知識流動空間分布差異研究——以航空航天科學技術為例

李丹丹，汪 濤，楊延征

（1.南京師范大學地理科學學院，江蘇 南京 210046；2.西北農林科技大學林學院，陜西 楊凌 712100）

知識流動空間分布差異研究
——以航空航天科學技術為例

李丹丹1，汪 濤1，楊延征2

（1.南京師范大學地理科學學院，江蘇 南京 210046；2.西北農林科技大學林學院，陜西 楊凌 712100）

利用社會網絡分析軟件（UCINET和Pajek）和地理信息系統分析軟件（ArcGIS9.2），以中文科技期刊數據庫（重慶維普期刊）的核心期刊中2000—2009年間航空航天領域存在合作單位的文章為原始數據,構建航空航天科學技術領域知識流動的社會網絡和空間網絡，研究我國航空航天科學技術在全國范圍內的分布規律以及大學、研究所、企業（產學研）之間的合作交流情況，試圖將社會學的理論應用于地理學。研究結論為了解我國航空航天技術空間分布特征以及產學研之間的合作情況提供依據，為知識流動量化研究提供借鑒。

社會網絡分析；知識流動；空間分析；航空航天科學技術

1 引言

高技術就是以最新科學成就為基礎，對社會生產力發展起主導作用的知識密集型技術。高新技術產業就是以高技術為基礎形成的知識密集型、技術密集型的產業，它是代表一個國家綜合國力和整體競爭力的先導產業［1］。Massimo G.Colombo等（2006）認為公共干預對高新技術公司解決市場不完善有重要作用［2］，D.J.Storey等（1998）通過對歐盟國家的高新技術企業研究發現，政府可以通過建立科技園區、提高管理者的學位水平、加強新技術企業與科研院所之間的聯系、向新技術企業直接進行財政投入等手段提高高新技術企業的創新能力［3］。20世紀50年代，我國政府從長遠考慮，提出“重點發展，迎頭趕上”和“任務帶科學”的科技發展方針［4］，1988年9月鄧小平同志提出了 “科學技術是第一生產力”的論斷，極大地促進了我國高新技術的發展。航空航天科學技術作為一門新興的尖端技術，它的發展不僅體現著國家的綜合國力，而且各種民用航天技術，如衛星遙感、衛星通信、衛星導航定位等［5］，都深刻影響著人類的生活。20世紀90年代，我國政府提出了應用衛星 “由實驗應用型向服務型轉變”［4］；2001年政府在《面向21世紀的中國民用航空航天》的報告中提出 “鼓勵和支持國內外科研機構、工業企業和高校，在國家航天行業管理有關政策和法規的指導下，開展多層次、多形式的國家空間交流合作”；在“十五”規劃中，提出要推進航空航天技術等高技術領域的研究，提高創新能力；在“十一五”規劃中，將航空航天產業作為推動我國產業結構化升級的一個重要方面；在 “國家中長期科學和技術發展規劃綱要（2006—2020年）”中將航空航天的力學問題作為面向國家重大戰略需求的基礎研究；在“中國至2050年空間科技發展路線圖”中指出，到2050年，我國應初步建立覆蓋多學科領域的空間科學研究體系，形成完善的空間科學研究體系，實現從空間科學大國到空間強國的跨越。航空航天科學技術的創新需要大量資金投入，風險大，周期長，我國企業目前還無法單獨進行，而大學作為知識創新的主體，企業作為技術創新的主體，兩者的合作能夠相互補充和促進，彌補彼此的不足。產學研合作為企業創新發展，高校知識轉移和融合提供很好的發展模式，我國西安市航空航天產業園區的發展為產學研合作提供了較好的模式和范例，園區中高校和企業的密切聯系，形成產業鏈、產學研相結合的航空航天產業園區，充分發揮了集聚優勢。然而，半個多世紀過去了，作為一種政府主導，高端技術支撐的航空航天技術在研究所、企業以及大學之間的知識網絡結構怎樣，是否形成了完整的產業鏈，該技術分布區域的空間特征及其原因又是什么,社會學的理論和方法可以提供了新的視角和方法來解決地理學中的一些問題，本文將初步探索社會學理論和方法在解決地理學問題中的應用。

