， ，

合作研究能夠?qū)⒎稚⒌闹R和能力連接成新的思路和新的研究路徑，簡單地說，合作研究就是連接不同的人才共同進(jìn)行科研生產(chǎn)[1]。自20世紀(jì)60年代以來，運(yùn)用合著網(wǎng)絡(luò)測量科研合作一直是一個重大課題[2]。

作者合著網(wǎng)絡(luò)屬于復(fù)雜網(wǎng)絡(luò)，其研究方法一般是建立某一領(lǐng)域(如生物醫(yī)學(xué)、化學(xué)和計(jì)算機(jī)科學(xué)等)的作者合著網(wǎng)絡(luò)，分析網(wǎng)絡(luò)的各種屬性，如點(diǎn)度中心度、中間中心度、接近中心度和特征向量等，從而篩選出網(wǎng)絡(luò)中的重要節(jié)點(diǎn)，確定該領(lǐng)域的重要科研人員及所屬機(jī)構(gòu)，同時發(fā)現(xiàn)合著網(wǎng)絡(luò)中合作頻繁的團(tuán)體[3]。

近年來，合著網(wǎng)絡(luò)研究逐漸成為復(fù)雜網(wǎng)絡(luò)研究的熱點(diǎn)。本文以傳統(tǒng)文獻(xiàn)計(jì)量學(xué)評價指標(biāo)和合著網(wǎng)絡(luò)評價指標(biāo)為對象，通過研究作者發(fā)文量、被引量與合著網(wǎng)絡(luò)節(jié)點(diǎn)重要性評價指標(biāo)(點(diǎn)度中心度、中間中心度、接近中心度和特性向量中心度指標(biāo))之間的相關(guān)性，探索作者合著網(wǎng)絡(luò)的結(jié)構(gòu)與特征，以此發(fā)現(xiàn)作者合著網(wǎng)絡(luò)節(jié)點(diǎn)重要性指標(biāo)的評價意義。

1 數(shù)據(jù)來源與方法

1.1 數(shù)據(jù)來源

本文以2014年JCR中腫瘤學(xué)領(lǐng)域影響因子最高的3種期刊CA-ACancerJournalforClinicians，NatureReviewsCancer，LancetOncology在2012-2015年發(fā)表的研究論文為數(shù)據(jù)樣本。

從檢索角度看，由指定期刊獲得文獻(xiàn)數(shù)據(jù)能夠有效避免主題詞檢索帶來的漏檢；從學(xué)科領(lǐng)域看，腫瘤學(xué)是發(fā)展比較成熟、覆蓋面比較廣的一個學(xué)科，其數(shù)據(jù)適用于分析作者發(fā)文量、被引率與合著網(wǎng)絡(luò)節(jié)點(diǎn)分析指標(biāo)之間的相關(guān)性研究。檢索上述期刊2012-01-01至2015-08-11期間發(fā)表的論文，將文獻(xiàn)類型限定為“article”、“review”、“proceedings paper”，最終得到905篇研究論文。

1.2 方法

1.2.1 原始數(shù)據(jù)處理

BICOMB是中國醫(yī)科大學(xué)崔雷教授及其團(tuán)隊(duì)研發(fā)的一款書目共現(xiàn)分析系統(tǒng)，可對重要生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(如PubMed、SCI、中國知網(wǎng)、萬方等) 進(jìn)行字段抽取、統(tǒng)計(jì)，對重要字段構(gòu)建共現(xiàn)矩陣(如作者合著矩陣、論文同被引矩陣、主題詞共現(xiàn)矩陣等)導(dǎo)入SPSS和UCINET等軟件進(jìn)行聚類分析和網(wǎng)絡(luò)屬性分析[4]。本文利用BICOMB 2.01 處理原始數(shù)據(jù)，統(tǒng)計(jì)作者字段，并構(gòu)建作者共現(xiàn)矩陣。

1.2.2 構(gòu)建作者合著網(wǎng)、計(jì)算網(wǎng)絡(luò)節(jié)點(diǎn)屬性指標(biāo)

