基于多維鄰近性的藥學領域科技創新主導力擴散仿真研究

摘 要： ［目的／ 意義］ 科技創新主導力與創新團隊的產出績效息息相關， 在日益龐雜的科技創新合作中至關重要。然而現有科技創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新主導力網絡的演化機制， 有助于進一步促進科技創新合作。［方法／ 過程］ 本文以藥學領域的數據驅動， 設定創新主體的搜索規則、主導規則、創新規則， 以平均科技創新增益及其擴散速率為評價指標來衡量科技創新主導力的擴散效果， 模擬科技創新主導力的擴散過程， 并進一步探究多維鄰近性與科技創新主導力擴散的動態關系。［結果／ 結論］ 結果顯示， 多維鄰近性對科技創新主導力擴散具有重要影響， 且不同鄰近性在網絡演化的不同階段發揮著不同的作用。本文全面細致地刻畫了多維鄰近性在科技創新主導力網絡演化的不同階段所發揮的具體作用， 進而為機構／ 企業和創新個體的發展提供參考。

關鍵詞： 科技創新主導力； 擴散機制； 多維鄰近性； 仿真模擬； 科研合作網絡

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

科技創新日益成為國際政治、經濟、軍事等格局的決定性變量， 我國進一步強化科技創新戰略布局。習近平總書記在黨的二十大報告中強調， 要加快實施創新驅動發展戰略， 加快實現高水平科技自立自強， 加快建設科技強國［１］ 。科研合作是其中最重要且普遍的科技創新形式。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出量、影響力、合作規模等方面取得了長足發展［３］ ， 在國家／ 地區、機構／ 企業、個人等各個層面的科技創新合作更是方興未艾［４－７］ ?？萍紕撔潞献骺梢杂卸喾N形式， 如聯合承擔科研項目、合作推廣成果、合作發表科學論文、合作申請技術專利等［８－１０］ 。相較而言， 合作發表的科學論文， 因為其具有時效性、專業性等特點， 能夠全面且及時地反映學科的前沿進展； 合作發明的技術專利， 因為其啟發性、可靠性等特點，能夠準確且高效地刻畫技術創新的機遇與趨勢。科學論文與技術專利已成為研究科技創新最普遍的成果， 成為科技創新合作產出的重要表現形式和常用測度指標［１１－１３］ 。

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

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新主導力的擴散模型， 結合全球藥學領域科學論文合作數據和技術專利合作數據， 分別以科學創新主導力網絡和技術創新主導力網絡的真實多維鄰近性數據作為模型的初始化設置， 設定創新主體的搜索規則、主導規則、創新規則， 并以平均創新主導力增益及其擴散速率為評價指標來衡量科技創新主導力的擴散效果， 模擬科技創新主導力的擴散過程， 探究多維鄰近性對科技創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新政策提供參考， 促進創新主體高效利用科技創新資源。

１ 相關研究與理論

１. １ 科技創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作用， 更是決定團隊合作表現的重要變量之一［２４］ 。已有研究證明， 科技創新主導力與創新團隊的資源整合能力［２５］ 、創新產出、成果影響力乃至團隊競爭力息息相關［２６］ 。目前， 科技創新主導力已受到了眾多領域持續、高度的關注，包括臨床醫學［２７］ 、企業組織［２８］ 等。

從文獻計量學的角度而言， 現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］ ， 發揮了科技創新主導力［２９－３０］ 。主導作者（第一作者／ 通訊作者）同時對科技創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化的貢獻［４］ ， 例如通過數據分析、數據清洗等來支持合作的進程。而在技術專利中， 其發明人的署名規則要比科學論文作者更嚴格［３３］ ， 第一發明人被廣泛認為是專利發明合作項目的主導者［３４］ ，發揮了科技創新主導力［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明人［３７－３８］ 。在國家層面的專利分析中， 第一發明人所屬的國家（地區）被視為專利所屬的國家（地區）［３９］ 。

