。生物多样性指标是力图把物种多度分布所包含的信息归为单一统计量，简单直观地反映生境的状态。

有情报学研究认为文献计量数据与生态系统或群落数据是类似的[12]，学科领域多样性与生物分布多样性具有诸多共性[13]，因此在研究技术和方法上可以相互借鉴。Stirling A在其跨学科相关研究中明确提出学科多样性测度需要满足丰富度、均匀性和差异性3个属性[14]；研究利用布里渊指数考察学科领域多样性[13，15]，或综合布里渊指数、信息熵和饶-斯特灵指数三大代表性指标，在改进希尔式指数基础上提出用于学科多样性综合评价的指标[16]。有研究将Shannon指数用于衡量期刊引文的多样性以考察期刊的跨学科性[17]，或将描述生态群落多样性的Margalef丰富度、Shannon多样性及均匀度指数应用于文献计量数据，以量化个人和期刊的国际性或多学科性[12]。研究多从学科多样性角度探讨知识的跨学科或多学科性，而鲜有揭示高校的学科科研结构特点。

本研究以国内外一流大学为对象，引入生态系统多样性指标和分析工具研究世界一流大学科研系统的结构和功能特征，探讨多样性指标应用于科研发文系统的可行性和适用性，以期为大学科研发文系统评价及世界一流大学建设提供参考。

二、数据来源和研究方法

1.研究对象

选取国内外15所世界一流大学作为本研究研究对象，一是国外一流大学(TOP6)集团，包括2019最新四大排名系统(2019QS世界大学排名、2019泰晤士高等教育世界大学排名、2017上海交大世界大学学术排名和2019USNEWS世界大学排名)中均位列前十的6所世界一流大学：麻省理工学院(MIT)、斯坦福大学(SU)、哈佛大学(HU)、剑桥大学(UC)、加州理工学院(CIT)和牛津大学(UO)；二是国内一流大学(C9)，即中国“985工程”第一批建设的9所大学：北京大学(PU)、清华大学(TU)、复旦大学(FU)、中国科技大学(USTC)、南京大学(NU)、浙江大学(ZU)、上海交通大学(SJTU)、哈尔滨工业大学(HIT)和西安交通大学(XJU)。

2.数据来源

基于InCites数据库，研究领域(Research Area)的学科分类(Schema)分别选取Essential Science Indicators和Web of Science(文中简称为ESI学科分类和WOS学科分类)，获取1980-2017年间作为研究对象的15所大学的科研发文和引文等数据。文献类型(Document Type)选取article和review，数据采集时间为2018年12月1日。

3.多样性指标选取及统计分析

研究从发文丰度、丰富度、均匀度、优势度及综合多样性角度选取代表性的13个指标对大学科研发文系统特征进行分析(表1)。主要包括发文/引文丰度(P/C)、侧重于描述学科丰富度的指数(R、Dmn和Dmg)、反映学科均匀度的指数(Epie、Ea和Emc)、优势度指数(Db-p)以及代表性的综合多样性指数(H、D、Dmc、Dpie)[9-11]。

此外，在传统Shannon指数基础上，基于多样性与系统中总个体数量呈对数关系的假设引入修正Shannon指数H′[18]，该指标综合考虑了系统内个体数量的绝对差异对其多样性量度的影响。

表1 多样性指标及其含义

注：Pi=Ni/N，N为总发文(或总引文)数，Ni为第i个学科的发文(或引文)数；S为大学发文(或引文)涉及的学科数；Nmax为大学发文(或引文)最高的学科发文(或引文)数。

采用SPSS 24对不同类型多样性指标进行统计分析，独立样本t检验分析国内外两个一流大学集团的科研发文多样性的差异，同时对不同学科分类基础数据所得多样性指数的相关性以及多样性指数与大学排名的Pearson相关性进行研究。

4.多样性指标的主成分分析

采用Canoco4.5对机构的发文和引文多样性指标进行主成分分析(Principal Components Analysis, PCA)，探讨15所大学科研发文的结构和功能特征；Canoco软件整合了排序以及回归和排列方法学，用于构建生态数据统计模型[19]。研究分别基于ESI和WOS两种学科分类方式下的大学发文多样性指数和引文多样性指数进行PCA数量排序，探讨不同类型多样性指标对大学科研发文系统揭示的敏感性和适用性；多样性指标进行“Log transformation”数据转换；箭头代表大学科研发文/引文多样性指标，散点代表具体一流大学，箭头所处的象限表示群落结构与排序轴的相关性[11,19]。

