劉婷婷

（上海理工大學(xué) 管理學(xué)院復(fù)雜系統(tǒng)科學(xué)研究中心，上海 200093）

0 引言

我們生活在經(jīng)濟(jì)快速發(fā)展的時(shí)期，經(jīng)濟(jì)增速在國(guó)際上領(lǐng)先，制造業(yè)、新產(chǎn)業(yè)、對(duì)外貿(mào)易等領(lǐng)域也呈現(xiàn)穩(wěn)定發(fā)展的態(tài)勢(shì)。在經(jīng)濟(jì)體系建設(shè)中，供應(yīng)鏈的穩(wěn)定順暢，對(duì)推動(dòng)經(jīng)濟(jì)建設(shè)有著重要的意義。供應(yīng)鏈的作用已不單單停留在物流層面，它的穩(wěn)定發(fā)展對(duì)企業(yè)、對(duì)經(jīng)濟(jì)，乃至國(guó)家的發(fā)展至關(guān)重要。供應(yīng)鏈作為企業(yè)的第三利潤(rùn)源，關(guān)乎著生產(chǎn)到銷售的整個(gè)過程，學(xué)者對(duì)其的研究不斷深化與豐富，由此形成的科研合作網(wǎng)絡(luò)能夠幫助我們知曉該領(lǐng)域的發(fā)展趨勢(shì)。利用實(shí)證數(shù)據(jù)構(gòu)建科研合作網(wǎng)絡(luò)，探析新老成員是否形成社團(tuán)，新成員加入社團(tuán)的行為演化遵循什么樣的機(jī)制，這些問題的揭示會(huì)促進(jìn)我們對(duì)供應(yīng)鏈領(lǐng)域?qū)W術(shù)研究的認(rèn)知，從而發(fā)現(xiàn)在該領(lǐng)域研究中的學(xué)者研究行為機(jī)制。

目前已有大量的研究探討了靜態(tài)網(wǎng)絡(luò)下的社團(tuán)識(shí)別工作，比如GN算法、模塊度優(yōu)化算法、隨機(jī)游走算法、譜聚類算法等，這些算法在識(shí)別社團(tuán)方面都各有優(yōu)勢(shì)。然而對(duì)動(dòng)態(tài)網(wǎng)絡(luò)的社團(tuán)演化還不充分，但往往現(xiàn)實(shí)中的網(wǎng)絡(luò)都是在變化著的，隨著節(jié)點(diǎn)和邊的反復(fù)無常，下一秒的網(wǎng)絡(luò)形態(tài)可能完全不同于上一秒。在這種背景下，探究動(dòng)態(tài)網(wǎng)絡(luò)的社團(tuán)演化顯得更加符合實(shí)際和重要。在動(dòng)態(tài)社團(tuán)演化中，主要分為網(wǎng)絡(luò)級(jí)演化與節(jié)點(diǎn)級(jí)演化。

（1）網(wǎng)絡(luò)級(jí)演化

社團(tuán)網(wǎng)絡(luò)級(jí)演化是以一個(gè)整體性“事件”定義社區(qū)中的變化行為。Dakiche等人給出了較為全面的解釋，他們將整個(gè)社區(qū)演化的事件分為出生、消失、增長(zhǎng)、收縮、合并、拆分和重現(xiàn)這幾個(gè)過程。具體過程如圖1所示：

圖1 社團(tuán)出生、消失、增長(zhǎng)、收縮、合并、拆分演化示例圖

社團(tuán)網(wǎng)絡(luò)級(jí)演化主要可分為（a）、（b）、（c）三組圖。（a）圖中當(dāng)T=2時(shí)，在原有網(wǎng)絡(luò)基礎(chǔ)上出現(xiàn)了一個(gè)新社團(tuán)，即為社團(tuán)的出生，反之則為社團(tuán)的消失；（b）圖中T=1時(shí)，網(wǎng)絡(luò)中存在一個(gè)社團(tuán)，T=2時(shí)，由于新加入了一個(gè)節(jié)點(diǎn)，該節(jié)點(diǎn)融入了原先的社團(tuán)當(dāng)中，成為了一個(gè)擁有更多節(jié)點(diǎn)的大社團(tuán)，這種即為社團(tuán)的增長(zhǎng)，反之有節(jié)點(diǎn)退出則為社團(tuán)的收縮；（c）圖中原先網(wǎng)絡(luò)有兩個(gè)社團(tuán)，但到T=2時(shí)刻，兩個(gè)分離的社團(tuán)因?yàn)殛P(guān)系的變化合并成了一個(gè)新的社團(tuán)，這就是社團(tuán)的合并，反之一個(gè)社團(tuán)變成多個(gè)社團(tuán)的演化就是社團(tuán)的拆分；最后，社團(tuán)的重現(xiàn)即為經(jīng)過一段時(shí)間的演化，在某一時(shí)刻又突然出現(xiàn)之前時(shí)刻的社團(tuán)，即社團(tuán)的再現(xiàn)，這種現(xiàn)象一般出現(xiàn)的較少。

