張發(fā)亮，林約佩，董文平，翟 偉

(南昌大學(xué)管理學(xué)院,南昌 330031)

1 引言

隨著“雙一流”建設(shè)的逐步深入，人才隊伍建設(shè)對高校學(xué)科的高質(zhì)量可持續(xù)發(fā)展至關(guān)重要。許多高校通過引進和培養(yǎng)高層次人才，壯大人才隊伍規(guī)模來提升學(xué)科人才隊伍水平。這些措施雖然能短時間內(nèi)快速提升學(xué)科成果產(chǎn)出和影響力，但如果不能優(yōu)化人才隊伍內(nèi)部結(jié)構(gòu)，促進“化學(xué)反應(yīng)”，以形成穩(wěn)定而有活力的整體，則會導(dǎo)致高校學(xué)科往往發(fā)展后繼乏力。因此，什么樣的人才隊伍結(jié)構(gòu)更有利于高校學(xué)科的長遠發(fā)展，如何建設(shè)和改進學(xué)科人才隊伍及其結(jié)構(gòu)，便成了高校在學(xué)科發(fā)展和人才隊伍建設(shè)工作中的重要問題。本文擬結(jié)合科學(xué)計量、社會網(wǎng)絡(luò)等分析方法，對高校學(xué)科人才隊伍結(jié)構(gòu)不同特征進行分析和測度，并實證分析和總結(jié)國際一流高校學(xué)科在人才隊伍建設(shè)過程中的共有特點，探索不同人才隊伍結(jié)構(gòu)特征對高校學(xué)科發(fā)展的影響，為中國高校學(xué)科人才隊伍建設(shè)工作提供參考。

2 國內(nèi)外相關(guān)研究進展分析

現(xiàn)有不少研究對高校學(xué)科或科研團隊的人才隊伍結(jié)構(gòu)特征及與科研表現(xiàn)關(guān)聯(lián)進行了分析，依據(jù)其特征分析的視角可以歸納為以下3 類：①基于成員背景與科研表現(xiàn)等特征：如從團隊成員在發(fā)文量、被引量、H指數(shù)[1]、頂尖科學(xué)家[2]、所在機構(gòu)、國家、學(xué)科[3]、職業(yè)流動[4]、是否海歸[5]、學(xué)歷、職稱、年齡[6]與性格[7]等不同類別人員[8]數(shù)量和比例進行分析、評價和分類，其中少量研究還對這些特征與團隊或成員的科研表現(xiàn)的影響進行了分析。②從成員合作程度和合著網(wǎng)絡(luò)視角展開分析。如李幼軍等[9]分析了團隊成員間的學(xué)科交叉合作率、合作規(guī)模、合作頻次和合作密度與團隊產(chǎn)出效率之間的關(guān)系；黃超等[10]從個體中心性、中間中心性、接近中心性、特征向量中心性和結(jié)構(gòu)關(guān)聯(lián)度對大學(xué)學(xué)科團隊成員的結(jié)構(gòu)性特征進行表示與度量；鄭云濤等[11]從學(xué)科合作網(wǎng)絡(luò)中成員在中心度入手，分析了高校學(xué)科團隊成員的穩(wěn)定性和凝集力變化等。③從其它層面或綜合多層面視角著手研究。如阮鵬等[12]提出評價團隊成員適宜度的指標(biāo)體系，從專業(yè)相關(guān)性、學(xué)術(shù)貢獻預(yù)期、合作便利性及目標(biāo)共同性等層面提出測度指標(biāo)體系。沈佚葳等[6]從學(xué)歷結(jié)構(gòu)、職稱結(jié)構(gòu)、年齡結(jié)構(gòu)及學(xué)科帶頭人學(xué)術(shù)水平4 個維度評判各級別學(xué)科人才隊伍的合理性，利用調(diào)查等方法實證分析人才隊伍合理性與學(xué)科建設(shè)等級之間的關(guān)系。張崴等[13]從成員以能力結(jié)構(gòu)、角色配置和異質(zhì)性結(jié)構(gòu)對大學(xué)科研團隊結(jié)構(gòu)進行分析，并實證分析其對團隊創(chuàng)造力的影響。劉先紅[14]從成果數(shù)量與合作人數(shù)維度將團隊成員劃分為學(xué)術(shù)帶頭人、高產(chǎn)成員、活躍成員以及孤立成員等類別，等等。該類研究從不同側(cè)面對學(xué)科或科研團隊結(jié)構(gòu)特征進行分析，豐富了人才隊伍建設(shè)與評價的相關(guān)理論與方法。但現(xiàn)有研究更多是關(guān)注科研團隊與高校整體層面，而對高校學(xué)科層面的人才隊伍結(jié)構(gòu)與內(nèi)部合作等特征的研究相對較少。在特征的分析與測度方面，不同研究分別對人才隊伍成員在科研表現(xiàn)、背景信息、合作層面等不同方面特征進行了分析和測度，但總體上還是相對零散，缺乏對高校學(xué)科人才隊伍結(jié)構(gòu)特征較為系統(tǒng)的分析與測度，以及與高校學(xué)科發(fā)展之間關(guān)聯(lián)關(guān)系的實證研究。因此，本文旨在較為全面地分析和測度高校學(xué)科的人才隊伍結(jié)構(gòu)及內(nèi)部合作特征，利用國際一流高校學(xué)科數(shù)據(jù)進行實證分析，以探索高校學(xué)科人才隊伍發(fā)展變化特點及對高校學(xué)科發(fā)展的影響。

