E-mail alert  |  RSS service
高级检索

中国“双一流”高校科研合作网络演化特征及其影响因素☆

武荣伟 ,  李寒 ,  张钦 ,  程纭

科学观察 ›› 2025, Vol. 20 ›› Issue (4) :102-115

PDF (3819KB)
科学观察 ›› 2025, Vol. 20 ›› Issue (4) :102-115 DOI: 10.15978/j.cnki.1673-5668.20250416
数据观察

中国“双一流”高校科研合作网络演化特征及其影响因素☆

作者信息 +

Evolutionary Characteristics of the Research Collaboration Network of China’s “Double First-Class” Universities and Its Influencing Factors

Author information +
文章历史 +

摘要

[目的/意义] 为进一步完善高校科研合作网络，促进高校科研合作，优化高校协同创新机制，推动创新突破与高等教育协同发展。[方法/过程] 以中国“双一流”建设高校为研究样本，整合CNKI与Web of Science（WoS）数据库，构建2003—2023年科研合作网络，结合社会网络分析与负二项引力模型揭示网络的演化特征及影响因素。[结果/结论] 高校间科研合作的整体网络密度从0.062增长到0.353，合作网络越发紧密；合作网络度数中心势增加，中间中心势降低，高校间直接合作持续增强。地理距离较近的高校合作更为紧密，远距离合作现象逐步增加；学科相近的高校合作频率更高，学科交叉合作呈上升趋势；各个合作子群的高校数量存在显著差距，但逐步变得均衡。高层级高校、综合类高校处于网络核心地位，学科特色高校与专业化高校处于网络边缘。高层级与综合类高校度数中心度、中间中心度较高，特色学科高校与专业化高校度数中心度、中间中心度较低；高校间的度数中心度差距增大、中间中心度差距减小，主导高校作用强化。合作高校各自发文量、制度邻近以及认知邻近与高校合著论文呈正相关，高校层级、地理距离与高校合著论文呈负相关。本研究可为优化高校协同创新机制提供理论与实证支持。

Abstract

[Objective/Significance] To enhance the university research collaboration network, foster inter-institutional scientific cooperation, optimize collaborative innovation mechanisms, and promote synergistic progress in innovation and higher education. [Method/Process] Taking China’ s “Double First-Class” universities as research samples, this study integrates data from the CNKI and Web of Science (WoS) databases to construct a university research collaboration network from 2003 to 2023. Using social network analysis and a negative binomial gravity model, the study reveals the network’ s evolutionary characteristics and influencing factors. [Results/Conclusions]The overall network density of inter-university research collaboration increased from 0.062 to 0.353, indicating a progressively closer collaboration network. Degree centrality has increased, while betweenness centrality has decreased, reflecting strengthened direct collaboration among universities. Geographically proximate universities tend to collaborate more closely, though long-distance collaborations have gradually increased; universities with similar disciplines collaborate more frequently, and interdisciplinary collaboration is on the rise; there is a significant disparity in the number of universities within each collaboration subgroup, which has gradually become more balanced over time. Top-tier and comprehensive universities occupy core positions in the network, while universities with specialized or discipline-focused characteristics tend to be on the periphery. Top-tier and comprehensive universities exhibit higher degree and betweenness centrality, while specialized and discipline-focused universities show lower centrality; the gap in degree centrality between universities is widening, whereas the gap in betweenness centrality is narrowing, indicating a strengthening role of leading universities. The number of publications by collaborating universities, institutional proximity, and cognitive proximity are positively correlated with co-authored papers, while university tier and geographic distance are negatively correlated with co-authored papers. This study provides theoretical and empirical support for optimizing collaborative innovation mechanisms among universities.

Graphical abstract

关键词

“双一流”高校 / 科研合作网络 / 社会网络分析 / 负二项模型

Key words

“Double First-Class” universities / research collaboration network / social network analysis / negative binomial model

引用本文

引用格式 ▾
武荣伟, 李寒, 张钦, 程纭. 中国“双一流”高校科研合作网络演化特征及其影响因素☆[J]. 科学观察, 2025, 20(4): 102-115 DOI:10.15978/j.cnki.1673-5668.20250416
Wu Rongwei, Li Han, Zhang Qin, Cheng Yun. Evolutionary Characteristics of the Research Collaboration Network of China’s “Double First-Class” Universities and Its Influencing Factors[J]. Science Focus, 2025, 20(4): 102-115 DOI:10.15978/j.cnki.1673-5668.20250416

登录浏览全文

4963

注册一个新账户 忘记密码

0 引言

创新是引领发展的第一动力[1]。创新可以通过增加产品多样性、创造出新的产业部门、提升投入要素的质量和促进要素积累，进而提高生产率等多种途径促进经济增长[2]。随着技术变革加快、技术复杂性提高，单一主体实现突破性创新的难度上升，合作创新逐渐成为主流[3-4]。数据显示，2013—2020年，中国企业合作创新比例从20.1%增至67.4%，凸显其跨越组织边界、促进信息共享、降低风险、共享资源的优势[5]。高校作为知识资源集中、知识类型丰富的载体，其科研合作对学术交流、人才培养、催生突破式创新至关重要[6]，合作成为科研活动中不可或缺的重要方式[7]，高校间的科研合作网络研究成为当前创新网络研究的热点领域之一。

