， ，

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行科研生產(chǎn)[1]。自20世紀60年代以來，運用合著網(wǎng)絡測量科研合作一直是一個重大課題[2]。

作者合著網(wǎng)絡屬于復雜網(wǎng)絡，其研究方法一般是建立某一領域(如生物醫(yī)學、化學和計算機科學等)的作者合著網(wǎng)絡，分析網(wǎng)絡的各種屬性，如點度中心度、中間中心度、接近中心度和特征向量等，從而篩選出網(wǎng)絡中的重要節(jié)點，確定該領域的重要科研人員及所屬機構，同時發(fā)現(xiàn)合著網(wǎng)絡中合作頻繁的團體[3]。

近年來，合著網(wǎng)絡研究逐漸成為復雜網(wǎng)絡研究的熱點。本文以傳統(tǒng)文獻計量學評價指標和合著網(wǎng)絡評價指標為對象，通過研究作者發(fā)文量、被引量與合著網(wǎng)絡節(jié)點重要性評價指標(點度中心度、中間中心度、接近中心度和特性向量中心度指標)之間的相關性，探索作者合著網(wǎng)絡的結構與特征，以此發(fā)現(xiàn)作者合著網(wǎng)絡節(jié)點重要性指標的評價意義。

1 數(shù)據(jù)來源與方法

1.1 數(shù)據(jù)來源

本文以2014年JCR中腫瘤學領域影響因子最高的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數(shù)據(jù)能夠有效避免主題詞檢索帶來的漏檢；從學科領域看，腫瘤學是發(fā)展比較成熟、覆蓋面比較廣的一個學科，其數(shù)據(jù)適用于分析作者發(fā)文量、被引率與合著網(wǎng)絡節(jié)點分析指標之間的相關性研究。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)科大學崔雷教授及其團隊研發(fā)的一款書目共現(xiàn)分析系統(tǒng)，可對重要生物醫(yī)學文獻數(shù)據(jù)庫(如PubMed、SCI、中國知網(wǎng)、萬方等) 進行字段抽取、統(tǒng)計，對重要字段構建共現(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)導入SPSS和UCINET等軟件進行聚類分析和網(wǎng)絡屬性分析[4]。本文利用BICOMB 2.01 處理原始數(shù)據(jù)，統(tǒng)計作者字段，并構建作者共現(xiàn)矩陣。

1.2.2 構建作者合著網(wǎng)、計算網(wǎng)絡節(jié)點屬性指標

UCINET是由加州大學歐文(Irvine)分校的Linton Freeman教授編寫的社會網(wǎng)絡分析軟件，包括大量的網(wǎng)絡分析指標，如中心度分析、二方關系凝聚力測度、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)絡分析的Free應用軟件程序，是一種功能強大的社會網(wǎng)絡分析軟件[7]。本文將作者共現(xiàn)矩陣導入 UCINET 6.186，繪制作者合著網(wǎng)絡，并計算各個節(jié)點的點度中心度、中間中心度、接近中心度和特征向量中心度。

1.2.3 統(tǒng)計學處理

將分析數(shù)據(jù)導入SPSS 19.0，進行Spearman秩和相關分析，以P<0.01時為差異具有統(tǒng)計學意義。

2 結果與分析

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篇文獻為獨著，844篇文獻(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)作進一步統(tǒng)計。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)絡圖譜

將作者共現(xiàn)矩陣導入UCINET 6.186，繪制作者合著網(wǎng)絡，并計算各個節(jié)點的點度中心度、中間中心度、接近中心度和特征向量中心度。其中，點度中心度是指與該節(jié)點直接相連的鄰居節(jié)點的數(shù)目， 直接反映網(wǎng)絡中一個節(jié)點對其他節(jié)點的影響力，度值較高的節(jié)點在維持網(wǎng)絡結構完整性上有重要意義；中間中心度是指網(wǎng)絡中所有節(jié)點對的最短路徑之中經(jīng)過該節(jié)點的數(shù)量占所有節(jié)點對最短路徑數(shù)量的比例，通過中間中心度可以準確找到網(wǎng)絡中某些“流量”非常大的重要節(jié)點[8]；接近中心度是指節(jié)點到網(wǎng)絡中所有其他節(jié)點的最短路徑之和，反映節(jié)點在網(wǎng)絡中居于中心的程度[9]，網(wǎng)絡中較短的距離意味著更少的消息傳遞時間和花費[10]；特征向量中心度是指把復雜網(wǎng)絡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的特征向量即為每個節(jié)點的重要性指標，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)絡圖，同時為了更好地表現(xiàn)和分析合著者之間的合作關系，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)點的大小代表節(jié)點的度數(shù)。

