摘 要： ［目的／ 意義］ 科技創(chuàng)新主導力與創(chuàng)新團隊的產(chǎn)出績效息息相關， 在日益龐雜的科技創(chuàng)新合作中至關重要。然而現(xiàn)有科技創(chuàng)新主導力的研究大多集中在定性討論方面， 本文從定量角度深入探討科技創(chuàng)新主導力網(wǎng)絡的演化機制， 有助于進一步促進科技創(chuàng)新合作。［方法／ 過程］ 本文以藥學領域的數(shù)據(jù)驅動， 設定創(chuàng)新主體的搜索規(guī)則、主導規(guī)則、創(chuàng)新規(guī)則， 以平均科技創(chuàng)新增益及其擴散速率為評價指標來衡量科技創(chuàng)新主導力的擴散效果， 模擬科技創(chuàng)新主導力的擴散過程， 并進一步探究多維鄰近性與科技創(chuàng)新主導力擴散的動態(tài)關系。［結果／ 結論］ 結果顯示， 多維鄰近性對科技創(chuàng)新主導力擴散具有重要影響， 且不同鄰近性在網(wǎng)絡演化的不同階段發(fā)揮著不同的作用。本文全面細致地刻畫了多維鄰近性在科技創(chuàng)新主導力網(wǎng)絡演化的不同階段所發(fā)揮的具體作用， 進而為機構／ 企業(yè)和創(chuàng)新個體的發(fā)展提供參考。

關鍵詞： 科技創(chuàng)新主導力； 擴散機制； 多維鄰近性； 仿真模擬； 科研合作網(wǎng)絡

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０１．００５

〔中圖分類號〕Ｇ２５０. ７３ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２５） ０１－００６０－２１

科技創(chuàng)新日益成為國際政治、經(jīng)濟、軍事等格局的決定性變量， 我國進一步強化科技創(chuàng)新戰(zhàn)略布局。習近平總書記在黨的二十大報告中強調， 要加快實施創(chuàng)新驅動發(fā)展戰(zhàn)略， 加快實現(xiàn)高水平科技自立自強， 加快建設科技強國［１］ ?？蒲泻献魇瞧渲凶钪匾移毡榈目萍紕?chuàng)新形式。黨的十九屆五中全會指出， 我國將設立面向全球的科研基金， 以進一步促進科技開放合作［２］ ?？蒲泻献髟诋a(chǎn)出量、影響力、合作規(guī)模等方面取得了長足發(fā)展［３］ ， 在國家／ 地區(qū)、機構／ 企業(yè)、個人等各個層面的科技創(chuàng)新合作更是方興未艾［４－７］ 。科技創(chuàng)新合作可以有多種形式， 如聯(lián)合承擔科研項目、合作推廣成果、合作發(fā)表科學論文、合作申請技術專利等［８－１０］ 。相較而言， 合作發(fā)表的科學論文， 因為其具有時效性、專業(yè)性等特點， 能夠全面且及時地反映學科的前沿進展； 合作發(fā)明的技術專利， 因為其啟發(fā)性、可靠性等特點，能夠準確且高效地刻畫技術創(chuàng)新的機遇與趨勢。科學論文與技術專利已成為研究科技創(chuàng)新最普遍的成果， 成為科技創(chuàng)新合作產(chǎn)出的重要表現(xiàn)形式和常用測度指標［１１－１３］ 。

科技創(chuàng)新合作中， 團隊主導者的科技創(chuàng)新主導力至關重要。日益復雜的科技創(chuàng)新難題越來越需要合作團隊發(fā)揮專業(yè)組織化能力， 而這就要求團隊主導者能夠有力地整合團隊各方資源， 聚合能力， 有效地協(xié)調團隊各方利益和進程。隨著團隊規(guī)模的擴大、研究內容的深化、合作時間的持續(xù)， 團隊主導者的科技創(chuàng)新主導力在科技創(chuàng)新合作中的作用愈發(fā)關鍵［１４］ 。目前， 對科技創(chuàng)新合作關系的研究已經(jīng)臻于完善， 圍繞概念測度［１５］ 、合作網(wǎng)絡［１６］ 、合作影響力［１７］ 、合作網(wǎng)絡生長機制［１８－１９］ 、合作網(wǎng)絡鏈路預測［２０］ 等話題取得了豐碩的成果。然而， 對科技創(chuàng)新主導力的研究還不夠深入， 集中在定性探討科技創(chuàng)新主導力的種類、特性等問題［２１－２３］ ， 較少有研究從定量角度出發(fā)， 尤其結合復雜網(wǎng)絡和模擬仿真方法， 深入探討科技創(chuàng)新主導力網(wǎng)絡的演化機制。