3 高校學(xué)科人才隊伍結(jié)構(gòu)特征與學(xué)科發(fā)展成效測度

3.1 高校學(xué)科人才隊伍結(jié)構(gòu)特征分析與測度

為了揭示高校學(xué)科人才隊伍結(jié)構(gòu)及其發(fā)展變化特征，參考相關(guān)研究，基于科學(xué)計量與社會網(wǎng)絡(luò)分析方法，本文提出從人才隊伍內(nèi)部構(gòu)成、人才隊伍穩(wěn)定性、人才隊伍研究內(nèi)容、內(nèi)部合作等4 個層面進行測度，具體測度指標(biāo)如表1 所示，計量方法與過程如下。

表1 人才隊伍結(jié)構(gòu)特征及學(xué)科發(fā)展成效測度維度和指標(biāo)Table 1 Measurement dimensions and indicators of talent team structure characteristics and discipline development effectiveness

（1）人才隊伍內(nèi)部構(gòu)成。該層面主要分析高校學(xué)科人才隊伍的規(guī)模與及內(nèi)部成員結(jié)構(gòu)分布等特征，主要包括成員結(jié)構(gòu)特征和產(chǎn)出均衡性特征。①依據(jù)學(xué)科內(nèi)部科研人員發(fā)文量及被引量的高低，遴選出主要成員（一定時期內(nèi)發(fā)文超過N 篇的作者）、頂級成員（發(fā)文量累積達全部發(fā)文前50%的作者）和核心成員（發(fā)文總被引累積達全部總被引前50%的作者）；并計算其不同等級成員的人數(shù)和占比。②俞立平等[15]提出了科研產(chǎn)出均衡系數(shù)，即將作者按產(chǎn)出數(shù)量升序排列，前50%的作者產(chǎn)出總數(shù)與后50%作者產(chǎn)出總數(shù)之比，用來衡量內(nèi)部成員在產(chǎn)出方面的均衡性。本文采用產(chǎn)出均衡系數(shù)和被引均衡系數(shù)來測度高校學(xué)科人才隊伍成員間在產(chǎn)出及影響方面的均衡性。

（2）人才隊伍穩(wěn)定性。該層面主要分析高校學(xué)科在一定時期內(nèi)人才隊伍的穩(wěn)定程度。人才隊伍的相對穩(wěn)定是高校學(xué)科可持續(xù)發(fā)展的關(guān)鍵，大量研究人員變動或流失，不利于科研工作的開展和科技成果的生產(chǎn)[16]。測度指標(biāo)為主要成員穩(wěn)定率，為某一時間窗與上一時間窗重復(fù)的主要作者數(shù)量占該時間窗主要作者總數(shù)的比例。

