“科学学”视角下的科研工作者行为研究(3)

研究兴趣作为科研工作者基本的学术画像之一，可以帮助理解科研合作的内在机制。同样使用美国物理学会的论文数据，笔者把两个作者首次合作的论文作为原点，通过在时间轴上倒推，收集他们首次合作前的论文集合。通过比较两组论文对应的研究主题，测量两个科研工作者首次科研合作时研究领域的相似度。笔者在实证中发现，科研合作中趋同性（homophily）高于异质性（heterophily）。学者的合作模式可能随着学术年龄的变化而变化。笔者从微观角度入手，分析APS及DBLP（database systems and logic programming）的数据，对不同学术年龄的学者进行合作模式的分析，发现在同一时间段内，学术年龄分布符合长尾分布。此外，学术界的合作模式普遍存在“人以龄分”的趋同性现象[29]。

学术会议是交流科研成果的重要学术活动。共同参会的学者往往具有相似的研究兴趣，这种相似性会推动合作进程，延长合作的持续时间。考虑到学术会议的社会功能，笔者提出学术会议闭包的概念，并基于此提出SCORE（sustainable collaborator recommendation）推荐方法，以合作关系和合作强度对学术网络进行重构，最后以重启型随机游走（random walk with restart）方法进行合作者推荐[30]。好奇心和观察力是新奇性（seredipity）科研发现的驱动因素和重要的前提条件，而学者的合作行为也存在一定的意外性、相关性及价值性。笔者基于这3个指标定义和量化学者的新奇合作者，提出新奇合作者识别模型，并设计新奇合作者推荐算法。以新奇合作者的量化分数重构合作网络，改进网络表示学习算法的节点序列生成过程，增加随机游走访问新奇合作者节点的概率，最终将得到的节点序列输入skip-gram模型。通过计算目标学者向量与其他学者向量的余弦相似度，向学者推荐合适的合作者，从而更有效地产生高影响力、高创新性的科研成果。

2.3 科研team与科研团队

科研合作促成不同的科研工作者共同完成一项科研工作，形成一个team[7,16,31]。当前，国际上“team science”研究对team有明确的定义，即完成一个具体工作的人员集合，例如完成一篇论文的共同作者team、申请一个项目的项目基金team等。与科研团队相关的研究在国内始于21世纪初[32]，更多借鉴了组织学中的概念，描述具有一定稳定结构和管理层级的人员集合。显而易见，多个科研工作者在研究一个具体问题、发表一篇科研论文的过程中必然形成科研team，而科研team却不一定对应一个科研团队。科研团队是科研team的子集，两者并不等价。对科研team已有的研究发现，team具有流动性，没有稳定的边界和固定的成员，其形成具有自发性，管理具有自治性[33]。这些特点也从一个侧面印证了科研团队与科研team的不同。

科研team有明确的研究对象，这使得量化的、实证的研究得以广泛开展，大量基于数据的结论被提出和证实。与之相反，科研团队的定义非常模糊，这使得相关研究要么缺少实证数据支撑，要么简单地把团队和team等同，将team的结论照搬到科研团队。可以说，科研团队是当前国际、国内研究中鲜有涉及的部分。虽然科研团队的概念极大地影响着我国的科学研究（年轻的科研工作者被要求加入一个科研团队，有潜力的科研工作者被要求建立和领导一个科研团队，进而各个高校研究机构需要评估和管理科研团队），但是对科研团队的理解还停留在简单直观的水平，缺少量化的、基于实证数据的研究。

当前对科研team的研究已经从一个侧面暗示出科研团队在某些层面上的不足。例如，不同的研究均发现，稳定的合作成员会降低合作者之间的异质性，进而降低team研究工作的创新性[33-34]，这暗示着科研团队在对创新性要求较高的研究领域可能存在不足。Wu L等人[16]发现，大team能对已有的研究进行挖掘，但是小team更容易带来颠覆性的创新成果。这意味着科研团队可能在不同的任务中存在优势和劣势，科技政策中需要平衡两者间的关系。这个现象对中国科研界有着更重要的启示。我国小team的产出在整个科技论文的总量中占比偏少，远远低于美国和国际均值。例如在2017年，我国只有37%的论文是由小team（论文作者数小于5位）完成的，而美国为58%，国际均值为53%。虽然大team的论文往往更有可能获得更多的引用，但是Dong Y等人[35]发现，team中成员单位的异质性才是决定高水平研究成果产生的因素，来自同一单位的大team并不具有产生高水平成果的更高概率，这意味着大型科研团队在高水平成果的创造中可能并无优势。

文章来源：《分子科学学报》 网址: http://www.fzkxxbzz.cn/qikandaodu/2020/1019/371.html