因此， 本文將基于多智能體的建模與仿真， 從微觀個體層面構建多維鄰近性視角下科技創(chuàng)新主導力的擴散模型， 結合全球藥學領域科學論文合作數(shù)據(jù)和技術專利合作數(shù)據(jù)， 分別以科學創(chuàng)新主導力網(wǎng)絡和技術創(chuàng)新主導力網(wǎng)絡的真實多維鄰近性數(shù)據(jù)作為模型的初始化設置， 設定創(chuàng)新主體的搜索規(guī)則、主導規(guī)則、創(chuàng)新規(guī)則， 并以平均創(chuàng)新主導力增益及其擴散速率為評價指標來衡量科技創(chuàng)新主導力的擴散效果， 模擬科技創(chuàng)新主導力的擴散過程， 探究多維鄰近性對科技創(chuàng)新主導力擴散的影響， 從而為本國合理制定和調整國家科技創(chuàng)新政策提供參考， 促進創(chuàng)新主體高效利用科技創(chuàng)新資源。

１ 相關研究與理論

１. １ 科技創(chuàng)新主導力的相關研究

團隊主導力對于諸多外生影響因素作用于團隊績效具有重要的調節(jié)作用， 更是決定團隊合作表現(xiàn)的重要變量之一［２４］ 。已有研究證明， 科技創(chuàng)新主導力與創(chuàng)新團隊的資源整合能力［２５］ 、創(chuàng)新產(chǎn)出、成果影響力乃至團隊競爭力息息相關［２６］ 。目前， 科技創(chuàng)新主導力已受到了眾多領域持續(xù)、高度的關注，包括臨床醫(yī)學［２７］ 、企業(yè)組織［２８］ 等。

從文獻計量學的角度而言， 現(xiàn)有研究普遍采用科學論文或技術專利的署名信息來衡量科技創(chuàng)新主導地位［１４］ 。誠然， 在不同的學科領域中， 論文的作者順序與對應的作者貢獻有所差異， 但是第一作者和通訊作者普遍承擔了論文的主導角色， 其貢獻普遍大于其他參與作者［４］ ， 發(fā)揮了科技創(chuàng)新主導力［２９－３０］ 。主導作者（第一作者／ 通訊作者）同時對科技創(chuàng)新內容和團隊的組織負責， 包括確定研究方向、分配合作任務等。對于具有基金支持的合作項目， 主導作者還提供基金支持［３１］ 。因此， 主導作者的科技創(chuàng)新主導力貫穿了合作的整個生命周期［４］ 。此外， 主導作者與其他參與作者之間的主導—參與關系要普遍強于其他參與作者之間的參與—參與關系［３２］ 。相較而言， 其他參與作者則對合作項目提供專業(yè)化的貢獻［４］ ， 例如通過數(shù)據(jù)分析、數(shù)據(jù)清洗等來支持合作的進程。而在技術專利中， 其發(fā)明人的署名規(guī)則要比科學論文作者更嚴格［３３］ ， 第一發(fā)明人被廣泛認為是專利發(fā)明合作項目的主導者［３４］ ，發(fā)揮了科技創(chuàng)新主導力［３５］ 。在專利合作團隊中，資深的團隊主導者往往決定哪些合作者可以列入專利發(fā)明人名單， 以及具有專利申請之前的內部審閱權和提交專利申請的同意權［３６］ 。在科學論文相對應的技術專利中， 論文的第一作者／ 通訊作者也往往是專利的第一發(fā)明人［３７－３８］ 。在國家層面的專利分析中， 第一發(fā)明人所屬的國家（地區(qū)）被視為專利所屬的國家（地區(qū)）［３９］ 。

