范麗鵬 ，王曰芬 ，，岑詠華 ，楊 潔

（1.南京理工大學經(jīng)濟管理學院，南京 210094；2.天津師范大學管理學院，天津 300387；3.天津師范大學大數(shù)據(jù)科學研究院，天津 300387）

1 引 言

政府基金資助是國家對科學基礎研究的重要支撐力量，代表著國家對科學發(fā)展的政策引導[1]。國家基金項目中的研究內(nèi)容往往具有前瞻性、先導性和探索性等特點，蘊含著大量的研究前沿信息[2]?；鹬械捻椖坑媱澥菄覍蒲泄ぷ鞯暮暧^部署，代表著學科領域研究的重點與方向，在一定程度上能夠更早地指引科研工作者對特定學科領域前沿進行探索[3-4]。因此，研究世界科技強國通過基金對學科領域項目計劃的資助情況，有助于了解學科領域發(fā)展的世界潮流，同時把握領域研究的熱點與趨勢，對于國家政府科技政策的制定和領域發(fā)展的部署具有指導性意義。

另外，隨著社會經(jīng)濟的發(fā)展，傳統(tǒng)學科不斷分化出新的分支，在單一學科繼續(xù)深化的同時，面對復雜社會問題和技術創(chuàng)新，往往需要學科間的交叉融合來共同解決。學科交叉研究通常意味著創(chuàng)新與進步，在促進社會經(jīng)濟和科學技術發(fā)展中發(fā)揮著重要的作用。測度學科交叉并識別學科交叉領域研究的前沿熱點，有助于科研工作者和相關部門把握學科交叉領域發(fā)展的研究方向與演化趨勢，進而為制定與調(diào)整學科領域重點、布置與優(yōu)化科技發(fā)展規(guī)劃等提供決策參考。目前，世界各國已將資助學科交叉研究放在重要的戰(zhàn)略位置上[5-6]，例如，在美國國家科學基金會（National Science Foundation，NSF）資助的項目中，學科交叉性項目的研究具有一定的優(yōu)先權(quán)，并且該機構(gòu)鼓勵跨學部項目的發(fā)展[7]。

美國NSF 共設有7 個科學部和若干辦公室，每個學部及辦公室均下設分部，同時每個分部又資助和管理著若干項目計劃，這些項目計劃的資助實施劃分為所有部門可參與、兩個或以上學部可參與，以及單一學部可參與，且所有項目計劃均由國家根據(jù)社會發(fā)展的需求隨著時間進行戰(zhàn)略調(diào)整，以引領特定領域的前沿研究。那么，各學部不同程度參與的項目計劃與單一學部參與的項目計劃之間有著怎樣的差異性？是否學部交叉程度越高的項目計劃國家資助力度越大，學者參與度越高？前沿型的項目計劃與學部交叉程度之間又有著怎樣的關聯(lián)？這些是對美國NSF 基金項目進行深入研究中值得探索的問題。

在交叉融合研究領域，學者多以學科為研究對象，且已提出較為成熟的學科交叉測量指標。基于此，本文在融合學部多樣性與學者參與均衡性的基礎上，將學科交叉指標引入項目計劃的學部交叉度測量中，并結(jié)合符合基金數(shù)據(jù)特征的前沿識別指標，通過分析項目計劃的學部交叉程度及其對前沿型項目計劃分布的影響，探究國家項目計劃的戰(zhàn)略布局與資助強度趨勢及學者參與程度之間的差異性，有利于基金會從宏觀角度把控資金的投入，同時為其他國家基金投入的戰(zhàn)略布局提供借鑒。

