|
|
|
| Construction of Key Liaison Scholar Identification Model from the International Scientific Research Cooperation Network Perspective |
| Guo Yusen1,2, Yang Yanping1,2 |
1.National Science Library, Chinese Academy of Sciences, Beijing 100190
2.Department of Information Resources Management, School of Economics and Management, University of Chinese Academy of Sciences, Beijing 100190 |
|
|
|
|
Abstract International scientific research cooperation is an essential driver of global technological advancement and innovation. Scholars who play liaison roles are crucial to the construction and maintenance of these networks. Identifying key collaborators and establishing significant cooperative relationships in an increasingly competitive global scientific collaboration environment is a key research focus in information science. This study aimed to develop a model for identifying key liaisons using social network analysis methods. After segmenting the scientific research cooperation network into communities using the Louvain algorithm, three indicators were introduced to identify different types of liaisons: intra-community participation index Z, inter-community participation index P, and community connectivity index C. These results provide theoretical support for policies of China on introducing academic talent and seeking partners in global scientific research cooperation. The research findings will not only help scientists discover important international partners and promote knowledge sharing and interdisciplinary communication, but also facilitate the development of joint international research projects and provide information for the introduction and cultivation of international talent.
|
|
Received: 22 December 2023
|
|
|
|
1 Adams J, Loach T. Comment: a well-connected world[J]. Nature, 2015, 527(7577): S58-S59.
2 习近平: 高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告[R/OL]. (2022-10-25). https://www.gov.cn/xinwen/2022-10/25/content_5721685.htm.
3 段德忠. 全球重大疫情下的科研合作格局及其演化——以SARS、H1N1、西非Ebola和COVID-19研究为例[J]. 地理研究, 2021, 40(1): 93-108.
4 杨波, 高小莉. 中国—东盟科研合作网络与主题演化特征[J]. 地域研究与开发, 2023, 42(6): 1-6.
5 陈秀娟, 张志强. 国际科研合作对科研绩效的影响研究综述[J]. 图书情报工作, 2019, 63(15): 127-139.
6 李文聪, 何静, 董纪昌. 网络嵌入视角下国内外合作对科研产出的影响差异——以中国干细胞研究机构为例[J]. 科学学与科学技术管理, 2017, 38(1): 98-107.
7 陈丽媛, 荀渊. 学术人才国际流动如何影响科研产出——以四所“双一流”建设高校的经济学科为例[J]. 教育发展研究, 2020, 40(21): 11-19.
8 张萃, 欧阳冬平. “一带一路”战略下中国国际科研合作影响因素研究——基于Web of Science数据库中外合作科研论文的实证分析[J]. 国际贸易问题, 2017(4): 74-82.
9 胡蝶, 吴玥, 常伶颖, 等. “嵌入”与“破局”: 疫情背景下我国国际科研合作关系的延续与创新[J]. 复旦教育论坛, 2023, 21(2): 72-79.
10 岳晓旭, 袁军鹏, 黄萃, 等. 基于ESI学科分类的中国科研国际合作主导地位变迁分析[J]. 科学学与科学技术管理, 2018, 39(4): 3-17.
11 林歌歌, 侯海燕, 王亚杰, 等. 基于合作率与主导性视角的中国国际科研合作地位变迁研究[J]. 信息资源管理学报, 2023, 13(2): 108-124.
12 吕千千, 谭宗颖. 虚拟科研团队识别方法研究——以重症医学领域为例[J]. 图书情报工作, 2022, 66(15): 97-106.
13 冉从敬, 宋凯, 何梦婷, 等. 校企合作背景下高校前沿科研团队探测模型构建——以区块链技术领域为例[J]. 现代情报, 2020, 40(6): 46-54.
14 李纲, 柳明飞, 吴青, 等. 基于蝴蝶结模型的科研团队角色识别及其特征研究[J]. 图书情报工作, 2017, 61(5): 87-94.
15 刘晓婷, 黄颖, 李瑞婻, 等. 内聚-耦合视角下科研团队合作模式识别与对比研究[J]. 情报科学, 2022, 40(12): 170-180.