现有研究通常聚焦于高校合作网络的对象、方式、特征及其影响因素等领域。研究对象从“985工程”高校[8]，“211工程”高校扩展至区域群体[9-10]，乃至关注中国多数高校[11]。衡量科研合作的方式涵盖专利[12]、项目[13]及论文合作[14]等，其中，学术论文是科研合作最直接的产出形式，发表论文是高校之间最重要、最前沿的科研合作表现范式。因此，以高校合著论文来分析高校之间的科研合作成为了开展研究的主要途径。例如：Munoz等[15]基于Web of Science（WoS），收集拉丁美洲地区高等教育机构联合署名的学术出版物数据，发现拉丁美洲地区的校内及跨国合作比例较低。黄卫华等[16]以CNKI（China National Knowledge Infrastructure）为依托，以粤港澳大湾区中20所高校作为考察对象，发现高校间科研合作频次较低，港澳高校普遍存在合作动力不足、参与度低等情况。康乐等[17]收集110所“211工程”院校在WoS合作发表论文的数据，发现“985工程”院校在合作网络中处于核心地位。由于高校之间的科研合作本质上是一种关系型数据，社会网络分析法是一种针对“关系数据”的分析方法[18]，能够有效地分析和理解高校科研合作网络中的关系与结构，成为分析高校科研合作的主要方法。早在2000年，Newman[19]便采用社会网络分析法进行科研合作网络的研究。李俊良[20]收集中国“双一流”大学与美国部分知名大学2014—2018年在WoS数据库中校际合著论文，采用社会网络分析法发现中国“双一流”大学之间已建立起广泛的科研合作，但与美国知名大学相比，存在科研合作强度弱、科研合作分布不均衡等特征；此外，部分研究对合作网络形成机制进行探讨。李科利[10]和朱侃[21]发现业缘关系、师缘关系、地域因素、学科因素以及高校在科研体系中的地位等多种因素共同影响高校合作网络的形成。近年来，相关研究更加关注制度性与邻近性等因素对科研合作的影响，如Hoekman等[22]发现，欧盟科研专项资金有助于提升边缘地区高校的合作能力，突破“中心-边缘”结构所带来的知识生产不均衡问题。Boschma[23]的邻近理论框架则指出，合作关系的形成依赖于地理邻近（空间距离邻近），认知邻近（知识结构相似性）、社会邻近（信任与非正式联系）和制度邻近（政策环境共享）等多维因素的共同作用。实证研究表明，在合作网络中，地理邻近强化了面对面交流的便利性，而制度邻近和认知邻近则有助于降低合作摩擦、提升信任基础[11]。同时，其他维度的邻近性，如心理邻近对于合作创新同样具有重要意义[24]。因此，多维邻近被认为是推动区域或组织之间合作与创新网络演化的重要驱动力。

综上所述，相关研究已经取得了一系列的进展，为本研究提供了坚实基础，但已有研究仍然存在以下局限。1）已有研究通常基于CNKI或WoS数据库，然而，单独的数据库难以保证学术成果的全面性，需同时考虑中英文2大数据库才能构建更全面、更完整的高校科研合作数据集。2）已有研究中所选对象通常聚焦于“985工程”“211工程”或特定区域的高校群体，且常将所选对象视作单一整体，对其内部层级合作特征揭示相对不足，当前，“双一流”高校是中国研究型高校的主体，针对“双一流”高校的相关研究较为欠缺。3）已有研究主要关注高校科研合作网络的结构形态与演化特征，对其形成机制的探讨以定性为主，量化分析相对不足。鉴于此，本文以144所“双一流”高校为研究对象，整合CNKI与WoS核心数据库，构建2003—2023年的高校间科研合作网络，结合社会网络分析与负二项引力模型，从多维邻近的视角，系统揭示网络演化规律及影响因素，旨在完善高校间科研合作网络的相关研究，进而为促进高校间的科研合作提供决策参考。

1 数据来源与研究方法

1.1 数据来源

学术论文是各大高校进行科研合作时最基本的产物，本文选择高校间合著论文进行科研合作网络的研究。以中国144所“双一流”高校为基本单元，基于CNKI与WoS 2大核心数据库，选取2003—2023年21个研究年份，在CNKI数据库中以高校中文名称两两结合进行“并且”逻辑检索，在WoS数据库中以高校英文名称两两结合进行“并含”逻辑检索，获得高校间两两合著论文数。本文所获取数据不考虑高校合著论文署名先后，即2所高校同时出现在同1篇论文中合作单位信息里时，视为合作1次。根据检索结果，统计得到近21年144所中国“双一流”高校的发表的中英文合著论文数量。

