影響不同子領域國際合作的距離因素相同嗎？
——來自計算機科學學科的證據

趙毅，章成志，習海旭

（南京理工大學經濟管理學院信息管理系，南京 210094）

0 引 言

隨著大科學時代的到來，許多科學問題的復雜性及規模逐漸增加，已經超過單一國家的能力范圍[1]。2022年8月，我國教育部印發的《關于加強高校有組織科研 推動高水平自立自強的若干意見》[2]中明確指出，為了加強高校有組織科研，高校需要推進高水平國際合作，鼓勵支持高校培育、發起國際大科學計劃和大科學工程。由此可見，國際合作是解決不同學科復雜問題、提升創新能力的重要方式之一。已有研究表明，國際合作論文呈現逐年增長的趨勢，但不同領域的國際合作強度存在一定差異[3]。Wagner等[4]比較了天體物理學、數學、高分子科學、地震學、土壤學和病毒學6個學科的國際合作情況，發現病毒學國際化合作程度最高，在2013年有130個國家參與了國際合作，而數學國際化程度最低，同年只有30個國家參與了國際合作。

在國際合作過程中，來自不同國家的科研人員通過合作可以獲取互補的知識、資源等。大量研究表明，國際合作有益于學術論文影響力的提升[5-8]。各國基金委積極設立相關基金促進國際合作，但從總體來看，學術界的國際合作比例并未達到很高的水平[9]，那么，對影響國際合作的距離因素進行探索就顯得尤為重要。距離因素主要是指兩個或多個國家間，因文化、技術發展水平、經濟水平等多種維度的差距所產生的障礙可能會影響國家間的交流與合作。已有研究更多局限于探索影響國際合作的某一種或某幾種距離因素，尤其是地理距離[10]、經濟距離[11]、文化距離[12]；主要聚焦于單一領域，如市場營銷[3]、生態學[10]、高等教育[13]、人工智能[14-15]、管理學[16]、藥學研究[17]等。從學科角度來看，受到學科范式、習慣的影響，不同學科的學者在選擇國際合作對象時存在一定差異[18]。從國家角度來看，由于國家發展需求、科學政策以及經費投入側重等的不同，不同國家的優勢學科情況也會不同[19]。因此，為了給制定促進國際合作政策的政策制定者提供更具有普適性的證據，系統比較影響不同學科領域、不同國家國際合作的因素的差異是非常必要的。目前，尚缺乏從比較視角探討影響不同學科距離因素的研究，且已有研究重點關注頂層學科間的差異。例如，Vieira等[20]將科學研究分為自然科學、工程與技術學、醫學與健康科學、農業科學以及人文社會科學5個領域，其研究結果表明，所有距離因素均會阻礙國際合作，但是知識距離會促進農業科學學科的國際合作。粗粒度的學科劃分掩蓋了影響不同子領域國際合作的距離因素的異質性，且研究結論也無法為精細化政策的制定提供依據。相關研究表明，即使同屬于社會科學領域，經濟學的學者比社會學和心理學的學者更有可能參與到國際合作中[21-22]。為了彌補已有研究的不足，本文主要探討了以下問題：

（1）不同子領域的國際合作強度的時空分布是什么樣的？

（2）影響不同子領域的距離因素相同嗎？

（3）影響不同時期、不同子領域的距離因素存在差異嗎？

為了更好地回答上述問題，本文以計算機科學學科為例，將計算機科學劃分為不同的子領域，分析不同子領域的國際合作強度的時空分布情況，并按子領域和時期量化地理、經濟、企業參與程度、政治、文化和認知6大距離因素對所有參與計算機科學研究的187個國家的國際合作的影響情況。

1 文獻綜述及研究假設

推動國際合作的因素很多，包括促進國際合作政策出臺[3]、科學研究專一化程度的提升[19]、遠程通信技術的發展[23]、大科學裝置的需求[24]、科學問題復雜化程度的提高[25]等。在已有探索國際合作影響因素研究的基礎上，結合上述因素，本文將從地理距離、經濟距離、企業參與程度距離、政治距離、文化距離和認知距離6個方面實證估計影響不同子領域國際合作的主要距離因素。

地理距離主要是指兩個國家在地理空間上所處位置的遠近程度[26]。地理學第一定律表明，任何事物均與周圍的事物存在聯系，距離越近，聯系越緊密。國際合作也是如此，地理上的鄰近有益于國家間的合作[27]。有學者認為，隨著信息通信技術以及交通運輸成本的下降，地理距離已經不再那么重要[28]。近期發表于《自然》雜志的一項工作表明，相比于面對面會議，在線交流會降低人們的創造力[29]，而科學研究正是一種需要創造力的工作，因此，國際合作依然具有“面對面”交流的需求。同時，合作需要溝通，而“面對面”的交流更易促進思想的交流與隱形知識的傳輸[30]，所以，國家間的空間距離有可能阻礙國際合作。鑒于此，本文提出第一個假設：