2 國內外社會網絡應用研究進展

近幾年，我國對社會網絡分析在產業和知識創新方面的研究領域多集中產業集群與創新、企業知識流動與創新等方面。在產業集群與創新方面，研究目的多集中于利用社會網絡分析方法，揭示產業集群中各個企業所處的位置及其作用，以及在全球化的過程中，企業集群創新和產業轉移所應注意的問題［6-11］；在知識流動與創新方面，主要研究成果在于利用社會網絡研究不同企業間知識流動的模型和知識擴散的途徑和效率，以及處于不同網絡位置的企業應該如何提高區域創新能力［12-17］。很少有學者從地理的角度，利用社會網絡分析工具，探索地理因素在知識流動網絡中的作用和影響。

國外的研究主要集中于：1）從生態行為學的觀點，通過對動物行為的長期觀察和測驗，發現動物群體中食物以及疾病的交流網絡［18-21］；2）從犯罪學的角度，研究犯罪網絡的形成模式，了解犯罪行為在時間和空間的動態變化，為公安機關了解犯罪行為提供依據［22-24］；3）從國際貿易角度，研究各國的貿易合作伙伴以及影響貿易合作的因素：如語言障礙、地理距離等［25-27］；4）從管理學方面，學者通過從網絡數據中檢索相關論文，建立相關領域的合作網絡，了解該領域中的領軍人物以及哪些論文在該領域有較高的學術價值，并分析該學術網絡的結構特征［28-31］。

3 知識網絡的構建和分析

網絡是事物以及事物之間的某種關系，社會網絡指的是社會行動者（social actor）及它們之間的關系的集合。也可以說社會網絡是由多個點（社會行動者）和點之間的連線（代表行動者之間的關系）組成的。其中，這些點（actor/node）可以是個體、公司、城市等，連線表示的關系可以是同學關系、病毒傳播方向、企業交流等［32］。社會網絡分析作為新的經濟社會學中的重要研究方法，是在美國社會心理學家莫雷諾（J.L.Moreno）提出的社會測量法基礎上發展起來的，社會網絡分析方法從個體網（ego-networks）、局域網（partial networks）和整體網（whole net-works）三個不同的層面，分析網絡中心性、聚類性、派系、核心-邊緣結構等，作為一種新的網絡分析方法，社會網絡分析方法也受到越來越多領域的關注［33］，它為社會學、情報學、疾病傳播研究等領域提供了新的思路和視角。

3.1 社會網絡數據的準備

通過從重慶維普期刊數據庫的分類檢索目錄中，選擇分類標準中的“航空、航天”這一類，以檢索出的該領域2000—2009年間在核心期刊中發表的論文為原始數據，提取含有兩個或兩個以上合作單位的論文（同一大學不同院系視作兩個單位），根據每個單位所在省份，通過C++程序計算出各個省份之間的聯系次數、省內各個單位的聯系次數以及單位屬性（大學、研究所、企業和其他）之間的聯系次數。利用社會網絡分析工具UCINET和Pajek，對省份間聯系次數矩陣進行分析，研究不同省份之間的合作差異，構建不同知識主體（各個單位）間知識流動的航空航天知識網絡，并分析不同單位屬性間的知識流動特征。通過地理信息系統軟件ArcGIS9.2，分析知識流動網絡的空間分布差異及形成原因。

3.2 全國尺度上的知識網絡

對全國范圍內知識網絡結構的分析，可以看出省區市間合作交流的強度，了解各省區市航空航天技術對外合作狀況。通過對2000—2004年知識網絡研究發現北京與遼寧、陜西、黑龍江之間的聯系次數多，在2005—2009年的網絡中，北京與陜西之間的聯系強度明顯大于其他省區市之間的聯系，說明陜西在全國的地位上升最快。2005—2009年的網絡圖較2000—2004年網絡圖更稠密，省區市間的線也多，這說明省區市之間的聯系越來越緊密，各省區市的合作對象也越來越多，知識交流更加頻繁，這有利于航空航天技術的傳播和創新。

