文獻的合作網絡模型及實證研究

◆宋濤 劉雙花

（百色學院廣西 533000）

1 引言

隨著知識經濟的興起，知識在社會經濟中的地位愈發突出。知識的消費層次也由傳統的以獲取單一型的事實和機理為主的“無機溫飽型”模式向上發展為以搜索復合型知識的產生、脈絡和聯系為主的“有機營養型”模式，逐漸呈現出多層需求共存的狀態。而專業門類的高度細分增強了學術壁壘，加劇了跨界研究規律的不可知性，迫切需要新的文獻服務組織方式。從學術文獻的發展來看，學術成果數量激增，內容涉及廣泛，不僅人文學科內部交叉研究活躍，與自然科學的融通滲透性也不斷增強。而人們對跨界研究規律的認識卻極為有限，已有的研究多以定性研究為主，觀點多局限在某單一領域，缺乏整體性認識[1]。另一方面，對于逐漸走向國際化的人文學科而言，其學術成果對國家的發展具有不可低估的重要價值。探索人文學科跨界知識模型建模方法，將延展學術成果的展現半徑，促進知識承載來源話語體系之間的交流，為學術服務、學科建設和研究規劃等領域提供諸多決策參考[2]。

2 跨界知識模型的內涵

跨界知識是相對于領域知識而言，熊偉等[3]在強調跨界搜索通過組織資源改善提高組織競爭優勢時，指出跨界搜索與組織群落之間的密切關系，一方面，跨界搜索行為需要相應的組織加以依托，另一方面，組織反映著從事這種組織的個人和群體的活動、價值觀及意圖。Tortoriello 和 Krackhardt[4]指出組織群落背景下跨界知識的強關系是實現跨界搜索的必要條件，群落內部和群落之間的橋接關系能夠促進組織搜尋界外不同的新知識，兩類信息的集成是有效提升組織跨界搜索能力的關鍵，于是跨界結構的關鍵是穩健的跨界群落的發現。

跨界知識模型提出的一個誘因是現存人文學科學術成果評價體系無法滿足跨界研究規律的認識需要。目前人文學科學術成果評價體系中的主流評價方法有兩類：一是專家系統同行評議法；二是基于引文分析的文獻計量影響因子法。將同行評議法直接用于跨界知識提取存在跨界評審專家的遴選困難，數據主觀性強，成本高，可比性差等問題[5]?；谝姆治鰧W術影響因子是學術評價體系的主要標準，對知識結構的揭示作用有限。鑒此，科學數據文獻情報學領域已嘗試使用引文網絡研究文源規律，典型的研究如[6]等，但引文分析的學科廣度評價不適用于跨界知識提煉。

從文獻的搜索來看，學科之間大范圍的密切滲透無疑加大了跨界知識搜索的難度，倒不如承認跨界的普遍存在性，而將實際的跨越定義為程度或距離上的統計顯著性，于是可以將問題簡化為通過大量數據來對未知的跨界進行估計，估計知識之間的聯通關系成為認識跨界知識發展脈絡的主題，關系的估計和檢驗過程是建立穩定的跨界知識模型的核心。

3 跨界知識模型維度和數據基礎

3.1 跨界知識模型維度

根據Li，Y等和Sid hu等對跨界搜索的需求調查顯示，學者們主要關注的跨界內容分為三層結構：個體、項目和組織[7]。其中個體層次的搜索是指個體獲取外部創造性想法的活動；項目層次的跨界搜索指了解外部項目新信息或搜尋新項目組成員的過程；組織層次的跨界需求表現為側重于搜尋新聯盟成員或對有意向合作的聯盟的可行性分析。

3.2 跨界知識模型維度與學術成果評價之間的關系

跨界知識和學術成果評價之間的關系是緊密的，跨界知識模型與學術評價共同構成知識的評價體系，如圖1所示，其中基于引文關系的學術影響力因子、半衰期等主要反映了知識自身體系的成長發展的貢獻，另一方面，知識對外部領域的滲透與融合是其學術影響力的一個重要方面?？缃缰R模型可以是對不同來源技術領域創造性活動的規律總結，是對基于引文的知識評價體系的有益補充。

圖1 知識的價值體系

3.3 跨界關系矩陣產生的數據基礎

為了使跨界知識規律能夠體現社會的認可程度，選擇學者選讀文獻是基礎。

首先，納入社會化影響效果是建立面向學術服務的知識模型的必要條件。美國社會學家羅伯特·默頓[9]1985年在《科學的規范結構》中給出了學術成果的一個重要的功能，指出其價值是在科學家之間起著根本的交流作用。交流的結果是科學家通過同構性問題映射開啟新思維，獲得新知識創作的源泉與素材，選讀文獻一般貫穿于整個研究過程之中，可作為社會化影響效果的一個重要方面。

其次，學者選讀文獻是提煉跨界知識的最佳視角。塔佳，瓦卡瑞，弗萊和沃特斯（Talja，Vakkari，Fry，Wouters）指出跨學科性與一個領域的科學家使用其他學科的文獻有關，科學家對文獻的選擇行為可用于度量學科之間聯系的程度[10]。

4 跨界知識模型的建模算法

跨界知識是一種隱性知識，不易直接測量，只能通過微觀個體數據間接估計得出，并利用建模過程進行模式的統計確認，關鍵的問題是對不同維度的強關系矩陣進行估計，主要解決的問題有兩個：一是關系類的識別，主要使用社會網絡理論中的社群關系估計挖掘算法；二是關系結構的解釋，使用統計推斷中的隨機圖檢驗方法，兩者聯合命名為 “網絡關系估計-隨機圖檢驗”跨界知識連體建?？蚣?，該框架首先是將彼此具有較強關系的節點聚集，并將互聯顯示較弱的群彼此割裂，隨機圖檢驗則固化核心結構。