1.2 研究方法

1.2.1 网络密度

为从宏观角度刻画高校间合作的疏密程度，选择网络密度作为衡量指标，揭示信息在高校之间传播的速率，网络密度指数值越大，表明各高校之间的联系越紧密。计算方法见式（1）。

$D=\frac{2 n}{N(N-1)}$

式中：D为高校科研合作网络密度；n为整个合作网络中实际存在的联系数，即网络中实际存在的边数；N为该合作网络中高校数量。

1.2.2 度数中心性

度数中心性可以分为点的度数中心度和图的度数中心势。如某高校与网络中其他多数高校有直接合作，则该高校度数中心度较高，在合作网络中处于中心地位。图的度数中心势是指网络中度数中心度最高节点与其他节点的差距，探讨一个图在多大程度上表现出向某个点集中的倾向性。计算方法见式（2）。

$C_{\mathrm{D}}=\sum_{j=1}^{n} X_{i j}$

式中：CD为该高校的度数中心度；Xij为0或1的数值，Xij=0时为2个高校之间不存在科研合作，Xij=1时为2个高校之间存在科研合作；n为中国“双一流”高校科研合作网络中的节点数，即所选高校数量。

1.2.3 中间中心性

中间中心性分为点的中间中心度、图的中间中心势。点的中间中心度是指一个点处于其他点对的捷径（最短的途径）上。图的中间中心势是指网络中中间中心度最高节点与其他节点的差距。若该高校位于多数其他高校联系的最短路径上，则表明该高校具有较高的中间中心度。计算方法见式（3）。

$C_{\mathrm{B}}=\sum_{s \neq i \neq t} \frac{g_{s t}(i)}{g_{s t}}$

式中：CB表示各高校的中间中心度；s、t、i分别表示3个高校；gst表示高校s和高校t之间进行科研合作时线路最短的次数；gst(i)表示在高校s和高校t之间进行科研合作时线路最短路径中经过高校i的次数。

1.2.4 凝聚子群

凝聚子群是满足如下条件的一个行动者子集合，即在此集合中的行动者之间具有相对较强、直接、紧密、经常的或者积极的关系[25]，主要有4种类型：以互惠性为基础的类型、关注可达性的类型、基于度数的类型和考虑“子群内外关系”的类型。高校科研合作网络具有互惠特征，因此选择基于互惠性的凝聚子群进行分析。

1.2.5 核心-边缘结构

核心-边缘结构用于识别各高校在科研合作网络中的地位，旨在量化该高校在合作网络中的重要程度，判断该高校处于核心地位或边缘地位。计算方法[26]见式（4）。

$\rho(i)=\sum_{i, j} \alpha_{i j} \delta_{i j}$

式中： (i)表示高校i的核心-边缘值，i、j表示网络中的高校节点；aij是指实际条件下高校i与高校j是否存在科研合作，若存在科研合作则为1，否则为0；δij是指理想条件下高校i与高校j是否存在科研合作。

1.2.6 负二项引力模型

本文选择的中国“双一流”高校间合著论文数是一个计数变量，其取值范围为非负整数，假设高校合著论文（Nco-ij）满足泊松分布[27]（式（5））。

$\operatorname{Pr}\left(N_{\mathrm{CO}_{-} i j}\right)=\frac{\exp \left(-u_{i j}\right) u_{i j}^{N_{\mathrm{O} i j}}}{N_{\mathrm{CO}_{-} i j}!}\left(N_{\mathrm{CO}_{-} i j}=0,1, \ldots\right)$

条件均值uij与一个具有多变量的外生函数相关（式（6））。

$\begin{aligned}u_{i j}= & \exp \left(a_{0}+a_{1} \ln T_{i}+a_{2} \ln T_{j}+\sum_{u=1}^{U} a_{1 u} \ln X_{i u}+\right. \\& \left.\sum_{e=1}^{E} a_{2 e} \ln X_{j e}+a_{3} \ln D_{i j}\right)\end{aligned}$

式中：a0表示常数项，a1、a2、a3、a1u、a2e表示回归系数；Ti、Tj表示高校i，j的发文量；Xiu表示高校i的第u个影响因素；Xje表示高校j的第e个影响因素；Dij表示高校i与高校j间的公路驾车距离。

泊松回归的基本假设为因变量的方差与均值相等，由实际情况来看，不同高校间的合著论文数可能存在较大差异，同一高校在不同年份的数据也有差异，可能不符合泊松回归的假设条件。负二项模型通过引入参数α，以测度过度离散水平。条件均值uij同式（6），但假设条件与泊松回归不同，模型中方差应满足一个关于条件均值uij、离散系数α的函数（式（7））。

$\operatorname{Var}\left(N_{\mathrm{CO}_{-} i j}\right)=u_{i j}+\alpha u_{i j}^{2}$