（3）人才隊伍研究內(nèi)容。學(xué)科人才隊伍中主要成員研究內(nèi)容關(guān)聯(lián)性越強，代表著高校學(xué)科研內(nèi)容的凝集程度越高，有助于集中人力與資源對主要研究內(nèi)容展開更為深入有效的研究，從而提升學(xué)科影響力。邱均平等[17]指出“作者-關(guān)鍵詞”耦合可分析以作者為表征的知識集聚和知識結(jié)構(gòu)。本文通過構(gòu)建高校學(xué)科一定時期內(nèi)主要作者與高頻關(guān)鍵詞之間的共現(xiàn)網(wǎng)絡(luò)，來分析主要成員在主要研究內(nèi)容上的關(guān)聯(lián)程度。以網(wǎng)絡(luò)密度來測度人才隊伍主要成員間研究內(nèi)容的相關(guān)程度。網(wǎng)絡(luò)密度是指著網(wǎng)絡(luò)中節(jié)點間實有連線數(shù)與最高理論連線數(shù)之比，其值越高，代表著該機構(gòu)主要作者和高頻關(guān)鍵詞之間的聯(lián)系越緊密，其主要研究人員的研究內(nèi)容關(guān)聯(lián)程度就也越高。

（4）內(nèi)部合作。除了研究內(nèi)容的關(guān)聯(lián)性之外，人才隊伍內(nèi)部合作情況是反映高校學(xué)科內(nèi)部知識交流和共享的深度。大量研究表現(xiàn)科研合作程度與主體科研表現(xiàn)呈正相關(guān)，因此，本文將從人才隊伍內(nèi)部合作程度和合作網(wǎng)絡(luò)特征兩方面來測度內(nèi)部合作結(jié)構(gòu)特征。

①內(nèi)部合作程度測度指標(biāo)包括高校學(xué)科內(nèi)部作者合著率與作者合作度，分別代表合著論文數(shù)量占全部論文數(shù)量的比例，以及篇均作者數(shù)。②利用社會網(wǎng)絡(luò)分析方法，構(gòu)建主要成員間的合作網(wǎng)絡(luò)，分別用合作網(wǎng)絡(luò)的密度、聚類系數(shù)和網(wǎng)絡(luò)距離來測度內(nèi)部合作的緊密程度、小世界現(xiàn)象以及合作廣度。

3.2 高校學(xué)科發(fā)展成效測度

本文擬利用關(guān)聯(lián)分析模型進一步對高校學(xué)科人才隊伍結(jié)構(gòu)特征與學(xué)科發(fā)展之間的關(guān)聯(lián)進行分析。需要對高科學(xué)科發(fā)展成效進行定量測度。在科學(xué)計量與學(xué)科評價等領(lǐng)域，通常采用較為客觀便捷的學(xué)科成果數(shù)量和影響力來評價學(xué)科發(fā)展成效。基于此，本文以一定時期內(nèi)學(xué)科總發(fā)文量代表其學(xué)科生產(chǎn)力，論文總被引代表學(xué)科影響力。人才隊伍結(jié)構(gòu)特征參數(shù)與高校學(xué)科發(fā)展成效參數(shù)如表1 所示，本文將利用國際一流高校學(xué)科數(shù)據(jù)，實證分析二者的關(guān)聯(lián)關(guān)系。

4 實證分析

4.1 實證學(xué)科與高校選擇

本文選擇具有一定發(fā)展歷史，且近期發(fā)展較快的計算機科學(xué)為實證學(xué)科，時間限定為2001—2020 年。在高校選擇上，以WOS 核心合集發(fā)文量排名為依據(jù)，綜合考慮國家地區(qū)分布和發(fā)文規(guī)模，選擇來自10 個國家的10 所高校作為樣本，如表2 所示。

表2 樣本高校及其發(fā)文量、排名及所地國家地區(qū)Table 2 Sample universities and their publication total number,rankings and their countries/regions

4.2 研究方案與數(shù)據(jù)處理

由于人才隊伍需要經(jīng)過一定時期的發(fā)展才具有相對穩(wěn)定的結(jié)構(gòu)特征，因此，本文將時間窗設(shè)為4 年，以4 年整體或平均數(shù)值作為人才結(jié)構(gòu)各特征參數(shù)的值。同時，人才隊伍結(jié)構(gòu)也需要經(jīng)過一定的時間才能發(fā)揮出相應(yīng)的影響結(jié)合文獻被引峰值分布規(guī)模，本文以人才隊伍結(jié)構(gòu)特征時間窗之后兩年的學(xué)科發(fā)展成效值作為特征參數(shù)值，構(gòu)建關(guān)聯(lián)模型進行分析。