4.1 社群發現的模塊化方法

Newman于2004[11]年提出模塊Q方法是社群挖掘中比較典型的方法。

其中Avw表示關系圖中頂點v和w之間的邊數，這里我們選擇復雜圖，此時Avw取值為0或權重c，表示節點之間有關系或強度為c的兩兩關系；m是總邊數，常數項1/2是歸一化系數，Pvw表示零模型（即隨機圖）中頂點v和w之間期望的邊數；示性函數δ（Cv，Cw）=1，如果社群Cv=Cw（即頂點v和w屬于同一個社群），否則為0。Q定義了實際圖社群邊連通密度相對于隨機圖的差異，社群內邊密度與隨機圖期望邊密度相比越大，表明社群結構越明顯。在跨學科研究中，學科合作具有規模不等和合作不平衡等特點，直接使用Q算法，將掩蓋小學科的特色合作。社群挖掘算法需要考慮帶邊權重的WFN算法。

4.2 隨機圖模型-學術跨界模式檢驗

隨機圖模型的作用是對典型的網絡模式的顯著性進行檢驗，指數圖模型是較為常見的檢驗模式的方法，假設圖G=（V，E），Y=（Yij）是隨機關系矩陣，如式2所示，

其中，H是一種圖結構，gH(y)是關于某個結構的統計量，θH是對應的參數。k是歸一化常數。

直接解指數族圖模型的參數估計不容易，一般是采用指數族圖模型估計方程，如式（3），對于y，令是兩個對應的矩陣。的（i，j）、（j， i）位置上的元素是1，其他位置元素與y相同；的（i，j）、（j， i）位置上的元素是0，其他位置元素與y相同。那么邊（i，j）存在的概率的對數為：

概率隨機圖模型參數估計采用對式（3）進行極大似然估計，求解期望的問題就可以使用蒙特卡羅或Gibbs采樣。逼近估計表示為：

5 實證研究結果

5.1 人文學科跨機構協同創新網絡圖

文章以學者選讀文獻為分析對象，對跨地域協同合作的成效進行相關分析，試圖找出人文學科領域跨界協同創新聯盟的合作特點。數據以211或985高校和邊遠地區高校組成創新聯盟，時間選擇了自2011年201月共計16204條取某人文學科大學博士生和在職教師下載中國知網學術文獻，西部地區選擇了西藏、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆、內蒙古和廣西12個有西部省市自治區機構參與的論文共計2457篇作為研究跨機構合作的基礎數據，其中涉及了2102個不重復的中外研究機構，這些機構包括所在省市、機構名稱、主管部門、所在地和辦學層次。根據記錄生成機構間的鄰接矩陣。通過Q方法產生合作網絡關系圖2，9個社群彼此相對獨立，7個社群群內成員多數僅限于同一省份內，說明地理位置是實現跨界協同創新的一個重要因素。9個社群多位于不同的省份，但其共同點是每個區域的中心機構均為“社群多位或全國重點建設大學。

表1的隨機圖模型檢驗中，三角型互聯結構沒有通過檢驗，p-值為0.1148，星型輻射結構較互聯結構相比通過檢驗，p-值為10-6，支持了輻射結構的結論。結果說明社群名校的強弱“幫補型”合作在創新研究中特色突出，反映了跨機構協同創新合作中的星型結構和地域特點，星型結構中的強校紐帶作用比較突出，呈現出明顯的強弱聯盟合作創新模式，這離不開教育部2001年開始實施的“對口支援西部地區高等學校計劃”。

圖2 跨層次機構合作關系圖

表1 隨機圖檢驗結果

5.2 人文學科跨學科統計關系網絡圖

取某人文學科大學二級教授及其博士生2011年上半年在中國知網選讀文獻，兩個學科的跨學科關系強度定義為被同一學者在所選時間范圍內兩學科文獻的數量，基于同讀同時性的要求，獲取有效文獻53268篇，學者300位分屬22個學科，文獻來自37個學科。對數據一次做二分圖轉化和過濾程序后，使用社區提取方法得到共讀文獻的跨學科影響，文獻學科網絡聚類將跨學科影響關系分為4大群：第一大群是人文學科類（紅色類和綠色類），綠色類可以看作是人文學科類，紅色類為社會科學類，可以看出人文與社會科學兩類聯系很緊密；第二大群是理工類。計算機科學與技術在理工科類和人文學科類中起到關鍵的聯系作用。

圖6 文獻跨學科影響社群結構圖

第三大群是工程類學科組成的群，包括計算機科學與技術、數學、基礎醫學、生物學等組成的社群。其中核心學科是計算機科學與技術，跨學科最強的關系是計算機科學與數學，生物學-計算機科學。第四大群是機械工程、環境科學與工程、藥學等組成的社群。

從跨學科文獻閱讀來看，自然科學向人文學科的滲透強于人文學科向自然科學的滲透，人文學科各門類之間的交融面上發揮連接橋梁的學科是經濟學、政治學、法學、哲學、新聞學、語言文學等學科。

6 結論

文章研究了學術成果中蘊含的跨界群落產生的數據和分析模型，從人文學科學者選讀文獻視角出發探討跨界關系的估計問題，引入社會網絡理論的網絡關系估計算法，發展出 章網絡關系估計-隨機圖檢驗”跨界知識連體建?？蚣?，該框架包括跨界關聯矩陣的估計算法和隨機圖模型穩健模式檢驗兩個部分。綜合使用模塊社群挖掘算法和隨機圖檢驗連體，揭示了人文學科跨機構協同創新合作和跨學科合作基本模式。