16 王曰芬, 杨雪, 余厚强, 等. 人工智能科研团队的合作模式及其对比研究[J]. 图书情报工作, 2020, 64(20): 14-22.
17 曾粤亮, 司莉. 跨学科科研合作: 背景、理论研究与实践进展[J]. 图书情报工作, 2021, 65(10): 127-140.
18 张立, 李丹浓, 尤江东, 等. 网络空间安全领域国际科研合作特征及演化趋势分析[J]. 信息工程大学学报, 2023, 24(6): 741-748.
19 党永杰, 胡月洋, 郭天昕. 社会网络分析视角下我国档案学领域科研合作研究[J]. 档案管理, 2023(6): 46-50.
20 刘苗苗, 姜华, 刘盛博, 等. 不同学科科研合作差异的比较研究——以2017年教育部创新团队114位带头人为例[J]. 科技管理研究, 2019, 39(16): 100-107.
21 郦敏浩, 刘明强, 秦环龙, 等. 基于演化博弈的医院企业科研合作机制研究[J]. 中国医院管理, 2023, 43(8): 60-63.
22 文鹏, 郑翔, 赖彤, 等. 美国NSF项目机构间科研合作关系与发展态势研究[J]. 现代情报, 2021, 41(4): 154-161, 177.
23 苏丹. 科研机构国际科技交流与合作现状研究[J]. 黑龙江科学, 2023, 14(21): 36-37, 41.
24 谢小东, 吴洁, 盛永祥, 等. 基于图卷积网络的发明人跨领域合作伙伴识别方法[J]. 情报杂志, 2024, 43(4): 175-183, 167.
25 林原, 刘海峰, 王海龙, 等. 基于表示学习的学者间潜在合作机会挖掘[J]. 情报杂志, 2019, 38(5): 65-70.
26 钟元生, 高成珍, 朱文强. 融合动态研究偏好和社交信任的潜在科研合作者推荐研究[J]. 情报学报, 2023, 42(11): 1335-1346.
27 欧桂燕, 岳名亮, 吴江, 等. 杰出青年科研人员学术职业生涯科研合作特征演变分析——以化学领域为例[J]. 情报学报, 2021, 40(7): 756-767.
28 高志, 陈敏娟, 王妍林. 杰出科学家的科研合作特征研究[J]. 情报杂志, 2022, 41(7): 176-180, 137.
29 谭春辉, 梁远亮, 魏温静. 虚拟学术社区中科研人员合作影响因素组态分析[J]. 情报理论与实践, 2022, 45(4): 128-136, 127.
30 谭春辉, 刁斐, 李瑶, 等. 科研人员个体感知影响跨学科科研合作意愿机理[J]. 情报理论与实践, 2023, 46(5): 117-125.
31 王雨, 郭进利. 超网络视角下的科研合作网络节点重要性评估[J]. 图书馆杂志, 2018, 37(10): 89-100.
32 贺超城, 吴江, 刘福珍, 等. 基于地理科研主导网络的关键节点识别研究——以药学领域为例[J]. 情报学报, 2021, 40(12): 1312-1324.
33 赵真. “一带一路”跨国专利合作网络关键节点识别及影响因素研究[D]. 上海: 上海外国语大学, 2023.
34 张雪, 张志强, 陈秀娟. 基于期刊论文的作者合作特征及其对科研产出的影响——以国际医学信息学领域高产作者为例[J]. 情报学报, 2019, 38(1): 29-37.
35 刘晓娟, 余梦霞, 赵卓婧, 等. “长江学者奖励计划”资助前后科研合作变化与分析——以2005年度长江学者为例[J]. 图书情报工作, 2020, 64(3): 100-110.
36 高志, 张志强. 杰出科学家的科研合作与学术影响力的关系研究——基于诺贝尔自然科学奖获得者的面板数据分析[J]. 图书情报工作, 2021, 65(20): 50-58.
37 高志. 科研合作网络演化研究进展[J]. 图书情报导刊, 2022, 7(6): 46-52.
38 Crowston K, Wiggins A, Howison J. Analyzing leadership dynamics in distributed group communication[C]// Proceedings of the 43rd Hawaii International Conference on System Sciences. Piscataway: IEEE, 2010: 2847-2856.