１. ２ 科技創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軔于Ｍａｒｓｈａｌ Ａ［４１］ ， 因討論了地理鄰近性的企業聚集效應， 而開創了聚集經濟研究的先河。２０ 世紀９０ 年代， 歐洲“鄰近性動力學派” 在研究產業動態調整領域時， 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?！岸嗑S鄰近性” 由此受到了經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， 組織鄰近性與創新主體的自治程度相關； 制度鄰近性涉及行為規范、習俗、法規等宏觀規則； 社會鄰近性則取決于創新主體之間的信任； 而認知鄰近性則與創新主體之間的認知背景、基礎以及學習能力相關。據此， 國內外研究者也從多個層面、多個領域展開了對科技創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 科技創新合作網絡中的知識擴散機制仿真研究

關于科技創新合作網絡的知識擴散機制， 現有研究主要采用計算機仿真方法分析網絡結構特征和節點屬性特征對知識擴散的影響。針對結構特征對合作網絡中知識擴散的影響， 現有研究從ＢＡ 無標度網絡、小世界網絡、節點度數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絡中的知識擴散， 發現小世界網絡下， 知識擴散效率達到最優。巴志超等［５８］ 通過數值模擬和計算機仿真的方法構建合作網絡中的知識擴散模型， 發現網絡的隨機程度越大， 網絡規模越小， 知識擴散速度越大且分布越均衡。針對節點屬性特征對合作網絡中知識擴散的影響， 現有研究關注網絡節點的背景差異性、網絡節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， 節點之間的緊密聯系能夠顯著影響知識流動率［５９］ 。余謙等［６０］ 通過數值仿真發現地理鄰近性在知識擴散初期發揮主要作用， 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新資源的規劃、調度、配置、整合等發揮科技創新主導力的效用?？萍紕撔轮鲗ЯΦ臄U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?？坍嬁萍紕撔轮鲗ЯU散的復雜性、交互性和層次性， 以及其宏觀涌現性， 有助于把握不同階段科技創新主導力的擴散規律。

２ 相關概念與測度

２. １ 科技創新主導力相關概念

科技創新主導力與團隊的資源整合能力［２５］ 、科技創新產出、成果影響力乃至團隊競爭力息息相關。本文界定了科技創新主導力涉及的主要概念，包括主導主體、參與主體、科技創新主導力網絡，具體如下［３５，６１］ ： ①主導主體， 在科技創新合作過程中， 作為主導者的創新主體。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科技創新主導力網絡， 以創新主體為節點， 以主導—參與關系為連邊所形成的網絡。如圖１ 所示， 展示了基于多篇科學論文的科學創新主導力網絡模型。

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。在科技創新主導過程中， 可以用創新主體之間地理距離的倒數來測度?，F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， 根據創新主體α 和β 的經緯度計算球面直線距離， 并選取球面直線距離的倒數［６３］ 來測度地理鄰近性。

２） 認知鄰近性（Ｃｏｇｎｉｔｉｖｅ Ｐｒｏｘｉｍｉｔｙ）

認知鄰近性指創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， 根據這５０個類， 將每個創新主體在每個類所發表過的科學論文數量進行累加， 得到該創新主體的５０ 維主題向量， 即為對應的創新主體的認知向量。而認知鄰近性則為創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）

制度鄰近性指創新主體之間在正式制度（如法律準則、規章制度等）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， 本文采用兩個創新主體所在國家（地區）的綜合語言相似度來衡量［４８，５２，６５］ ， 如果兩個創新主體來自同一個國家（地區）， 則制度鄰近性為１； 否則， 制度鄰近性為兩個創新主體所在國家（地區）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，可以表示創新主體之間社會關系的親疏遠近。社會鄰近性可以通過創新主體的正式或非正式渠道建立［６６］ ?，F有研究主要采用過往的交互經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（兩個創新主體以前是否發生過科技創新主導力關系）來測度， 如果兩個創新主體已經發生過科技創新主導力關系， 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新主導力擴散仿真建模