2 相關研究工作

2.1 學科交叉

學科交叉研究一直是科學計量關注的研究內(nèi)容，而今正在成為學術研究的熱點，其中根據(jù)什么屬性與采用哪些指標測度學科交叉是進行相關研究的關鍵。在現(xiàn)有研究中，許海云等[8]對現(xiàn)有的學科交叉計量指標進行了歸納分析，將現(xiàn)有的學科交叉性測度屬性分為兩種：學科多樣性和學科聚合性；其中，學科多樣性描述了多學科的統(tǒng)計特征，學科聚合性描述了多學科的網(wǎng)絡特征。在學科多樣性測量指標上主要采用的是布里淵指數(shù)[9]、citations outside category （COC） 指 數(shù)[10]、 Rao-Stirling 指 數(shù)[11]等。其中，布里淵指數(shù)考慮的是學科類別數(shù)目和學科分布的均勻程度；COC 指數(shù)考慮的是學科的平衡性；Rao-Stirling 指數(shù)則在布里淵指數(shù)的基礎上，增加了學科間距離的度量指標，綜合考慮了學科類別數(shù)目、學科分布均勻度和學科間的差異性。由此，Rao-Stirling 指標被廣泛應用于測量學科交叉度的多樣性屬性。例如，Leydesdorff 等[12]基于Rao-Stirling指數(shù)針對專利數(shù)據(jù)開展技術成長過程中的技術多樣性研究；韓正琪等[13]基于Rao-Stirling 指數(shù)針對文獻數(shù)據(jù)開展基于單篇文獻的學科交叉程度研究，并通過文獻的學科多樣性程度識別特定領域的高交叉類文獻。

目前，針對學科交叉的多樣性研究多集中于專利數(shù)據(jù)和科技文獻，面向基金數(shù)據(jù)的研究較少，原因之一可能是基金數(shù)據(jù)中沒有明確的學科信息。在基金數(shù)據(jù)中，單一學部往往管理著多個學科，項目計劃的多學科信息被隱含在數(shù)據(jù)中。因此，如何計算基金項目計劃的學部交叉度是本文解決相關問題的前提。基于項目計劃特征的信息表達，本文擬采用學科交叉度計量指標來衡量項目計劃的學部交叉水平，并運用Rao-Stirling 指數(shù)從學科多樣性角度來測度。

2.2 前沿識別

近年來，學者們對學科領域前沿研究已提出一些有效的識別方法，并以應用于科技論文和專利數(shù)據(jù)源中為主，如社會網(wǎng)絡分析法、突變詞檢測法、構(gòu)建前沿判別指標等。例如，Liu 等[14]基于引文分析方法對500 篇高被引論文構(gòu)建共引網(wǎng)絡，然后結(jié)合時間序列聚類識別研究前沿；Li 等[15]將突變檢測術語與共詞分析法相結(jié)合，對其進行關聯(lián)規(guī)則挖掘以探測學科領域的研究前沿；Wang 等[16]提出通過增長性、新穎性、科學影響力、連貫性等指標識別新興研究前沿。

在面對基金項目數(shù)據(jù)源時，學者們將基金項目數(shù)據(jù)自身的特征與前沿判別的指標方法相結(jié)合進行研究。例如，徐路路等[17]基于DTM 模型（dynamic topic models）對NSF 基金項目數(shù)據(jù)進行主題抽取，將主題強度、資助時長、資助強度等指標應用到主題的時序變化中，并根據(jù)發(fā)展周期將主題劃分為新興主題、熱門主題、衰老主題以及潛在新興主題等；王效岳等[2]基于PLDA （parallel latent Dirichlet allocation）模型提取基金項目主題，并結(jié)合主題資助時間、資助強度和中心性指標識別基金數(shù)據(jù)中的前沿型主題；劉博文等[18]綜合基金數(shù)據(jù)和論文數(shù)據(jù)的特征，提出主題強度、主題新穎度和主題相似度指標來識別判定前沿型主題；劉自強等[19]借鑒目前針對科技論文的前沿判別指標，構(gòu)建基金數(shù)據(jù)和論文數(shù)據(jù)共同適用的前沿型主題判別指標，即新興度和關注度指標。

在現(xiàn)有的前沿識別指標中，面向的對象常為項目標題和摘要中的關鍵詞?；鸬捻椖坑媱澴鳛閲覍W科領域研究主題的總體部署，是項目申請的主要指導方向，代表著對特定領域的專題性研究方向。因此，本文將借鑒已有的關鍵詞前沿識別指標，以項目計劃為研究對象，結(jié)合其自身的外在屬性特征，構(gòu)建適用于項目計劃的前沿識別指標。

3 研究設計與方法

3.1 研究分析框架

為分析基金項目計劃的學部交叉程度對其資助及前沿型項目計劃分布的影響，本文的研究設計框架如圖1 所示。一方面，通過不同學部交叉程度的項目計劃的資助強度和資助趨勢的對比分析，探究國家對不同交叉程度項目計劃的重視程度及學者的參與程度；另一方面，通過對比不同交叉程度的項目計劃的前沿分布差異性，探究學部交叉程度對前沿的影響。