UCINET是由加州大學(xué)歐文(Irvine)分校的Linton Freeman教授編寫的社會網(wǎng)絡(luò)分析軟件，包括大量的網(wǎng)絡(luò)分析指標(biāo)，如中心度分析、二方關(guān)系凝聚力測度、子群分析、因子分析[5]，還提供數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)處理的工具，可以將圖論程序轉(zhuǎn)換成矩陣代數(shù)語言[6]。UCINET還集成了用于一維與二維數(shù)據(jù)分析的NetDraw和正在發(fā)展應(yīng)用的三維展示分析軟件Mage等，同時還集成了Pajek用于大型網(wǎng)絡(luò)分析的Free應(yīng)用軟件程序，是一種功能強(qiáng)大的社會網(wǎng)絡(luò)分析軟件[7]。本文將作者共現(xiàn)矩陣導(dǎo)入 UCINET 6.186，繪制作者合著網(wǎng)絡(luò)，并計(jì)算各個節(jié)點(diǎn)的點(diǎn)度中心度、中間中心度、接近中心度和特征向量中心度。

1.2.3 統(tǒng)計(jì)學(xué)處理

將分析數(shù)據(jù)導(dǎo)入SPSS 19.0，進(jìn)行Spearman秩和相關(guān)分析，以P<0.01時為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果與分析

2.1 作者合著論文及被引情況

2.1.1 作者合著論文情況

905篇論文中，61篇文獻(xiàn)為獨(dú)著，844篇文獻(xiàn)(占93.26%)為合著(表1)。

其中主要為2-10人合著，也有更多人合著的情況；有2篇論文作者人數(shù)超過100，作者人數(shù)最多的文獻(xiàn)共有302位作者。905篇論文共涉及7 815位作者，參與合著的作者達(dá)7 774人，占作者總數(shù)的99.48%。

表1 作者論文合著情況

本文對作者參與論文篇數(shù)作進(jìn)一步統(tǒng)計(jì)。其中，參與1篇論文的作者6 474人，占82.84%；參與2-5篇論文的作者1 299人，占16.62%；參與6-9篇論文的作者37人，占0.47%；參與論文≥10篇的作者5人，占0.064%。參與論文≥8篇的13位高產(chǎn)作者見表2。

表2 參與論文篇數(shù)的高產(chǎn)作者

2.1.2 作者論文被引情況

作者論文被引頻次是指作者參與的所有論文的被引頻次之和。

論文累計(jì)被引頻次超過10 000的有2位作者(表3)，其中Jemal A參與論文的總被引頻次高達(dá)13 677，位居第一；Siegel R參與論文的總被引次數(shù)為12 949，位列第二。

表3 作者論文被引頻次

2.2 作者合著網(wǎng)絡(luò)圖譜

將作者共現(xiàn)矩陣導(dǎo)入UCINET 6.186，繪制作者合著網(wǎng)絡(luò)，并計(jì)算各個節(jié)點(diǎn)的點(diǎn)度中心度、中間中心度、接近中心度和特征向量中心度。其中，點(diǎn)度中心度是指與該節(jié)點(diǎn)直接相連的鄰居節(jié)點(diǎn)的數(shù)目， 直接反映網(wǎng)絡(luò)中一個節(jié)點(diǎn)對其他節(jié)點(diǎn)的影響力，度值較高的節(jié)點(diǎn)在維持網(wǎng)絡(luò)結(jié)構(gòu)完整性上有重要意義；中間中心度是指網(wǎng)絡(luò)中所有節(jié)點(diǎn)對的最短路徑之中經(jīng)過該節(jié)點(diǎn)的數(shù)量占所有節(jié)點(diǎn)對最短路徑數(shù)量的比例，通過中間中心度可以準(zhǔn)確找到網(wǎng)絡(luò)中某些“流量”非常大的重要節(jié)點(diǎn)[8]；接近中心度是指節(jié)點(diǎn)到網(wǎng)絡(luò)中所有其他節(jié)點(diǎn)的最短路徑之和，反映節(jié)點(diǎn)在網(wǎng)絡(luò)中居于中心的程度[9]，網(wǎng)絡(luò)中較短的距離意味著更少的消息傳遞時間和花費(fèi)[10]；特征向量中心度是指把復(fù)雜網(wǎng)絡(luò)中單個個體的影響力看作是其他所有成員影響力的線性組合，因而得到一個線性方程組，該方程組最大的特征值所對應(yīng)的特征向量即為每個節(jié)點(diǎn)的重要性指標(biāo)，就是一個個體具有與高特征向量中心度的個體相連的程度[11]。本文共涉及7 815名作者，數(shù)量龐大。為了得到更好、更清晰的合著網(wǎng)絡(luò)圖，同時為了更好地表現(xiàn)和分析合著者之間的合作關(guān)系，本文繪制了參與合著論文≥2篇的1 341位作者的合作圖(圖1)，圖中節(jié)點(diǎn)的大小代表節(jié)點(diǎn)的度數(shù)。