高校合作论文数NCO_ij满足泊松-伽马（Poission-Gamma）混合分布（式（8））。

$\begin{aligned}\operatorname{Pr}\left(N_{\mathrm{CO}_{-} i j}\right)= & \frac{\Gamma\left(N_{\mathrm{CO}_{-} i j}+\alpha^{-1}\right)}{N_{\mathrm{CO}_{-} i j} \Gamma\left(\alpha^{-1}\right)}\left(\frac{\alpha^{-1}}{\alpha^{-1}+u_{i j}}\right)^{\alpha-1} \\& \left(\frac{u_{j}}{\alpha^{-1}+u_{i j}}\right)^{N_{0 \_i} j}\end{aligned}$

式中：$\Gamma$表示标准的伽马分布函数；α为过度离散系数，α的数值越大，离散水平越高，当α=0，即不存在过度离散时，负二项模型退化为泊松回归模型。

2 中国“双一流”高校科研合作网络

结构特征及演化规律

为更好地呈现中国“双一流”高校科研合作网络的结构特征与演化规律，本文遵循“整体-局部-个体”的逻辑来进行分析，为减少2003—2023年合著论文数随年份而产生的波动性对分析结果的影响，将其划分为2003—2007年、2008—2012年、2013—2017年、2018—2023年4个阶段，以更全面了解高校科研合作网络的动态演变特点。

2.1 整体网络及其演化分析

鉴于不同高校在科研实力、学术水平或者社会影响力存在差异[28]，本文将144所“双一流”高校分为C9联盟高校、“985工程”高校（除C9联盟高校）、“211工程”高校（除C9联盟、“985工程”高校）及“双一流”高校（除上述3种高校）4个层级，分别测度2003—2007年、2008—2012年、2013—2017年、2018—2023年各层级高校内部之间的科研合作网络结构特征指标，从整体网络密度、度数中心度、中间中心度等方面分析144所“双一流”高校各层级科研合作的整体网络演化特征（表1和表2）。具体特征如下。

1）合作发文量与合作率持续上升，整体网络结构由“松散”走向“紧密”。“双一流”高校总发文量与合作发文量均呈现显著增长，从2003—2007年阶段到2018—2023年阶段，总发文量增加1倍、合作发文量增加近9倍；科研合作率由11.21%增加到37.13%，表明各高校之间越来越重视科研合作，合作频率不断上升。网络密度由0.062增加到0.353，整体网络呈现由“松散”走向“紧密”的趋势，高校间联系明显增多。网络密度呈上升趋势，但仍处于较低水平，这是“双一流高校”虽然在国内具有顶尖水平，但在资源配置、学科布局等因素上有一定的限制[29]，使合作双方需要足够的契合度、资源互补[30]或双强的组合形式才能减少合作成本以及降低合作难度，从而导致合作紧密程度增强但仍然相对较低。

2）高校直接合作趋势增强，合作网络效率逐步提高。从2003—2007年阶段到2018—2023年阶段，合作网络的度数中心势由0.358上升到0.555，意味着在合作网络中，主导高校与其他高校的直接合作数量显著增加，科研资源进一步集聚，其主导作用逐渐增强；中间中心势由0.107降低到0.051，意味着在网络中，某些高校的桥梁作用弱化，网络效率提升，由依赖中间节点的合作逐渐转变为直接联系的合作关系。

3）各层级高校科研合作网络密度显著增加，但不同层级间的合作紧密程度存在差异。C9联盟高校的网络密度始终高于其他层级，由0.833上升到1.000，已经形成高度紧密的科研合作网络；“985工程”高校的网络密度仅次于C9联盟高校，由0.190上升到0.835，增加近4倍，增速显著；“211工程”高校与“双一流”高校的网络密度同样增加但均处于较低水平，分别由0.018、0.004上升到0.186、0.155，合作紧密程度较弱。除C9联盟高校与“985工程”高校外，其余层级科研合作网络主导高校作用增强，需经中介的合作逐渐增多，直接合作减少。

2.2 局部网络及其演化分析

2.2.1 凝聚子群分析

分析中国“双一流”建设高校科研合作的凝聚子群（表3），得到结果如下。

1）地理邻近高校合作紧密，跨距离、跨区域合作现象有所增加。2003—2007年，子群Ⅰ以位于北京、西安、沈阳等地的北方高校为核心，19所高校中有18所均处于北方；子群Ⅳ以华东地区高校为主，子群Ⅲ则以华中与西南地区高校为主。2018—2023年，地理邻近高校依旧合作紧密，如位于北京、上海、天津等城市的高校往往出现在同一子群中（子群Ⅰ、Ⅱ、Ⅳ）。与此同时，跨距离、跨区域合作现象逐渐增强，子群中城市之间跨度较大、距离较远。如子群Ⅰ中新增苏州、广州等城市的高校；子群Ⅲ中增加北京、西安等北方高校。