相關(guān)學(xué)者就這樣的演化現(xiàn)象，進(jìn)行對(duì)動(dòng)態(tài)網(wǎng)絡(luò)社團(tuán)的識(shí)別研究，如Asur等設(shè)計(jì)基于社區(qū)拆分、合并等“事件”的框架來描述交互網(wǎng)絡(luò)的演變，并結(jié)合節(jié)點(diǎn)的加入、消失等行為，在社區(qū)發(fā)現(xiàn)中取得較好結(jié)果，但存在條件嚴(yán)格的局限，后來Bródka等利用決策樹將“組”與“事件”匹配，有效解決了該問題。Gou等在社區(qū)合并與擴(kuò)展的基礎(chǔ)上，設(shè)計(jì)了動(dòng)態(tài)加權(quán)網(wǎng)絡(luò)的演化社區(qū)發(fā)現(xiàn)算法，但是在演化過程中需要手動(dòng)設(shè)置閾值，后來學(xué)者利用模塊度優(yōu)化思想有效解決了該問題。

（2）節(jié)點(diǎn)級(jí)演化

社團(tuán)節(jié)點(diǎn)級(jí)演化顧名思義關(guān)注的是網(wǎng)絡(luò)節(jié)點(diǎn)的變化對(duì)社團(tuán)的影響。主要涉及節(jié)點(diǎn)新增和減少（與網(wǎng)絡(luò)級(jí)演化的增長(zhǎng)和收縮類似）、邊的新增和減少。在目前的研究中，多數(shù)學(xué)者將這些節(jié)點(diǎn)級(jí)行為演化融入到相關(guān)算法中，從而不斷更新社團(tuán)，提高動(dòng)態(tài)網(wǎng)絡(luò)的社團(tuán)識(shí)別效率，如Cordeiro、Xin、蔣等。

以上社團(tuán)演化中的網(wǎng)絡(luò)級(jí)演化與節(jié)點(diǎn)級(jí)演化的研究中，盡管已考慮了社區(qū)合并、收縮等生長(zhǎng)機(jī)制以及節(jié)點(diǎn)加入、離開等行為，但他們的落腳點(diǎn)在于將這些演化行為融入到算法中，從而大大提高社團(tuán)識(shí)別的效率，缺少對(duì)社區(qū)節(jié)點(diǎn)本身在社區(qū)的演化進(jìn)行深入研究。

因此，本文在這些研究的基礎(chǔ)上，將節(jié)點(diǎn)演化與網(wǎng)絡(luò)演化相結(jié)合，用新增節(jié)點(diǎn)的比例多寡來定義社團(tuán)的新與舊，并主要就新增節(jié)點(diǎn)的行為演化在新社團(tuán)中的存續(xù)關(guān)系，提出新指標(biāo)闡述新節(jié)點(diǎn)加入新社團(tuán)的趨勢(shì)，從而發(fā)現(xiàn)供應(yīng)鏈在學(xué)者合作網(wǎng)絡(luò)中的學(xué)者合作的潛在演化機(jī)制。

1 實(shí)驗(yàn)數(shù)據(jù)