在基金數(shù)據(jù)中，學部與項目計劃的關系如表1所示[20]。由表1 可知，一個項目由單一學部資助，但同時涉及一個或多個項目計劃，學部與項目計劃為多對多關系，即一個學部可資助多個項目計劃，同時一個項目計劃可由多個學部共同資助。項目計劃為基金項目申請的具體方向，能夠從宏觀角度探究美國在學科領域的政策布局和方向部署。學部作為學科的管理層，蘊含著對差異較大的不同學科的側(cè)重。學部交叉度越高的項目計劃，預示著該項目計劃為更基礎的或更復雜的研究。

表1 基金學部與項目計劃數(shù)據(jù)解析[20]

3.2 研究方法

3.2.1 學部交叉度及其計量指標

本文將項目計劃的學科交叉度界定為項目計劃學部交叉的多樣性程度，并借助多樣性（Variety）、平衡性 （Balance） 和差異性 （Disparity） 3 種屬性來測度[21]。本文將多樣性界定為單個項目計劃涉及的學部個數(shù)，平衡性界定為項目計劃在各學部之間項目數(shù)目的均勻程度，差異性界定為學部在各項目計劃之間項目數(shù)目分布的差異程度。Rao-Stirling 指數(shù)綜合了上述3 種屬性，不但能度量某個學科領域項目計劃的學部分布特征，同時也能考量學部之間的差異性，還能通過項目計劃申請的項目數(shù)目體現(xiàn)一定程度上學者在不同學部參與的均衡性。因此，本文采用該指數(shù)，并將測量的公式表示為

其中，v表示項目計劃涉及的學部數(shù)目；pi表示項目計劃在學部i中涉及的項目數(shù)目；dij表示學部i和學部j之間基于項目計劃涉及的項目數(shù)目的余弦距離。具體地，Variety 為項目計劃涉及的學部數(shù)目，該指標越大，表示項目計劃涉及的學部數(shù)目越多，其學部交叉性越強；Balance 為各學部資助該項目計劃項目數(shù)目的均勻程度，在指標中融入項目數(shù)目的計算，體現(xiàn)了不同學者在同一項目計劃中各學部參與的均衡程度（項目數(shù)目與學者參與度成正比），該指標越大，表示項目計劃的項目數(shù)目在各學部中分布越均衡，其學部交叉性越強，學者在不同學部之間的參與也越均衡；Disparity 為學部之間的差異性，該指標越大，表示學部間的差異度越大，涉及該學部的項目計劃學部交叉性越強。Rao-Stirling 指數(shù)綜合表示了項目計劃涉及的各學部的差異，其值越高，表明交叉性越強。

3.2.2 前沿型項目計劃識別指標

在基金數(shù)據(jù)中，不同項目計劃有著不同的資助時長，且部分項目計劃的資助金額隨時間呈遞增趨勢，而部分項目計劃卻呈現(xiàn)遞減趨勢。因此，本文基于現(xiàn)有前沿型主題的探測方法并結(jié)合基金項目計劃的特性，將資助趨勢融入前沿識別指標中，并提出結(jié)合資助強度和資助趨勢兩種指標來判別前沿型項目計劃。

（1）資助強度指標：項目計劃投入的資助金額越高，表明政府對該項目計劃越重視，其前沿價值越高。為消除資助時長和年份的影響，取年平均資助金額作為資助強度指標。

（2）資助趨勢指標：項目計劃的資助金額若隨時間呈現(xiàn)遞增趨勢，則表明政府在某個學科領域?qū)υ擁椖坑媱澅３殖掷m(xù)高漲的熱度；若呈現(xiàn)遞減趨勢，則表明該項目計劃在學科領域的關注研究熱度呈現(xiàn)衰退趨勢。為更好地表示增減趨勢，本文采用線性回歸模型，將項目計劃的資助金額與年份之間的回歸系數(shù)作為資助趨勢指標。