2）学科相近的高校更易进行合作，学科交叉合作也逐渐增多。2003—2007年，子群Ⅰ主要以理工类高校为主；子群Ⅲ以综合类高校为主；子群Ⅶ则以艺术类、语言类高校为主。可见，具有相似学科属性的高校科研合作更为紧密。2018—2023年，学科集中性依旧存在，单一学科合作逐渐转化为多学科、多领域交叉合作，如子群Ⅰ包含师范类大学、理工类大学、综合类大学等多种类型高校。跨学科合作是解决复杂科学难题的必需途径[31]，学科交叉合作已然成为新趋势。

3）凝聚子群规模具有差异性，后逐渐走向均衡。2003—2007年，最大的子群Ⅲ含有44所高校，且综合类研究高校占比较大，还包括南开大学、浙江大学等顶级高校；最小的子群Ⅴ、Ⅵ仅有3所高校，子群规模较小。2018—2023年，子群数量依旧为7，最大的子群数量由44所高校降低为子群Ⅱ的30所高校，最小的子群数量由3所高校上升为子群Ⅶ的6所高校，其余子群高校数量则维持在15~30所，子群规模较以往而言更为均衡。

2.2.2 核心-边缘分析

应用核心-边缘分析方法，刻画2003—2007年和2018—2023年2个阶段“双一流”高校科研合作局部特征（图1和图2），具体分析如下。

1）“C9联盟”高校与部分“985工程”高校始终占据网络核心，高校层级越高，越靠近核心位置。北京大学、清华大学等“C9联盟”高校在2003—2007年与2018—2023年基本全部处于核心位置；“211工程”高校则多处于半边缘位置；极少数“双一流”高校（中国科学院大学）处于核心位置。

2）处于核心位置与半边缘位置的高校数量有所增加，边缘位置的高校有所减少。2003—2007年核心位置的高校有26所，半边缘位置的有78所，边缘位置的有37所，其中与其他高校联系较弱的高校有24所；2018—2023年核心位置的高校有40所，半边缘位置的有87所，边缘位置的有14所，其中与其他高校产生联系较弱的高校有6所。由此可见，越来越多的高校与其他高校产生合作，从而进入了核心位置或半边缘位置。

3）综合类高校更接近网络核心，特色学科高校主要位于网络边缘，专业化越明显则离网络核心越远。处于核心地位的高校大部分为综合类高校，边缘位置的高校多为农林类、财经类等学科导向明显的高校，而专业化较强的艺术类高校更为边缘，与其他类型高校产生的联系非常微弱，由此可见，综合类高校更能成为网络核心。一方面，综合类高校具有结构性优势，其研究领域涵盖自然科学、社会科学、工程、医学等多个学科[32]，能够与不同专业背景的高校开展跨校合作。另一方面，综合类高校是人才流动枢纽，更容易建立社会网络。综合类高校的博士学科点较多、研究生教育体系完善，是学术人才输出与流动的重要中转站。区域高校的青年教师往往毕业于这些学校，会通过校友、人脉、导师关系等非正式社会纽带建立合作，有利于维持稳定、高频次的合作关系。如四川大学与省内双一流高校之间在人才联合培养、科研平台共建、药物联合研发等多个领域进行了深度合作。而特色学科高校领域边界明显、研究范围较窄，且学科单一、专业化强[33]，导致难以与非同领域高校进行合作，则更易处于边缘位置。

2.3 个体网络及其演化分析

从度数中心性与中间中心性透视“双一流”高校科研合作网络的重要节点（表4和表5），分析结果如下。高校度数中心度均值从2003—2007年阶段的8.652升至2018—2023年阶段的49.404，表明直接科研合作显著增强；中间中心度均值从2003—2007年阶段的65.567降低到2018—2023年阶段的39.965，中介作用弱化。这可能得益于“双一流”建设推动的协同创新政策及经济、交通、网络等要素的共同驱动[34]。

2.3.1 度数中心性

1）顶尖层级高校占据网络主导地位，进行科研合作机会更多。从2003—2007年阶段到2018—2023年阶段，度数中心度排名前五的高校除中国科学院大学外，始终为“C9联盟”高校及“985工程”高校，清华大学与北京大学排名始终在前3的位置；同时，“C9联盟”高校始终占据榜首。高层级高校拥有更广泛的直接合作关系，处于网络核心地位，原因在于高层级高校拥有强大的科研实力、顶尖人才团队、国家级实验室等更为优质的科研资源，在资源共享、目标渗透、功能互补等互动中[35]，具有天然优势扩大合作范围、提高合作强度。

2）综合类大学度数中心度排名靠前，优势显著。度数中心度排名靠前的高校多数为综合类高校（如北京大学、清华大学、中国科学院大学等），只有极少数高校为其他类型高校（如北京理工大学、哈尔滨工业大学、中国科学技术大学为理工类高校）。可见，综合类高校学科覆盖面广[36]，合作契合点多，学科多样性使其更易与其他高校建立合作关系，更易与其他高校产生直接进行科研合作的机会。