H1.地理距離與國際合作強度存在顯著負向相關關系。

經濟距離是指兩個國家間經濟發展水平的差距[3]。國家的經濟發展水平在一定程度上可以反映其對科學發展的人力資源、財力資源的投入情況[31]。Vieira等[20]認為，來自落后國家的學者通常缺少科研資金的支持，為了解決復雜的科學問題，他們會向發達國家的學者尋求合作。但有研究表明，經濟發展水平相當的國家之間更容易發生合作行為。例如，Nagpaul[32]以45個科研大國作為研究對象，發現經濟距離越小的國家間越容易產生合作。Tang等[14]在人工智能領域發現了同樣的結論，如果國家之間經濟水平相似，那么國家間的合作更為緊密。鑒于此，本文提出第二個假設：

H2.經濟距離與國際合作強度存在顯著負向相關關系。

企業參與程度距離是指兩個國家在某些特定領域中企業參與程度的差距[14]。為了應對激烈的社會競爭環境，企業積極地與高校進行產學研合作，該合作模式也成為推動知識生產、技術創新的一種重要方式，尤其是在計算機科學、生物科學等硬科學學科[33]。Tang等[14]研究發現，在人工智能領域，企業參與程度距離和國際合作程度存在正向的相關關系，其認為企業可以提供計算資源以及資金的支持，而高校可以提供人才和想法，來自不同國家的企業和高校實現了資源的互補，進而有利于國際合作的開展。鑒于此，本文提出第三個假設：

H3.企業參與程度距離與國際合作強度存在顯著正向相關關系。

政治距離是指兩個國家的政府的政策取向、治理理念的差距[34]。政治距離體現了國家間政治環境的差異，其往往對合作的穩定性產生影響。例如，某個國家對知識產權保護的法律不夠健全，或某國實施的單邊的、特殊的政策規定限制，諸如軍事或高精尖技術類的信息傳播，這些均會對國際合作造成影響。目前，有少量研究探索了政治距離和合作的關系。Jiang等[3]發現在市場營銷領域，國家間的政治距離越大，國家間更傾向于合作。而Vieira等[20]在醫學和健康科學、農業科學以及人文社會科學領域發現了相反的結論。綜合來看，本文提出第四個假設：

H4.政治距離與國際合作強度存在顯著負向相關關系。

在國際合作研究中，文化距離是指兩個國家在宏觀文化環境層面的遠近程度[35]。如果兩個國家的文化越相似，那么科研主體之間也更容易相關理解、相互信任，更容易產生合作。例如，假設學者A來自低權力距離社會，而學者B來自高權力距離社會，那么來自低權力距離社會的學者可能不會過多顧及權威，其更加崇尚扁平化的團隊結構，而來自高權力距離社會的學者可能認為人們應該聽從權威的領導，較大的文化差異對合作是有害的，這樣的合作無法持久[36]。Gervedink Nijhuis等[12]研究發現，權力距離和個人主義/集體主義會影響合作過程中的溝通。但是，當Jiang等[3]將Hofstede提出的文化的4個維度綜合為1個指標時，發現該指標和國際合作并不存在顯著的相關關系。因此，本文提出第五個假設：

H5.文化距離與國際合作強度存在顯著負向相關關系。

在國際合作背景下，認知距離是指兩個國家所擁有知識基礎的相似程度[37]。從吸收能力理論來看，學者之間有效的交流、學習是建立在兩者之間擁有一定程度的知識基礎之上的[38]，即使在一些跨學科合作中，也是如此。較高的認知距離可以為科研主體完成共同的科研目標提供互補的知識，但是也可能因認知距離過大而導致溝通受阻；而較低的認知距離可以增強科研主體的知識吸收能力，能夠促進合作[39]。目前，較多研究發現較小的認知距離會促進合作[20,27,40]。因此，本文提出第六個假設：