39 何振海, 杨桂梅. 西方大学学派领袖人物学术角色论析[J]. 河北大学学报(哲学社会科学版), 2023, 48(3): 62-68.
40 胡逸宬. 网络学术社区中的意见领袖识别研究[J]. 图书情报导刊, 2017, 2(11): 72-77.
41 李纲, 刘先红. 基于合作网络中心性指标的科研团队学术带头人识别研究[J]. 科技管理研究, 2016, 36(8): 127-132.
42 罗雯, 胡志刚. 科研合作中的核心合作者的界定与测算——一种基于H指数的测算方式[J]. 农业图书情报学报, 2023, 35(4): 48-58.
43 魏开洋, 邱均平, 刘亚飞. 科研合作中明星作者对学术论文的影响机理研究——基于合著网络的视角[J]. 情报科学, 2024, 42(2): 174-181.
44 宋志红, 武天兰, 史玉英. 明星作者网络位置与科研产出的关系研究——以“竞争情报”领域为例[J]. 情报理论与实践, 2015, 38(5): 55-59.
45 Albert R, Barabási A L. Statistical mechanics of complex networks[J]. Reviews of Modern Physics, 2002, 74(1): 47-97.
46 Chen D B, Lü L Y, Shang M S, et al. Identifying influential nodes in complex networks[J]. Physica A: Statistical Mechanics and Its Applications, 2012, 391(4): 1777-1787.
47 闫玲玲, 陈增强, 张青. 基于度和聚类系数的中国航空网络重要性节点分析[J]. 智能系统学报, 2016, 11(5): 586-593.
48 Freeman L C. A set of measures of centrality based on betweenness[J]. Sociometry, 1977, 40(1): 35-41.
49 Li W H, Zhang S, Zheng Z M, et al. Untangling the network effects of productivity and prominence among scientists[J]. Nature Communications, 2022, 13(1): Article No.4907.
50 Katz L. A new status index derived from sociometric analysis[J]. Psychometrika, 1953, 18(1): 39-43.
51 任晓龙, 吕琳媛. 网络重要节点排序方法综述[J]. 科学通报, 2014, 59(13): 1175-1197.
52 Kitsak M, Gallos L K, Havlin S, et al. Identification of influential spreaders in complex networks[J]. Nature Physics, 2010, 6: 888-893.
53 Burt R S. The social structure of competition[M]// Structural Holes: The Social Structure of Competition. Cambridge: Harvard University Press, 1992: 8-49.
54 Newman M E J, Girvan M. Finding and evaluating community structure in networks[J]. Physical Review E, 2004, 69(2): 026113.
55 Kernighan B W, Lin S. An efficient heuristic procedure for partitioning graphs[J]. The Bell System Technical Journal, 1970, 49(2): 291-307.
56 Newman M E J. Modularity and community structure in networks[J]. Proceedings of the National Academy of Sciences of the United States of America, 2006, 103(23): 8577-8582.
57 Wagner C S, Whetsell T A, Leydesdorff L. Growth of international collaboration in science: revisiting six specialties[J]. Scientometrics, 2017, 110(3): 1633-1652.
58 韩小红. 强弱关系视野下网络社群中的“连接者”现象研究[D]. 武汉: 华中师范大学, 2019: 1-2.
59 Díaz-Faes A A, Otero-Hermida P, Ozman M, et al. Do women in science form more diverse research networks than men? An analysis of Spanish biomedical scientists[J]. PLoS One, 2020, 15(12): e0238229.
60 Blondel V D, Guillaume J L, Lambiotte R, et al. Fast unfolding of communities in large networks[J]. Journal of Statistical Mechanics: Theory and Experiment, 2008, 2008(10): P10008.
61 卢冬冬, 吴洁, 刘鹏, 等. 开源软件社区知识协作网络核心开发者识别——以AngularJS为例[J]. 计算机工程与科学, 2021, 43(3): 551-559.
62 刘鹏, 马佳楠. 开源社区开发者协作网络关键人员群体识别研究[J]. 系统科学与数学, 2022, 42(10): 2566-2581. |
|
|
|