資助強度和資助趨勢兩種指標的相互結(jié)合，不僅能夠表明項目計劃的受重視程度，還能預測其未來的資助走勢。為了輔助前沿型項目計劃的判別，將資助強度和資助趨勢兩種指標進行交叉組合，構(gòu)建戰(zhàn)略坐標圖（圖2），其中，x軸表示資助強度，y軸表示資助趨勢，坐標軸交點表示判別閾值。由此，將項目計劃劃分為潛在型、前沿型、熱點型和衰退型4 種類型。

由圖2 可見，潛在型項目計劃資助強度較低，資助趨勢呈上升態(tài)勢，表明該類項目計劃處于萌芽階段，受重視程度較低，但蘊含發(fā)展趨勢；前沿型項目計劃資助強度較高，資助趨勢呈上升態(tài)勢，表明該類項目計劃處于成長階段，受重視程度較高，上升發(fā)展趨勢顯著；熱點型項目計劃資助強度較高，資助趨勢有下降態(tài)勢，表明該類項目計劃將逐步走向成熟階段，同時會在一段時間內(nèi)持續(xù)受到關注；衰退型項目計劃資助強度較低，資助趨勢呈下降態(tài)勢，表明該類項目計劃受重視程度較低，處于衰退階段。

4 實證分析

4.1 數(shù)據(jù)來源與處理

截至2020 年，NSF 資助金額已達到830 億美元，占聯(lián)邦支持美國大學進行基礎研究預算資金總額的27%[20]。其中，NSF 提供的1959 年至今的XML 數(shù)據(jù)顯示，在2008—2018 年其資助總金額約631.7 億美元，項目總數(shù)為127253 項。

本文以人工智能領域（artificial intelligence，AI）為例，采用關鍵詞組合檢索的策略，根據(jù)前期綜合研究確定的418 個關鍵詞[22]，構(gòu)造檢索式“"semantic analysis" or "neural network" or "support vector machine" or "machine learning"…”，在 NSF 官網(wǎng)上檢索相關基金項目，限定基金資助時段為2008.01.01—2018.12.31（檢索時間為2020 年2 月）。去重處理后，共獲取42126 條基金項目數(shù)據(jù)，經(jīng)人工篩選與研判后，最終得到人工智能領域基金項目數(shù)據(jù)20524 條，約占NSF 在這一時段資助項目總數(shù)的16.1%；資助金額約142.3 億美元，約占NSF 在這一時段資助總金額的22.5%。

由于檢索得到的數(shù)據(jù)與NSF 提供的XML 數(shù)據(jù)相比，缺失部分字段，本文將檢索得到的項目ID與NSF 提供的XML 數(shù)據(jù)進行匹配，得到各項目詳細的字段信息。每條基金數(shù)據(jù)為一個項目，本文選取的字段有AwardID（項目ID）、StartDate（生效日期）、NSFDirectorate（學部）、Program（所屬項目計劃）、Country（所在國家）、AwardAmount（資助金額）等。為更加準確地研究美國基金資助的項目計劃的學部交叉分布情況，本文依據(jù)項目所在國家字段，刪除美國以外的其他國家在NSF 申請的項目，并去除學部和項目計劃字段為空的數(shù)據(jù)，最終獲得數(shù)據(jù)19937 條。

4.2 學部交叉度測量與分析

根據(jù)上文設計的學部交叉度測量公式（公式(1)～公式(5)）計算基金項目計劃的學部交叉狀況，并分析是否學部交叉度越高的項目計劃其資助越高，研究者是否更傾向于申請學部高交叉度的項目，以探究不同學部交叉水平對項目計劃資助金額和申請項目數(shù)目的影響。

4.2.1 項目計劃的學部交叉度測量

經(jīng)統(tǒng)計發(fā)現(xiàn)，檢索得到的基金數(shù)據(jù)共涉及學部數(shù)目8 個，項目計劃558 項，各學部項目計劃數(shù)目分布如表2 所示。其中主任辦公室（Office of the Director）容納了基金會的最高領導，可監(jiān)督基金會的所有活動，決定政策優(yōu)先事項的發(fā)展，制定行政和管理準則以及長期規(guī)劃，該部門下的綜合活動辦公室和國際科學工程辦公室均管理著部分綜合性項目計劃，因此將該部門也納入考量。由表2 可知，美國基金在人工智能領域布局的項目計劃多數(shù)由數(shù)學與物理科學學部（MPS）、計算機信息科學與工程學部（CISE）以及工程科學學部（ENG）資助，這3 個學部資助的項目計劃數(shù)目去重后，共379 項，占項目計劃總數(shù)的67.92%，進一步證實了數(shù)據(jù)的有效性。

