美國NSF項目機構間科研合作關系與發展態勢研究

文鵬 鄭翔 賴彤 胡吉明

收稿日期：2020-11-01

基金項目：國家自然科學基金面上項目“基于深度學習的政務新媒體互動內容摘要自動生成與情感分析模型研究”（項目編號：71874125）。

作者簡介：文鵬（1981-），女，博士后在研，研究方向：科教信息資源管理與服務。鄭翔（1996-），女，碩士研究生，研究方向：文本信息挖掘。賴彤（1993-），女，博士研究生，研究方向：信息檢索、數據開放共享。胡吉明（1985-），男，副教授，博士，研究方向：數字信息資源管理與服務，電子政務與政府信息資源管理。

摘要：[目的/意義]機構合作已成為科研合作的主要形式之一，對其合作結構的研究有助于把握科研機構合作的規律和態勢。[方法/過程]本文以NSF 2008—2017年間資助項目中的PI和Co-PI數據進行美國科研機構合作研究。利用統計分析、突發機構檢測、合作網絡指標計算、合作團體識別等方法，以及合作網絡圖、戰略圖等可視化手段，探究美國科研機構近十年來合作的結構、規律和發展態勢。[結果/結論]研究發現，由美國NSF資助的科研機構及其合作分布的集中與不平衡現象并存，形成了9個主要的合作團體，地理鄰近、研究領域相同或相似以及學術水平相當的機構更容易形成科研合作關系。隨著科研合作的發展，科研機構合作網絡趨向均衡化發展，機構間合作強度有待進一步加強。

關鍵詞：NSF;科學基金項目;美國;科研機構;合作結構網絡

DOI：10.3969/j.issn.1008-0821.2021.04.015

〔中圖分類號〕G203〔文獻標識碼〕A〔文章編號〕1008-0821（2021）04-0154-08

Research on the Science Research Relationship and

Development Trend of NSF Institutions in US

Wen Peng1，2Zheng Xiang3Lai Tong3Hu Jiming3

（1.School of Marxism，Wuhan University，Wuhan 430072，China;

2.Institute of Education Science，Wuhan University，Wuhan 430072，China;

3.School of Information Management，Wuhan University，Wuhan 430072，China）

Abstract：[Purpose/Significance]Institutional cooperation has become one of the main forms of scientific cooperation.[Method/Process]By combining statistical analysis，network indicators calculation，visualization，as well as topological structures of cooperative networks，this paper explores the network structure of cooperation among scientific institutions in the United States in recent ten years.[Result/Conclusion]The study indicated that the distribution of NSF-funded scientific institutes and their cooperation was concentrated but unbalanced，forming 9 major cooperative communities with different institutions as cores.Institutes with similar geographical proximity，research fields and academic level were more likely to form scientific cooperative relations.With the development of scientific cooperation，the cooperation network of scientific institutes tended to develop in a balanced way，and the intensity of inter agency cooperation needed to be further strengthened.

Key words：NSF;science fund;United States;research Institution;collaboration network structure

隨著科技的發展，科研合作成為科學研究的主流[1]。科學基金資助作為重要的科研成果指標，成為科研機構間合作關系產生、運行、發展、再生的重要驅動力，并且在知識流動[2]、合作偏好[3]、團體聚合[4]等方面顯現出一定的特征和規律，成為學術界關注的熱點問題。科學基金資助數據作為反映科研機構間合作情況的原始數據，在表達機構信息方面具備及時性、有效性、準確性等特征，是研究機構間合作關系的可靠數據來源，同時對于預測機構間未來合作趨勢具有參考價值。國內外在科研機構合作上的研究已有不少積累，主要以共同出版物數據作為切入點[5]，采用社會網絡分析方法[6]，通過指標計算衡量某一特定范圍內相關合作主體的合作情況[7]，結合可視化工具與技術，反映合作網絡的發展規律[8]。然而，現有研究多基于我國自身科研數據進行機構合作關系的分析及預判，以國外科學基金資助數據為基礎，進行科研機構合作特征與形態、資源配置、知識交流及演化規律等問題的深入探索，尚屬少有。