圖1 作者合著網(wǎng)絡(luò)圖

如圖1所示，作者合著網(wǎng)絡(luò)圖中節(jié)點(diǎn)的點(diǎn)度中心度最大為436，最小為0，整個圖的中心勢為3.7%；節(jié)點(diǎn)中間中心度最大為51 000.816，最小為0，圖的中間中心勢為5.48%；節(jié)點(diǎn)接近中心度最大為1 795 600.000，最小為66 959.000，因?yàn)楸緢D為非連通圖，故無法計(jì)算圖的接近中心勢；節(jié)點(diǎn)特征向量中心度最大為25.916，最小為-0.000，圖的特征向量中心勢為25.52%。

2.3 作者發(fā)文、被引頻次與網(wǎng)絡(luò)評價指標(biāo)的相關(guān)性

2.3.1 作者發(fā)文與網(wǎng)絡(luò)評價指標(biāo)的相關(guān)性

我們利用UCINET繪制出作者合著網(wǎng)絡(luò)圖，并通過Network-centrality，分別計(jì)算出作者合著網(wǎng)絡(luò)各個節(jié)點(diǎn)的點(diǎn)度中心度、中間中心度、接近中心度和特征向量中心度等屬性指標(biāo)。

作者發(fā)文量≥8篇的作者及其網(wǎng)絡(luò)評價指標(biāo)見表4。

表4 高產(chǎn)作者的發(fā)文量與網(wǎng)絡(luò)評價指標(biāo)

本文所指的“發(fā)文量”是指作者獨(dú)著或合著論文的總量。

以參與論文≥2篇的1 341條作者數(shù)據(jù)為基礎(chǔ)，利用SPSS 19.0計(jì)算出作者發(fā)文量與點(diǎn)度中心度、中間中心度、接近中心度和特征向量中心度的相關(guān)性，分析結(jié)果見表5。

表5 作者發(fā)文量與網(wǎng)絡(luò)評價指標(biāo)相關(guān)性

由表5可知，發(fā)文量與點(diǎn)度中心度、中間中心度、接近中心度和特征向量中心度的P值<0.01，差異具有統(tǒng)計(jì)學(xué)意義，可認(rèn)為作者發(fā)文量與4個網(wǎng)絡(luò)指標(biāo)之間具有相關(guān)性。其中發(fā)文量與點(diǎn)度中心度、中間中心度和特征向量中心度呈正相關(guān)關(guān)系，作者發(fā)文量與接近中心度呈負(fù)相關(guān)關(guān)系。

2.3.2 作者論文被引頻次與網(wǎng)絡(luò)評價指標(biāo)相關(guān)性

作者論文被引頻次是指作者參與的所有論文的被引頻次之和。論文被引頻次大于900的前10位作者見表6。

表6 作者論文被引頻次與網(wǎng)絡(luò)評價指標(biāo)

統(tǒng)計(jì)參與論文≥2篇的1 341位作者的論文被引頻次、點(diǎn)度中心度、中間中心度、接近中心度和特征向量中心度，數(shù)據(jù)導(dǎo)入SPSS，分析作者論文被引頻次與4個網(wǎng)絡(luò)節(jié)點(diǎn)評價指標(biāo)值的相關(guān)性，結(jié)果見表7。