以Web of Science 為數(shù)據(jù)來源，檢索日期為2021年3 月24 日，具體檢索策略如表3 所示。共檢索到935 309 篇文獻。利用實證高校名稱進行機構(gòu)擴展精煉，下載和獲取各高校2001—2020 年的全部論文題錄，并進行無效與重復(fù)數(shù)據(jù)刪除、作者信息清先等處理。之后，以4 年為一個時間窗，獲取、統(tǒng)計和計算出高校學(xué)科不同人才隊伍結(jié)構(gòu)特征值和相應(yīng)的學(xué)科發(fā)展成效特征值。

表3 檢索策略Table 3 Search strategy

5 高校人才隊伍結(jié)構(gòu)與學(xué)科發(fā)展變化情況

5.1 人才隊伍結(jié)構(gòu)特征發(fā)展情況

5.1.1 人才隊伍內(nèi)部構(gòu)成特征

將各高校WOS 論文題錄數(shù)據(jù)導(dǎo)入SATI 軟件、提取作者全稱信息進行統(tǒng)計，再利用Excel 軟件進行主要成員（依據(jù)整體數(shù)據(jù)情況，設(shè)置4 年發(fā)文在5 篇以上的作者為主要成員）、頂級成員、核心成員的數(shù)量統(tǒng)計以及產(chǎn)出均衡指數(shù)與被引均衡指數(shù)的計算，結(jié)果如圖1、圖2 所示。

從圖1、圖2 可以發(fā)現(xiàn)，10 所高校核心成員（總被引累積達全部被引前50%的作者）占比遠高于頂級成員占比和主要成員占比，表明各高校學(xué)科成員中具有相對較高影響力的人數(shù)占比要高于高發(fā)文作者比例。同時結(jié)合整體產(chǎn)出均衡系數(shù)（平均為0.45）與被引均衡系數(shù)（平均為0.02）分布可以發(fā)現(xiàn)，各高校在大部分時期，成員間在發(fā)文規(guī)模方面差距較小；而主要成員（發(fā)文在5 篇以上）的比例總體上要高于頂級成員占比，表明很多高校在大多數(shù)時期發(fā)文累積達全部論文前50%的作者的發(fā)文量并沒有都超過5 篇，由此表明，由于作者群體較為龐大，并沒有形成相對集中高產(chǎn)作者群體。但在影響力方面差距較大，形成具有一定規(guī)模的高被引作者群（核心作者占比平均達24%）。

圖1 人才隊伍規(guī)模與結(jié)構(gòu)參數(shù)折線圖Fig.1 Line chart of the scale and structural parameters of talent team

圖2 人才隊伍成員產(chǎn)出均衡性發(fā)展變化情況Fig.2 The output balanced development and changes of talent team members

從時間發(fā)展來看，核心成員比例與產(chǎn)出均衡指數(shù)的變化曲線基本一致，呈現(xiàn)出先上升再下降的變化過程，多數(shù)高校在2005—2008 年與2013—2016 年兩個時間窗內(nèi)存在一個小高峰；頂級成員比例先上升再下降，主要成員呈波動趨勢，基本在小范圍內(nèi)持平，被引均衡系數(shù)增長緩慢，甚至出現(xiàn)輕微下降。

5.1.2 人才隊伍穩(wěn)定性

本文統(tǒng)計出各時間窗內(nèi)發(fā)文在5 篇以上的作者為主要成員，并將各時間窗與前一時間窗的主要成員進行對比，計算重復(fù)出現(xiàn)的主要成員所占的比例，用以代表高校學(xué)科人才隊伍在這一時期的穩(wěn)定程度，結(jié)果如圖3 所示。

從圖3 可以看出，除伊斯蘭阿扎德大學(xué)外，9 所高校人才隊伍中的主要成員穩(wěn)定率差距較小，整體穩(wěn)定率較低，均在50%以下，且上下波動較大。其中伊斯蘭阿扎德大學(xué)、香港理工大學(xué)、佐治亞理工學(xué)院、東京大學(xué)變動幅度更為劇烈，沃特盧大學(xué)、蘇黎世聯(lián)邦理工學(xué)院的主要成員穩(wěn)定率先上升再下降，在2013—2016 年時間窗達到峰值。與此相反，韓國科學(xué)技術(shù)院、新南威爾士大學(xué)的主要成員穩(wěn)定率先下降，于2009—2012 年達到谷值后開始回升。