表2 學部的項目計劃數(shù)目分布

由表1 中的基金數(shù)據(jù)特征可知，學部與項目計劃之間為多對多對應關系。因此，本文利用Python編程，構(gòu)建項目計劃與學部、學部與學部之間的共現(xiàn)矩陣，其中項目計劃與學部的共現(xiàn)矩陣值為學部資助項目計劃的項目數(shù)目，學部與學部的共現(xiàn)矩陣值為學部間相同項目計劃的數(shù)目。進而，根據(jù)學科交叉度測量公式計算Rao-Stirling 指數(shù)值，并依據(jù)計算得出的密度分布劃分項目計劃的類型。最后，根據(jù)公式(1)～公式(3)分別計算每個項目計劃的多樣性、平衡性、差異性和Rao-Stirling 指數(shù)。

通過計算得到圖3 所示的NSF 資助的人工智能領域2008—2018 年項目計劃Rao-Stirling 值的核密度分布。從圖3 可以看出，人工智能領域項目計劃的學部交叉度大多集中于0～0.15，其中不交叉項目計劃Rao-Stirling 值為0，共計292 項，占52.3%，表明美國在人工智能領域的資助各學部均有不同的側(cè)重，且學部交叉和不交叉的項目計劃分布較為均衡。根據(jù)核密度分布可將人工智能領域?qū)W部交叉的項目計劃劃分為三類交叉水平：(0, 0.15]為低交叉類，共167 項；(0.15, 0.30]為中交叉類，共78 項；大于0.3 為高交叉類，共21 項。

對交叉類項目進一步分析可知（部分交叉類項目計劃如表3 所示），高交叉類項目計劃平均涉及5.35 個學部，中交叉類平均涉及3.09 個學部，低交叉類平均涉及2.95 個學部。為進一步分析方法的有效性，分別對高交叉類的Collaborative Research、中交叉類的STCs-2016 以及低交叉類的Special Programs in Astronomy 進行追溯分析，發(fā)現(xiàn)Collaborative Research 共涉及除教育與人力資源學部（EHR）之外的7 個學部，且在各學部之間的項目數(shù)目分布較為均衡，Special Programs in Astronomy 雖然在涉及的學部數(shù)目上多于STCs-2016，但其涉及的項目更傾向于MPS 學部，學部之間項目數(shù)目的分布具有明顯的傾向性，因此該項目計劃的學部交叉度低于STCs-2016。

表3 交叉項目計劃（部分）

4.2.2 不同學部交叉水平的項目計劃分析

對劃分出來的四類項目計劃進行特征統(tǒng)計，當一個項目隸屬于多個項目計劃時，項目計劃對該項目的資助金額按均分法計算，項目個數(shù)按統(tǒng)一法計算。對相關指標進行測算，得到如表4 所示的不同交叉水平項目計劃的特征分布情況。首先，從項目計劃數(shù)、項目數(shù)與資助金額總數(shù)可看出，NSF 資助的項目多為低交叉或不交叉類型，表明美國基礎研究推行的項目計劃具有學部針對性，即學部間分工較為明確；其次，從單個項目計劃平均資助金額可看出，學部交叉性項目計劃平均資助金額遠高于單個學部資助的項目計劃，表明美國基礎研究對學部交叉性項目計劃重視度較高；最后，從項目計劃平均申請的項目數(shù)來看，研究人員較傾向于研究低交叉和高交叉類項目計劃，表明在人工智能領域美國鼓勵少數(shù)核心學部與多學部的研究人員共同參與。

表4 不同交叉水平項目計劃的特征分布

對不同交叉水平項目計劃的平均資助金額按照時間進行測算，得到如圖4 所示的分布狀態(tài)。總體而言，交叉類項目計劃平均資助金額隨時間呈增長趨勢，不交叉類項目計劃在2014 年之后呈動蕩式下降趨勢，且年均資助金額均小于交叉類項目計劃。這表明美國基金在人工智能領域資助的項目計劃越來越傾向于各學部均有涉及的基礎性研究。