表7 作者論文被引頻次與網(wǎng)絡(luò)評價指標(biāo)相關(guān)性

由表7可知，作者論文被引頻次與點(diǎn)度中心度、中間中心度、接近中心度和特征向量中心度存在相關(guān)性P<0.01，具有統(tǒng)計(jì)學(xué)意義。其中作者論文被引頻次與點(diǎn)度中心度、中間中心度和特征向量中心度呈正相關(guān)關(guān)系，作者發(fā)文量與接近中心度呈負(fù)相關(guān)。

3 結(jié)論

以上統(tǒng)計(jì)分析發(fā)現(xiàn)，905篇研究論文中，93.26%的論文是由2位及以上作者合作完成的，而且99.48%的作者與其他作者有過合作，論文合著率和作者合作率都比較高，說明腫瘤學(xué)領(lǐng)域研究人員知識交流活躍，新成果分享頻繁，這有利于該領(lǐng)域?qū)W術(shù)知識合作范圍的擴(kuò)大、學(xué)術(shù)水平的提高以及研究領(lǐng)域的拓展成熟。

通過相關(guān)性分析發(fā)現(xiàn)，作者發(fā)文量、被引頻次與4個網(wǎng)絡(luò)指標(biāo)之間有相關(guān)性。其中發(fā)文量、被引頻次與點(diǎn)度中心度、中間中心度和特征向量中心度呈正相關(guān)關(guān)系，即作者發(fā)文量或被引頻次越高，其在合著網(wǎng)絡(luò)中的點(diǎn)度中心度、中間中心度和特征向量中心度3個指標(biāo)值也高。

點(diǎn)度中心度高說明發(fā)文越多或論文被引頻次越高的作者，與其合作的作者也越多，在合著網(wǎng)絡(luò)中表現(xiàn)為與該作者節(jié)點(diǎn)直接相連的鄰居作者數(shù)目越多，對其他作者節(jié)點(diǎn)的影響也越大，反映了其對維護(hù)網(wǎng)絡(luò)結(jié)構(gòu)完整性上有重要意義；中間中心度高說明發(fā)文越多或論文被引頻次越高的作者在合著網(wǎng)絡(luò)中表現(xiàn)為該作者處于許多作者交往的最短路徑之上，具有控制其他作者合作的能力，反映了該作者在網(wǎng)絡(luò)中的重要地位；特征向量中心度高說明發(fā)文越多或者論文被引頻次越高的作者在該領(lǐng)域的人氣程度也越高，與高特征向量中心度作者合作的機(jī)會越大，在網(wǎng)絡(luò)中表現(xiàn)為該節(jié)點(diǎn)對網(wǎng)絡(luò)的影響也越大。相關(guān)性分析還發(fā)現(xiàn)，作者發(fā)文量、論文被引頻次與接近中心度呈負(fù)相關(guān)關(guān)系。

作者接近中心度越低，則到達(dá)其他所有作者的距離越短，即處于合著網(wǎng)絡(luò)中心位置，與其他作者越容易發(fā)生合作，故該作者的發(fā)文量會越高，論文被引的機(jī)率也越高。

本文通過分析作者發(fā)文量、被引量與合著網(wǎng)絡(luò)節(jié)點(diǎn)重要性評價指標(biāo)之間的相關(guān)性，找到傳統(tǒng)文獻(xiàn)計(jì)量學(xué)指標(biāo)與網(wǎng)絡(luò)指標(biāo)的具體聯(lián)系，以此發(fā)現(xiàn)合著網(wǎng)絡(luò)節(jié)點(diǎn)重要性指標(biāo)的具體評價意義，使合著網(wǎng)絡(luò)節(jié)點(diǎn)重要性評價指標(biāo)更具針對性，更有助于理解網(wǎng)絡(luò)中不同位置的節(jié)點(diǎn)所蘊(yùn)含的信息。本文結(jié)果可能會受所選學(xué)科領(lǐng)域、時間跨度等因素影響，未來應(yīng)拓展至其他學(xué)科領(lǐng)域進(jìn)行深入對照研究，得出更客觀完善的結(jié)果。