１. ２ 科技創(chuàng)新合作中多維鄰近性機制的相關研究

鄰近性的本意指“時間、空間維度的相近性”［４０］ 。對于鄰近性的學術性探討發(fā)軔于Ｍａｒｓｈａｌ Ａ［４１］ ， 因討論了地理鄰近性的企業(yè)聚集效應， 而開創(chuàng)了聚集經(jīng)濟研究的先河。２０ 世紀９０ 年代， 歐洲“鄰近性動力學派” 在研究產(chǎn)業(yè)動態(tài)調整領域時， 率先將鄰近性的概念從地理鄰近的單一維度延伸為“多維鄰近”。隨后， Ｋｎｏｂｅｎ Ｊ 等［４２］ 對２００５ 年前的鄰近性研究進行了系統(tǒng)梳理， 總結了既有文獻中７ 個主要的鄰近性維度： 地理鄰近性、制度鄰近性、社會鄰近性、文化鄰近性、技術鄰近性、認知鄰近性、組織鄰近性。“多維鄰近性” 由此受到了經(jīng)濟地理領域的廣泛認可， 鄰近性的概念也得到了進一步拓展。

對于科技創(chuàng)新合作中鄰近性機制的研究， Ｂｏｓ?ｃｈｍａ Ｒ［４３］ 提出的五維鄰近性得到了廣泛的認可。Ｂｏｓｃｈｍａ Ｒ［４３］ 主張地理鄰近性、認知鄰近性、制度鄰近性、社會鄰近性和組織鄰性近都應該納入多維鄰近理論框架。其中， 組織鄰近性與創(chuàng)新主體的自治程度相關； 制度鄰近性涉及行為規(guī)范、習俗、法規(guī)等宏觀規(guī)則； 社會鄰近性則取決于創(chuàng)新主體之間的信任； 而認知鄰近性則與創(chuàng)新主體之間的認知背景、基礎以及學習能力相關。據(jù)此， 國內外研究者也從多個層面、多個領域展開了對科技創(chuàng)新合作中多維鄰近性機制的探究。如表１ 所示， 總結了具有代表性的科技創(chuàng)新合作中多維鄰近性機制的研究。而由于Ｂｏｓｃｈｍａ Ｒ［４３］ 的五維鄰近性具有較好的概括力， 并且得到了廣泛的認可， 本文也將參考此框架展開研究。同時， 由于在個人層面， 組織鄰近性與制度鄰近性具有較高的概念重疊度［４４］ ， 參考［４５－４６］， 本文采用除了組織鄰近性之外的Ｂｏｓｃｈｍａ Ｒ［４３］提出的４ 個鄰近性作為本文的多維鄰近性研究框架。

１. ３ 科技創(chuàng)新合作網(wǎng)絡中的知識擴散機制仿真研究

關于科技創(chuàng)新合作網(wǎng)絡的知識擴散機制， 現(xiàn)有研究主要采用計算機仿真方法分析網(wǎng)絡結構特征和節(jié)點屬性特征對知識擴散的影響。針對結構特征對合作網(wǎng)絡中知識擴散的影響， 現(xiàn)有研究從ＢＡ 無標度網(wǎng)絡、小世界網(wǎng)絡、節(jié)點度數(shù)中心性等角度切入進行仿真模擬。Ｃｏｗａｎ Ｒ 等［５７］ 通過基于Ａｇｅｎｔ 的仿真模型模擬合作網(wǎng)絡中的知識擴散， 發(fā)現(xiàn)小世界網(wǎng)絡下， 知識擴散效率達到最優(yōu)。巴志超等［５８］ 通過數(shù)值模擬和計算機仿真的方法構建合作網(wǎng)絡中的知識擴散模型， 發(fā)現(xiàn)網(wǎng)絡的隨機程度越大， 網(wǎng)絡規(guī)模越小， 知識擴散速度越大且分布越均衡。針對節(jié)點屬性特征對合作網(wǎng)絡中知識擴散的影響， 現(xiàn)有研究關注網(wǎng)絡節(jié)點的背景差異性、網(wǎng)絡節(jié)點的多維鄰近性屬性對知識擴散的影響?；冢粒纾澹睿?的仿真模型模擬顯示， 節(jié)點之間的緊密聯(lián)系能夠顯著影響知識流動率［５９］ 。余謙等［６０］ 通過數(shù)值仿真發(fā)現(xiàn)地理鄰近性在知識擴散初期發(fā)揮主要作用， 認知鄰近性是整個過程中知識增長的核心動力， 社會鄰近性對知識擴散的影響小而持久。

