科研团队识别研究综述

随着科学技术的发展与科研任务难度的增加,各领域内科研人才的主要形式由个人向团队转变,科研团队逐渐成为了行业发展的关键。识别科研团队可以为发掘和利用各领域内的先进科学技术打下必要的基础,对现有的科研团队识别方法进行了梳理,包括传统的人工调研方法、基于社会网络分析、基于关联规则和基于网络的层次聚类的方法,归纳了相关的基础理论。

基于创新链的学科优势科研团队识别方法研究——以猪遗传育种领域为例

[目的/意义]旨在为国家科技决策机构和科技管理部门的人才管理决策提供参考。[方法/过程]基于创新链上的各个要素,采用文献计量与专家判断相结合的方法识别学科领域国内的主要科研团队,使用社会网络分析和通讯作者的定量方法识别团队带头人和核心成员,并以国内猪遗传育种领域优势团队识别分析为例进行实证研究。[结果/结论]该方法是可行的、有效的,拓展了学科优势团队的识别方法。

虚拟科研团队识别方法研究——以重症医学领域为例

[目的/意义]在美国对华科技和人才封锁政策背景下,虚拟科研团队发现能够从情报研究的角度,为潜在合作对象识别、具有实体化潜力的科研团队发掘、团队组建及其结构优化提供参考和关键数据支撑,具有重要的理论和实践应用价值.[方法/过程]首先,研究选取Scopus数据库中2012-2021年重症医学领域获NIH资助的研究论文、会议论文和综述,引入并改进社团识别研究中基于模块度的Louvain算法,依据特定交叉科学领域科研人员科研产出合著网络中作者合作的紧密程度,初步识别虚拟科研团队;然后,结合向量空间模型、模拟退火算法和并行计算,进一步优化作者合作关系表征和精炼算法迭代过程,通过优化矩阵计算和矩阵输入提升虚拟科研团队识别的效果和效率;最后,对比GN算法和谱聚类算法的识别结果,验证改进的Louvain算法识别虚拟科研团队的有效性.[结果/结论]在大规模作者-作者关系矩阵运算中,将改进的Louvain算法用于识别特定领域的虚拟科研团队较为理想,具体表现在以下3个方面:①充分考虑情报学研究中作者对论文的贡献,提高科研团队识别效果;②通过优化矩阵输入,精炼局部模块度计算;增加并行计算,有效减少运算时间,提升识别效率;③虚拟科研团队识别结果为潜在合作对象的发现提供参考.

基于结构复杂性的科研团队类型划分及特征分析——以电动汽车领域为例

大科学时代,科研团队是科学创新活动的主要组织形式,但大量的科研团队并未备案,难以进行全面摸底和分类管理。然而,科研团队是一个复杂系统,本文基于成员角色的结构复杂性分析方法对科研团队结构开展实证研究,选取国内电动汽车领域专利发明人合作网络作为研究对象。首先,基于louvain算法发现科研团队成员;然后,采用基于成员角色的结构复杂性分析方法识别团队结构,并将科研团队划分为6种类型;最后,基于Kruskal-Wallis检验对不同类型团队特征进行比较分析。将研究分析发现,不同类型团队在有序程度、合作特征和产出能力方面呈现显著差异,结构复杂性用于识别科研团队结构及其组织化程度具有良好效果。

基于成员角色的科研团队结构复杂性研究

[目的/意义]组织结构是科研团队开展科研活动的载体,对组织结构进行研究有助于开展科研团队的精准识别和适时适度培育。但是,组织结构具有不显著性和不确定性,是一个复杂系统。[方法/过程]本文通过对团队自组织演化过程的分析,结合网络位置理论,提出一种基于成员角色的团队结构复杂性分析方法:首先通过成员所处网络位置判别成员角色,其次通过团队内角色构成判别其结构复杂性程度。在此基础上,提出基于科研合作网络的定量测度方法并开展实证研究。[结果/结论]结果显示,该方法对于识别科研团队组织结构具有良好效果。