H6. 認知距離與國際合作強度存在顯著負向相關關系。

2 數據與方法

2.1 數據來源和數據預處理

本文采用的數據集源自計算機科學文獻庫（DBLP computer science bibliography，簡稱DBLP）。DBLP收錄了計算機科學學科的絕大多數會議和期刊論文，以及少量專著、學位論文和網頁等，但原始的DBLP數據并未提供論文更細粒度的學科劃分信息①https://dblp.uni-trier.de/xml/。AMiner抽取了DBLP論文的引用數據，并基于微軟學術圖譜（Microsoft Academic Graph，MAG）的學科分類體系FOS（field of study）為每篇DBLP論文分配了學科信息，因此，本文選擇AMiner處理后的DBLP數據集。該數據集發布于2020年4月9日，包括4894081條出版物的元數據信息，其中元數據包含論文標題、摘要、作者姓名、機構、出版物類型、所屬學科等字段②https://www.aminer.cn/citation。考慮到期刊和會議論文是計算機科學學科的主要學術出版物，且DBLP數據集中這兩種類型出版物的占比高達85.09%（4164361/4894081），因此，僅保留會議和期刊論文兩種類型的出版物。基于Manjunath等[41]提出的匹配方法，對每個機構的國家信息進行識別，并完成與全球研究標識符數據庫（Global Research Identifier Database，GRID）③https://www.grid.ac/的匹配，獲取機構所屬類型信息，包括政府、學校、企業、具體場所、醫療保健、非盈利組織、檔案館以及其他8種類型。其中，74.54%（3104118/4164361）的論文可以識別出每個作者的國家信息，82.07%（3417526/4164361）的論文可以識別出至少一個作者的國家信息，本文僅保留可以識別出每個作者國家信息的論文。

為了分析計算機科學學科不同子領域的國際合作情況，本文需要對DBLP數據進行更細粒度的學科劃分。MAG的FOS分類體系是一個6層的樹狀結構的分類體系。計算機科學屬于19個最高級別學科層次之一，其第二層包含34個子領域[42]。可以看出，計算機科學中的第二層子領域相對過多，使得各個子領域的論文數量相對較少，從而影響子領域的分析質量。為了解決該問題，本文依據中國計算機學會（China Computer Federation，CCF）提供的學科分類體系④https://www.ccf.org.cn/Focus/2019-04-25/663625.shtml，將第二層中的34個子領域映射到更為廣泛的10個子領域組，分別是人工智能、計算機體系結構和系統、計算機科學理論、數據庫和數據挖掘、計算機網絡、軟件和軟件工程、計算機圖形學與多媒體、網絡與信息安全、跨學科和多學科領域、人機交互與普適計算。具體的學科映射如附表1所示。最終，本文數據集由發表于1990—2019年的2153203篇論文構成，不同學科的論文分布情況如表1所示。

表1 不同學科的論文分布情況

2.2 研究方法

2.2.1 國際合作強度測度

通常使用國家間合作論文數量[3,27]、Salton指數[43]、Jaccard相似系數[10]等方法度量國家間的合作強度。其中，使用國家間合作數量測度國家間合作強度的方法，忽略了國家間的論文發表總量；Salton指數低估了小國家和大國家之間的合作強度[44]。因此，本文采用Jaccard相似系數來度量國家間的合作強度。具體計算公式為

其中，Cx和Cy分別表示國家x和國家y的國際合作論文發表數量；Cxy表示國家x和國家y合作發表論文數量；Jxy的值介于0～1，Jxy的值越大，表示國家x和國家y之間的合作強度越大。值得注意的是，本文采用全計數的方法來統計國家間的合作次數，如果某一個國家在機構列表中出現多次，那么只計算1次。例如，論文P有4個作者，分別來自A、B、C和C這3個國家，則對AB、AC和BC這3個國家對分別計數1次。

2.2.2 模型設定和距離因素的度量

借鑒已有研究的計量模型設定經驗[3,20]，本文構建了影響細分領域國際合作的計量模型，探究地理距離、經濟距離、企業參與程度距離、政治距離、文化距離和認知距離6種距離因素對不同子領域國際合作的影響。具體模型設定為

其中，Jijt表示在t時期國家i和國家j之間的合作強度；α0表示常數項；GeoDistijt表示國家i和國家j之間在t時期的地理距離；EcoDistijt表示國家i和國家j之間的經濟距離；IndDistijt表示國家i和國家j之間在t時期的企業參與程度距離；PoliDistijt表示政治距離；CultDistijtk表示t時期國家i和國家j在k維度的文化距離，文化距離包括4個維度[45]：權力距離（PowDist）、個人主義-集體主義（Indi‐vDist）、男性氣質與女性氣質（MascDist）以及不確定性規避（UncerDist）；CogDistijt表示國家i和國家j之間在t時期的認知距離，具體指標介紹如表2所示。考慮到被解釋變量的值介于0～1，且包含較多0值，因此，本文選擇零膨脹beta回歸模型對計量模型進行估計[10]。此外，本文在回歸前對解釋變量進行了標準化，以便比較回歸系數。