然而， 對于科技創(chuàng)新主導力的擴散機制研究還處于空白階段。主導主體通過對參與主體創(chuàng)新資源的規(guī)劃、調度、配置、整合等發(fā)揮科技創(chuàng)新主導力的效用。科技創(chuàng)新主導力的擴散是單向的擴散， 并不是簡單的雙向互動。通過計算機仿真建模的方法，從微觀個體層面自下而上地建?？坍嬁萍紕?chuàng)新主導力擴散的復雜性、交互性和層次性， 以及其宏觀涌現(xiàn)性， 有助于把握不同階段科技創(chuàng)新主導力的擴散規(guī)律。

２ 相關概念與測度

２. １ 科技創(chuàng)新主導力相關概念

科技創(chuàng)新主導力與團隊的資源整合能力［２５］ 、科技創(chuàng)新產(chǎn)出、成果影響力乃至團隊競爭力息息相關。本文界定了科技創(chuàng)新主導力涉及的主要概念，包括主導主體、參與主體、科技創(chuàng)新主導力網(wǎng)絡，具體如下［３５，６１］ ： ①主導主體， 在科技創(chuàng)新合作過程中， 作為主導者的創(chuàng)新主體。對于一篇科學論文，其主導主體為第一作者和通訊作者； 對于一篇技術專利， 其主導主體為第一發(fā)明人； ②參與主體， 對于一篇科學論文， 其參與主體為除了第一作者和通訊作者之外的其他作者。一個創(chuàng)新主體可以同時在一篇論文中擔任主導主體， 在另一篇論文中擔任參與主體； ③主導—參與關系， 從主導主體向參與主體的有向關系； ④科技創(chuàng)新主導力網(wǎng)絡， 以創(chuàng)新主體為節(jié)點， 以主導—參與關系為連邊所形成的網(wǎng)絡。如圖１ 所示， 展示了基于多篇科學論文的科學創(chuàng)新主導力網(wǎng)絡模型。

２. ２ 多維鄰近性相關概念

１） 地理鄰近性（Ｇｅｏｇｒａｐｈｉｃａｌ Ｐｒｏｘｉｍｉｔｙ）

地理鄰近性又稱空間鄰近性或物理鄰近性。在科技創(chuàng)新主導過程中， 可以用創(chuàng)新主體之間地理距離的倒數(shù)來測度?，F(xiàn)有文獻對地理距離的測度方法有絕對測度和相對測度兩種［６２］ 。本文將采用絕對測度方法， 根據(jù)創(chuàng)新主體α 和β 的經(jīng)緯度計算球面直線距離， 并選取球面直線距離的倒數(shù)［６３］ 來測度地理鄰近性。

２） 認知鄰近性（Ｃｏｇｎｉｔｉｖｅ Ｐｒｏｘｉｍｉｔｙ）

認知鄰近性指創(chuàng)新主體之間認知基礎的相似性［６４］ 。參考Ｆｅｒｎａｎｄｅｚ Ａ 等［５２］ 的研究， 本文將選取主題相似度作為測度指標， 首先對科學論文的摘要進行ＬＤＡ 聚類， 聚成５０ 個類； 其次， 根據(jù)這５０個類， 將每個創(chuàng)新主體在每個類所發(fā)表過的科學論文數(shù)量進行累加， 得到該創(chuàng)新主體的５０ 維主題向量， 即為對應的創(chuàng)新主體的認知向量。而認知鄰近性則為創(chuàng)新主體認知向量的余弦相似度。認知鄰近性的取值越接近１ 表示認知鄰近性越高， 越接近０表示認知鄰近性越低。