1.1 高產(chǎn)作者選取

本文分別在知網(wǎng)CSSCI數(shù)據(jù)庫(kù)與Web of Science核心合集數(shù)據(jù)庫(kù)下載了4 727篇國(guó)內(nèi)供應(yīng)鏈主題核心文獻(xiàn)和8 854篇國(guó)外核心文獻(xiàn)，并經(jīng)過數(shù)據(jù)的預(yù)處理將“作者”字段進(jìn)行提取，得到國(guó)內(nèi)作者5 981名，國(guó)外作者17 848名。然而，研究認(rèn)為某一領(lǐng)域的半數(shù)文章大都由一些固定的高產(chǎn)學(xué)者所提供，四分之一的文章只由那些僅發(fā)表過一兩篇文章的學(xué)者所撰寫，因此研究高產(chǎn)作者的合著網(wǎng)絡(luò)有助于我們更好、更快地把握當(dāng)前供應(yīng)鏈領(lǐng)域的研究熱點(diǎn)與合作情況。目前，識(shí)別高產(chǎn)作者的方法有很多，主要運(yùn)用高頻詞閾值選取方法，在此之上，除了經(jīng)典的頻次選取法、前N位選取法、中心度選取法等自定義選取法外，為了更客觀地展現(xiàn)所選高產(chǎn)學(xué)者，本文選用應(yīng)用廣泛的普萊斯定律公式法來進(jìn)行對(duì)高產(chǎn)作者的選取工作。該公式是由美國(guó)學(xué)者喬治·普萊斯發(fā)現(xiàn)，他認(rèn)為，高產(chǎn)作者人數(shù)約是作者總數(shù)的平方根函數(shù)，該方法最初用來確定高被引文獻(xiàn)，由于該方法的簡(jiǎn)單易懂且比自定義選取方法更有科學(xué)的優(yōu)勢(shì)，此后越來越被廣大學(xué)者所接受，且運(yùn)用到各個(gè)領(lǐng)域的研究中。普萊斯公式表示為：

其中：Q即為發(fā)文量最多的學(xué)者的發(fā)文篇數(shù)，η即為本文選取高產(chǎn)作者的閾值，定義發(fā)文數(shù)量超過η的學(xué)者為高產(chǎn)作者。

接下來，我們以國(guó)內(nèi)供應(yīng)鏈文獻(xiàn)為例進(jìn)行展開，國(guó)外研究步驟與國(guó)內(nèi)一致。首先，對(duì)國(guó)內(nèi)5 981位學(xué)者的發(fā)文量進(jìn)行統(tǒng)計(jì)，表1展示了排在前5的學(xué)者。

從表1中可知，Q=49，經(jīng)計(jì)算η=5.243篇，取整η=6篇，因此選取發(fā)文量大于等于6篇的學(xué)者作為高產(chǎn)作者進(jìn)行進(jìn)一步的合作網(wǎng)絡(luò)分析。5 981名學(xué)者中發(fā)文6篇以上的有292位。

表1 國(guó)內(nèi)發(fā)文量Top5的學(xué)者排名

同樣，國(guó)外文獻(xiàn)中，Q=60，得出η=5.802篇，因此也選擇發(fā)文量大于等于6篇的學(xué)者作為高產(chǎn)學(xué)者進(jìn)行研究。經(jīng)篩選，國(guó)外文獻(xiàn)中高產(chǎn)學(xué)者有126位。

1.2 高產(chǎn)作者合作網(wǎng)絡(luò)構(gòu)建

為了更方便和準(zhǔn)確地研究所提問題，除了運(yùn)用網(wǎng)絡(luò)分析軟件構(gòu)建知識(shí)圖譜，還手動(dòng)整理相關(guān)數(shù)據(jù)并用Python等程序刻畫網(wǎng)絡(luò)，網(wǎng)絡(luò)構(gòu)建過程如下：

Step1：提取出每年包含292位國(guó)內(nèi)高產(chǎn)學(xué)者和126位國(guó)外高產(chǎn)學(xué)者的所有合作關(guān)系（刪除只有一個(gè)作者的記錄，合作中只要出現(xiàn)高產(chǎn)作者即為一條合作記錄）；

Step2：對(duì)提取出的所有學(xué)者進(jìn)行編號(hào)，并對(duì)應(yīng)形成每年的合作關(guān)系表（即網(wǎng)絡(luò)邊的關(guān)系表）；

Step3：利用Python中Networkx包進(jìn)行網(wǎng)絡(luò)轉(zhuǎn)換。

由此，不同的編號(hào)代表不同的學(xué)者，網(wǎng)絡(luò)中的節(jié)點(diǎn)代表學(xué)者，邊代表的就是兩兩學(xué)者之間的合作關(guān)系。需要指出的是，本文的網(wǎng)絡(luò)不考慮方向和權(quán)重，因此，本文構(gòu)建的是一個(gè)無向無權(quán)的網(wǎng)絡(luò)。