3.3 知識網絡中各省區市的地位

集線中心（Hubs）和權威點（Authorities）是網絡中的高連接點，對網絡的完整性和穩定性至關重要［34］。集線中心權重（Hub Weights）和權威權重（Authority Weights）的值越大說明該節點的中心性和權威性越高，處于集線中心和權威點的節點在網絡中的地位高于其他節點［35］。選取2000—2009年網絡中既是集線中心又是權威節點的5個點作為該年網絡的重要點，并對這些點的權威權重進行對比分析。

由表1可知：①北京和陜西在十年里分別有10次和9次出現在重要點中，而且北京十年間的權威權重始終處于第一，陜西除了2000年之外都排在第二，可見北京和陜西是我國航空航天事業發展的核心地區。這是因為北京作為我國的首都以及政治、文化中心，是我國先進生產力和高科技聚集的地方，擁有眾多的科研院所和高校，從技術和資金上得到了國家的大力扶持；陜西除擁有眾多航空航天領域的高校和科研院所，如西北工業大學、陜西衛星測控中心、陜西空軍工程大學等外，還擁有眾多航空航天制造企業，形成了較為完備的產業鏈，因此北京和陜西在航空航天領域的中心地位非常穩固，稱之為中心中的中心，或超級中心。②江蘇和四川兩省在十年的發展過程中，也有八次出現在中心級別中，其中江蘇有6次有位于第四，而四川地區的核心則在第三和第五之間波動，它們的中心地位也相對穩定，稱之為次級中心。③東北三省的中心性出現“此起彼伏”的情況，黑龍江省在2000—2003年間出現在中心級別中，在2003—2005年崛起的是遼寧省，吉林省從2008年開始出現在中心級別中。另外湖南省從2003年開始出現在集線中心，隨后幾年發展有所下降。這些省份的權威權重也較高，稱之為不穩定中心。

表1 集線中心及其權威權重

通過對其他省份的權威權重數據分析得出：上海、四川、湖北、河南、山東這些省份的權威權重也比較高，權重值與集線中心的權重值相差不大，如果加快發展速度，會成為我國未來航空航天事業的發展中心，這樣的省份稱之為潛在中心。為了更直觀地觀察我國航空航天領域各省區市的地位，本文將研究時段分為4個階段2000、2003、2006、2009，觀察集線中心的變化。

3.4 知識主體屬性分析

為了更深入地了解合作單位的屬性，研究將所有單位分為大學、研究所、企業和其他四類。通過對2000—2004年和2005—2009年兩個五年數據的研究發現：從合作總數來看，大學與大學以及大學與研究所在這10年的合作次數都遙遙領先于其他類別間的合作。由于航空航天科學技術的發展需要大量資金和高新技術的支持，這就決定了在發展過程中政府必須發揮主導作用，而政府多以高校和研究所為研究基地，這就形成了我國航空航天科學技術的發展以高等院校和研究所為主導的局面；從增長率來看：1）研究所之間的合作以及大學和研究所與其他（軍隊為主）之間的合作增長率都比較高，均超過了200%，在這10年的發展過程中，不同研究所之間的合作正在加強，這是由于研究所的特殊管理方式使得不同研究所之間合作更為便利，也容易形成研究所之間穩定的合作交流網絡。大學和研究所的研究成果中有一部分武裝空軍裝備，它們與軍隊之間合作證明了科學技術的發展為提高我國軍事實力提供保障；2）研究所和大學與企業之間的合作增長也較快，這說明了大學和研究所在加強彼此之間合作的同時，開始尋求產學研三者間的合作模式，這種高校提供技術服務、企業提供資金支持的模式，不僅有利于提高高技術的市場轉換率和航空航天技術的民用化，減少政府對該領域的資金投入，也有利于我國產學研創新機制的形成。在這個模式中，企業應該發揮重要作用，積極尋求與科研機構間的合作，優化企業產業結構，提高創新能力（見表2）。