圖3 人才隊伍穩(wěn)定性與主要成員內(nèi)容相關(guān)性情況Fig.3 The stability of talent team and the relevance of the content of the main members

5.1.3 人才隊伍研究內(nèi)容

為分析學(xué)科內(nèi)部研究人員在研究內(nèi)容上的關(guān)聯(lián)性，本文利用作者關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)的網(wǎng)絡(luò)密度來表示。選擇發(fā)文量在5 篇以上的作者為主要成員，所有2 次及以上關(guān)鍵詞數(shù)量的1/10 的詞為高頻關(guān)鍵詞代表各高校不同時期主要研究內(nèi)容。利用DDA 軟件構(gòu)建主要作者-高頻關(guān)鍵詞共現(xiàn)矩陣。利用Ucinet 獲取共現(xiàn)網(wǎng)絡(luò)密度，結(jié)果如圖3 所示。

在圖3 中，由于伊斯蘭阿扎德大學(xué)在2001—2008年發(fā)文較少，導(dǎo)致該高校前兩個時間窗的作者-關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)密度參數(shù)值缺失。整體上看，10 所高校的共現(xiàn)網(wǎng)絡(luò)密度多在0.1～0.4 內(nèi)變動，平均密度達0.26，表明各高校主要成員在主要研究內(nèi)容上關(guān)聯(lián)較為緊密。在2005—2008 年加泰羅尼亞理工大學(xué)與新南威爾士大學(xué)的共現(xiàn)網(wǎng)絡(luò)密度較大，達到了0.5 左右。從時間變化的角度看，多數(shù)高校的共現(xiàn)網(wǎng)絡(luò)密度隨時間下降，只有魯汶大學(xué)呈現(xiàn)波動上升的變化趨勢，說明主要成員對計算機科學(xué)的研究側(cè)重點逐多樣化。

5.1.4 內(nèi)部合作

通過統(tǒng)計不同時期各高校學(xué)科合著論文及作者數(shù)量，計算出合作度和合著率（圖4），在此基礎(chǔ)上，將發(fā)文量在5 篇及以上的作者作為主要成員，分別構(gòu)建各高校不同時間主要成員間的合著網(wǎng)絡(luò)，利用UCINET 軟件，獲取合作網(wǎng)絡(luò)的密度、聚類系數(shù)、距離等特征值，結(jié)果如圖5 所示。

從圖4 可以看出，10 所高校的合作度大多在3 以上，平均可達3.74；除伊斯蘭阿扎德大學(xué)外，其余9所大學(xué)的合著率均處于較高的水平，多數(shù)保持在90%以上。這表明計算機領(lǐng)域高校學(xué)科內(nèi)部成員間合作程度較高，且在不斷提升中。在2017 年后，伊斯蘭阿扎德大學(xué)、韓國科學(xué)技術(shù)院和東京大學(xué)的合作度有一個較大的增長。伊斯蘭阿扎德大學(xué)作在2005—2008 年之后，合著率顯著提升到86%，逐步縮小與其它高校的距離。

圖4 內(nèi)部合作程度發(fā)展變化情況Fig.4 Development and changes of internal cooperation

在內(nèi)部主要成員合作網(wǎng)絡(luò)特征上（圖5），各高校的網(wǎng)絡(luò)密度相差不大，平均在0.006 7 左右，表明由于計算機領(lǐng)域各高校人才隊伍龐大，主要成員間整體合作凝聚性較低。而且大部分高校合作網(wǎng)絡(luò)密度呈下降趨勢，值得關(guān)注。在聚類系統(tǒng)上，各高校的聚類系數(shù)多數(shù)在0.5 以上，這表明高校內(nèi)部人員的“小世界現(xiàn)象”較為顯著，都形成若干相對穩(wěn)定的科研團隊。多數(shù)高校聚類系數(shù)總體上呈上升趨勢。在網(wǎng)絡(luò)距離上，各高校在不同時期波動較大，整體呈上升趨勢，代表計算機領(lǐng)域主要成員間的合作范圍日漸寬泛。