美國的國家科學基金會（National Science Foundation，NSF）是目前世界最具代表性和影響力的國家級政府科學基金資助機構，旨在支持全美學術機構的基礎研究。本文嘗試提出了科研機構合作規律研究的通用性框架，以NSF為數據源，提取其中的機構合作信息[9]，綜合運用網絡分析方法與可視化工具，深入直觀地了解近年美國科學基金資助在不同科研機構間的分配情況，探索科研機構間合作關系的生成、運行及發展等規律。美國作為科技創新實力全球領先的國家之一，深入探究其科研機構間的合作關系及其內在的發展機理，總結科研機構合作發展的先進經驗，有助于充分認識和發揮科研機構在國家創新發展中的支撐作用，為我國科研合作發展的政策制定提供啟發性的借鑒。

1機構合作數據采集與分析方法

1.1基金項目數據獲取與預處理

本文首先獲取了2008—2017年間NSF所資助的基金項目數據[10]，將PI和Co-PI字段中的機構電子郵件域名作為后續機構頻次統計和共現分析的基礎樣本。因機構標識存在較多不規范和不統一等問題，本文首先剔除不具備具體機構含義的電子郵件域名，如Gmail.com;其次，對機構名稱不統一的情況進行篩選與合并，如Washington.edu和U.washington.edu均表示同一機構，即華盛頓大學;最后，出現頻次過少的機構對機構合作關系分析的意義不大，因此本文根據研究需要和頻次占比情況，選取一定閾值之上的機構進行后續分析，同時，將閾值之下的機構合并至包含它的機構中。

1.2機構合作網絡構建與分析

本文將出現在同一個NSF項目中的機構看作是合作關系，對兩兩機構的合作關系進行提取和合作次數統計，最終構建了包含所有機構的合作網絡[11]。頻次較低或合作較為孤立的機構，不能代表研究的主流，因此本文在選取某頻次閾值之上的機構后，進行合作網絡的最大連通子圖提取。其中，機構對應網絡節點，合作關系對應節點連邊，節點大小和邊的粗細分別與機構頻次和合作次數成正比[12]。

其次，本文對機構合作網絡的密度、中心勢、聚集系數進行計算，以揭示合作的結構特征[13]。密度衡量合作網絡內部關聯的強度;中心勢揭示整體合作網絡的向心性和節點在整個網絡中的核心程度，也表明了節點對網絡的控制和影響能力。聚集系數則表示局部網絡因關聯關系而聚集成類簇的可能性大小[14]。

最后，結合Louvain算法對合作關系網絡進行合作團體劃分，保證團體內部節點聯系緊密而團體間聯系疏松，從而產生區別鮮明的合作團體[15]。每個合作子網絡內部機構之間聯系非常緊密，表明了合作行為的產生受相似驅動因素的影響，且處于合作關系較穩定的狀態。

1.3科研機構合作網絡的可視化分析

科研機構的合作網絡可以以圖譜的方式進行可視化展示，從而更加直觀地揭示合作結構。本文借助VOSviewer[16]進行團體間關聯及團體內部關聯的可視化展示，不同團體內節點和連邊的顏色不同，直觀展示機構合作整體網絡及各個子網絡的結構特征。結合度數中心度和密度等網絡指標，將團體映射至二維的戰略圖（Strategic Diagram）中，則可揭示每個合作團體的相對發展狀態[17]。Cortext[18]則具有強大的時序演化可視化功能，為分析科研機構合作形成、發展、延續、分化等演化規律與發展趨勢提供依據。

2主要發現

2.1NSF項目與機構分布的描述性統計

如圖1所示，2008—2017年NSF共資助項目118 057項，每年項目總數總體變化不大。本文研究共提取不重復研究機構8 070個，總頻次為145 602。而每項資助項目中，參與機構的平均數為1.23;可見，NSF項目中合作規模并不大，且機構間的合作要少于機構內部的合作。在這10年間，每個項目的平均機構數維持在1.15～1.98之間，與每年參與項目的總機構數量變化趨勢基本一致，2015年后每個項目的平均機構數維持在1.24以上，表明機構間合作趨勢加強。

