基于多维邻近性的药学领域科技创新主导力扩散仿真研究

摘 要： ［目的／ 意义］ 科技创新主导力与创新团队的产出绩效息息相关， 在日益庞杂的科技创新合作中至关重要。然而现有科技创新主导力的研究大多集中在定性讨论方面， 本文从定量角度深入探讨科技创新主导力网络的演化机制， 有助于进一步促进科技创新合作。［方法／ 过程］ 本文以药学领域的数据驱动， 设定创新主体的搜索规则、主导规则、创新规则， 以平均科技创新增益及其扩散速率为评价指标来衡量科技创新主导力的扩散效果， 模拟科技创新主导力的扩散过程， 并进一步探究多维邻近性与科技创新主导力扩散的动态关系。［结果／ 结论］ 结果显示， 多维邻近性对科技创新主导力扩散具有重要影响， 且不同邻近性在网络演化的不同阶段发挥着不同的作用。本文全面细致地刻画了多维邻近性在科技创新主导力网络演化的不同阶段所发挥的具体作用， 进而为机构／ 企业和创新个体的发展提供参考。

关键词： 科技创新主导力； 扩散机制； 多维邻近性； 仿真模拟； 科研合作网络

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０１．００５

〔中图分类号〕Ｇ２５０. ７３ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２５） ０１－００６０－２１

科技创新日益成为国际政治、经济、军事等格局的决定性变量， 我国进一步强化科技创新战略布局。习近平总书记在党的二十大报告中强调， 要加快实施创新驱动发展战略， 加快实现高水平科技自立自强， 加快建设科技强国［１］ 。科研合作是其中最重要且普遍的科技创新形式。党的十九届五中全会指出， 我国将设立面向全球的科研基金， 以进一步促进科技开放合作［２］ 。科研合作在产出量、影响力、合作规模等方面取得了长足发展［３］ ， 在国家／ 地区、机构／ 企业、个人等各个层面的科技创新合作更是方兴未艾［４－７］ 。科技创新合作可以有多种形式， 如联合承担科研项目、合作推广成果、合作发表科学论文、合作申请技术专利等［８－１０］ 。相较而言， 合作发表的科学论文， 因为其具有时效性、专业性等特点， 能够全面且及时地反映学科的前沿进展； 合作发明的技术专利， 因为其启发性、可靠性等特点，能够准确且高效地刻画技术创新的机遇与趋势。科学论文与技术专利已成为研究科技创新最普遍的成果， 成为科技创新合作产出的重要表现形式和常用测度指标［１１－１３］ 。

科技创新合作中， 团队主导者的科技创新主导力至关重要。日益复杂的科技创新难题越来越需要合作团队发挥专业组织化能力， 而这就要求团队主导者能够有力地整合团队各方资源， 聚合能力， 有效地协调团队各方利益和进程。随着团队规模的扩大、研究内容的深化、合作时间的持续， 团队主导者的科技创新主导力在科技创新合作中的作用愈发关键［１４］ 。目前， 对科技创新合作关系的研究已经臻于完善， 围绕概念测度［１５］ 、合作网络［１６］ 、合作影响力［１７］ 、合作网络生长机制［１８－１９］ 、合作网络链路预测［２０］ 等话题取得了丰硕的成果。然而， 对科技创新主导力的研究还不够深入， 集中在定性探讨科技创新主导力的种类、特性等问题［２１－２３］ ， 较少有研究从定量角度出发， 尤其结合复杂网络和模拟仿真方法， 深入探讨科技创新主导力网络的演化机制。

因此， 本文将基于多智能体的建模与仿真， 从微观个体层面构建多维邻近性视角下科技创新主导力的扩散模型， 结合全球药学领域科学论文合作数据和技术专利合作数据， 分别以科学创新主导力网络和技术创新主导力网络的真实多维邻近性数据作为模型的初始化设置， 设定创新主体的搜索规则、主导规则、创新规则， 并以平均创新主导力增益及其扩散速率为评价指标来衡量科技创新主导力的扩散效果， 模拟科技创新主导力的扩散过程， 探究多维邻近性对科技创新主导力扩散的影响， 从而为本国合理制定和调整国家科技创新政策提供参考， 促进创新主体高效利用科技创新资源。

１ 相关研究与理论

１. １ 科技创新主导力的相关研究

团队主导力对于诸多外生影响因素作用于团队绩效具有重要的调节作用， 更是决定团队合作表现的重要变量之一［２４］ 。已有研究证明， 科技创新主导力与创新团队的资源整合能力［２５］ 、创新产出、成果影响力乃至团队竞争力息息相关［２６］ 。目前， 科技创新主导力已受到了众多领域持续、高度的关注，包括临床医学［２７］ 、企业组织［２８］ 等。