圖5 內(nèi)部合作網(wǎng)絡(luò)特征發(fā)展變化情況Fig.5 The development and changes of the internal cooperation network characteristics

通過對10 所一流高校在計算機學(xué)科人才隊伍結(jié)構(gòu)特征發(fā)展情況進行測度和分析，可以發(fā)現(xiàn)：①計算機學(xué)科領(lǐng)域人才隊伍規(guī)模較大，成員內(nèi)部在產(chǎn)出分布相對均衡，而在影響力方面差距較大；②各高校在不同時期主要成員的穩(wěn)定性相對較低；③主要成員間主要研究內(nèi)容關(guān)聯(lián)緊密，但整體呈逐步下降趨勢；④內(nèi)部成員間合作程度較高，小世界現(xiàn)象明顯，但主要成員間合作緊密性不高。

5.2 高校學(xué)科發(fā)展情況

通過檢索和統(tǒng)計獲取各高校在人才隊伍結(jié)構(gòu)特征時間窗之后兩年的發(fā)文量（最后一個時間窗空缺）和時間窗內(nèi)發(fā)文在時間窗及之后兩年時間內(nèi)總被引量，以代表各高校在不同時期的學(xué)科生產(chǎn)力和影響力，如圖6 所示。

在圖6 中，多數(shù)高校的在近20 年各時間點發(fā)文量變化不大，保持在一年200～300 篇內(nèi)，伊斯蘭阿扎德大學(xué)前期較低，但增長迅速，學(xué)科知識生產(chǎn)力進步顯著。除伊斯蘭阿扎德大學(xué)外，大多數(shù)高校的總被引均在2013—2016 年時間窗達到峰值。表明各高校的學(xué)科知識影響力和質(zhì)量在不斷地提升。其中，香港理工大學(xué)、蘇黎世聯(lián)邦理工學(xué)院與伊斯蘭阿扎德大學(xué)的影響力增長明顯，20 年間增長達3 倍以上。

圖6 高校學(xué)科知識生產(chǎn)力和影響力的表現(xiàn)情況Fig.6 The performance of disciplinary knowledge productivity and influence in sample universities

6 人才結(jié)構(gòu)隊伍特征與高校學(xué)科發(fā)展的關(guān)聯(lián)分析

為探索高校學(xué)科人才隊伍結(jié)構(gòu)對其學(xué)科發(fā)展的影響，本文分別建立起各人才隊伍結(jié)構(gòu)特征與學(xué)科生產(chǎn)力與影響力之間的多元線性回歸模型，進行實證分析。

6.1 人才隊伍結(jié)構(gòu)特征參數(shù)因子分析

由于12 個人才隊伍結(jié)構(gòu)特征參數(shù)之間可能存在較強的相關(guān)性，需要先進行因子分析。經(jīng)KMO 和巴特利特球形檢驗，KMO 值為0.557，巴特利特球形檢驗值為321.881，P 值小于0.001，表明適合進行因子分析。本文采用主成分法提取因子。在總方差解釋表中，前4個綜合因子能夠解釋12 個指標(biāo)的76.776%。因此，提取前4 個綜合因子。對初始因子成分矩陣以最大方差法進行旋轉(zhuǎn)，成分矩陣如表4 所示。12 個參數(shù)值提取的4 個因子如表5 所示：因子F1，包含主要占比、核心占比、產(chǎn)出均衡指數(shù)、距離，主要與科研人員發(fā)文指標(biāo)相關(guān)，反映高校論文成果產(chǎn)出的規(guī)模與結(jié)構(gòu)；因子F2包括被引均衡系數(shù)、內(nèi)容網(wǎng)絡(luò)密度、合作度、合著率等以作者合作相關(guān)的參數(shù)；因子F3包括合作網(wǎng)絡(luò)密度、聚類系數(shù)這兩個合作網(wǎng)絡(luò)特征；因子F4，主要與高發(fā)文作者與高被引作者有關(guān)，包括頂級占比與穩(wěn)定率。