此外，在2010 年，不交叉類和高交叉項目計劃平均資助金額遠高于其他年份。通過追溯原始數(shù)據(jù)發(fā)現(xiàn)，在不交叉類項目計劃中，2010 年資助金額最高的項目計劃為Advanced Technology Solar Telescope(ATST) Construction（先進技術太陽望遠鏡的構(gòu)造）和Daniel K. Inouye Solar Telescope (DKIST) Construction（Daniel K. Inouye 太陽望遠鏡構(gòu)造），這兩個項目計劃在2010 年的資助金額共為1.78 億美元，涉及項目申請單位為天文學研究大學協(xié)會，該項目計劃的管理學部為數(shù)學與物理科學學部。在高交叉類項目中，STCs（科學技術中心）項目計劃于2010 年資助人工智能相關項目5 項，資助金額約為0.73 億美元。STCs 項目計劃由NSF 于1987 年設立，目的是促進科研機構(gòu)、國家實驗室、其他公立或私立團體通過國際或國內(nèi)合作來進行世界級科學研究，該計劃支持需大規(guī)模長期資助的具有創(chuàng)新性、潛在變革性的研究和教育中心的建立，是基礎研究重要領域發(fā)起的一場創(chuàng)新的、跨學科的運動[23]。近10 年已啟動了3 屆，分別于2010、2013 和2016 年，共資助建立了12 個研究中心，在本文的研究數(shù)據(jù)中檢索到11 個，共計約3.35 億美元，具體如表5 所示。這11 個研究中心研究領域包括信息科學、量子材料、智能科學、功能成像以及生物學等，其中6 個涉及生物學領域，這一方面體現(xiàn)出美國對人工智能在生物學方面的應用較為重視，另一方面也體現(xiàn)出美國基金不僅為科學研究內(nèi)容提供資助，也倡導培養(yǎng)人才力量，使科學研究和人才培養(yǎng)相互促進。

表5 人工智能領域相關科學技術中心

4.3 前沿型項目計劃識別與分析

由上文分析可知，交叉類項目計劃的平均資助金額遠高于不交叉類，且其資助金額隨年份呈現(xiàn)遞增的趨勢，證實NSF 對學部交叉類項目計劃的重視程度。下文將識別前沿型項目計劃，并分析是否學部交叉水平越高的項目計劃越傾向于前沿型，以探究學部的交叉程度對前沿型項目計劃分布的影響。

4.3.1 前沿型項目計劃識別

利用本文設計的前沿判別指標，計算各個項目計劃的資助強度與資助趨勢，構(gòu)建前沿型項目計劃判別戰(zhàn)略圖。為便于呈現(xiàn)，將指標進行歸一化處理，如圖5 所示。在圖5 中，橫坐標表示資助強度，縱坐標表示資助趨勢。其中，資助強度的閾值為項目計劃資助強度的平均值，資助趨勢的閾值為0，即負值表示下降趨勢，正值表示上升趨勢。

由圖5 可知，2008—2018 年人工智能領域NSF資助的多數(shù)項目計劃屬于潛在發(fā)展的不交叉類型，即這些項目計劃資助強度較低，但均呈現(xiàn)增長趨勢，且由單一學部資助；前沿型項目計劃多為低交叉類型，即這些項目計劃資助強度較高，且資助金額處于迅速增長期。此外，熱點型項目計劃中除了中交叉外，其他三類均有涉及，且沒有呈現(xiàn)出明顯的類別差異；而衰退型項目計劃多為不交叉類型。由此可看出，美國基金對于交叉類項目計劃的資金投入更具有持續(xù)長期增高趨勢，而對不交叉類項目計劃多傾向于低強度短期投入。

4.3.2 前沿型項目計劃分析

由前沿判別指標識別出的前沿型項目計劃共204 項。其中，高交叉類9 項，占高交叉類項目計劃總數(shù)的42.9%；中交叉類27 項，占中交叉類項目計劃總數(shù)的34.6%；低交叉類106 項，占低交叉類項目計劃總數(shù)的63.9%；不交叉類62 項，占不交叉類項目計劃總數(shù)的21.2%。由此可見，高交叉和低交叉類型的項目計劃呈現(xiàn)出較高的前沿型占比。