2 研究方法

2.1 Louvain社區(qū)發(fā)現(xiàn)算法

本文主要運(yùn)用Louvain社區(qū)發(fā)現(xiàn)算法進(jìn)行每個(gè)子網(wǎng)絡(luò)上的社區(qū)識(shí)別，這是一種基于模塊度優(yōu)化的快速貪心方法，由Blondel等人提出。該方法目的是將網(wǎng)絡(luò)劃分為密集連接的節(jié)點(diǎn)群，最終優(yōu)化網(wǎng)絡(luò)的模塊度。模塊度刻畫社區(qū)的緊密程度，定義如下：

Step1：將每個(gè)頂點(diǎn)當(dāng)作一個(gè)社區(qū)，此時(shí)社區(qū)個(gè)數(shù)與頂點(diǎn)個(gè)數(shù)相同；

Step2：依次將每個(gè)頂點(diǎn)與之相鄰頂點(diǎn)合并在一起，計(jì)算它們的模塊度增益是否大于0，如果大于0，就將該節(jié)點(diǎn)放入該相鄰節(jié)點(diǎn)所在社區(qū)，直到所有頂點(diǎn)所屬社區(qū)不再變化；

Step3：重建網(wǎng)絡(luò)，將各個(gè)社區(qū)所有節(jié)點(diǎn)壓縮成為一個(gè)頂點(diǎn)，邊的權(quán)重即為原來節(jié)點(diǎn)間權(quán)重之和；

Step4：重復(fù)以上的做法，直到網(wǎng)絡(luò)模塊度不再發(fā)生改變。

需要指出的是，該算法中的模塊度增益是一種衡量迭代效果優(yōu)劣的數(shù)值指標(biāo)，計(jì)算公式如下：

其中：k表示節(jié)點(diǎn)i在社區(qū)中的權(quán)重之和，∑表示社區(qū)中總的權(quán)重之和，k表示與節(jié)點(diǎn)i連接的權(quán)重之和。節(jié)點(diǎn)i所屬社區(qū)是在迭代過程中出現(xiàn)最大增益的社區(qū)中，前提是增益必須是正的；若迭代過程中，增益是負(fù)的，那節(jié)點(diǎn)位置仍屬于原來社區(qū)。當(dāng)對(duì)所有節(jié)點(diǎn)重復(fù)該步驟直到增益不發(fā)生改變，第一次迭代才結(jié)束。在這里，由于主要研究的是無向無權(quán)網(wǎng)絡(luò)，因此每條邊的權(quán)重默認(rèn)為1。

2.2 社團(tuán)相似度

為了明確t+1時(shí)刻的社團(tuán)是否是新社團(tuán)，需要對(duì)任意兩兩社團(tuán)進(jìn)行相似度的計(jì)算。本節(jié)中運(yùn)用集合相似度的概念來識(shí)別新社團(tuán)，即：

根據(jù)圖2發(fā)現(xiàn)，（a）圖國(guó)內(nèi)統(tǒng)計(jì)中，當(dāng)閾值等于0.3時(shí)，新社團(tuán)數(shù)量處于中等水平，能夠較好反映社團(tuán)的一個(gè)變化過程，而（b）圖國(guó)外的社團(tuán)統(tǒng)計(jì)中，閾值為0.2時(shí)的新社團(tuán)數(shù)量可較好居中反映社團(tuán)的變化，因此選取0.3作為國(guó)內(nèi)供應(yīng)鏈科研合作網(wǎng)絡(luò)的研究閾值，選取0.2作為國(guó)外合作網(wǎng)絡(luò)的閾值，即將t+1時(shí)刻兩兩社團(tuán)之間的相似度小于0.3或0.2的社團(tuán)標(biāo)記為新社團(tuán)。下文的演化過程即是在此基礎(chǔ)上的新社團(tuán)中進(jìn)行。

圖2 國(guó)內(nèi)（a）、國(guó)外（b）社團(tuán)相似度σ小于不同閾值下的新社團(tuán)生存數(shù)量

2.3 量化指標(biāo)