表2 變量和數據來源

3 結果與分析

3.1 國際合作變化情況

在1990—2019年，計算機科學學科的國際合作論文約占發表論文總量的26.65%（573815/2153203）。由此可以看出，國際合作并未成為計算機科學學科生產知識的最重要形式。圖1給出了計算機科學學科不同子領域的國際合作論文占比演化情況。從整體變化趨勢來看，不同子領域的國際合作論文占比均呈現穩步上升的趨勢。從不同子領域來看，在1990年，計算機網絡子領域的國際合作論文占比最低，僅為2.56%；2013年之后，相比于其他子領域，計算機網絡子領域的國際合作論文占比躍居第一位；在2019年，其占比達到28.96%。在1990年，計算機科學理論子領域的國際合作論文占比為7.63%，在當年排名第一；2011年以前，相比于其他子領域，計算機科學理論子領域的國際合作論文占比均處于領先地位。此外，從圖1可以看出，在1990—2019年，計算圖形學與多媒體子領域的國際合作論文占比排名一直處于較低的位置。總而言之，雖然不同子領域的國際合作論文占比均呈現顯著的上升趨勢，但不同子領域的增長趨勢存在一定的差異。

圖1 不同子領域國際合作論文的占比變化趨勢

3.2 國際合作網絡的空間模式

為了回答問題（1），分析不同子領域的國際合作強度的空間分布，本文利用ArcGIS 10.7對計算機科學學科1990—2019年187個國家間的合作情況進行了可視化。在國際合作網絡的空間分布圖中，僅保留了國家間合作次數超過20次的連邊，以確保可視化的效果；考慮到篇幅有限，圖2a～圖2d僅分別展示了人工智能、計算機網絡、軟件和軟件工程以及人機交互與普適計算4個子領域的國家間合作網絡空間分布情況，其他子領域情況如附圖1所示。圖2中的節點表示國家，節點的大小與該國家的國際合作論文發表數量有關，節點越大，表示該國家的國際合作論文越多；若國家i和國家j存在合作關系，則兩個節點存在連邊，邊的粗細和顏色深淺表示兩個國家間合作強度的大小，即Jaccard相似系數的大小，邊越粗、顏色越深，表示兩個國家間的合作越密切。

附圖1 不同子領域的國際合作網絡的空間布局(彩圖請見https://qbxb.istic.ac.cn)

圖2 不同子領域的國際合作網絡的空間布局(彩圖請見https://qbxb.istic.ac.cn)

此外，為了比較不同子領域的國際合作網絡的差異，本文利用復雜網絡分析軟件Gephi對不同子領域合作網絡進行了網絡凝聚性分析，計算了國際合作網絡的關系總數、網絡密度、平均聚類系數和平均路徑長度，結果如表3所示。

表3 1990—2019年不同子領域國際合作網絡聯系特征

從圖2a可以看出，人工智能領域的國際合作網絡由美國、中國、加拿大以及歐洲國家等科研大國主導。其中，美國發表的國際合作論文數量最多，為55153篇；中國和英國緊隨其后，國際合作論文數量分別為38342篇和22065篇。此外，發表國際合作論文超過11117篇的7個國家中有約一半是歐洲國家。從國家間合作強度來看，合作強度高于0.0483的14條國家雙邊合作關系中（深藍色和黑色連線），有6條涉及中國，4條涉及美國。其中，中國和美國的合作關系最為密切，合作強度高達0.2219；其次是澳大利亞和中國（0.0940）、中國和新加坡（0.0828）等。這些合作強度高于0.0483的合作關系中有57%屬于跨洲合作，有43%屬于洲內國家合作。

圖2b展示了計算機網絡領域的國際合作空間分布情況。與人工智能領域類似，美國的國際合作論文數量最多，為24134篇；但在計算機網絡領域，發表國際合作論文超過11117篇的僅有2個國家，分別為美國和中國。從國家間合作強度來看，合作強度超過0.0483的國家雙邊合作關系有23條，其中超過0.1101的僅有1條。在計算機網絡領域合作強度排名前10位的合作關系中，中國和美國依然主導著這些合作。中國和美國、加拿大、英國的合作強度占據前3位，分別為0.2500、0.1100和0.0850。相比于人工智能領域，這些合作強度較高的合作關系中依然以亞洲和北美洲的合作為主，其次是歐洲國家間的合作，亞洲國家間的合作中只有巴基斯坦和沙特阿拉伯的合作出現在合作強度前10名之中。

圖2c展示了軟件和軟件工程領域的國際合作空間分布情況。從國家間合作強度來看，合作強度超過0.0483的國家雙邊合作關系有19條，超過0.1101的僅有1條。在軟件和軟件工程領域，美國與中國、英國、德國以及加拿大之間的合作強度分別排名前4位。值得注意的是，雖然中國和美國之間在軟件和軟件工程領域的合作依然最為密切，但合作強度僅為0.1236。相比于上述兩個子領域，在合作強度前10名的雙邊合作關系中，亞洲國家間的合作關系數量增多，除了排名第六的巴基斯坦和沙特阿拉伯外，中國與日本以及中國與新加坡的合作關系強度也排入前10名。