4 知識網絡的空間特性

伴隨著計算機技術的發展，地理信息系統（GIS）的應用也越來越廣泛。強大的空間分析功能是其突出特點，空間查詢分析、空間信息提取、空間位置分析、空間分布分析等為城市規劃、災害預測、商場選址等方面，提供了便利、有效的工具。GIS的空間分析功能是從空間物體的空間位置、聯系等方面去研究空間事物，以對空間事物做出定量的描述，空間分析方法的核心是根據描述空間對象的空間數據分析其位置、屬性、運動變化規律以及對周圍其他對象的相關制約，相互影響的關系［36］。本文通過ArcGIS9.2軟件分析各個省區市間的聯系強度，將所有的聯系次數分為弱聯系、較弱聯系、較強聯系和強聯系四個等級。

由圖1可以發現：1）隨著時間的推移，各個省區市之間在同一等級的聯系次數逐漸增加，這說明在全國范圍內，各省區市的聯系次數呈增長趨勢；2）對參與強聯系連接的省區市（以下簡稱強省市）分析發現，在2000—2004年間，強省市的數目由少到多，在2000年時，只有北京和黑龍江，2001年時增加了陜西，2003年時增加了遼寧，到2004年時強省份有北京、陜西、四川、江蘇和遼寧，在這個過程中，強省份數目逐漸增多，黑龍江的地位開始下降，遼寧地位有所上升。在2005—2009年，強省市數目呈下降趨勢，2005—2007年都只有北京和陜西，2008—2009年增加了長春，這說明在這五年的過程中，我國基本形成了以北京和陜西為中心的航空航天科學技術中心；3）從10年的整體發展來看，強省市數目的變化說明了中心省份由個別到分散再到集中的過程，除了在2004年中有四川和江蘇為強省市外，其他年份的中心都位于我國北方地區，這說明我國航空航天技術存在較明顯的南北差異，東三省中強省份地理區位和出現省份都與社會網絡分析中的中心相同，都出現了 “此消彼長”的情況，強省份依次是黑龍江→遼寧→吉林。這些特征與社會網絡分析的中心不完全相同，但基本吻合，說明了將社會網絡分析與地理分析結合的可行性。4）對參與較強聯系的省份（以下簡稱較強省市）研究發現，在這10年中，較強省份形成兩個分支，一支是和北京發生聯系，另一支是和陜西發生聯系，這說明它們在加強彼此聯系的同時，還根據自己的優勢尋找自己的合作伙伴，由于地理距離上的臨近，北京與黑龍江、吉林、遼寧之間的較強聯系共有10次，而陜西只與遼寧存在1次較強聯系；陜西與河南存在3次較強聯系，北京與河南僅1次較強聯系，這有利于將陜西和北京地區的高新技術向這些地區轉移，促進知識交流。它們與航空航天技術水平較高的江蘇、上海、四川等地合作，有利于知識交流，推動技術進步。另外河南、山東的出現說明了這種高新技術向我國中部地區轉移，整體上參與的較強省市中我國南方省市也增多，如上海、湖南、廣東等，這說明我國航空航天技術開始由北向南、由強省份到弱省份的擴散，這有利于全國范圍內航天技術的應用和發展，也為航空航天技術的發展提供更多的市場和合作機會。

通過對各個省份歷年參與合作的機構類型進行統計分析，發現大學和研究所在知識流動網絡中占主導地位，公司的作用并不明顯，產學研間的合作存在障礙。各省區市參與合作的大學和研究所的數量決定了該省份在知識網絡中的地位，數量越多，則該省份的地位就越高，因此，提高科研院所的參與度，合理布局科研院所所在地，為提高地區在知識網絡中的地位有重要作用。表3為2000、2003、2006、2009年機構參與總數排名前三的省份及其參與機構屬性的統計，由表3可發現，大學和研究所在合作中所占的比例都在75%以上，北京和陜西地區參與的機構數目遠遠超過其他省份，可見它們在全國知識網絡中的地位。

5 結論

本文對我國航空航天科學技術的空間分布特征進行研究，分析研究所、大學、企業間的知識流動情況，有助于知識交流量化研究。研究發現我國航空航天技術的市場化仍處于發展初期，基于航空航天技術的產業鏈尚未形成，政府部門可以從以下方面著手：①充分發揮核心區的核心作用，提高核心區高技術向周邊地區的溢出效應與高新技術的利用率和轉化率，形成穩定的產業鏈；②發揮地方特色，分工合作，形成具有地區特色的航空航天技術開發區；③搭建有效的產學研合作平臺，給予更有效的政策和資金上的支持，形成三者間成熟的知識流動網絡；④優化航空航天產業管理模式，完成由政府主導到政府、市場同時作用的轉變，提高航空航天技術在社會生活中的作用；⑤努力尋求與國外合作的機會，提高航空航天技術國際競爭力，借鑒國外航空航天產業管理模式，優化區域產業結構。