本文提出了一個(gè)指標(biāo)來刻畫新節(jié)點(diǎn)加入新社團(tuán)的行為演化，定義如下：

圖3 社團(tuán)成員動(dòng)態(tài)演化簡(jiǎn)圖

圖5 國(guó)內(nèi)新老成員（學(xué)者）數(shù)量與占比演化趨勢(shì)

2.4 基于隨機(jī)斷邊重連的零模型構(gòu)建

零模型是與實(shí)際網(wǎng)絡(luò)具有某些相同性質(zhì)的隨機(jī)化網(wǎng)絡(luò)，能夠?yàn)樵季W(wǎng)絡(luò)提供參照，并發(fā)現(xiàn)實(shí)證結(jié)果的一些非平凡性質(zhì)。本文運(yùn)用置亂算法構(gòu)建了基于隨機(jī)斷邊重連的零模型來驗(yàn)證本文所研究的學(xué)者合作行為是否具有隨機(jī)性。主要構(gòu)建思想如圖4所示。

圖4 基于隨機(jī)斷邊重連的零模型構(gòu)建示意圖

模型構(gòu)建主要思想是：保持原網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量和度不變，將節(jié)點(diǎn)打亂，隨機(jī)斷開原網(wǎng)絡(luò)的兩條邊e,e，再隨機(jī)選擇不相連的兩個(gè)節(jié)點(diǎn)進(jìn)行重連，重復(fù)多次，得到置亂后的零模型網(wǎng)絡(luò)。為了充分體現(xiàn)所構(gòu)建零模型的隨機(jī)性，將斷邊重連次數(shù)設(shè)置為10E次（E為網(wǎng)絡(luò)邊數(shù)），并將實(shí)證結(jié)果的實(shí)驗(yàn)過程循環(huán)100次取平均之后得到了零模型下該指標(biāo)的結(jié)果，因此本文的對(duì)比結(jié)果能夠較好地反映供應(yīng)鏈領(lǐng)域新學(xué)者形成社團(tuán)的行為是否具有隨機(jī)性這一特點(diǎn)。

3 實(shí)證結(jié)果與分析

3.1 新老學(xué)者數(shù)量演化特征

首先統(tǒng)計(jì)國(guó)內(nèi)外合作網(wǎng)絡(luò)的新老學(xué)者數(shù)量演化趨勢(shì)，旨在從宏觀上把握供應(yīng)鏈領(lǐng)域的合作情況。

圖5和圖6的（a）圖主要從新老學(xué)者的數(shù)量特征出發(fā)，（b）圖成員占比是指每一時(shí)刻的新（或老）學(xué)者數(shù)量與總學(xué)者數(shù)量的比例。從國(guó)內(nèi)數(shù)量趨勢(shì)中看到，總體上新學(xué)者數(shù)量是超過老學(xué)者數(shù)量的，具體來說，新成員數(shù)量從225增長(zhǎng)到2016年的285，達(dá)到近11年的最高，之后便下降到230，隨后又有一個(gè)小幅度的上升，最后到2020年新學(xué)者達(dá)到221；而老學(xué)者數(shù)量從2010到2016也是在增加，同時(shí)達(dá)到最高的157，之后是下降趨勢(shì)，下降到2020年的117。此外，從圖5（b）發(fā)現(xiàn)，新學(xué)者在其中占有較大比重，平均占比達(dá)到66.94%。與此同時(shí)，發(fā)現(xiàn)雖然新學(xué)者無論從數(shù)量還是占比都超過老學(xué)者，但他們之間的差距卻是在逐年縮小的，新學(xué)者占比從77.05%下降到65.38%，相反的老學(xué)者數(shù)量卻從22.95%增加到34.62%。與此同時(shí)，從圖6中觀察到國(guó)外的新老學(xué)者數(shù)量比例相差更大。新成員數(shù)量超過老學(xué)者，尤其是2016年之后差距進(jìn)一步拉大，且占比穩(wěn)定在70%上下，是老成員的3倍多。

圖6 國(guó)外新老成員（學(xué)者）數(shù)量與占比演化趨勢(shì)