圖2d展示了人機交互與普適計算領域的國際合作空間分布情況。從國際合作論文數量來看，所有國家的國際合作論文數量均未超過11117篇，美國、英國和德國國際合作論文數量排前3位。從國家間合作強度來看，在合作強度前10名的雙邊合作關系中，有一半涉及美國。與上述其他領域不同的是，在人機交互和普適計算領域，美國和英國之間的合作最為密切，合作強度為0.1256；加拿大和美國的合作強度排名第二，合作強度為0.1199；第三是中國和美國，合作強度為0.0970。合作強度前10名的雙邊合作關系以洲內合作為主，如英國和德國（0.0968）；亞洲國家間合作包括中國和新加坡（0.0620）、中國和日本（0.0584），而巴基斯坦和沙特阿拉伯的合作強度不再位于前10名。

從國際合作網絡的凝聚性來看，不同子領域的國際合作網絡指標之間存在一定的差異。從關系總數來看，人工智能領域的關系為3013條，在10個子領域中居于第一位；人機交互與普適計算領域的關系總數最少，為1593條。從網絡密度來看，不同子領域的國際合作網絡密度處于0.141～0.209，計算機體系結構和系統的網絡密度最高，跨學科和多學科領域的網絡密度最低。總體而言，國際合作網絡中各個國家之間的聯系較為密切。從平均路徑長度來看，不同子領域的國際合作網絡密度處于1.844～2.102。從平均聚類系數來看，人工智能領域的平均聚類系數最高，達到0.819；網絡與信息安全領域的平均聚類系數最低，為0.769。這說明在不同子領域的國際合作網絡中，國家間的聯系密切程度是存在差異的。

總而言之，從國際合作網絡可視化的結果來看，雖然不同領域的合作由美國、中國、加拿大等科研大國主導，但不同領域的國家間合作模式存在一定差異，例如，在合作強度較高的合作關系中，人工智能領域的國際合作以跨洲合作為主，而人機交互與普適計算領域主要以洲內合作為主。從國際合作網絡的網絡指標來看，不同子領域的指標也存在一定差異。

3.3 國際合作網絡的時空布局

為了進一步回答問題（1），了解同一領域不同時期的國際合作網絡的時空分布，本文以人工智能子領域為例，比較1990—1999年、2000—2009年以及2010—2019年3個時期該子領域國際合作網絡空間分布情況。

如圖3a所示，在1990—1999年，從國際合作論文發表數量來看，美國、英國和加拿大的論文發表數量占據前3位。從國家間的合作強度來看，合作強度超過0.0483的國家雙邊合作關系有10條，超過0.1101的國家雙邊合作關系僅有1條。其中，7條關系涉及與美國的合作。加拿大和美國的合作最為密切，合作強度達到0.1190。在合作強度排名前10位的合作關系中，除排名第七的中國和美國以及排名第十的中國和加拿大之間的合作外，其余合作關系均為發達國家之間合作，如德國和美國（0.0929）、日本和美國（0.0851）。

如圖3b所示，在2000—2009年，各國國際合作論文普遍增多，美國、中國和英國占據前3位。從國家間的合作強度來看，2000—2009年，合作強度超過0.0483的國家雙邊合作關系增加到14條，超過0.1101的國家雙邊合作關系仍僅有1條。在這一時期，中國和美國的合作最為密切，合作強度為0.1468。相比于1990—1999年時期，加拿大和美國的合作強度排名有所下降，跌至第四（0.0761）。值得注意的是，雖然合作強度排名前10位的雙邊合作關系中，美國的參與程度依然很高，涉及一半的合作關系，但中國的參與程度也在提升，有40%的合作關系涉及中國。此外，亞洲內部國家的合作有所增加，如中國和日本的合作強度為0.0810，位列第三；中國和新加坡的合作強度為0.0751，位列第七。

如圖3c所示，在2010—2019年，從國家間的合作強度來看，合作強度超過0.0483的國家雙邊合作關系增加至16條，超過0.1101的國家雙邊合作關系僅有1條。中國和美國、澳大利亞、英國的合作強度占據前3位，分別為0.2491、0.1015和0.0855。在這一時期，在合作強度排名前10位的雙邊合作關系中，加拿大和美國的合作強度排名降至第十。此外，除中國外，發展中國家巴基斯坦和沙特阿拉伯首次出現在合作強度前10名的合作關系中。從網絡特征來看，關系總數由1990—1999年的566增加到2000—2009年的2848，合作發表論文的國家對顯著增加；合作網絡的密度由1990—1999年的0.122增加到2000—2009年的0.194，國際合作網絡中的國家間合作的緊密程度不斷提升；平均聚類系數由0.771增加到0.818，說明國家間聯系更加密切；平均路徑長度由2.11下降至1.9，說明人工智能領域的國家間交流合作更為暢通。