３） 制度鄰近性（Ｉｎｓｔｉｔｕｔｉｏｎａｌ Ｐｒｏｘｉｍｉｔｙ）

制度鄰近性指創(chuàng)新主體之間在正式制度（如法律準則、規(guī)章制度等）和非正式制度（如風俗習慣、價值觀念等）方面的相似性。參考以往研究， 本文采用兩個創(chuàng)新主體所在國家（地區(qū)）的綜合語言相似度來衡量［４８，５２，６５］ ， 如果兩個創(chuàng)新主體來自同一個國家（地區(qū)）， 則制度鄰近性為１； 否則， 制度鄰近性為兩個創(chuàng)新主體所在國家（地區(qū)）的綜合語言相似度。制度鄰近性的取值越趨向于０ 表示制度鄰近性越低， 越趨向于１ 表示制度鄰近性越高。

４） 社會鄰近性（Ｓｏｃｉａｌ Ｐｒｏｘｉｍｉｔｙ）

社會鄰近性又稱作關系鄰近性或個人鄰近性，可以表示創(chuàng)新主體之間社會關系的親疏遠近。社會鄰近性可以通過創(chuàng)新主體的正式或非正式渠道建立［６６］ ?，F(xiàn)有研究主要采用過往的交互經(jīng)歷來衡量社會鄰近性［５２，６７］ 。故對于社會鄰近性， 本文采用一個啞變量（兩個創(chuàng)新主體以前是否發(fā)生過科技創(chuàng)新主導力關系）來測度， 如果兩個創(chuàng)新主體已經(jīng)發(fā)生過科技創(chuàng)新主導力關系， 則社會鄰近性取值為１， 否則取值為０。

３ 基于多智能體的科技創(chuàng)新主導力擴散仿真建模

科技創(chuàng)新主導力網(wǎng)絡， 作為典型的復雜網(wǎng)絡，其形成和演化過程充滿高度的動態(tài)性和非線性［６８］ ，難以通過還原論的分解方法對其演化過程進行計算和重現(xiàn)。而計算機仿真作為繼演繹法、歸納法之后科學研究的第三范式， 為研究此類復雜社會系統(tǒng)提供了整體論的切入點。其中， 基于Ａｇｅｎｔ 的建模與仿真（Ａｇｅｎｔ－ｂａｓｅｄ Ｍｏｄｅｌｉｎｇ ａｎｄ Ｓｉｍｕｌａｔｉｏｎ， ＡＢＭＳ），能夠從微觀個體到宏觀整體， 自下而上地刻畫復雜系統(tǒng)的涌現(xiàn)性， 已成為計算機仿真領域刻畫復雜系統(tǒng)的有力工具［６９］ 。故本文將基于ＡＢＭＳ， 如圖２ 所示， 從微觀個體層面構建多維鄰近性視角下的科技創(chuàng)新主導力擴散模型， 結合全球藥學領域科學論文和技術專利合作數(shù)據(jù)作為初始驅動數(shù)據(jù)， 探究多維鄰近性與科技創(chuàng)新主導力擴散的動態(tài)關系。