通過以上的分析，無論是國(guó)內(nèi)還是國(guó)外，一方面，新學(xué)者的加入多于網(wǎng)絡(luò)中的老學(xué)者，平均占比接近老學(xué)者的2~3倍，這說明供應(yīng)鏈的研究還是吸引不少新學(xué)者進(jìn)行探討和挖掘，這是在不斷發(fā)展著的研究領(lǐng)域；另一方面，也看到國(guó)內(nèi)的新學(xué)者占比沒有國(guó)外的高，且國(guó)內(nèi)新學(xué)者與老學(xué)者的差距越來越小，而國(guó)外比較穩(wěn)定，說明供應(yīng)鏈的研究在國(guó)內(nèi)慢慢變得飽和，對(duì)新人的吸引力在減弱，新研究主題的開發(fā)不是那么容易，在學(xué)術(shù)研究中越來越多的老學(xué)者會(huì)對(duì)他們某一成熟或熟悉的研究領(lǐng)域進(jìn)行進(jìn)一步深入研究。

3.2 新成員形成社團(tuán)的演化特征分析

社團(tuán)是社交網(wǎng)絡(luò)中重要的屬性，為了了解新成員是更愿意自己形成社團(tuán)還是與老成員形成社團(tuán)，提出了新成員中加入新社團(tuán)的比例這一指標(biāo)來探究學(xué)者的合作行為特征。

根據(jù)圖7用ρ（t）、ρ（t）分別表示國(guó)內(nèi)、國(guó)外新社團(tuán)中新成員的比例。橫向來看，在國(guó)內(nèi)，明顯看見新成員加入新社團(tuán)的比例比較穩(wěn)定，都在80%以上，在2016年加入新社團(tuán)的比重達(dá)到最高，占總?cè)藬?shù)的91.93%，之后開始波動(dòng)下降如圖8（a）所示，這說明了在供應(yīng)鏈作者合作中，新人更愿意與新人形成研究團(tuán)體，但后期這種趨勢(shì)在下降，也預(yù)示著新人們也愿意多與經(jīng)驗(yàn)豐富的老學(xué)者們進(jìn)行學(xué)術(shù)交流；在國(guó)外，新成員加入新社團(tuán)的趨勢(shì)是波動(dòng)變化的，起伏較大，在2012年達(dá)到最低，占比只有60%，2013~2016年呈下降趨勢(shì)，之后持續(xù)上升，達(dá)到88.49%，與國(guó)內(nèi)后期呈相反態(tài)勢(shì)如圖8（b）所示，說明前期國(guó)外學(xué)者更傾向于與有研究經(jīng)驗(yàn)的老學(xué)者合作，后期才接受新鮮思想，樂于與新學(xué)者進(jìn)行交流，但總體上國(guó)外在供應(yīng)鏈合作中，新學(xué)者之間還是傾向于自己形成研究社區(qū)，這與國(guó)內(nèi)是相一致的。因此，從該指標(biāo)實(shí)驗(yàn)結(jié)果來看，基本可以得出，在供應(yīng)鏈領(lǐng)域中的學(xué)術(shù)交流中，新學(xué)者傾向加入新社團(tuán)，即新人之間會(huì)進(jìn)行更多的合作這一學(xué)術(shù)現(xiàn)象。

圖7 國(guó)內(nèi)外供應(yīng)鏈高產(chǎn)作者合作網(wǎng)絡(luò)中新成員加入新社團(tuán)趨勢(shì)對(duì)比

進(jìn)一步地，思考上述的行為特征是否存在隨機(jī)化因素，這對(duì)于更好地理解和預(yù)測(cè)學(xué)者合作行為有很重要的意義。因此，引入基于置亂算法的零模型作為隨機(jī)化網(wǎng)絡(luò)的參照，與實(shí)證結(jié)果進(jìn)行比較，以發(fā)現(xiàn)該種行為特征的隨機(jī)性。

將實(shí)證結(jié)果ρ（t）、ρ（t）與零模型結(jié)果ρ（t）進(jìn)行對(duì)比，發(fā)現(xiàn)無論國(guó)內(nèi)還是國(guó)外，兩者的演化趨勢(shì)大相徑庭，圖8明顯看到ρ（t）趨勢(shì)幾乎是一條直線，穩(wěn)定在1左右，與實(shí)證結(jié)果差距很大，有力說明了在供應(yīng)鏈領(lǐng)域?qū)W術(shù)合作研究中，學(xué)者合作并不是隨機(jī)的，而是有目的的、有選擇的進(jìn)行交流合作，往往學(xué)者會(huì)選擇自己熟悉或在該領(lǐng)域做出杰出成果的人合作，該實(shí)驗(yàn)結(jié)果也符合現(xiàn)實(shí)認(rèn)知。