从文献计量学的角度而言， 现有研究普遍采用科学论文或技术专利的署名信息来衡量科技创新主导地位［１４］ 。诚然， 在不同的学科领域中， 论文的作者顺序与对应的作者贡献有所差异， 但是第一作者和通讯作者普遍承担了论文的主导角色， 其贡献普遍大于其他参与作者［４］ ， 发挥了科技创新主导力［２９－３０］ 。主导作者（第一作者／ 通讯作者）同时对科技创新内容和团队的组织负责， 包括确定研究方向、分配合作任务等。对于具有基金支持的合作项目， 主导作者还提供基金支持［３１］ 。因此， 主导作者的科技创新主导力贯穿了合作的整个生命周期［４］ 。此外， 主导作者与其他参与作者之间的主导—参与关系要普遍强于其他参与作者之间的参与—参与关系［３２］ 。相较而言， 其他参与作者则对合作项目提供专业化的贡献［４］ ， 例如通过数据分析、数据清洗等来支持合作的进程。而在技术专利中， 其发明人的署名规则要比科学论文作者更严格［３３］ ， 第一发明人被广泛认为是专利发明合作项目的主导者［３４］ ，发挥了科技创新主导力［３５］ 。在专利合作团队中，资深的团队主导者往往决定哪些合作者可以列入专利发明人名单， 以及具有专利申请之前的内部审阅权和提交专利申请的同意权［３６］ 。在科学论文相对应的技术专利中， 论文的第一作者／ 通讯作者也往往是专利的第一发明人［３７－３８］ 。在国家层面的专利分析中， 第一发明人所属的国家（地区）被视为专利所属的国家（地区）［３９］ 。

１. ２ 科技创新合作中多维邻近性机制的相关研究

邻近性的本意指“时间、空间维度的相近性”［４０］ 。对于邻近性的学术性探讨发轫于Ｍａｒｓｈａｌ Ａ［４１］ ， 因讨论了地理邻近性的企业聚集效应， 而开创了聚集经济研究的先河。２０ 世纪９０ 年代， 欧洲“邻近性动力学派” 在研究产业动态调整领域时， 率先将邻近性的概念从地理邻近的单一维度延伸为“多维邻近”。随后， Ｋｎｏｂｅｎ Ｊ 等［４２］ 对２００５ 年前的邻近性研究进行了系统梳理， 总结了既有文献中７ 个主要的邻近性维度： 地理邻近性、制度邻近性、社会邻近性、文化邻近性、技术邻近性、认知邻近性、组织邻近性。“多维邻近性” 由此受到了经济地理领域的广泛认可， 邻近性的概念也得到了进一步拓展。

对于科技创新合作中邻近性机制的研究， Ｂｏｓ⁃ｃｈｍａ Ｒ［４３］ 提出的五维邻近性得到了广泛的认可。Ｂｏｓｃｈｍａ Ｒ［４３］ 主张地理邻近性、认知邻近性、制度邻近性、社会邻近性和组织邻性近都应该纳入多维邻近理论框架。其中， 组织邻近性与创新主体的自治程度相关； 制度邻近性涉及行为规范、习俗、法规等宏观规则； 社会邻近性则取决于创新主体之间的信任； 而认知邻近性则与创新主体之间的认知背景、基础以及学习能力相关。据此， 国内外研究者也从多个层面、多个领域展开了对科技创新合作中多维邻近性机制的探究。如表１ 所示， 总结了具有代表性的科技创新合作中多维邻近性机制的研究。而由于Ｂｏｓｃｈｍａ Ｒ［４３］ 的五维邻近性具有较好的概括力， 并且得到了广泛的认可， 本文也将参考此框架展开研究。同时， 由于在个人层面， 组织邻近性与制度邻近性具有较高的概念重叠度［４４］ ， 参考［４５－４６］， 本文采用除了组织邻近性之外的Ｂｏｓｃｈｍａ Ｒ［４３］提出的４ 个邻近性作为本文的多维邻近性研究框架。