總體而言，隨著時間的推移，進行人工智能研究的新興科研大國正在逐漸崛起，如中國、新加坡等，科學合作格局正在由“一極多強”轉向“多極合作”，合作網絡中的國家之間的密切程度也在不斷增強。

3.4 影響國際合作的距離因素

為了回答問題（2），驗證影響不同子領域國際合作的距離因素是否相同，本文采用回歸分析進行探索，表4和表5分別給出了不同子領域的回歸結果以及邊際效應。此外，本文計算了每個模型的方差膨脹因子，發現每個模型的平均方差膨脹因子值均小于3，說明多重共線性問題對本文的影響較小。

表4 距離因素對不同子領域國際合作影響的回歸結果

表5 距離因素對不同子領域國際合作影響邊際效應

地理距離因素（GeoDist）的系數是負值，且在1%的顯著性水平下顯著，這說明地理距離越近的國家，越有可能進行密切的合作，H1得到驗證。地理距離因素的回歸系數介于-0.66225～-0.29875。比較不同距離因素對國際合作強度的邊際效應（表5）可以看出，地理距離是影響國際合作強度的重要因素之一。地理距離因素在網絡與信息安全子領域對國際合作強度的影響最大（0.00328%），在人工智能子領域的影響最小（0.00217%）。

同樣地，在所有子領域，經濟距離（EcoDist）因素的回歸系數在1%顯著性水平下為負值，回歸系數介于-1.07974～-0.83291，這在一定程度上說明了經濟發展程度相近的國家之間更有可能發生密切的學術合作，H2得到驗證。從經濟距離因素對國際合作強度的邊際效應來看（表5），經濟距離是影響國際合作強度的重要因素之一。比較不同領域經濟距離因素對國際合作的邊際效應可以看出，經濟距離因素在計算機圖形學與多媒體子領域對國際合作強度的影響最大（0.00448%），在計算機體系結構和系統子領域的影響最小（0.00217%），不同子領域間該因素的邊際效應差異較小。

就企業參與程度距離因素（IndDist）而言，人工智能領域的回歸系數為正值，但不具有統計學意義；其余子領域中該因素的回歸系數為負值。其中，軟件和軟件工程、計算機網絡、網絡與信息安全、計算機圖形學與多媒體、人機交互與普適計算以及跨學科和多學科領域6個子領域的回歸系數分別在不同的顯著性水平下顯著，這意味著在這些子領域，若國家間具有相似的企業參與程度，則可能產生更為密切的國際合作，H3未得到驗證。此外，回歸系數的方向差異在一定程度上說明了在同一學科下不同子領域間存在異質性。從企業參與程度距離因素對國際合作強度的邊際效應來看（表5），不同子領域之間差異較小。其中，在人機交互與普適計算子領域中，該因素對國家合作的影響最大（0.00165%）；在計算機體系結構和系統子領域中，該因素對國際合作的影響最小（0.00108%）。

政治距離（PoliDist）因素的回歸系數均為負值，但在計算機網絡、網絡與信息安全、數據庫和數據挖掘以及跨學科和多學科領域4個子領域不具有統計學意義，其余子領域的該因素的回歸系數均在不同顯著性水平下顯著，這說明了如果兩個國家的政府治理水平越接近，那么兩個國家越有可能產生密切合作，因此，H4得到部分驗證。

文化距離因素包括權力距離（PowDist）、個人主義-集體主義（IndivDist）、男性氣質與女性氣質（MascDist）和不確定性規避（UncerDist）4個維度。網絡與信息安全領域的權力距離與國際合作強度存在顯著負向相關關系，其余子領域的權力距離與國際合作強度均不存在顯著相關關系。個人主義-集體主義維度在不同子領域的回歸系數均為負值，但回歸系數只在計算機科學理論、軟件和軟件工程、計算機圖形學與多媒體、人機交互與普適計算、跨學科和多學科領域5個子領域顯著。從個人主義-集體主義對國際合作強度的邊際效應來看（表5），該因素在計算機科學理論領域的邊際效應最小（0.00062%），在人機交互與普適計算領域的邊際效應最大（0.00156%）。男性氣質與女性氣質維度的回歸系數均為負值，但只在數據庫和數據挖掘、跨學科和多學科領域具有統計學意義，其余子領域的回歸系數均不顯著。從不確定性規避維度來看，僅網絡與信息安全、計算機圖形學與多媒體兩個子領域的回歸系數在不同顯著性水平下顯著，其余子領域該維度回歸系數均不顯著，這說明在這兩個子領域中，對于不確定性容忍程度相近的國家更容易產生密切合作，H5得到部分驗證。