3）专业类高校度数中心度排名较低，但呈上升趋势。中央戏剧学院、中国传媒大学、中国美术学院、中央美术学院这4所高校的度数中心度始终较低，同其他高校联系极少。但随着学科交叉合作的增加，部分高校度数中心度也有所提升，通过区域协同、学术交流等方式与其他高校产生直接联系，但整体“落单”问题仍突出。艺术类高校主要以表演、作品展示为主，少以论文形式呈现科研结果，且学科较为单一，难以匹配不同领域高校。

2.3.2 中间中心性

1）顶尖高校及区域内具有优势的高校具有较强的中介性，成为合作网络枢纽节点。在4个时间段，北京大学与清华大学始终占据第1名和第2名，具有较强中介性。部分“211工程”“双一流”高校中介作用突出，如中国科学院大学在后3个时间段均占据第3名，说明其在区域或学科间起到了重要的桥梁作用。顶尖高校因其本身的科研实力、实验设备、人力资源[37]等更易吸引其他高校进行合作，从而建立多方合作关系，掌握多所高校基本情况进而更易“介绍”其他高校成为合作伙伴。部分高校因其地理区位、学科综合等因素，在一定区域内具有优势，同样成为重要的中间节点。

2）综合类高校兼具网络“桥梁”作用，特色学科高校中间中心性表现较弱。综合类高校中间中心性表现更强，排名中绝大多数高校均为综合类高校（如北京大学、武汉大学、四川大学等），少数理工类高校（如哈尔滨工业大学）、特色学科高校（如西北农林科技大学）具有较高中介作用。说明综合类高校“桥梁”作用最强，其余类型高校中介性相对较弱，而特色学科高校或专业化高校因为领域局限、各学科发展不均衡[38]，难以成为“中间点”。

3）中间中心度为零的末尾高校数量减少，部分艺术类高校始终不具备中间能力。艺术类（如中央音乐学院、中国美术学院、中国传媒大学等）、部分农林类（东北林业大学）、少数财经类（中央财经大学）高校中间中心度始终较低，这几类高校学科性质的专业性较强，较少涉及跨学科合作；西藏大学、新疆大学等西部地区高校，因其地理限制，中间中心度长期处于较低水平；湖南师范大学、宁波大学等高校的中间中心度则呈现上升态势，逐渐表现中介作用，这可能与其近年来加强跨学科合作、提升学术影响力有关。

3 影响因素分析

研究表明，科研合作存在引力作用以及地理距离效应[39-40]，同时，制度邻近、认知邻近等[11]被认为影响了高校间的科研合作。参考已有研究，本研究基于引力模型，选取以下变量，分析高校间科研合作的影响因素（表6）。

同时采用泊松回归模型与负二项回归模型进行回归，得到回归结果（表7）。实证结果表明，2种回归模型的绝大多数变量通过了1%水平的显著性检验，具有较强的解释力。结果显示，lnα=0.01，p<0.05，证实数据存在过度离散特征，同时，负二项回归模型的AIC值与BIC值均显著低于泊松回归模型，均表明负二项回归结果较泊松回归结果更为可靠。因此，后续分析将基于负二项回归模型的结果展开。

1）代表引力模型三要素的合作高校各自论文发表数、高校之间的地理距离与高校合著论文数显著相关。高校各自的论文发表数与合著的论文发表数显著正相关，地理距离与高校间合著发表论文数显著负相关。高校论文发表数越多，往往在科研过程中积累越多的知识与经验，从而吸引更多合作伙伴，提高合作概率，是影响高校科研合作网络重要的因素；地理距离对科研合作有显著负向影响，表明高校间地理距离的增大导致合作概率降低，这可能是因为地理距离的增加使沟通成本上升[41]、协调周期变长[42]，不利于科研合作。

2）高校层级与高校合著论文数显著负相关。高校层级相同，则合作的可能性越低。其中，高层级高校在合作网络中与多数高校建立了联系、与其他高校的沟通效率较高[43]，因此更加吸引一般高校与之合作，跨层级合作愈加增多，同层级之间合作逐渐减少。

3）制度邻近与高校合著论文数显著正相关。结果表明，位于同一省份的高校之间可能会进行更多的合作，相似的制度环境使高校间知识共享与协同创新更加顺利、高效，使得高校间更易进行合作。同时，高校位于同一省份，其科研团队可以通过频繁的线下互动建立强有力的合作关系，巩固社会联结。

4）认知邻近与高校合著论文数显著正相关。结果表明，同类型高校之间进行合作的可能性更大，探其原因，同一类型高校知识资源相近、研究领域相似，其科研人员往往会对研究问题形成共识性理解，知识传播、交流时更为顺畅。

4 结论与讨论

4.1 结论

本文基于144所“双一流”高校2003—2023年科研合作网络，结合社会网络分析与负二项引力模型，系统揭示了网络“整体-局部-个体”特征及影响因素。研究结论如下。

