中国顶尖高校国际化发展与科研合作：社会网络分析视角

hwyzw

    邮件：

    温馨提示：文章中的链接在微信中不会生效。请点击底部“阅读原文”。或者直接长按/扫描下方二维码直接跳转原文：

    目录

    2. 研究背景

    3 数据与方法

    4. 结果

    5. 结论

    6. 参考文献

    7.相关推文

    快速指南

    关键词：共同作者；学术合作；社交网络分析；中国;

    JEL分类号：A14； I23; J44； L14；

    一、简介

    中国顶尖大学国际化势头强劲，科研合作对于提高研究水平至关重要。在全球科研领域，中国大学科研产出近三十年来持续增长，一些中国顶尖大学也跻身国际排名前列。在激烈的学术竞争中，良好的研究成果对于大学的排名和发展至关重要。虽然科研合作被视为提高研究水平的积极因素，但正确认识学者合作方式和合作模式对于提高高等教育机构的研究水平至关重要。

    学者之间的合作不仅是一种趋势，而且是一种迫切需要。面对日益复杂的科学问题，解决这些问题所需的技能多种多样，使得单独完成项目和论文变得越来越困难。学术研究中的合作不仅可以提高研究效率和产出，还可以帮助学者实现知识和技能互补的平衡。此外，各种国际和国家研究基金也积极支持学者组建团队，共同完成重要研究项目。在这种支持和需求的推动下，合作已成为各学科学术研究中不可或缺的普遍现象和发展趋势。

    本研究旨在分析2010年至2021年中国经济学学者合作网络的发展情况，通过对中英文文献数据集进行社交网络分析，洞察这一时期中国经济学者合作网络的发展特征。

    文章摘要

    本文在两个不同层面建立了协作网络。

    1. 大学水平

    网络中的节点是大学，两所大学之间的关联代表两所大学的研究人员联合发表论文的次数。该网络以每年的频率构建。并主要关注以下问题：

    大学层面的分析得出的主要结论如下：

    2、个人水平

    此时，网络节点就是个人作者，它们之间的连接代表了共同作者关系。该网络构建了两个六年期（2010-2015年和2016-2021年）（因为个人级别出版物的时间跨度往往更大）。并主要关注以下问题：

    本文的其余部分组织如下。第二节是研究背景，第三节介绍数据和方法。第 4 节分析结果。第五部分是结论。

    2. 研究背景

    随着科学研究的不断发展，独立完成项目或学术论文的难度也随之增加。学术合作有助于学者们相互补充知识和技能，提高研究成果。国内外的研究经费也鼓励学者之间的团队合作，使合作成为包括经济学在内的各学科学术研究的普遍现象和发展趋势。

    学术界对协作作者网络进行了广泛的研究，主要采用社会网络分析方法，重点关注网络结构、作者关系类型、地理组织、协作对学术产出的影响以及不同学科的协作模式。这为我们研究经济学科协作网络提供了方法论参考。过去的研究发现，发表论文数量相似的学者更有可能进行合作，这种趋势在高生产力和低生产力的学者中更为明显。在信息科学领域，研究同一主题的学者更有可能合作，高质量期刊的作者也是如此。不同学科的合着网络结构存在差异。例如，概率论和统计学领域与其他学科不同。实验和应用学科的学者更倾向于合作，而理论学科（例如高能物理领域）的学者相对较少。学者通常有更多的合作者。

    在经济学领域，研究发现合着网络表现出小世界特性，回报增加和专业化水平提高推动了合作的增加。性别差异以及正式和非正式合作对研究生产力的影响也受到关注。关于中国的合着网络，研究证实了国际合作对中国科研产出的贡献，并且国际合作关系往往因学科而异。在中国经济学领域，过去十年间合作关系变得更加密切，研究生产力的地区差异和地理距离影响了合作网络。

    3 数据与方法

    3.1 数据来源

    该研究手动收集了中国排名前200的大学相关学术文章的作者和发表信息。该排名由上海交通大学高等教育研究院每年发布一次。该数据库收录了中国经济领域排名前200的大学，其中37所属于“985工程”，99所属于“211工程”。