１. ３ 科技创新合作网络中的知识扩散机制仿真研究

关于科技创新合作网络的知识扩散机制， 现有研究主要采用计算机仿真方法分析网络结构特征和节点属性特征对知识扩散的影响。针对结构特征对合作网络中知识扩散的影响， 现有研究从ＢＡ 无标度网络、小世界网络、节点度数中心性等角度切入进行仿真模拟。Ｃｏｗａｎ Ｒ 等［５７］ 通过基于Ａｇｅｎｔ 的仿真模型模拟合作网络中的知识扩散， 发现小世界网络下， 知识扩散效率达到最优。巴志超等［５８］ 通过数值模拟和计算机仿真的方法构建合作网络中的知识扩散模型， 发现网络的随机程度越大， 网络规模越小， 知识扩散速度越大且分布越均衡。针对节点属性特征对合作网络中知识扩散的影响， 现有研究关注网络节点的背景差异性、网络节点的多维邻近性属性对知识扩散的影响。基于Ａｇｅｎｔ 的仿真模型模拟显示， 节点之间的紧密联系能够显著影响知识流动率［５９］ 。余谦等［６０］ 通过数值仿真发现地理邻近性在知识扩散初期发挥主要作用， 认知邻近性是整个过程中知识增长的核心动力， 社会邻近性对知识扩散的影响小而持久。

然而， 对于科技创新主导力的扩散机制研究还处于空白阶段。主导主体通过对参与主体创新资源的规划、调度、配置、整合等发挥科技创新主导力的效用。科技创新主导力的扩散是单向的扩散， 并不是简单的双向互动。通过计算机仿真建模的方法，从微观个体层面自下而上地建模刻画科技创新主导力扩散的复杂性、交互性和层次性， 以及其宏观涌现性， 有助于把握不同阶段科技创新主导力的扩散规律。

２ 相关概念与测度

２. １ 科技创新主导力相关概念

科技创新主导力与团队的资源整合能力［２５］ 、科技创新产出、成果影响力乃至团队竞争力息息相关。本文界定了科技创新主导力涉及的主要概念，包括主导主体、参与主体、科技创新主导力网络，具体如下［３５，６１］ ： ①主导主体， 在科技创新合作过程中， 作为主导者的创新主体。对于一篇科学论文，其主导主体为第一作者和通讯作者； 对于一篇技术专利， 其主导主体为第一发明人； ②参与主体， 对于一篇科学论文， 其参与主体为除了第一作者和通讯作者之外的其他作者。一个创新主体可以同时在一篇论文中担任主导主体， 在另一篇论文中担任参与主体； ③主导—参与关系， 从主导主体向参与主体的有向关系； ④科技创新主导力网络， 以创新主体为节点， 以主导—参与关系为连边所形成的网络。如图１ 所示， 展示了基于多篇科学论文的科学创新主导力网络模型。

２. ２ 多维邻近性相关概念

１） 地理邻近性（Ｇｅｏｇｒａｐｈｉｃａｌ Ｐｒｏｘｉｍｉｔｙ）

地理邻近性又称空间邻近性或物理邻近性。在科技创新主导过程中， 可以用创新主体之间地理距离的倒数来测度。现有文献对地理距离的测度方法有绝对测度和相对测度两种［６２］ 。本文将采用绝对测度方法， 根据创新主体α 和β 的经纬度计算球面直线距离， 并选取球面直线距离的倒数［６３］ 来测度地理邻近性。

２） 认知邻近性（Ｃｏｇｎｉｔｉｖｅ Ｐｒｏｘｉｍｉｔｙ）

认知邻近性指创新主体之间认知基础的相似性［６４］ 。参考Ｆｅｒｎａｎｄｅｚ Ａ 等［５２］ 的研究， 本文将选取主题相似度作为测度指标， 首先对科学论文的摘要进行ＬＤＡ 聚类， 聚成５０ 个类； 其次， 根据这５０个类， 将每个创新主体在每个类所发表过的科学论文数量进行累加， 得到该创新主体的５０ 维主题向量， 即为对应的创新主体的认知向量。而认知邻近性则为创新主体认知向量的余弦相似度。认知邻近性的取值越接近１ 表示认知邻近性越高， 越接近０表示认知邻近性越低。

３） 制度邻近性（Ｉｎｓｔｉｔｕｔｉｏｎａｌ Ｐｒｏｘｉｍｉｔｙ）

制度邻近性指创新主体之间在正式制度（如法律准则、规章制度等）和非正式制度（如风俗习惯、价值观念等）方面的相似性。参考以往研究， 本文采用两个创新主体所在国家（地区）的综合语言相似度来衡量［４８，５２，６５］ ， 如果两个创新主体来自同一个国家（地区）， 则制度邻近性为１； 否则， 制度邻近性为两个创新主体所在国家（地区）的综合语言相似度。制度邻近性的取值越趋向于０ 表示制度邻近性越低， 越趋向于１ 表示制度邻近性越高。