科技創新主導力網絡， 作為典型的復雜網絡，其形成和演化過程充滿高度的動態性和非線性［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。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的涌現性， 已成為計算機仿真領域刻畫復雜系統的有力工具［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據作為初始驅動數據， 探究多維鄰近性與科技創新主導力擴散的動態關系。

３. １ 模型設計與假設

科技創新并非時間上的線性增長過程， 創新主體也并非一直處于創新狀態中。在一個時間單位里， 只有極少部分創新主體激活創新狀態， 啟動創新項目， 成為主導主體。根據資源依賴理論［７０］ ， 主導主體需要依賴其他創新主體的知識與技能來推動創新項目。啟動創新項目之后， 主導主體搜索合適的參與主體， 組建創新團隊， 推動創新項目。根據資源配置理論［７１］ ， 無論是主導主體還是參與主體，創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新活動。在創新項目結束之前， 主導主體和參與主體都會對該創新項目持續付出各自的部分精力。當創新主體的剩余精力為０ 時， 在該時間單位里， 創新主體既不能主導也不能參與新的創新項目。主導主體會對其創新項目作出主要貢獻， 因此， 主導主體對相應創新項目的精力付出大于其他參與主體。創新主體在有剩余精力的前提下， 可以繼續參與其他創新項目。在某個創新項目結束的時間單位里， 主導主體和參與主體被該創新項目占用的精力得到恢復。這些創新主體在下一個時間單位里可以繼續被激活，啟動創新項目， 成為主導主體， 或者加入別人主導的創新項目， 成為參與主體。當創新項目結束時，主導主體和參與主體按照各自對創新項目付出的精力分配科技創新主導力增益， 同時根據社會學習理論［７２］ ， 人的認知和行為相互強化， 創新主體的認知基礎也會受到結束的創新項目的影響， 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： 科技創新主導力擴散過程中， 創新主體的數量保持不變， 沒有新的創新主體加入， 也沒有創新主體離開。創新主體的地理位置不變， 不會更換城市和國家（地區）。

假設２： 每個時間單位里， 有２００ 個創新主體被激活， 成為主導主體， 組建創新團隊， 推動創新項目。每個創新項目的持續時間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新項目中， 做出最大的貢獻， 因此每個創新主體不能同時主導兩個創新項目。創新主體每參與一個創新項目， 至少要付出１ 個單位的精力。當創新主體的剩余精力等于０ 時， 其不能參與新的創新項目， 直到現有的創新項目結束， 釋放占用的精力值。

３. ２ 基于藥學領域科技創新數據集的初始化設置

１） 藥學領域科技創新數據獲取

當前， 由于藥學領域對人類社會發展至關重要，藥學科技創新已經受到了經濟學、社會學、科學計量學等諸多領域的關注。各國（地區）以及國際組織的巨額研發投入將進一步推動藥學領域科技創新合作的發展［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 核心合集的題錄數據為原始數據， 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。

技術專利數據蘊藏著海量的科技創新態勢、戰略、格局信息。本研究的技術專利數據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據源之一［７６－７７］ 。本研究根據國際專利分類碼（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。對于發明人姓名消歧， 本研究采用既有項目的發明人消歧數據ＰａｔｅｎｔｓＶｉｅｗ。ＰａｔｅｎｔｓＶｉｅｗ 網站提供了一個對應于ＵＳＰＴＯ 等專利數據的可靠數據源， 提供了企業、發明人和地址的信息及消歧［７９］ 。同時， 考慮到中國創新能力的蓬勃發展， 中國專利知識產權在全球的比重越來越高， 本文也將中國的專利數據融合進來。本文采用智慧芽專利數據庫平臺， 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條中國發明專利。對于中文專利， 本文參考針對國內醫藥企業專利發明人的消歧方法［８０］ 。最終所得到的科學論文和技術專利樣本數據如表２ 所示。