從機構頻次的分布上看，NSF項目中少數機構的頻次之和占據了總頻次的絕大部分比例，如頻次在50以上的機構共有327個，在累計的總機構數中占比僅為4%，但其總頻次之和占所有機構頻次之和的84.3%，說明NSF項目中獲批的科研機構分布非常不均衡。表1列出了頻次排序前30的科研機構，科研機構的頻次等于與其相關的NSF項目數。排序前10的機構是當前NSF項目中最為重要的機構，可見NSF資助頻率較高的大多為大學，而研究所、博物館等研究機構則排名較低，未出現在受資助的前30個機構中。

2.2機構合作關聯網絡分析

本文所選取的327個科研機構恰好組成了最大連通子圖，其網絡指標反映了NSF項目中主流科研機構的整體和局部特征，機構團體識別則有助于揭示NSF項目中科研機構在研究領域上的合作模式與發展態勢。

2.2.1網絡特征

科研機構合作網絡的指標如表2所示，NSF項目中科研機構之間合作網絡的密度不高，總體上各機構合作強度不高，也意味著當前科研機構合作的態勢較弱且不夠成熟。其次，較高的度數中心勢說明科研機構合作的向心性較強，或在某一學科或領域內科研機構的合作非常緊密，且核心機構對整體合作和其他機構的影響和控制較強。較高的接近中心勢說明科研機構間的合作關系路徑較短，多為直接合作;較低的中介中心勢則意味著科研機構間的合作通過第三方的概率較小。最后，較高的聚類系數也說明，多數科研機構多以直接合作的關系，形成以少數科研機構為核心的類團，類團內科研機構合作緊密，而類團間的合作則較弱。

在整體網絡指標計算的基礎上，本文計算了每個機構在合作網絡中的中心度指標，如表3所示。賓夕法尼亞州立大學、普渡大學、科羅拉多大學博爾德分校、密歇根大學、加州大學伯克利分校等10所高校的度數中心度和接近中心勢都很高，說明它們是當前NSF合作項目中的核心機構。這些高校對整個合作網絡和其他科研機構具有較強影響和控制力;另一方面，與上述整體網絡的中介中心勢很低相似，每個機構的中介中心勢也較低，即科研機構在NSF項目合作中起到的“中介”或“橋梁”作用很弱。值得指出的是，度數中心勢和接近中心勢Top10的亞利桑那州立大學、威斯康星大學麥迪遜分校和伊利諾伊大學香檳分校并沒有出現在Top10的中介中心勢列表中，取而代之的是喬治亞理工學院、華盛頓大學和北卡羅來納州立大學。從中介作用大小的對比上看，中介中心勢列表中的Top10高校是當前NSF項目中科研機構合作的重要橋梁。

2.2.2科研機構合作團體

1）科研機構合作團體的網絡指標分析

本文中科研機構合作網絡可劃分為12個團體;如表4所示，每個團體中的機構按頻次大小自左至右排列。團體劃分的模塊度為0.2549，表明合作團體劃分結果具有一定的可接受性，各合作團體在學科和領域研究上具有一定的一致性。從研究規模上看，形成了9個合作結構較為體系化的機構團體，3個規模較小的機構團體（因其規模過小，其網絡指標不具有可比性，不在后續對比討論范圍內）。結合表5中每個機構團體的規模指標（點數、邊數、總頻次），9個團體中可分為3個梯隊，第一梯隊為C1、C2，兩者規模指標處于較高的層次，其機構合作對NSF項目的運作至關重要。第二梯隊的機構團體有C3、C4、C5，這些機構及其合作也獲得了數量較為可觀的NSF項目。第三梯隊的機構團體有C6、C7、C8、C9，這些機構也獲得了數量可觀的NSF項目。