表4 旋轉(zhuǎn)后的成分矩陣表Table 4 Component matrix after rotation

表5 綜合因子提取與命名Table 5 Comprehensive factor extraction and naming

6.2 回歸模型分析

以因子F1～F4為自變量，學(xué)科知識生產(chǎn)力Y1、知識影響力Y2，建立兩個多元回歸模型。為了提高回歸模型擬合準(zhǔn)確性，以回歸的理論值與實際值的標(biāo)準(zhǔn)殘差對異常個案進行判斷，以2 倍的標(biāo)準(zhǔn)差為限，排除如表6 所示的異常個案。

表6 異常個案Table 6 Outliers

6.2.1 學(xué)科知識生產(chǎn)力模型

剔除異常個案后，利用SPSS 進行4 個因子與學(xué)科知識生產(chǎn)力的多元回歸模型，在95%的置信水平下采用輸入法進行回歸，結(jié)果如表7 所示。

表7 顯示，在回歸模型中，4 個綜合因子F1～F4的P 值均大于0.05，表明它們與后期學(xué)科知識生產(chǎn)力均無顯著關(guān)系。

表7 學(xué)科知識生產(chǎn)力模型系數(shù)Table 7 Coefficients of disciplinary knowledge productivity model

6.2.2 學(xué)知識影響力模型

在學(xué)科知識影響力模型中，以高校時間窗內(nèi)及之后兩年的總被引作為因變量，4 個因子作為自變量，采用步進法在95%的置信水平下進行多元線性回歸，將結(jié)果整理后，如表8 所示。

表8 學(xué)科知識影響力模型系數(shù)表Table 8 Coefficients of disciplinary knowledge influence model

該模型R2僅為0.216，模型擬合效果一般；德賓-沃森值為1.440，表明變量自相關(guān)性較不明顯，此回歸模型能較好地描述人才隊伍結(jié)構(gòu)特征與學(xué)科知識影響力的相關(guān)關(guān)系。另外，表10 顯示，在步進回歸過程中，F(xiàn)1、F3、F4均被剔除，只有綜合因子F2進入模型，常量與F2的P 值極?。ǎ?.05），說明擬合模型具有顯著意義。綜上所述，可以得到如下所示的回歸模型：

6.3 人才結(jié)構(gòu)特征對高校學(xué)科發(fā)展的影響分析

將因子分析中產(chǎn)生的成分得分系數(shù)表與回歸模型中的相關(guān)系數(shù)相乘，可以計算出各個參數(shù)與高校學(xué)科發(fā)展表現(xiàn)的相關(guān)系數(shù)（表9）。由于人才隊伍結(jié)構(gòu)各特征因子與高校學(xué)科知識生產(chǎn)力關(guān)系不顯著，下面僅針各特征對高校學(xué)科知識影響力發(fā)展的影響進行分析。

表9 數(shù)與總被引之間的關(guān)聯(lián)系數(shù)Table 9 Correlation coefficients between parameters and total citations

（1）內(nèi)部主要成員在研究內(nèi)容上的關(guān)聯(lián)性對學(xué)科未來影響力發(fā)展具有明顯的促進作用。經(jīng)統(tǒng)計，發(fā)現(xiàn)作者-關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)密度與學(xué)科總被引之間關(guān)聯(lián)性最大。表明，團隊中主要成員之間在主要研究內(nèi)容上關(guān)聯(lián)上越強，學(xué)科研究內(nèi)容就會更集中，成員間更容易開展深入合作，形成研究團隊，有利于高校在學(xué)科領(lǐng)域優(yōu)勢方向的形成，從而促進高校學(xué)科整體影響力的提升。

（2）在內(nèi)部合作方面，整體合作程度、主要成員合作緊密性、聚集性及合作深度均對學(xué)科知識影響力具有一定影響。其中，整體所有成員間的合作程度與主要成員間的合作距離對高校學(xué)科整體影響力具有負(fù)面影響。而主要成員間的合作緊密程度和集聚性卻對高校學(xué)科發(fā)展具有正面促進作用。因此，高校在學(xué)科發(fā)展的過程種，重點在于加強主要成員間的交流合作，形成關(guān)系較為緊密較為穩(wěn)定的若干核心科研團隊，才更有利于學(xué)科的長遠發(fā)展。