４） 社会邻近性（Ｓｏｃｉａｌ Ｐｒｏｘｉｍｉｔｙ）

社会邻近性又称作关系邻近性或个人邻近性，可以表示创新主体之间社会关系的亲疏远近。社会邻近性可以通过创新主体的正式或非正式渠道建立［６６］ 。现有研究主要采用过往的交互经历来衡量社会邻近性［５２，６７］ 。故对于社会邻近性， 本文采用一个哑变量（两个创新主体以前是否发生过科技创新主导力关系）来测度， 如果两个创新主体已经发生过科技创新主导力关系， 则社会邻近性取值为１， 否则取值为０。

３ 基于多智能体的科技创新主导力扩散仿真建模

科技创新主导力网络， 作为典型的复杂网络，其形成和演化过程充满高度的动态性和非线性［６８］ ，难以通过还原论的分解方法对其演化过程进行计算和重现。而计算机仿真作为继演绎法、归纳法之后科学研究的第三范式， 为研究此类复杂社会系统提供了整体论的切入点。其中， 基于Ａｇｅｎｔ 的建模与仿真（Ａｇｅｎｔ－ｂａｓｅｄ Ｍｏｄｅｌｉｎｇ ａｎｄ Ｓｉｍｕｌａｔｉｏｎ， ＡＢＭＳ），能够从微观个体到宏观整体， 自下而上地刻画复杂系统的涌现性， 已成为计算机仿真领域刻画复杂系统的有力工具［６９］ 。故本文将基于ＡＢＭＳ， 如图２ 所示， 从微观个体层面构建多维邻近性视角下的科技创新主导力扩散模型， 结合全球药学领域科学论文和技术专利合作数据作为初始驱动数据， 探究多维邻近性与科技创新主导力扩散的动态关系。

３. １ 模型设计与假设

科技创新并非时间上的线性增长过程， 创新主体也并非一直处于创新状态中。在一个时间单位里， 只有极少部分创新主体激活创新状态， 启动创新项目， 成为主导主体。根据资源依赖理论［７０］ ， 主导主体需要依赖其他创新主体的知识与技能来推动创新项目。启动创新项目之后， 主导主体搜索合适的参与主体， 组建创新团队， 推动创新项目。根据资源配置理论［７１］ ， 无论是主导主体还是参与主体，创新主体在每个时间单位里， 都只有有限的精力，他们需要尽可能利用有限的精力去推动创新活动。在创新项目结束之前， 主导主体和参与主体都会对该创新项目持续付出各自的部分精力。当创新主体的剩余精力为０ 时， 在该时间单位里， 创新主体既不能主导也不能参与新的创新项目。主导主体会对其创新项目作出主要贡献， 因此， 主导主体对相应创新项目的精力付出大于其他参与主体。创新主体在有剩余精力的前提下， 可以继续参与其他创新项目。在某个创新项目结束的时间单位里， 主导主体和参与主体被该创新项目占用的精力得到恢复。这些创新主体在下一个时间单位里可以继续被激活，启动创新项目， 成为主导主体， 或者加入别人主导的创新项目， 成为参与主体。当创新项目结束时，主导主体和参与主体按照各自对创新项目付出的精力分配科技创新主导力增益， 同时根据社会学习理论［７２］ ， 人的认知和行为相互强化， 创新主体的认知基础也会受到结束的创新项目的影响， 更新自身的认知向量。

为了在贴近实际的前提下， 增强仿真可行性，本文进行了适当简化［５５］ ， 提出以下假设：

假设１： 科技创新主导力扩散过程中， 创新主体的数量保持不变， 没有新的创新主体加入， 也没有创新主体离开。创新主体的地理位置不变， 不会更换城市和国家（地区）。

假设２： 每个时间单位里， 有２００ 个创新主体被激活， 成为主导主体， 组建创新团队， 推动创新项目。每个创新项目的持续时间Ｐｅｒｉｏｄ 在２～５ 个时间单位里离散均匀分布： Ｐｅｒｉｏｄ～ＤｉｓｃｒｅｔｅＵ［２，５］， 每个创新项目在每个时间单位里都需要占用主导主体和参与主体总共１０ 个单位的精力。

假设３： 每个创新主体有１０ 个单位的精力。当其成为主导主体时， 至少要付出６ 个单位的精力在其主导的创新项目中， 做出最大的贡献， 因此每个创新主体不能同时主导两个创新项目。创新主体每参与一个创新项目， 至少要付出１ 个单位的精力。当创新主体的剩余精力等于０ 时， 其不能参与新的创新项目， 直到现有的创新项目结束， 释放占用的精力值。