通過對C1～C9這9個團體的組成機構進行分析發現，C1團體內的機構以加州和麻省的高校為主，C2團體內的機構全部來自五大湖地區或南部地區，C3團體內的機構以環繞賓夕法尼亞州的紐約州等東部地區高校為主，C4團體內的機構全部來自德州、亞利桑那州和新墨西哥州連成一片的地區，C5團體內的機構以猶他州、科羅拉多州和俄克拉荷馬州連成片的地區的高校為主，C6團體內的機構以伊利諾伊州的高校為主，C7團體內的機構以西北地區高校為主，C8團體內的機構以俄亥俄州的高校為主，C9團體內的機構以阿拉巴馬州的高校為主。

2）科研機構合作團體的關聯結構分析

上述科研機構合作團體雖內部聯系更緊密，但因學科研究上的交叉與合作，在團體間也存在大量的合作關系。如圖2所示，每個團體用不同的顏色表示，團體的大小與其總頻次成正比，團體間邊的粗細與其包含的機構合作強度的總和成正比。根據上述分析得到的機構團體梯隊劃分，其層次也在圖中得到了很好地展現。C1、C2、C3、C4、C5、C6這6個機構團體合作關系緊密，特別是C1、C2、C3這3個團體聯系最為緊密，三者之間的合作頻次占據了團體間合作的71.1%。這些機構及其合作關系對NSF項目的審批產生了重大影響。其他機構團體規模較小且比較孤立，與主流團體合作關系不夠緊密，游離于NSF項目的主流科研團體。

9個機構團體的內部合作結構如圖3所示。與上述類似，點的大小與其對應機構的頻次成正比，線的粗細則與機構間的合作強度成正比。機構越處于中心位置，其重要性和對團體合作的作用越大，距離網絡中心越遠其越邊緣化，所起的作用和重要性則越弱。從每個機構團體的內部結構看，如圖3所示，C9最為平衡，上述指標均分布均勻，特別是合作強度上差異最小;C6最不平衡，各項指標的標準差均最大，尤其是合作強度分布上差異最大。此外，C1、C3、C2、C5和C4中合作狀態比較穩定以及合作結構較為合理。而C7和C8在面向研究領域的科研合作上處于不穩定的狀態。

2.3機構合作的發展態勢分析

每個機構合作團體的平均度數中心度和密度體現了其相對發展態勢，即在整個合作結構中的核心程度和發展成熟程度。如圖4所示，機構團體用氣泡圖表示，其大小與團體內機構頻次之和成正比。機構團體越往右，其度數中心度越大，表明在整個合作網絡中其越核心;越往上，其密度越大，表明此團體中機構間的合作越成熟。9個機構合作團體分散在圖中的4個象限中，C6、C5和C8處于第一象限，是當前NSF項目中最為核心和最為成熟的機構合作團體，C6中機構對當前NSF項目的申請起到了非常重要的核心作用，且機構間的合作也最成熟和穩定。C7處于第二象限，相對來說在NSF項目機構中并不核心，但其內部機構間合作較為成熟。處于第三象限的是C4和C9，相對來說較為邊緣化，且機構間合作也相對不成熟。處于第四象限的是C1、C3和C2，雖然相對來說機構間合作不夠成熟，但也是NSF的核心機構，獲得了較多數量的NSF項目。值得注意的是，C2非常接近橫軸，其內部合作將會越來越成熟。

3結論與不足

3.1研究結論

本文提出探索機構間科研合作網絡特征與發展態勢的思路，構建了科研機構合作規律研究的通用性框架，并以NSF項目為例分析了2008—2017年來美國科研機構合作關系，通過合作網絡的指標計算和可視化展示，揭示了美國科研機構的合作規律與未來發展態勢，對我國科研機構合作研究提供借鑒參考，尋求適合我國的高校校際科研合作的政策和發展方向，提升科學研究質量，推動學術發展進程，增強高校學術成果影響力。此外，本文提出的通用框架，也可用于基于其他數據集的機構合作研究，從而揭示特定領域的機構合作規律。基于此，本文得出以下結論。