本文對我國航空航天科學技術的省區市發展情況有了一個初步的了解，探討了社會網絡理論與地理空間分析相結合的應用，下一步研究的主要方向有：①進一步分析在航空航天領域各個單位在整個知識流動網絡中所處的地位；②各個大學、研究所與企業之間知識流動的內在驅動因素；③其他形式的合作如學術交流會議、科學論壇以及國家政策對航空航天科學技術發展的影響。

［1］王大珩,王淦昌,楊嘉墀,陳芳允.高技術詞典［Z］.北京：科學出版社,清華大學出版社,2000.

［2］Massimo G.Colombo,Luca Grilli.Supporting high-tech start-ups:Lessons from Italian technology policy［J］.International Entrepreneurship and Management Journal,2006,（2）:189-209.

［3］D.J.Storey,B.S.Tether.Public policy measures to support new technology-based firms in the European Union［J］.Research Policy,1998,（2）:1037-1057.

［4］張慶偉.發展中的中國航天［J］.中國航天,2007,（8）:3-10.

［5］馬興瑞.發展航天技術,服務經濟建設［J］.中國航天,2002,（11）:7-11.

［6］王俊,劉東.擺脫代工企業創新困境的社會網絡論分析——基于溫州打火機產業的案例研究 ［J］.商業經濟與管理,2010, 223（5）:55-70.

［7］黃攸立,熊宇.基于社會網絡分析法的區域創新環境關鍵要素識別［J］.北京郵電大學學報（社會科學版）,2010,12（2）:84-102.

［8］羅宣,傅為忠.基于團隊創新和能力整合的企業集團競爭優勢研究——一個社會網絡的分析視角［J］.財經問題研究,2010, 316（3）:92-98.

［9］陳巍,尹苗苗,蔡莉.新創企業社會網絡對知識獲取影響的內在機理研究［J］.情報科學,2010,28（4）:616-619.

［10］趙君麗,吳建環.全球生產網絡下知識擴散與本地產業集群升級［J］.科技進步與對策,2009,26（11）:36-40.

［11］邢曉柳.基于核心企業的產業集群知識網絡形成機制研究［J］.改革與戰略,2010，（1）:120-128.

［12］黨洪莉.社會網絡分析推進知識的共享與創新［J］.圖書館學研究（2010）理論版,2010,（3）:43-61.

［13］林莉,鄭旭,葛繼平.基于小世界網絡視角的產學研合作知識轉移活動分析［J］.科技進步與對策,2010,27（3）:5-8.

［14］曾德明,陳靜華,朱丹,彭盾.知識流動視角下的企業創新網絡研究［J］.未來與發展,2009,（7）:89-92.

［15］萬君,顧新.知識網絡合作效率影響因素探析［J］.科技進步與對策,2009,26（22）:164-167.

［16］肖冬平,顧新.知識網絡的形成動因及多視角分析［J］.科學學與科學技術管理,2009,（01）:84-91.

［17］汪濤,任瑞芳,曾剛.知識網絡結構特征及其對知識流動的影響［J］.科學學與科學技術管理,2010,（05）:150-155.

［18］Krause J,Croft D P,James R.Social network theory in the behavioural sciences:potential applications［J］.Behavioral Ecology and Sociobiology,2007,（62）:15-27.

［19］Naug Dhruba.Structure of the social network and its influence on transmission dynamics in a honeybee colony［J］.Behavioral Ecology and Sociobiology,2008,（62）:1719-1729.

［20］Croft D P,Jame R,Ward A J W,Botham M S,Mawdsley D,Krause J.Assortative interactions and social networks in?sh［J］. Population Ecology,2005,（143）:211-219.