３. １ 模型設計與假設

科技創(chuàng)新并非時間上的線性增長過程， 創(chuàng)新主體也并非一直處于創(chuàng)新狀態(tài)中。在一個時間單位里， 只有極少部分創(chuàng)新主體激活創(chuàng)新狀態(tài)， 啟動創(chuàng)新項目， 成為主導主體。根據(jù)資源依賴理論［７０］ ， 主導主體需要依賴其他創(chuàng)新主體的知識與技能來推動創(chuàng)新項目。啟動創(chuàng)新項目之后， 主導主體搜索合適的參與主體， 組建創(chuàng)新團隊， 推動創(chuàng)新項目。根據(jù)資源配置理論［７１］ ， 無論是主導主體還是參與主體，創(chuàng)新主體在每個時間單位里， 都只有有限的精力，他們需要盡可能利用有限的精力去推動創(chuàng)新活動。在創(chuàng)新項目結束之前， 主導主體和參與主體都會對該創(chuàng)新項目持續(xù)付出各自的部分精力。當創(chuàng)新主體的剩余精力為０ 時， 在該時間單位里， 創(chuàng)新主體既不能主導也不能參與新的創(chuàng)新項目。主導主體會對其創(chuàng)新項目作出主要貢獻， 因此， 主導主體對相應創(chuàng)新項目的精力付出大于其他參與主體。創(chuàng)新主體在有剩余精力的前提下， 可以繼續(xù)參與其他創(chuàng)新項目。在某個創(chuàng)新項目結束的時間單位里， 主導主體和參與主體被該創(chuàng)新項目占用的精力得到恢復。這些創(chuàng)新主體在下一個時間單位里可以繼續(xù)被激活，啟動創(chuàng)新項目， 成為主導主體， 或者加入別人主導的創(chuàng)新項目， 成為參與主體。當創(chuàng)新項目結束時，主導主體和參與主體按照各自對創(chuàng)新項目付出的精力分配科技創(chuàng)新主導力增益， 同時根據(jù)社會學習理論［７２］ ， 人的認知和行為相互強化， 創(chuàng)新主體的認知基礎也會受到結束的創(chuàng)新項目的影響， 更新自身的認知向量。

為了在貼近實際的前提下， 增強仿真可行性，本文進行了適當簡化［５５］ ， 提出以下假設：

假設１： 科技創(chuàng)新主導力擴散過程中， 創(chuàng)新主體的數(shù)量保持不變， 沒有新的創(chuàng)新主體加入， 也沒有創(chuàng)新主體離開。創(chuàng)新主體的地理位置不變， 不會更換城市和國家（地區(qū)）。

假設２： 每個時間單位里， 有２００ 個創(chuàng)新主體被激活， 成為主導主體， 組建創(chuàng)新團隊， 推動創(chuàng)新項目。每個創(chuàng)新項目的持續(xù)時間Ｐｅｒｉｏｄ 在２～５ 個時間單位里離散均勻分布： Ｐｅｒｉｏｄ～ＤｉｓｃｒｅｔｅＵ［２，５］， 每個創(chuàng)新項目在每個時間單位里都需要占用主導主體和參與主體總共１０ 個單位的精力。

假設３： 每個創(chuàng)新主體有１０ 個單位的精力。當其成為主導主體時， 至少要付出６ 個單位的精力在其主導的創(chuàng)新項目中， 做出最大的貢獻， 因此每個創(chuàng)新主體不能同時主導兩個創(chuàng)新項目。創(chuàng)新主體每參與一個創(chuàng)新項目， 至少要付出１ 個單位的精力。當創(chuàng)新主體的剩余精力等于０ 時， 其不能參與新的創(chuàng)新項目， 直到現(xiàn)有的創(chuàng)新項目結束， 釋放占用的精力值。