圖1 作者合著網(wǎng)絡圖

如圖1所示，作者合著網(wǎng)絡圖中節(jié)點的點度中心度最大為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)點接近中心度最大為1 795 600.000，最小為66 959.000，因為本圖為非連通圖，故無法計算圖的接近中心勢；節(jié)點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)絡評價指標的相關性

2.3.1 作者發(fā)文與網(wǎng)絡評價指標的相關性

我們利用UCINET繪制出作者合著網(wǎng)絡圖，并通過Network-centrality，分別計算出作者合著網(wǎng)絡各個節(jié)點的點度中心度、中間中心度、接近中心度和特征向量中心度等屬性指標。

作者發(fā)文量≥8篇的作者及其網(wǎng)絡評價指標見表4。

表4 高產(chǎn)作者的發(fā)文量與網(wǎng)絡評價指標

本文所指的“發(fā)文量”是指作者獨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，利用SPSS 19.0計算出作者發(fā)文量與點度中心度、中間中心度、接近中心度和特征向量中心度的相關性，分析結果見表5。

表5 作者發(fā)文量與網(wǎng)絡評價指標相關性

由表5可知，發(fā)文量與點度中心度、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)計學意義，可認為作者發(fā)文量與4個網(wǎng)絡指標之間具有相關性。其中發(fā)文量與點度中心度、中間中心度和特征向量中心度呈正相關關系，作者發(fā)文量與接近中心度呈負相關關系。

2.3.2 作者論文被引頻次與網(wǎng)絡評價指標相關性

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)絡評價指標

統(tǒng)計參與論文≥2篇的1 341位作者的論文被引頻次、點度中心度、中間中心度、接近中心度和特征向量中心度，數(shù)據(jù)導入SPSS，分析作者論文被引頻次與4個網(wǎng)絡節(jié)點評價指標值的相關性，結果見表7。

表7 作者論文被引頻次與網(wǎng)絡評價指標相關性

由表7可知，作者論文被引頻次與點度中心度、中間中心度、接近中心度和特征向量中心度存在相關性P<0.01，具有統(tǒng)計學意義。其中作者論文被引頻次與點度中心度、中間中心度和特征向量中心度呈正相關關系，作者發(fā)文量與接近中心度呈負相關。

3 結論

以上統(tǒng)計分析發(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，說明腫瘤學領域研究人員知識交流活躍，新成果分享頻繁，這有利于該領域?qū)W術知識合作范圍的擴大、學術水平的提高以及研究領域的拓展成熟。

通過相關性分析發(fā)現(xiàn)，作者發(fā)文量、被引頻次與4個網(wǎng)絡指標之間有相關性。其中發(fā)文量、被引頻次與點度中心度、中間中心度和特征向量中心度呈正相關關系，即作者發(fā)文量或被引頻次越高，其在合著網(wǎng)絡中的點度中心度、中間中心度和特征向量中心度3個指標值也高。

點度中心度高說明發(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)絡中表現(xiàn)為與該作者節(jié)點直接相連的鄰居作者數(shù)目越多，對其他作者節(jié)點的影響也越大，反映了其對維護網(wǎng)絡結構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域的人氣程度也越高，與高特征向量中心度作者合作的機會越大，在網(wǎng)絡中表現(xiàn)為該節(jié)點對網(wǎng)絡的影響也越大。相關性分析還發(fā)現(xiàn)，作者發(fā)文量、論文被引頻次與接近中心度呈負相關關系。

作者接近中心度越低，則到達其他所有作者的距離越短，即處于合著網(wǎng)絡中心位置，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)絡節(jié)點重要性評價指標之間的相關性，找到傳統(tǒng)文獻計量學指標與網(wǎng)絡指標的具體聯(lián)系，以此發(fā)現(xiàn)合著網(wǎng)絡節(jié)點重要性指標的具體評價意義，使合著網(wǎng)絡節(jié)點重要性評價指標更具針對性，更有助于理解網(wǎng)絡中不同位置的節(jié)點所蘊含的信息。本文結果可能會受所選學科領域、時間跨度等因素影響，未來應拓展至其他學科領域進行深入對照研究，得出更客觀完善的結果。