    样本涵盖中文和英文出版物，中文出版物来自国家知识基础设施，英文出版物来自数据库。对于每篇文章，都记录了有关作者、出版信息和隶属关系的相关信息。在识别和消除作者歧义方面，英文论文通过ID来识别作者，中文论文通过作者全名和工作单位来识别作者，通过共同合作者信息来区分同名作者。

    研究的样本期为2010-2021年，因为2010年之前经济领域的英文论文数量相对较少。在此期间，该研究涵盖了来自前200所大学的58,407篇中文文章（51,987位作者）和12,309篇英文文章（10,992位作者）。从图1可以看出，每年中文论文发表数量呈下降趋势，而英文论文数量则逐年增加。

    3.2 方法

    我们定义了一系列网络统计数据，使我们能够描述两个网络的结构。

    网络的规模由节点数量来描述，包括活跃大学或研究人员的数量以及连接的数量。这些连接的权重代表节点以及节点之间协作出版物的数量。在分析中，常见的是将带权网络转换为无权网络，即使用二元连通网络。如果节点和节点至少有一篇共同撰写的论文，则，否则。一般来说，在分析网络结构时，指的是无权网络，即节点之间的连接只表明是否存在协作关系，而不考虑协作的数量。在考虑加权网络时，需要特别提到的是，所分析的是加权网络。无论是无权网络还是带权网络，我们分析的都是一个相互的、无向的关系网络。需要注意的是，观察到的网络是在一段时间内形成的，为了简化表示，不写时间下标。

    我们通过定义网络连接的度量来展示大学/作者协作系统是否存在。如果节点直接连接或存在一系列节点连接它们，则存在路径。如果组件是网络中节点的子集 ()，则组件中的所有节点都通过路径相互连接。不同组件中的节点相互不连接，形成独立的协作系统。我们计算了网络中独立组件的数量，以及网络最大连通组件中节点的相对数量。最大连接组件的相对大小表明有多少节点属于单个大型协作系统。为了测量最大连接组件内的集成水平，我们计算了任意两个节点之间的最短路径的平均长度以及组件内最长的最短路径（直径）。

    然后我们转向表征各个节点的指标。单个节点的连通性通过其邻居的数量来捕获。在非加权网络中，节点的连通性是通过其邻居的数量来衡量的，即同样，在加权网络中，节点的连通性是通过其连接权重的总和来衡量的，即表示节点的协作数量。节点。我们计算了加权和未加权程度测量的平均值和标准差。我们还显示了加权度的分布，它捕获了网络中具有度的节点的比例。

    我们不仅关心节点的邻居数量，还关心邻居的类型。类型可以用邻居的位置（省份）、邻居的连通性（程度）或邻居的分类来表示。对于后者，我们将大学分为带有211或985标志的大学以及没有这些标志的大学。我们计算连接节点类型的同质性来评估相似的节点是否倾向于连接在一起。如果这种相关性为正，即两个连接的节点往往具有相似的类型，则称该网络是同构的。均匀性系数的计算参见(2003)。利用该系数，我们可以评估同一省份、同一类别或同一关联度的节点是否连接在一起。

   

    除了关联度之外，我们还计算描述节点在网络中位置的其他特征。首先，节点的聚类系数捕获节点的邻居彼此相邻的百分比。其次，节点的中心性衡量节点在网络中除邻居数量之外的重要性。

    该研究还基于核心-外围模型评估了节点在网络中的中心位置。该模型将网络节点分为两个不相交的集合：核心和外围。核心节点在网络中心形成紧密连接的组，相互连接并与外围节点连接。外围节点与核心成员松散连接，但彼此之间没有连接。

    4 结果 4.1 基于英文出版物的大学网络

    图2展示了大学合作网络的演变，每个节点代表一所大学。

    表 1 显示：

    从图3的结果来看，不同大学类型在合作关系和网络结构上表现出显着差异。

    转向大学层面，表2显示了根据不同网络指标列出的最重要大学的合作大学数量（学位）、合作数量、特征向量中心性和中心性指数。我们使用 2010 年至 2021 年的整体协作网络来计算这些网络指标。我们可以看到：