三、结果与分析

1.国内外一流大学科研发文多样性的差异分析

基于ESI和WOS学科分类的发文和引文数据得到国内外一流大学集团的多样性指数见图1。TOP6大学发文及引文的丰富度指数R、均匀度指数Epie和Emc以及综合多样性指数H、H’、D、Dmc和Dpie均高于C9；而丰富度指数Dmg和Dmn、优势度指数Db-p低于C9；ESI学科分类下TOP6均匀度指数Ea高于C9，WOS学科分类所得结果反之(图1)。

图1 一流大学集团科研发文多样性指数

统计分析表明，对于基于ESI学科分类的科研发文，TOP6的修正shannon指数H′显著高于C9，Margalef指数Dmg和Menhinick指数Dmn显著低于C9；对于ESI引文，TOP6 shannon指数H、修正shannon指数H′显著高于C9，Margalef指数Dmg和Menhinick指数Dmn显著低于C9。基于WOS分类的科研发文，TOP6 PIE丰富度、修正shannon指数显著高于C9，Menhinick指数Dmn显著低于C9；对于WOS引文，TOP6 PIE丰富度、修正shannon指数H′显著高于C9，Menhinick指数Dmn、Alatalo均匀度指数Ea显著低于C9。四组基础数据中，修正shannon指数H′、Dmn指数存在显著差异(p<0.05)。

2.不同学科分类方式下一流大学科研发文多样性

基于ESI和WOS两种学科分类的大学科研发文和引文多样性指数见下页图2。丰富度体现的是大学科研系统涉及的学科数，本研究中的一流大学发文和引文均已涉及ESI分类的全部22个学科。对于WOS学科分类，涉及学科数均达到200(除HIT引文丰富度)。从图2可以看出，世界一流大学在学科丰富度和丰度上虽存在一定差异，但均呈现覆盖面较广的综合性特征。TOP6中以CIT丰富度指数R、均匀度指数Epie和Ea、综合多样性指数H、H’、Dpie最低；其次为HU，呈现低的H、Epie、Dpie和Ea，并以D、Dmg和Emc最低，优势度指数Db-p最高。C9中，以USTC和HIT丰富度指数R和Dmg、均匀度指数Epie、Ea和Emc、综合多样性指数H、H’、D、Dpie最低。

由两种学科分类所得多样性指数的pearson相关性可以看出，发文/引文的均匀度指数(Epie和Emc)、丰富度指数(Dmn、Dmc)和综合多样性指数(H、H′、Dpie和D)均呈显著或极显著正相关(图2)，表明了ESI和WOS两种学科分类方式下基础数据多样性指标的一致性。此外，同一学科分类下各发文和引文多样性指数均呈极显著正相关。

图2 世界一流大学科研发文多样性指数

3.一流大学科研发文多样性指标的相关性分析

ESI和WOS两种学科分类下不同多样性指标的pearson相关系数分别见表2和下页表3。对于综合多样性指数，除基于WOS学科分类发文数据下H’与D、Dmc无显著相关性、与Dpie显著相关外，H、H′、D、Dmc、Dpie间均呈极显著正相关。均匀度指数Epie、Emc、Ea呈显著或极显著正相关，并以Epie、Emc间相关度较高。总体上可以看出同类型多样性指数对大学科研发文结构的揭示表现出高度的一致性。

基于WOS学科分类的综合多样性指数H、H′、Dpie与丰富度指数R呈显著或极显著正相关。综合多样性指数H、H′、D、Dmc、Dpie与均匀度Epie均呈显著或极显著正相关。均匀度指数与优势度指数均呈极显著负相关。

表2 基于ESI学科分类的一流大学科研发文多样性指数相关性

注：左下角为基于ESI学科分类的科研发文多样性指数相关性，右上角为基于ESI学科分类的科研引文多样性指标相关性；

*p<0.05；**p<0.01。

表3 基于WOS学科分类的一流大学科研发文多样性指数相关性

注：左下角为基于WOS学科分类的科研发文多样性指数相关性，右上角为基于WOS学科分类的科研引文多样性指数相关性；

*p<0.05；**p<0.01。

4.一流大学科研发文多样性指标与大学排名的相关性分析

基于大学学科科研发文和引文的多样性指数与大学排名的相关性见表4。多样性指标中以修正Shannon指数与四个大学排名均表现为显著或极显著负相关；Menhinick指数与排名呈显著或极显著正相关。此外，基于WOS分类的PIE丰富度指数R与排名均呈极显著负相关(除基于发文的丰富度与THE排名显著负相关)。

由表4可以看出，基于引文数据的大学科研发文功能多样性指数与排名的相关系数及显著性高于结构多样性指数；此外，基于ESI分类的学科多样性指数与排名的相关系数及显著性高于基于WOS学科分类的多样性指数。四大排名系统中，各多样性指标与ARWU、USNEWS排名的相关性均高于QS和THE(表4)。