不同交叉水平的前沿型項目計劃年均資助金額隨時間的變化如圖6 所示。從圖6 可知，不交叉類前沿型項目計劃資助金額在2014 年之后呈現(xiàn)動蕩式下降趨勢，且資助金額也有略低于交叉類前沿型項目計劃的趨勢；交叉類前沿型項目計劃資助金額隨年份呈遞增趨勢，且高交叉類前沿型項目計劃資助金額有高于其他交叉水平的前沿型項目計劃的趨勢?？梢?，美國對人工智能領域前沿型項目計劃的資助逐漸向?qū)W部高交叉類型傾斜。

對高交叉類前沿型項目計劃具體分析，得到如圖7 所示的高交叉類項目計劃前沿分布情況，具體如下。

前沿型：該類項目計劃資助強度較高，且資助金額隨年份遞增速度較快，研究處于成長階段。具體有Major Research Instrumentation（重大科研儀器項目）、EPSCoResearch Co-Funding（激勵競爭性研究試點共助項目）、IntgStrat Undst Neurl & Cogn Sys（理解神經(jīng)與認知系統(tǒng)的綜合策略項目）、DYN Coupled Natural-Human（自然和人類系統(tǒng)耦合的動力學項目）、FW-HTF（人類技術未來前沿項目）、NSF INCLUDES（全國弱勢群體的科學、技術、工程與數(shù)學能力提升項目）、IIS Special Projects（信息智能系統(tǒng)專項項目）、CDS&E（計算和數(shù)據(jù)支持的科學與工程項目）、NSF 推進的INSPIPE（跨學科研究與教育綜合支撐項目）。

以重大科研儀器項目計劃為例，該項目計劃在2007 年規(guī)定其資助單個項目最高限額為400 萬美元，其目的是支持重要科研儀器的研發(fā)，若沒有該項目計劃的支撐，基礎科學與工程研究的進步也許就不會發(fā)生，同時該項目計劃也為促進科學工程前沿的研究提供了新的機會。其在2018 年的說明文檔中表明該年度預資助項目約150 項，金額約7500 萬美元，從資助內(nèi)容和資助金額均可看出該項目計劃的學部高交叉前沿特性。

熱點型：該類項目計劃資助強度較高，資助程度呈下降趨勢，研究處于成熟階段。具體有STCs-2013 Class（科學技術中心-2013 屆）、Collaborative Research（合作研究）、STCs-2010 Class（科學技術中心-2010 屆）、Sci&Tech Ctrs: IntegPtrs（科學技術中心-綜合型合作）。

以合作研究項目計劃為例，該項目計劃如今在NSF 官網(wǎng)已查詢不到，但其在本文數(shù)據(jù)中前5 年呈現(xiàn)較高的資助金額，后續(xù)呈遞減趨勢。在官網(wǎng)數(shù)據(jù)合作研究相關項目計劃中發(fā)現(xiàn)計算神經(jīng)科學中的合作研究（Collaborative Research in Computational Neuroscience），該項目計劃在本文分類中屬于學部中交叉潛在型項目計劃，該項目計劃如今仍處在征集階段，且在2020 年的說明文檔中表明該項目計劃的基金申請征集將延長3 年，其目的是通過合作活動，在計算機科學、神經(jīng)科學和許多其他學科的理論、方法基礎上，為理解復雜的神經(jīng)生物學系統(tǒng)提供理論基礎以及一系列豐富的技術方法。因此，美國基金資助的合作研究計劃可能在過去為研究熱點，現(xiàn)如今逐漸具象化，傾向于計算神經(jīng)科學領域的合作研究。

潛在型：該類項目計劃資助強度較低，資助金額隨年份呈緩慢增長趨勢，研究處于初始階段。具體有Track 1 INFEWS（食物-能源-水相互連通系統(tǒng)創(chuàng)新項目）、HBCU-EiR（黑人學院與大學卓越性研究）、Hurricane Harvey 2017（颶風哈維2017 項目）、Global Venture Fund（全球風險資助）、Other Global Learning & Training（其他全球?qū)W習與培訓項目）、Semiconductor Synthetic Biology（半導體合成生物學研究）、Research Coordination Networks（新型協(xié)同網(wǎng)絡研究）。