在所有子領域中，認知距離因素的回歸系數均在1%顯著性水平下顯著為負值，這說明了國際合作更有可能發生在具有相似認知基礎的國家之間，H6得到驗證。比較不同距離因素對國際合作強度的邊際效應（表5）可以看出，認知距離是阻礙國際合作的最大障礙。認知距離因素在計算機圖形學與多媒體子領域對國際合作強度的影響最大（0.01834%），在計算機體系結構和系統子領域的影響最小（0.01267%）。

3.5 不同時期影響國際合作的距離因素

為了回答問題（3），本文探索了影響不同子領域國際合作的距離因素是否會隨著時間發生變化。本文使用零膨脹beta回歸模型對不同子領域在1990—1999年、2000—2009年、2010—2019年3個時期的距離因素的系數進行估計。考慮到篇幅有限，本文僅展示人工智能、計算機網絡、軟件與軟件工程以及人機交互與普適計算4個子領域的回歸結果（表6）和各因素的邊際效應結果（表7）。

表6 距離因素對不同子領域在不同時期國際合作影響的回歸結果

表7 距離因素對不同子領域在不同時期國際合作影響的邊際效應

在各個子領域的不同時期，地理距離（Geo‐Dist）和國際合作強度均呈現顯著負向相關關系，再次驗證了H1。此外，不同時期地理距離的邊際效應呈現下降趨勢。例如，在人工智能領域，地理距離的影響由1990—1999年的0.00261%下降至2010—2019年的0.00230%；在計算機網絡領域，地理距離因素影響的下降幅度更大，由0.00813%下降至0.00323%。

同樣地，在不同領域的不同時期，經濟距離（EcoDist）因素的回歸系數均在1%或5%顯著性水平下顯著為負值，研究結果支持H2。此外，不同時期經濟距離因素對國際合作強度的邊際效應呈現增加趨勢，例如，在人工智能領域，經濟距離因素的邊際效應由0.00118%增長至0.00375%。

在部分子領域的部分時期，企業參與程度距離（IndDist）和國際合作強度存在負向相關關系，例如，人機交互與普適計算領域在2000—2009年、2010—2019年兩個時期，該因素的回歸系數均顯著為負值，研究結果不支持H3。此外，企業參與程度距離的邊際效應呈現下降趨勢。例如，上述兩個時期的邊際效應在人工智能領域，從0.00149%下降至0.00098%；在人機交互與普適計算領域，從0.00222%下降至0.00134%。

政治距離（PoliDist）因素的回歸系數只在部分子領域的部分時期存在統計學意義。例如，在人工智能領域的2000—2009年，政治距離和國際合作強度存在顯著負向相關關系。從政治距離的邊際效應來看，不同時期政治距離因素的影響逐漸下降，例如，在人工智能領域，從1990—1999年的0.00279%下降至2010—2019年的0.00074%。

從文化距離來看，權力距離（PowDist）維度在不同子領域、不同時期的回歸系數均不顯著。在軟件與軟件工程和人機交互與普適計算領域，不同時期個人主義-集體主義（IndivDist）維度的回歸系數均顯著為負值。此外，這兩個領域該因素的邊際效應也在隨著時間逐漸減小。而男性氣質與女性氣質（MascDist）、不確定性規避（UncerDist）維度與國際合作強度僅在部分領域的部分時期存在顯著負向相關關系。

除了計算機網絡領域的1990—1999年時期、人機交互與普適計算子領域的1990—1999年和2000—2009年兩個時期外，其余時期不同子領域認知距離的回歸系數均在1%顯著性水平下顯著為負值。此外，認知距離因素對國際合作強度的影響在不同領域均呈現下降趨勢。例如，在人工智能領域，認知距離的邊際效應由0.03859%下降至0.01751%。

4 結論與討論

本文基于DBLP科研論文數據，從比較視角出發，揭示了1990—2019年187個國家在計算機科學學科下不同子領域的國際合作強度網絡的時空演變情況，并基于計量模型，實證檢驗了影響不同子領域以及不同時期國家間國際合作的距離因素。

通過分析國際合作的時空演變情況，本文得出以下結論。

（1）不同子領域國際合作論文逐年增多，但變化趨勢存在差異。

在1990—2019年的計算機科學學科，國際合作論文約占發表論文總量的26.65%，因此，國際合作并未成為計算機科學進行知識創造的最重要形式。比較不同子領域國際合作情況，發現不同子領域的國際合作論文占比在1990—2019年均呈現顯著的上升趨勢，但不同子領域的增長趨勢存在一定的差異。例如，計算機網絡在1990年的國家合作論文占比排名最低，而2013年之后躍居第一位；計算圖形學與多媒體子領域的國際合作論文占比排名一直較低。