    通过图4的省级分析，我们研究了地理位置在合作网络中的作用。

    我们还研究了同一省内的大学是否更有可能相互合作，结果表明合作网络中存在地理位置的正同质性。

    4.2 基于中文出版物的大学网络

    接下来，我们考虑根据中国论文数据构建的大学之间的合作网络。我们重点分析该网络与由英文论文数据构建的网络之间的主要区别。

    图5显示了2010年至2021年中国论文协作网络的演变情况，表3报告了不同年份的网络统计数据。

    通过图6的结果：

    我们对2010年至2021年合并后的中国论文协作网络中的重点大学进行了分析。网络统计指标通过表4：

    最后，考虑到地理位置在促进合作中的作用，我们再次观察到网络相对于大学所在省份的正向同质性（见图 6，右下图）。然而，随着时间的推移，正向同质性程度逐渐降低。

    图7显示了各省份根据其大学不同网络统计数据的平均值进行排名。我们可以看到：

    4.3 个体层面的协作网络

    本节研究协作网络的个体级别，其中节点代表作者，连接代表他们之间的协作。表5总结了2010-2015年和2016-2021年两个时间段中英文论文合作网络的主要特征。我们将这两个 6 年时间段平分。建立关联关系的标准是研究人员是否在同一时期共同发表论文。连接的权重代表他们联合发表的论文数量。

    我们发现：

    这种巨大的异质性也可以通过图 8 中双对数刻度上绘制的不均匀分布来体现。

    在表 7 和表 8 中，我们列出了每个网络中联系最紧密的前 20 位经济学家：

    我们通过网络稳健性测试研究超级经济学家在合着网络中的作用。我们随机移除 5% 的节点和连接度最高的前 5% 的节点并观察结果。随机删除节点对网络影响很小，但删除连接最频繁的节点会显着破坏网络的巨大组成部分。这表明超级经济学家在建立共同作者网络的综合系统中发挥着关键作用。

    在图9中，我们显示了每个子网络中连接最紧密的1个经济学家的网络邻居，观察到他们的邻居彼此没有连接，这与连通性和聚类之间负相关的趋势一致。

   

    最后，我们研究了出版物质量和在线状态之间的关系。我们通过英语出版物的 ABS 排名来衡量出版物质量。我们认为 ABS 3 级和 4 级的期刊为高质量期刊，ABS 1 级和 2 级的期刊为低质量出版物。对于中文出版物，我们将高质量出版物定义为中国影响因子 (CIF) 排名前 10% 的期刊。我们再次创建一个二元质量衡量标准：0 代表 CIF 排名前 90% 的期刊，1 代表 CIF 排名前 10% 的期刊。

    5. 结论

    通过研究2010年至2021年中国经济学家的合作模式，利用中英文出版物数据对350余种期刊进行分析，并进行社交网络分析，我们揭示了经济学学科发展的全貌。

    主要发现包括以英文发表论文的作者数量增加，以中文发表论文的作者数量减少。英语网络由稀疏向密集发展，形成以985大学为核心的核心-外围结构。地理位置影响大学之间的合作。

    在个体层面，合着关系呈现出一个小世界网络，巨型成分逐渐增多，孤立作者逐渐减少。合作者的平均数量在 2-3 人之间，但其中有超级经济学家，他们的人脉比其他任何人都多。我们详细分析了超级明星如何在线联系，并考察了出版物质量和在线状态之间的关系，发现在英语网络中，高质量作者更有可能合作，而在中文网络中，质量较低的作者更愿意合作。连接性。

    6. 参考文献

    7.相关推文

    注意：生成以下推文列表的 Stata 命令是：

    论文推广网

    安装最新版本命令：

    南卡罗来纳州，

    主题：IV-GMM

    专题：纸质再现

    专题：Stata 教程

    专题：倍增法DID

    专题：面板数据

    主题：-R-

    专题：回归分析

    主题：Stata 命令

    主题：Stata 资源

    课程推荐：

    讲师：游万海（福州大学）

    课程时间：2023年12月3日/10日/17日（三个周日）

    课程主页：

    新的！ Stata 搜索工件：和

    搜索：推文、数据共享、期刊文章、复制代码......

    安装：

    .ssc

    .ssc

    使用：

    。 DID倍增法

    。全部

    关于我们