３. ２ 基于藥學領域科技創(chuàng)新數(shù)據(jù)集的初始化設置

１） 藥學領域科技創(chuàng)新數(shù)據(jù)獲取

當前， 由于藥學領域對人類社會發(fā)展至關重要，藥學科技創(chuàng)新已經(jīng)受到了經(jīng)濟學、社會學、科學計量學等諸多領域的關注。各國（地區(qū)）以及國際組織的巨額研發(fā)投入將進一步推動藥學領域科技創(chuàng)新合作的發(fā)展［５１，７３－７４］ 。具體而言， 本研究聚焦于２０１０—２０１９ 年全球藥學領域［５１］（“生物化學與分子生物學（Ｂｉｏｃｈｅｍｉｓｔｒｙ ＆ Ｍｏｌｅｃｕｌａｒ Ｂｉｏｌｏｇｙ）” “醫(yī)學、研究與實驗（Ｍｅｄｉｃｉｎｅ， Ｒｅｓｅａｒｃｈ ＆ Ｅｘｐｅｒｉｍｅｎｔａｌ）” “藥理學與藥劑學（Ｐｈａｒｍａｃｏｌｏｇｙ ＆ Ｐｈａｒｍａｃｙ）” “毒理學（Ｔｏｘｉｃｏｌｏｇｙ）”）的合著科學論文。以Ｗｅｂ ｏｆ Ｓｃｉ?ｅｎｃｅ 核心合集的題錄數(shù)據(jù)為原始數(shù)據(jù)， 具體采用的檢索語句為“ＷＣ ＝ Ａ ＡＮＤ ＰＹ ＝ Ｂ ＡＮＤ ＬＡＮ?ＧＵＡＧＥ＝‘Ｅｎｇｌｉｓｈ’”。其中“Ａ” 指上述的藥學子領域， “Ｂ” 為“２０１０—２０１９”。因為本研究聚焦于合著科學論文， 所以剔除了獨立作者和非期刊論文， 例如會議摘要（Ｍｅｅｔｉｎｇ Ａｂｓｔｒａｃｔｓ）、信件（Ｌｅｔ?ｔｅｒｓ）、綜述（Ｒｅｖｉｅｗｓ）， 編輯材料（Ｅｄｉｔｏｒｉａｌｓ Ｍａｔｅｒｉ?ａｌｓ）， 最終獲取到３２３ １４６篇藥學領域的合著論文。關于作者信息消歧， 本研究遵循Ｓｉｎａｔｒａ Ｒ 等［７５］ 的方法。

技術專利數(shù)據(jù)蘊藏著海量的科技創(chuàng)新態(tài)勢、戰(zhàn)略、格局信息。本研究的技術專利數(shù)據(jù)來自美國專利和商標局（Ｕｎｉｔｅｄ Ｓｔａｔｅｓ Ｐａｔｅｎｔ ａｎｄ Ｔｒａｄｅｍａｒｋ Ｏｆ?ｆｉｃｅ， ＵＳＰＴＯ）， 是國內外研究技術專利的重要數(shù)據(jù)源之一［７６－７７］ 。本研究根據(jù)國際專利分類碼（Ｉｎｔｅｒ?ｎａｔｉｏｎａｌ Ｐａｔｅｎｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｃｏｄｅｓ， ＩＰＣ） 檢索了２０１０—２０１９ 年ＵＳＰＴＯ 注冊的藥學領域的所有技術專利， 具體的檢索語句為ＩＰＣ＝（Ｃ０７Ｄ? ＯＲ Ｃ０７Ｋ?ＯＲ Ｃ１２Ｎ? ＯＲ Ｃ１２Ｐ? ＯＲ Ｇ０１Ｎ）［７８］ ， 進一步限制時間為２０１０—２０１９ 年， 最終檢索到１０３ ３６７篇合作專利。對于發(fā)明人姓名消歧， 本研究采用既有項目的發(fā)明人消歧數(shù)據(jù)ＰａｔｅｎｔｓＶｉｅｗ。ＰａｔｅｎｔｓＶｉｅｗ 網(wǎng)站提供了一個對應于ＵＳＰＴＯ 等專利數(shù)據(jù)的可靠數(shù)據(jù)源， 提供了企業(yè)、發(fā)明人和地址的信息及消歧［７９］ 。同時， 考慮到中國創(chuàng)新能力的蓬勃發(fā)展， 中國專利知識產(chǎn)權在全球的比重越來越高， 本文也將中國的專利數(shù)據(jù)融合進來。本文采用智慧芽專利數(shù)據(jù)庫平臺， 具體的檢索語句為ＭＩＰＣ：（Ｃ０７Ｄ） ＯＲ ＭＩＰＣ：（Ｃ０７Ｋ） ＯＲ ＭＩＰＣ：（Ｃ１２Ｎ） ＯＲ ＭＩＰＣ：（Ｃ１２Ｐ） ＯＲＭＩＰＣ：（ Ｇ０１Ｎ）［７８］ ， 限制時間為２０１０—２０１９ 年，最終檢索到１３３ ３４０條中國發(fā)明專利。對于中文專利， 本文參考針對國內醫(yī)藥企業(yè)專利發(fā)明人的消歧方法［８０］ 。最終所得到的科學論文和技術專利樣本數(shù)據(jù)如表２ 所示。