圖8 國(guó)內(nèi)外供應(yīng)鏈新成員加入新社團(tuán)的實(shí)證結(jié)果與零模型下的對(duì)比

3.3 中外供應(yīng)鏈合作網(wǎng)絡(luò)社團(tuán)成員演化差異分析

在合作網(wǎng)絡(luò)的社團(tuán)研究中，國(guó)外新成員增長(zhǎng)速度和占比總體上高于國(guó)內(nèi)，說明國(guó)外學(xué)者供應(yīng)鏈領(lǐng)域的研究更吸引新學(xué)者的加入；此外，國(guó)內(nèi)新成員占比與老成員占比的差距在縮小，而國(guó)外新成員占比呈現(xiàn)穩(wěn)定態(tài)勢(shì)，說明國(guó)內(nèi)新學(xué)者在供應(yīng)鏈方面的研究有減少的趨勢(shì)，國(guó)外則穩(wěn)定輸出；最后，在新成員加入新社團(tuán)的新指標(biāo)計(jì)算結(jié)果下，雖然新學(xué)者自身形成社團(tuán)的比例都比較大，但是國(guó)內(nèi)的趨勢(shì)比國(guó)外的趨勢(shì)更加穩(wěn)定，比重穩(wěn)定在80%上下，而且后期國(guó)內(nèi)的比例開始下降，國(guó)外則上升，這種現(xiàn)象表明國(guó)內(nèi)對(duì)供應(yīng)鏈的合作交流在新成員與新成員的合作交流這一主流趨勢(shì)下，也兼顧有研究經(jīng)驗(yàn)的老學(xué)者，他們也樂意與老學(xué)者進(jìn)行進(jìn)一步的合作。

4 結(jié)束語

本文發(fā)現(xiàn)無論國(guó)內(nèi)外，都形成了對(duì)供應(yīng)鏈研究的學(xué)術(shù)圈子，都有該領(lǐng)域的一些核心帶頭人，且對(duì)該領(lǐng)域的研究不斷有新人加入，其比例逐漸上升，這些都說明供應(yīng)鏈領(lǐng)域的學(xué)術(shù)合作研究比較頻繁。由于在科研合作網(wǎng)絡(luò)中的社團(tuán)演化研究比較少，而考慮社團(tuán)成員集體行為的演化對(duì)理解網(wǎng)絡(luò)有著重要的意義。因此本文提出了社團(tuán)演化新指標(biāo)，該指標(biāo)實(shí)驗(yàn)結(jié)果說明國(guó)內(nèi)外的新成員更傾向于與新成員合作交流，且在與零模型的對(duì)比下，發(fā)現(xiàn)這種傾向并不是隨機(jī)的，而是有選擇性的，往往學(xué)者合作交流的對(duì)象是在該領(lǐng)域有所研究的人。與此同時(shí)，也看到國(guó)內(nèi)與國(guó)外研究的一些差異，即國(guó)內(nèi)的合作程度不如國(guó)外，新學(xué)者的數(shù)量與形成社團(tuán)的趨勢(shì)有下降，而國(guó)外則上升，表明國(guó)內(nèi)的新學(xué)者增長(zhǎng)不如國(guó)外，且國(guó)內(nèi)后期新學(xué)者更愿意與老學(xué)者進(jìn)行進(jìn)一步合作。本文的研究結(jié)果，為更深一步了解供應(yīng)鏈領(lǐng)域的學(xué)者合作提供了一些新的視角和結(jié)論，并明確當(dāng)前國(guó)內(nèi)與國(guó)外的研究差異，更好地為推動(dòng)我國(guó)供應(yīng)鏈領(lǐng)域的研究提供一點(diǎn)借鑒意義。

當(dāng)然，社團(tuán)的演化是一個(gè)可以深挖的課題，未來還有可以進(jìn)一步提升的空間：如重要節(jié)點(diǎn)在社團(tuán)中的存續(xù)問題、針對(duì)有向加權(quán)網(wǎng)絡(luò)的社團(tuán)演化又是怎么樣的，這些都是可以作為未來的研究方向。