３. ２ 基于药学领域科技创新数据集的初始化设置

１） 药学领域科技创新数据获取

当前， 由于药学领域对人类社会发展至关重要，药学科技创新已经受到了经济学、社会学、科学计量学等诸多领域的关注。各国（地区）以及国际组织的巨额研发投入将进一步推动药学领域科技创新合作的发展［５１，７３－７４］ 。具体而言， 本研究聚焦于２０１０—２０１９ 年全球药学领域［５１］（“生物化学与分子生物学（Ｂｉｏｃｈｅｍｉｓｔｒｙ ＆ Ｍｏｌｅｃｕｌａｒ Ｂｉｏｌｏｇｙ）” “医学、研究与实验（Ｍｅｄｉｃｉｎｅ， Ｒｅｓｅａｒｃｈ ＆ Ｅｘｐｅｒｉｍｅｎｔａｌ）” “药理学与药剂学（Ｐｈａｒｍａｃｏｌｏｇｙ ＆ Ｐｈａｒｍａｃｙ）” “毒理学（Ｔｏｘｉｃｏｌｏｇｙ）”）的合著科学论文。以Ｗｅｂ ｏｆ Ｓｃｉ⁃ｅｎｃｅ 核心合集的题录数据为原始数据， 具体采用的检索语句为“ＷＣ ＝ Ａ ＡＮＤ ＰＹ ＝ Ｂ ＡＮＤ ＬＡＮ⁃ＧＵＡＧＥ＝‘Ｅｎｇｌｉｓｈ’”。其中“Ａ” 指上述的药学子领域， “Ｂ” 为“２０１０—２０１９”。因为本研究聚焦于合著科学论文， 所以剔除了独立作者和非期刊论文， 例如会议摘要（Ｍｅｅｔｉｎｇ Ａｂｓｔｒａｃｔｓ）、信件（Ｌｅｔ⁃ｔｅｒｓ）、综述（Ｒｅｖｉｅｗｓ）， 编辑材料（Ｅｄｉｔｏｒｉａｌｓ Ｍａｔｅｒｉ⁃ａｌｓ）， 最终获取到３２３ １４６篇药学领域的合著论文。关于作者信息消歧， 本研究遵循Ｓｉｎａｔｒａ Ｒ 等［７５］ 的方法。

技术专利数据蕴藏着海量的科技创新态势、战略、格局信息。本研究的技术专利数据来自美国专利和商标局（Ｕｎｉｔｅｄ Ｓｔａｔｅｓ Ｐａｔｅｎｔ ａｎｄ Ｔｒａｄｅｍａｒｋ Ｏｆ⁃ｆｉｃｅ， ＵＳＰＴＯ）， 是国内外研究技术专利的重要数据源之一［７６－７７］ 。本研究根据国际专利分类码（Ｉｎｔｅｒ⁃ｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｃｏｄｅｓ， ＩＰＣ） 检索了２０１０—２０１９ 年ＵＳＰＴＯ 注册的药学领域的所有技术专利， 具体的检索语句为ＩＰＣ＝（Ｃ０７Ｄ∗ ＯＲ Ｃ０７Ｋ∗ＯＲ Ｃ１２Ｎ∗ ＯＲ Ｃ１２Ｐ∗ ＯＲ Ｇ０１Ｎ）［７８］ ， 进一步限制时间为２０１０—２０１９ 年， 最终检索到１０３ ３６７篇合作专利。对于发明人姓名消歧， 本研究采用既有项目的发明人消歧数据ＰａｔｅｎｔｓＶｉｅｗ。ＰａｔｅｎｔｓＶｉｅｗ 网站提供了一个对应于ＵＳＰＴＯ 等专利数据的可靠数据源， 提供了企业、发明人和地址的信息及消歧［７９］ 。同时， 考虑到中国创新能力的蓬勃发展， 中国专利知识产权在全球的比重越来越高， 本文也将中国的专利数据融合进来。本文采用智慧芽专利数据库平台， 具体的检索语句为ＭＩＰＣ：（Ｃ０７Ｄ） ＯＲ ＭＩＰＣ：（Ｃ０７Ｋ） ＯＲ ＭＩＰＣ：（Ｃ１２Ｎ） ＯＲ ＭＩＰＣ：（Ｃ１２Ｐ） ＯＲＭＩＰＣ：（ Ｇ０１Ｎ）［７８］ ， 限制时间为２０１０—２０１９ 年，最终检索到１３３ ３４０条中国发明专利。对于中文专利， 本文参考针对国内医药企业专利发明人的消歧方法［８０］ 。最终所得到的科学论文和技术专利样本数据如表２ 所示。