针对文献情报中团体合作现象可视化分析.docVIP

针对文献情报中团体合作现象的可视化分析 　　[摘要]合作是一种普遍现象，这在专利情报和学术文献中均已有体现。为考察两者的合作模式与合作关系，构建合作分析模型，分别将两者的合作模式可视化，并利用Pajek软件绘制合作关系网络。通过比较，发现两者既存在着共通性，也具有差异性；同时也发现中国公司与国外公司在研究方面存在着较大差距。最后，对合作分析与共引分析方法进行比较。 　　[关键词]合作　可视化　专利情报　学术文献 　　(分类号]G353 　　 　　国际间的科学合作一直是科学研究的主要形式之一。目前，这种合作已初步形成了全方位、多层次、广领域、高水平的良好局面，给许多国家(包括中国)带来了巨大的科技成果。最近几年的诺贝尔获奖者，就有不少是不同国家、不同机构或多个研究人共同合作的成果；而我国在实行国际科技合作计划后也结出了累累果实。2006-2008年问，该计划共引进国外关键技术945项，发表论文3 301篇；在国外申请发明专利89项，获得授权53项；成果转让572项，产值85.9亿元…。这一切均表明了科学合作能带来l加l大于2的显著效果。 　　 　　1　研究背景 　　 　　科学合作的主要表现形式有合作发表论文、专著或共同申请专利。之前的研究中，国内外学者针对论文作者的合作关系进行了大量研究。科学计量学家普赖斯、美国社会学家朱克曼从微观层面对科学合作活动的规模和范围进行了研究分析，认为科学合作随着科学活动的快速发展而迅猛增长。国内大连理工大学WISE实验室采用科学知识图谱建立不同国家、学科间作者合作网络以及各个大学间的合作关系，此外，鲁东大学曾对《情报科学》的作者合作建立了网络模型。针对专利的合作研究主要是对专利发明人的统计分析，如大连理工大学人文社科学院等运用专利计量的方法，对国内外5个主要公司专利发明者的合作进行统计。 　　 　　 　　 　　这些研究从微观角度或宏观角度探讨了国际问合作的关系以及中外的差距，很少就国际合作的主体――公司或学术机构间的合作关系进行分析，也未就学术文献与专利情报两者的团体合作差异进行比较研究。笔者之前曾采用共引分析方法发现了产业公司和学术机构间存在着集群差异，基于该结果，笔者认为在合作关系上，两者也有可能存在着不同。因此，现通过可视化方法对产业公司和学术机构的国际合作差异进行探讨，并将结果与共引分析结果进行比对，以寻求专利情报与学术文献问最佳的分析方式。 　　 　　2　研究方法 　　 　　由于需要考察专利情报与学术文献两者的关系，所以首先要分别制作两者的合作集群，并利用可视化技术将其展现为合作关系网络，在此基础上进行最后的对比分析。 　　2.1　数据源 　　为了平等的与之前共引分析结果进行对比，需在数据源的选择上与之前研究保持一致。专利情报数据采用2008年6月前，在Derwent数据库中检索到的7057项SOFC(solid Oxide Fuel Cell，固体氧化物燃料电池)专利族；学术文献数据采用2008年12月前，在Web of Science中检索到的SOFC文献5 330篇。 　　2.2　构建合作分析矩阵 　　针对合作研究，首先筛选出具有一定研究基础的团体机构。在此采用文献计量学排列出专利申请量或论文发表量大于20的团体，去除个人申请后，得到合作分析群，对这个群中的每个成员统计其合作伙伴的数量和合作率。 　　合作伙伴数量是指共同申请专利或发表论文的不同团体机构数。合作率是常被用来表示科学合作度的一项指标，用DC表示；这里用它表示专利申请人或学术机构的合作率，指合作的文献数占全部文献数的比率。依据合作伙伴数量、合作率和合作专利量(或合作论文量)三要素构建合作分析矩阵。该矩阵以合作率为横轴，合作伙伴数量为纵轴，将每个团体定位于图中，如图1所示： 　　图1中将整个区域划分为4块：①右上角的区域代表了合作率高、合作伙伴多的类群，表明该类团体为典型的合作型团体，其依靠强大的合作关系提升自身实力；②右下角的区域代表了合作率高但合作伙伴少的类群，表明该区域团体可能具有较为紧密且专属的合作对象，属于集团型团体，依靠几个团体互惠互利加强自身实力；③左下角的区域代表了合作率低且合作伙伴少的类群，表明这些团体具有较强的自身研发能力，属于自主研发型团体；④左上角的区域代表了合作率低，但合作伙伴数量高的类群，表明这些团体具有一定的自主研发能力，其与大量伙伴合作只为了少量技术的开发，说明其开发的技术属于新兴技术或尖端项目，需要集合多家机构力量共同钻研一个技术难点，攻克之后就能自主研发，并带来一系列成果，因此，属于创新型团体。 　　2.3　构建合作关系网络图 　　合作分析矩阵虽然能根据合作关系将合作模式相似的产业公司(或学术机构)聚类，但无法将两两之间的密切程度表现出