表4 一流大学科研发文多样性指数与大学排名相关性

注: ①②③④分别表示基础数据基于ESI学科分类发文、ESI学科分类引文、WOS学科分类发文、WOS学科分类引文；RQS、RTHE、RARWU、RUSNEWS分别表示最新QS、THE、ARWU和USNEWS世界大学排名。.a 基于ESI学科分类的一流大学学科丰富度均为常量22，因此无法进行计算。

5.一流大学科研发文多样性指标的PCA分析

以基于15所一流大学1980-2017年间发文和引文情况计算所得的13个多样性指标作为数据源进行主成分分析(PCA)，探讨大学科研发文的丰富度、均匀度、优势度、多样性等测度指标的敏感性(图3)。图3显示的不同学科分类下的主成分分析中，结构和功能多样性指标的第一主成分轴和第二主成分轴的累积贡献率分别达到99.7%、99.9%、99.1%和99.4%，表明两个主成分轴均能够较为全面地反映13个多样性指标的信息。基于不同基础数据的PCA结果中，多样性指标以及大学样本的分布表现出高的相似性(图3)。

根据主成分各因子得分和图3看出，第一主成分主要反映了学科丰度和丰富度的变化，第二主成分主要反映了学科均匀度的变化。优势度指数Db-p靠近第二主成分轴正半轴，负半轴强相关指标有均匀度指数(Epie、Ea、Emc)和综合多样性指数(H、D、Dmc、Dpie)。均匀度指数(Epie、Ea、Emc)与多样性指数(D、Dmc、Dpie)呈现小的夹角，两者表现出极高的相关性，这与其指标pearson相关分析的结果相一致(表2，3)。

对于大学科研发文系统多样性的研究，需要同时较好地描述学科丰富度和均匀度变化，多样性指数的选择可以从距离第一和第二主成分轴的远近来判断[11,19]。由图3可以看出，综合多样性指数H、D、Dmc、Dpie更倾向于发文学科均匀度的揭示，综合多样性指数中以H′受发文系统的均匀度、丰富度和发文量的影响最大，在一定程度上修正Shannon指数H′能够更好地综合反映大学科研发文系统的结构和功能特征。

图3 一流大学科研发文多样性指数PCA分析

A：基于ESI学科分类的科研发文多样性；B：基于ESI学科分类的科研引文多样性；C：基于WOS学科分类的科研发文多样性；D：基于WOS学科分类的科研引文多样性

在PCA图中，主要位于一四象限的TOP6大学在发文/引文丰度和丰富度上高于位于二三象限的C9集团大学，两一流大学集团倾向于各自聚为一类；位于三四象限的大学(MIT、SU、UC、UO以及TU、FU、ZU、SJTU、XJU)在均匀度上优于一二象限的大学(HU、CIT和TU、USTC、NU、HIT)，反之优势度低于后者，这与图2反映的大学学科多样性趋势一致。PCA中大学间的距离反映了其学科结构或功能的相似性。TOP6中以MIT、SU、UC和UO科研发文结构相似度较高；C9中PU、ZU和SJTU相似度高，USTC和HIT呈现相近的学科发文结构。在基于科研发文结构多样性指标的PCA中，TOP6中CIT与我国C9大学距离较近，而在基于引文多样性指标的PCA中，其更倾向于与TOP6集团其他大学聚为一类(图3)，对此，两种学科分类方式下的结果具有一致性。

四、讨论与总结

1.一流大学科研发文多样性评价指标的选取

本研究引入不同类型多样性指标以揭示一流大学科研发文系统的结构和功能特点，多指标大多以物种丰富度、物种多度或均匀度为基础，计算过程中赋予几者不同的权重[9-11]。多样性指标的选取和构建目的在于寻找较为简单有效的方法以反映系统的特点。对于系统丰富度、均匀度、综合性等各方面的描述，同类型多样性指标多表现为显著或极显著相关(表2，3)，表明了其对科研发文系统结构和功能表征的一致性。