第一，當前NSF項目的獲批機構及合作網絡的核心機構均相對集中，且形成了若干明顯的合作團體。結合頻次、合作網絡中心度等指標，目前NSF項目中的核心機構主要為密歇根大學、華盛頓大學、加州大學伯克利分校、賓夕法尼亞州立大學等。這幾個機構的地理位置分布在美國東部海岸、西部海岸及五大湖地區，均為全美經濟社會發展水平、人口規模和教育資源最為發達的區域。其他機構通過與上述機構的合作關系而形成了區別明顯的合作團體，每個團體內部向心性或聚集性都較強。

第二，NSF科研機構合作團隊的形成具有明顯的空間集聚特征，科研合作的地域化傾向明顯。通過對上文中C1～C9這9個合作關系穩定的團體的組成機構分析發現，每個團體內部的機構均存在一定程度的地理鄰近性，團隊內部的機構主要集中在某一個州或某一片相鄰區域。地理鄰近性為科研人員建立社會關系、提升認知水平相似性、文化適應性提供了便利條件。地理位置鄰近、認知水平相似、社會關系密切、文化制度相通的機構開展科研合作的可能性更高，建立的科研合作關系也更加穩定持久。尤其是位于同一個州的機構，從政策和制度方面更加具有先天的優勢。

第三，研究領域相同或相似，學術水平相當且自身具有較強科研創新實力的機構更容易形成科研合作關系。這些因素能夠在學術活動中為科研人員創造更多社會聯系，從而彌補地理鄰近性的不足，促成科研合作的產生。如上述提及的C1和C2是當前規模最大的兩個機構合作團體，處于第一梯隊。組成C1的8個機構，如哈佛大學、麻省理工學院、斯坦福大學、加州大學伯克利分校、加州大學洛杉磯分校、加州大學圣地亞哥分校、康奈爾大學、華盛頓大學均為全美最頂尖的名校，在科研成果、科研水平、科研創新能力等方面處于同一梯隊。機構自身的科研實力越強，對其他機構的吸引力就越強，合作關系越容易形成。同時，科研合作的成功開展，進一步推動科研成果的數量和質量，使科研實力進一步提升，從而形成了科研合作的“馬太效應”。組成C2的7個機構，如密歇根大學、明尼蘇達大學雙城分校、普渡大學、德州農工大學、佛羅里達大學、弗吉尼亞理工大學、北卡羅來納州立大學均為工程類專業排名靠前的機構，具有相同或相近的研究領域。根據機構合作發展態勢分析，C2內部的科研合作將會越來越成熟。

第四，NSF科研機構合作網絡趨向均衡化發展，核心區域和核心機構趨向多點密布。針對科研機構合作團隊間的合作關系，C1、C2和C3代表了東部海岸、西部海岸、五大湖地區及南部地區。團隊之間的合作關系緊密，反映出科研機構合作網絡的整體復雜性上升，科研合作核心區域和核心機構數量增加，呈現出多個機構群體為主要合作核心，多所表現突出的機構遍布各地的特點。隨著科研合作的發展，布局上將趨于均衡化，不再集中在少數地區。

第五，NSF項目中科研機構之間合作網絡的密度不高，機構間合作強度有待進一步加強。盡管NSF科研機構間形成了一定的向心性和群體特征，但科研機構合作的態勢仍然較弱且不夠成熟。科研機構合作涉及到多方面復雜因素，需要從政策引導、平臺搭建、互動交流等多方面激發合作動力。基金委員會可以充分發揮“指揮棒”作用，將高校或機構之間的科研合作作為基金項目申報和評審考核的標準之一。高校或政府也可采取更科學的方式進行科研合作項目的成果歸屬認定，避免成果署名順序影響跨校跨機構科研合作積極性。新媒體技術的發展，可以跨越地理位置的局限，提升高校及機構間社會關系密切度和認知相似度，大大促成第一次科研合作的發生。隨著高校和科研機構高質量科研成果與學術影響力的積累，必將吸引到更多優質的科研合作伙伴，從而形成“以科研合作帶動學術發展，以學術發展反哺科研合作”的良性循環，最終實現科學研究的健康可持續發展。