（3）在人才隊伍內(nèi)部構(gòu)成方面，各特征與高校學(xué)科發(fā)展的關(guān)聯(lián)關(guān)系相對較弱。其中，高被引作者占比與研究內(nèi)容輸出結(jié)構(gòu)對學(xué)科發(fā)展的作用相對較明顯，表明科研人員自身的實力以及科研人員成果產(chǎn)出效率對高校的學(xué)科表現(xiàn)有著較顯著的影響。在回歸過程中，被引均衡系數(shù)所屬的綜合因子F2具有顯著意義，這表明，如果一個學(xué)科團隊中沒有適當(dāng)比例的高被引作者，容易造成團隊“領(lǐng)頭人”缺失，導(dǎo)致高校學(xué)科發(fā)展緩慢甚至停滯。因此，適當(dāng)引入實力強勁的科研人員，提高團隊管理水平，有助于提升高校的學(xué)科表現(xiàn)。而在核心成員占比、高發(fā)文作者占比等特征對高校學(xué)科發(fā)展的作用不明顯，由于在回歸分析中，核心成員占比、高發(fā)文作者占比所屬的綜合因子均不具有顯著意義，因此，表格中所顯示的負(fù)相關(guān)系數(shù)不能表示核心成員數(shù)量提升或高發(fā)文作者數(shù)量上升就一定會給高校學(xué)科發(fā)展帶來負(fù)面作用。

（4）人才隊伍的穩(wěn)定性對高校學(xué)科表現(xiàn)有一定程度的影響。高校學(xué)科主要成員的穩(wěn)定率對其學(xué)科知識影響力的發(fā)展具有一定的正面促進作用。高校在其學(xué)科發(fā)展過程中，應(yīng)保持人才隊伍的穩(wěn)定性，避免過于頻繁的人員流動。

7 總結(jié)與發(fā)展建議

本文從人才隊伍內(nèi)部構(gòu)成、主要成員穩(wěn)定性、成員研究內(nèi)容及內(nèi)部合作4 個維度，對高校學(xué)科人才隊伍結(jié)構(gòu)特征進行了測度，并以計算機科學(xué)10 所國際一流高校為例，觀察其人才隊伍結(jié)構(gòu)特征及發(fā)展變化，實證分析人才隊伍結(jié)構(gòu)特征與高校學(xué)科生產(chǎn)力、影響力的關(guān)聯(lián)關(guān)系。研究表明，人才隊伍結(jié)構(gòu)的不同特征對高校學(xué)科，尤其是學(xué)科整體影響力的發(fā)展具有不同程度的影響，其中，主要成員研究內(nèi)容的相近性、團隊內(nèi)部合作緊密性的作用更明顯，人才隊伍內(nèi)部結(jié)構(gòu)和人員穩(wěn)定性的作用相比之下較弱?；诖耍袊咝Ｔ谝涣鲗W(xué)科建設(shè)過程中，可以參考如下建議。

（1）重視和加強主要成員在研究內(nèi)容上的關(guān)聯(lián)與合作，形成學(xué)科優(yōu)勢研究領(lǐng)域。主要成員研究內(nèi)容的相近性與高校學(xué)科發(fā)展的關(guān)聯(lián)關(guān)系最強，提升研究內(nèi)容的集中程度可以集中研究力量，加強研究深度，產(chǎn)生更高質(zhì)量的學(xué)科知識，從而提升高校學(xué)科的整體影響力。

（2）進一步加強內(nèi)部主要成員間的合作交流，形成更多穩(wěn)定的核心科研團隊。研究顯示，學(xué)科人才隊伍全體合作程度對學(xué)科影響力發(fā)展具有負(fù)責(zé)影響，而主要成員間的合作網(wǎng)絡(luò)密度和聚集性能有效提升學(xué)科整體影響力。因此高校在學(xué)科發(fā)展過程中，要注重主要成員間的緊密合作，培養(yǎng)若干相對穩(wěn)定、凝聚力強的核心科研團隊。

（3）保持和提升學(xué)科主要人才隊伍的穩(wěn)定性。學(xué)科人才隊伍只有保持一定的穩(wěn)定性，才能有機會形成核心團隊，凝聚優(yōu)勢研究內(nèi)容，從而提升學(xué)科整體影響力，推動學(xué)科長遠發(fā)展。