以INFEWS 項目計劃為例，該項目計劃在本文數(shù)據(jù)中僅在2016—2018 年這3 年中有資助金額，其目的為支持對食物、能源、水系統(tǒng)的概念化研究，包括社會和行為過程（如決策和治理）、自然過程（如生物地球化學和水循環(huán)）、網(wǎng)絡組件（如決策與評估的傳感、網(wǎng)絡、計算和可視化）等。由于本文數(shù)據(jù)的有限性，該項目計劃在人工智能領域的資金投入僅發(fā)現(xiàn)在近幾年出現(xiàn)，且資助強度較低，無法確定其后續(xù)資金投入狀況，因此符合潛在型特性。

衰退型：該類項目計劃資助強度較低，且資助金額隨年份呈遞減趨勢，研究處于衰退階段。具體有Projects（項目），該項目計劃在NSF 官網(wǎng)項目計劃列表中現(xiàn)已檢索不到，進一步證實了該項目計劃為衰退型。

綜上所述，人工智能領域高交叉類前沿型項目計劃主要集中于重大科研儀器、神經(jīng)與認知系統(tǒng)、自然與人類系統(tǒng)、信息智能系統(tǒng)、計算和數(shù)據(jù)、跨學科研究以及未來前沿項目等。

5 結(jié)論與討論

在基金資助中，多學部共同參與的項目計劃通常為更基礎或更復雜的需要多學部共同參與解決的問題。本文將Rao-Stirling 指標應用到基金數(shù)據(jù)的學部交叉測量中，該指標不但可以從多學部共同參與的角度來識別基礎性或復雜性項目計劃，更能夠通過項目的獲批數(shù)目體現(xiàn)研究者對不同項目計劃的學部參與均衡性程度，綜合考慮了政策制定者和項目計劃實施者對項目計劃的重視程度。另外，資助強度和資助趨勢從某種程度上也反映了學者對項目計劃的參與程度，通過這兩種維度設計前沿判別指標，并從學部交叉層面分析其對前沿分布的影響，更直觀地顯示出政策制定者對項目計劃從學部設置到資金投入與學者參與度之間的關系。具體結(jié)論如下。

（1）通過項目計劃學部交叉度的測量，可將項目計劃分為高交叉、中交叉、低交叉和不交叉類。高交叉類項目計劃一方面表明從政策制定角度，該類計劃涉及學部較多，研究內(nèi)容更為基礎或復雜；另一方面表明學者在各學部間的參與較為均衡，該類項目計劃在國家布局和學者參與之間呈現(xiàn)較高的一致性。在美國NSF 資助的人工智能領域中，從總體來看，交叉類和不交叉類項目計劃數(shù)目分布較為均衡，交叉類平均資助強度均高于不交叉類，且資助金額隨年份均呈上升趨勢；在交叉類項目計劃中，低交叉類在項目數(shù)目、平均資助強度以及平均資助趨勢層面均高于其他分類。一方面表明目前美國基金在人工智能領域鼓勵學者進行跨學部交叉研究，另一方面表明學者更傾向于研究特定核心學部相關內(nèi)容，同時進行嘗試性跨學部研究。

（2）通過項目計劃的資助強度和資助趨勢，可結(jié)合不同學部交叉水平，將項目計劃分為不同交叉水平的熱點型、前沿型、潛在型和衰退型，以分析不同交叉水平對前沿分布的影響。通過分析發(fā)現(xiàn)，在美國NSF 資助的人工智能領域中，低交叉和高交叉類項目計劃呈現(xiàn)出較高的前沿型占比，且高交叉類前沿型項目計劃隨年份呈現(xiàn)較高的資助趨勢，進一步驗證了美國在人工智能領域?qū)鐚W部和學者在各學部間參與度較為均衡的項目計劃給予更高資助金額和遞增資助趨勢的結(jié)論。

（3） 通過對高交叉類前沿型項目計劃的研究內(nèi)容具體分析，一方面驗證了該方法的有效性，另一方面得出高交叉類前沿型項目計劃研究內(nèi)容主要集中于神經(jīng)與認知系統(tǒng)、自然與人類系統(tǒng)、未來前沿項目、信息智能系統(tǒng)、計算和數(shù)據(jù)等方面的結(jié)論。

此外，由于本文所得到的關于基金學部交叉與資助金額和前沿分布的關系僅以人工智能領域為例，在其他學科的適用性上還有待進一步驗證。因此，下一步擬采用整體基金數(shù)據(jù)加以深入而廣泛的探究。