多样性指标中以修正Shannon指数H′和Menhinick指数Dmn与四种大学排名均呈显著或极显著相关，排名靠前的大学具有相对高的修正Shannon指数和低的Menhinick指数。相对于QS和THE排名，多样性指数与ARWU、USNEWS排名相对高的相关性可能与后两者排名体系指标的科研指向性较强有关[5,6,20]。Menhinick指数倾向于揭示系统的丰富度，有研究认为Menhinick指数对高值大集合分析的适用性较差[21]。本研究的结果也可以看出，这种正相关性并不能很好地解释大学排名的差异。Shannon指数源于信息理论，是一种对熵或非冗余度的信息论度量，它同时反映了丰富度和均匀度，是生态系统或文献计量研究中最常用的多样性指数之一[9-12，17]。但Shannon指数的计算未考虑系统大小在维持多样性中的贡献[18]，修正Shannon指数在其基础上补充了对系统个体丰度，即本研究中大学发文/引文总量的揭示，其与大学排名呈现更高且更显著的相关性。此外，修正Shannon指数H′与其他综合多样性指数(H、D、Dmc、Dpie)(除基于WOS的发文多样性)、均匀度Epie、发文丰度P、丰富度R等也均呈显著或极显著正相关(表2，3)，多样性指标的PCA图也可以看出，修正Shannon指数能较好地从学科丰度、均匀度、丰富度角度综合反映大学科研发文的特点。

研究采用两种通用的学科分类方法(ESI和WOS)获得原始数据分析大学科研发文的多样性，从一系列指标(H、H′、Dpie、D、Epie、Emc、Dmn、Dmc)的显著相关性(图2)可以看出，两种分类方式下多样性指标对大学科研发文和引文特征的揭示具有较强的一致性。ESI学科分类是根据11 000多种学术期刊的属性划分的22个学科领域[22]，相对于WOS学科分类，其学科划分比较宽泛[22,23]，虽不易反映出一流大学学科的丰富度差异(Dpie)(图2)，但从多样性指标与大学排名的相关性看，基于ESI学科分类的科研系统多样性指数(H′)与排名的相关系数及显著性高于基于WOS学科分类的多样性指数(表4)。由于ESI学科门类较少，该项指数易于计算，基于该分类的修正Shannon指数可简单有效地用于表征大学的科研发文结构和影响力。WOS学科分类按照一对多关系归类学术期刊和文献，涵盖了252个学科，对期刊和文献内容的揭示较充分[23]，但各学科间存在论文的交叉。相对于ESI学科分类，WOS分类数据能更好地揭示学科丰富度R与其他多样性指数的相关性(表2)，且其丰富度指数R与排名呈显著相关，由此可以看出基于WOS分类的学科丰富度能够在很大程度上反映大学的总体科研水平。

2.一流大学科研发文多样性的特点

研究从大学发文和引文角度研究大学科研发文系统的结构和功能特点，两者的多样性指数均呈极显著正相关，一流大学科研发文系统的结构和功能表现出高度的一致性。但由基于结构和功能多样性指标的PCA结果以及功能多样性指数与排名相对较高的相关性可以看出，相对于发文结构，基于大学科研引文分析的功能多样性能够更为有效地反映大学的排名和影响力。

对于两个一流大学集团，从学科丰富度看均呈现覆盖面较广的综合性特征(图2)，随着一流大学综合性、多样化的发展趋势，集团间的这种差异将逐渐减小。但任何一个世界顶尖综合性大学的建成不是一蹴而就的，一个学科的恢复和发展也绝非一日之功[24]，世界一流大学TOP6在学科发文/引文丰度、综合多样性(H′)等方面仍显著高于我国C9高校(图1，3)，两大学集团的科研发文和引文结构上还存在一定距离(图3)。我国一流高校中以北京大学、清华大学、复旦大学、浙江大学和上海交通大学与TOP6集团大学的学科科研结构相似度最高，这与其他研究通过排名系统及科研竞争力报告分析得到的结果相一致[6,25]。有研究认为，我国大学的学科结构虽相对多样，但在基础学科布局、学科厚度积累等方面还有待进一步发展[26]，清华等我国一流大学在学科构成上还没有完全达到综合大学文理工各学科科类齐全且比例适当的要求[24]。

大学及其学科的发展受到筹资结构、学校规模、政策等多方面因素的影响[27]，不可能形成固定的模式(图2，3)。以加州理工学院为例，其学科结构较TOP6中其他大学差异较大(图2，3)，学科丰富度(R)、均匀度(Epie和Ea)及综合多样性(H、H′、Dpie)低，但这并不影响其在最新THE和ARWU排名中位列前三；四大排名系统中排名均值第一的麻省理工学院，也未表现出显著高的多样性和均匀度。但总体上，一流大学还是呈现出学科丰富度、均匀度及丰度兼顾的发展趋势(图3)，这从一流大学科研发文系统的各项多样性指标可以看出。这除了人为引导的大学或学科综合外，更多的可能是系统自身发展的必然结果，大学科研系统内部各学科因发展需要不断产生新的共生、互生对象，从而组成相互影响的生态链或生态网，系统内学科间的结构和功能关系有待于进一步研究。