［21］Naug Dhruba.Structure and resilience of the social network in an insect colony as a function of colony size［J］.Behavioral Ecology and Sociobiology,2009,（63）,1023-1028.

［22］Hsinchun Chen,Richard Miranda,Daniel D.Zeng,Chris Demchak,Jenny Schroeder,Therani Madhusudan.Intelligence and Security Informatics［M］.New York:Springer-Verlag Berlin Heidelberg,2003.

［23］Jeffery Scott Mcillwain.Organized crime:A social network approach［J］.Crime,Law&Social Change,1999,（32）:301-323.

［24］Carlo Morselli,Cynthia Giguere.Legitimate strengths in criminal networks［J］.Crime,Law&Social Change,2006,（45）:185-200.

［25］Fagiolo Giorgio,Javier Reyes,Stefano Schiavo.The evolution of the world trade web:a weighted-network analysis［J］.J Evol E-con,2010,（20）:479-514.

［26］Tzekina I,Danthi K,Rockmore D N.Evolution of community structure in the world trade web［J］.The European Physical Journal B,2008,（63）,541-545.

［27］Santo Fortunato,Giuseppe Mangioni,Ronaldo Menezes,Vincenzo Nicosia.Complex Networks ［M］.New York:Springer-Verlag Berlin Heidelberg,2009.

［28］Ben-Naim Eli,Frauenfelder Hans,Toroczkai Zoltan.Complex Networks［M］.New York:Springer-Verlag Berlin Heidelberg, 2004.

［29］Melin G,Persson O.Studying Research Collaboration Using Co-authorships［J］.Scientometrics,1996,36（3）:363-377.

［30］Shaun Goldfinch,Tony Dale,Karl Derouen Jr.Scinece from the peripher:Collaboration,networks and‘periphery effects’in the citation of New Zealand Crown Research Institutes articles,1995-2000［J］.Scientometrics,2003,57（3）:321-337.

［31］Haiyan Hou,Hildrun Kretschmer,Zeyuan Liu.The structure of scientific collaboration networks in Scientometrics［J］.Sciemtometrics,2008,75（2）:189-202.

［32］劉軍.整體網分析講義——UCINET軟件實用指南［M］.上海：格致出版社,上海人民出版社,2009.

［33］Vaclav Sná?el,Piotr S.Szczepaniak,Ajith Abraham,Janusz Kacprzyk.Advances in Intelligent Web Mastering-2［M］.New York:Springer-Verlag Berlin Heidelberg,2010.

［34］Reka Albert,Hwoon Jeong,Albert-Laszlo Barabasi.Error and attack tolerance of complex networks［J］.Nature,2000:378-382.

［35］Kleinberg Jon M.Hubs,Authorities,and Communities［J］.ACM Computing Surveys（CSUR）,1999:1-3.

［36］湯國安,楊昕.ArcGIS地理信息系統空間分析實驗教程［M］.北京：科學出版社,2006.

Difference in Spatial Distribution of Knowledge Flow——An Case of Aerospace Science and Technology

Li Dandan1,Wang Tao1,Yang Yanzheng2
（1.School of Geographical Science，Nanjing Normal University,Nanjing 210046，China；2.School of Forestry，North West Agriculture and Forestry University，Yangling 712100，China）

Using social network analysis software,geographic information system software,statistical data of the papers published in cooperation about the aerospace science and technology in the core database of Chinese Scientific and Technical Journals（Journal of Chongqing VIP）from 2000 to 2009,this paper constructs social networks and space networks,studies the spatial differentiation of knowledge flow between various properties of nodes,such as university,institute,enterprise,etc.The paper attempts to make sociological theory apply in geography.The results show that:There are the super centers,secondary centers,unstable center in the knowledge flow of China’s aerospace science and technology;Aerospace technology R&D is mainly borne by universities and research institutes.Therefore,the government should strength the links among production and research to form a stable industrial chain and increase the conversion rate of high technology.

social network analysis;knowledge flow;spatial analysis;aerospace science and technology

2011-05-20

李丹丹（1988-），女，河南信陽人，在讀碩士；研究方向：知識網絡與區域創新體系。

V11

A

（責任編輯 劉傳忠）