3.2研究不足

不可否認，本研究在框架和方法等方面存在諸多有待完善之處。首先，本文框架只是選擇了機構的共現關系作為合作關系，即將PI和Co-PI等同看待。而機構間的合作中PI和Co-PI在NSF項目中所起的作用是不同的，這在本文中并沒有得到體現。其次，本文選取機構合作網絡的最大連通子圖作為分析依據，雖體現了機構合作的典型性和代表性，但因數據量太大，舍棄了大量的非重要機構，在一定程度上影響了正確性和科學性。本研究團隊將深化此項研究，以期獲得更有價值的研究成果。

參考文獻

[1]朱云霞，魏建香.我國高校社會科學領域科研合作網絡分析[J].情報科學，2014，32（3）：144-149.

[2]Wu J，Cai J，Jin M，et al.Embedding Funding Consultation in Library Services：A Co-occurrences Network Analysis of Knowledge Flow in Scientific Funding[J].Library Hi Tech，2018，36（3）：378-399.

[3]賀超城，吳江，魏子瑤，等.科研合作中機構間科研主導力及鄰近性機理——以中國生物醫學領域為例[J].情報學報，2020，39（2）：148-157.

[4]Newman M E J.The Structure of Scientific Collaboration Networks[J].Proceedings of the National Academy of Sciences of the United States of America，2001，98（2）：404-409.

[5]劉利，宋歌，袁曦臨，等.論文合著視角下的科研機構合作網絡測度分析——以我國電信學科為例[J].現代情報，2014，34（1）：94-99.

[6]張洋，謝齊.基于社會網絡分析的機構科研合作關系研究[J].圖書情報知識，2014，（2）：84-94.

[7]董彥邦，劉莉.我國高校高水平論文的機構合作網絡演化分析——以1978—2017年的Nature和Science合作論文為例[J].情報雜志，2019，38（11）：138-144，157.

[8]馮祝斌，趙丹群.我國圖書情報學研究機構合作網絡演變分析（2002—2012年）[J].情報雜志，2014，33（8）：92-98.

[9]Henry，Small.Visualizing Science By Citation Mapping[J].Journal of the American Society for Information Science，1999，50：799-813.

[10]NSF數據庫[EB/OL].http：//www.nsf.gov/awardsearch，2020-04-14.

[11]Leydesdorff L，Goldstone R L.Interdisciplinarity at the Journal and Specialty Level：The Changing Knowledge Bases of the Journal Cognitive Science[J].Journal of the Association for Information Science and Technology，2014，65（1）：164-177.

[12]Hu J，Zhang Y.Structure and Patterns of Cross-national Big Data Research Collaborations[J].Journal of Documentation，2017，73（6）：1119-1136.

[13]Leydesdorff L，Goldstone R L.Interdisciplinarity at the Journal and Specialty Level：The Changing Knowledge Bases of the Journal Cognitive Science[J].Journal of the Association for Information Science and Technology，2014，65（1）：164-177.

[14]Doreian P，Lloyd P，Mrvar A.Partitioning Large Signed Two-mode Networks：Problems and Prospects[J].Social Networks，2013，35（2）：178-203.

[15]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，2008，8（10）：10008.

[16]Eck N J V，Waltman L.Software Survey：VOSviewer，A Computer Program for Bibliometric Mapping[J].Scientometrics，2010，84（2），523-538.

[17]Stegmann J，Grohmann G.Hypothesis Generation Guided By Co-word Clustering[J].Scientometrics，2003，56（1）：111-135.

[18]CorTexT Platform[EB/OL].https：//www.cortext.net/，2019-10-27.

（責任編輯：陳媛）