（2）高強度國際合作關系由科研大國主導，但子領域異質性顯著存在。

從國際合作的空間分布來看，國際合作由美國、中國、加拿大等科研大國所主導，但不同子領域的國際合作的空間分布也存在一定差異，例如，在合作強度靠前的關系中，人工智能領域的國際合作以跨洲合作為主，而人機交互與普適計算領域主要以洲內合作為主。此外，從網絡指標來看，計算機體系結構和系統子領域的網絡密度最大，而人機交互與普適計算領域的網絡密度最小。

（3）人工智能領域合作由“一強多極”向“多極合作”模式轉變。

從國際合作的時空分布來看，在1990—1999年，人工智能領域國際合作強度較高的合作關系中由美國主導，隨著時間推移，中國、新加坡等新興人工智能強國也逐漸涌現。從國際合作網絡結構來看，網絡密度由1990—1999年的0.122增加至2000—2009年的0.194，國家間的合作也越來越密切。

通過分析影響不同子領域以及不同時期國際合作的距離因素，本文得出以下結論。

（1）地理距離會阻礙不同子領域的國際合作，但邊際效應隨著時間變化逐漸下降。

地理距離依然會對不同子領域的國際合作產生負面影響，并沒有驗證經濟學家Frances Cairncross的“距離之死”的假說[28]，這與Parreira等[10]、Tang等[14]以及賀超城等[46]的研究發現一致。其原因可能是，面對面的交流更容易實現知識的溢出，有利于隱性知識的傳播，距離越近，越容易實現頻繁和有效的面對面交流。本文發現，隨著時間的推移，距離因素對不同子領域國際合作的影響會減小，這可能是由于通信技術的發展（如騰訊會議、ZOOM等會議軟件的出現）以及交通運輸技術的推進（如高鐵等），面對面的溝通更容易實現，在一定程度上緩解了距離因素對國際合作的阻礙效應。

（2）經濟距離會阻礙不同子領域的國際合作，且邊際效應隨時間變化逐漸增大。

經濟距離會阻礙不同子領域的國際合作。目前，已有較多研究證明兩個國家間的經濟發展水平越接近，那么國家間更容易發生合作[3,20]。國家的經濟水平越高，對科學技術發展、人才交流等項目的資金投入也越多。例如，中國的國家留學基金項目旨在促進國內高校與國際高校開展國際化人才培養合作，而獲得資助的學生大多選擇去往經濟發展水平較高的國家。此外，本文發現合作較為密切的國家間通常存在經濟伙伴關系協定，經濟伙伴關系協定在促進進出口貿易的同時，也意味著更便宜的交通費用，這在會一定程度上促進學者的流動，增加國際合作的可能性。經濟距離對國際合作強度的影響隨時間變化而增大，說明了國際合作對經濟發展水平的依賴程度越來越高。

（3）認知距離會阻礙不同子領域國際合作，但邊際效應隨時間變化逐漸減小。

與經濟距離類似，本文發現認知距離越小的兩個國家之間越容易產生合作，而且在每個子領域皆如此，這與Gui等[27]、賀燦飛等[47]的研究結論一致，說明科學合作的順利開展需要合作雙方擁有一定的共同知識基礎，才能有助于知識的理解和吸收，進而促進科研創新。此外，本文還發現，隨著時間的推移，認知距離對國際合作的影響會下降。其原因可能是，全球化雖然使科學研究的國際分工更為明確，使國家的研究變得專一化，但是由于一些政治因素，如美國對中國的技術制裁，迫使中國開展基礎技術方面的研究，使得中國的研究更為多元化，減小了未來與其他國家的合作的認知距離。此外，在科學研究中，由于小國家資源有限，可能局限于某些關鍵領域和學科，但是大國家在發展優勢學科的同時，也會對其他領域進行積極的投入，這可能也是認知距離因素對國際合作影響下降的另一個原因[19]。

本文尚存在一些局限性，只考慮了計算機科學子領域的國際合作的影響因素，在未來的研究中可以對比計算機科學子領域與其他學科子領域的國際合作的影響因素，例如，計算機科學和管理學，這兩個學科的研究范式存在差異，那么影響學科子領域的國際合作的因素是否也存在差異是值得探討的。此外，本文將研究數據局限于研究論文，但其實專利也是計算機科學關注的研究成果之一，在未來的研究中可以綜合考慮論文和專利數據。