1）整体网络趋向紧密，高校间合作发文量与合作率持续上升，整体网络结构由“松散”走向“紧密”；合作网络的度数中心势由0.358上升到0.555，中间中心势由0.107降低到0.051，意味着在合作网络中，主导高校的直接合作趋势增强，合作网络效率逐步提高；各层级高校科研合作网络逐渐紧密，不同层级高校紧密程度差异明显。

2）局部网络变化明显，地理邻近高校间普遍具有科研合作，跨距离、跨区域合作现象有所增加；学科相近高校更易进行合作，但学科交叉合作也逐渐增多；综合类高校占据网络核心，特色高校处于网络边缘，处于核心位置与半边缘位置高校数量有所增加，边缘位置的高校有所减少。

3）高校个体网络特征中度数中心度差距扩大，中间中心度差距缩小，高层级高校与综合类高校的度数中心性、中间中心性排名较高；学科特色高校与专业化高校度数中心性、中间中心性排名较低。

4）高校科研合著论文数受多种因素影响，合作高校各自的论文发表数量、认知邻近、制度邻近正向促进科研合作，高校层级、地理距离则显著抑制科研合作。

4.2 讨论

本文研究表明高校间的科研合作网络密度持续上升，这与赵蓉英等[44]的研究结果是一致的，表明中国高校间科研合作日益紧密，合作强度不断提升；多维邻近对于高校科研合作具有重要意义，和已有研究[11]结果类似，认知邻近、制度邻近对高校科研合作产生正向影响，相似的认知基础提供交流的便利、相似的宏观制度为合作提供保障；地理邻近对高校科研合作产生负向影响，地理距离的增加会带来时间、金钱等成本增加，交流之间易出现障碍。当前，高校间国际合作日益增多，会冲击国内高校合作[45]。高校的国际化合作在促进跨国学术交流、提升科研水平、拓展学术话语权方面发挥着重要作用。然而，过度关注国际化合作，也可能导致国内合作边缘化、合作资源错配，进而削弱对地方性知识体系理解。

依据本研究结果，对于中国“双一流”高校科研合作网络进一步深化提出以下建议。

1）建立高学术产出高校间的协同创新机制。鼓励高学术产出高校发挥引领作用，通过牵头合作科研项目、汇聚跨校联合高水平科研团队、开展学术交流活动等形式，“强强联手”创造更优质的科研成果。鼓励建立研究生“跨校—双导师”制度，加强人才培养。

2）强化地理邻近的正向影响，破除地理距离制约。鼓励有条件的高校，聚焦优势学科，设立异地研究院，降低时空制约。由政府牵头，在地理距离较近的高校之间建立联合实验室等合作平台，集成多个高校实验数据、共享资源技术，促进高校间的知识溢出；优化城市间的交通网络，降低高校合作的时间成本。增强“虚拟”地理邻近，开发全息学术会议系统等，利用AR技术实现异地科研团队互动。

3）实施跨层级科研合作计划。高层级高校（如C9联盟高校、“985工程”高校等）应多与一般高校（如地方“双一流”、学科特色高校等）开展跨层级合作，形成“一对一”或“一对多”定向帮扶组合，解决层级壁垒造成的资源不流通、交流障碍等问题。此外，高层级高校可定期开放实验室、实训基地等地，一般高校可邀请高层级高校专家进行科研交流，丰富知识储备，提升科研能力。

4）促进学科交叉融合。坚持问题导向，打破学科壁垒，促进专业化高校优势学科间的相互渗透与交融，推动高校之间的跨学科交流融合。组建校际跨学科合作联盟会，设立学科适配度评价体系，挖掘学科潜在交叉合作方向，实现学科间的相互渗透，系统组织跨学科合作。

5）为实现国际合作与国内合作的动态均衡，应从制度层面构建“国际合作本土化”实现机制。首先，国际合作项目应结合区域发展议题，强化国际合作成果服务国家战略与地方实践的能力。其次，鼓励在国际合作项目中纳入国内高校尤其是区域高校为协作方，实现资源共建共享。再次，完善科研评价体系，在重视国际影响力的同时，提升对本土贡献和社会服务绩效的评价权重；最后，建设区域创新共同体，推动跨层级、跨区域的高校协同合作。通过上述机制，构建起以全球视野支撑本土实践的高校合作网络，实现国际与国内合作的良性互动与双向循环。

本研究为中国“双一流”高校科研合作网络的研究提供了实证依据，但仍存在以下局限：1）文章仅以合著论文数作为衡量合作网络强度的单一指标，未能涵盖专利、专著、比赛获奖等多元指标，在未来应考虑引入多维范式进行探究；2）文章的数据矩阵是对称矩阵，因无法查询准确的合作单位先后顺序（如第一单位、协作单位等）来衡量合作单位的贡献程度，尚未构建不对称加权网络；3）文章影响因素只考虑了可量化的变量，未将文化差异、历史因素等难以量化的变量纳入解释框架，后续需拓展混合研究方法进行深入探讨。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

郭玥, 贾永飞. 基于文献计量的区域创新体系研究概况与趋势分析[J]. 科学观察, 2022, 17(3): 36-46.

[2]

(Guo Y, Jia Y F. Research status and development trend of regional innovation system based on bibliometric analysis[J]. Science Focus, 2022, 17(3): 36-46.)

[3]

程郁, 陈雪. 创新驱动的经济增长:高新区全要素生产率增长的分解[J]. 中国软科学, 2013(11): 26-39.
[4]

(Cheng Y, Chen X. Innovation driven growth: decomposition of HIDZs total factor productivity growth[J]. China Soft Science, 2013(11): 26-39.)
[5]

谢光华. 高管校友关系网络、正式制度环境与企业合作创新:基于关系治理与契约治理互动视角[J]. 管理评论, 2023, 35(11): 75-89.
[6]

(Xie G H. Managerial alumni network, formal institutional environment and corporate cooperative innovation: from the interactive perspective of relationship governance and contract governance[J]. Management Review, 2023, 35(11): 75-89.)
[7]

温兴琦, 孙凯新, 李诗瑶. 产学研合作、知识吸收能力与企业创新绩效:高管学术背景与政府创新补贴的调节作用[J]. 科技进步与对策, 2024, 41(15): 55-64.
[8]

(Wen X Q, Sun K X, Li S Y. Industry-university-research collaboration, knowledge absorption capacity and enterprise innovation performance: the moderating effect of executives’ academic background and government innovation subsidies[J]. Science & Technology Progress and Policy, 2024, 41(15): 55-64.)
[9]

张娜, 孙超, 毕嫣然, 等. 合作网络扩张对企业双元创新绩效的影响:知识重组的中介作用[J]. 管理评论, 2024, 36(10): 100-110.
[10]

(Zhang N, Sun C, Bi Y R, et al. The impact of collaboration network expansion on enterprises’ dual innovation performance: the mediating role of knowledge recombination[J]. Management Review, 2024, 36(10): 100-110.)
[11]

宗晓华, 王立成. 高校科研合作的网络结构及其演变[J]. 高教发展与评估, 2022, 38(6): 9-23.
[12]

(Zong X H, Wang L C. The network structure and the evolution of scientific research cooperation among universities[J]. Higher Education Development and Evaluation, 2022, 38(6): 9-23.)
[13]

时慧敏, 李杰, 谢靖. 诺贝尔医学奖得主学术生涯合作伙伴关系特征分析[J]. 科学观察, 2024, 19(3): 48-58.

[14]

(Shi H M, Li J, Xie J. Analysis of characteristics of academic career partnership among Nobel laureates in medicine[J]. Science Focus, 2024, 19(3): 48-58.)

[15]

郭崇慧, 王佳嘉. “985工程”高校校际科研合作网络研究[J]. 科研管理, 2013, 34(S1): 211-220.
[16]

(Guo C H, Wang J J. Study of scientific collaboration networks in Project 985 Universities[J]. Science Research Management, 2013, 34(Suppl 1): 211-220.)
[17]

柴玥, 刘趁, 王贤文. 我国高校科研合作网络的构建与特征分析:基于“211”高校的数据[J]. 图书情报工作, 2015, 59(2): 82-88.

[18]

(Chai Y, Liu C, Wang X W. Analysis of construction and characteristics of scientific collaboration network of universities: based on the data of “211” Universities[J]. Library and Information Service, 2015, 59(2): 82-88.)

[19]

李科利. 长江中游城市群高校科研合作创新: 模式、特征、策略:基于14所研究型大学的社会网络分析[J]. 湘潭大学学报(哲学社会科学版), 2017, 41(4): 23-27.
[20]

(Li K L. The universities scientific research’s cooperative innovation in urban agglomeration in the middle reaches of the Yangtze River: Pattern, feature and strategy: the social network analysis based on 14 research universities[J]. Journal of Xiangtan University (Philosophy and Social Sciences), 2017, 41(4): 23-27.)
[21]

覃柳婷, 滕堂伟, 张翌, 等. 中国高校知识合作网络演化特征与影响因素研究[J]. 科技进步与对策, 2020, 37(22): 125-133.

[22]

(Qin L T, Teng T W, Zhang Y, et al. Evolution’s characteristics and influence factors of China’s universities knowledge collaboration network[J]. Science & Technology Progress and Policy, 2020, 37(22): 125-133.)
[23]

Du Y M, Wang M M, Yin Y S. Research on innovation cooperation network of Chinese universities based on patent data[J]. Journal of Engineering and Technology Management, 2024, 71: 101784.
[24]

严子淳, 练奕洋. 基于数字化场景的高校国际合作项目人才培育与路径研究[J]. 北京邮电大学学报(社会科学版), 2022, 24(6): 72-79.
[25]

(Yan Z C, Lian Y Y. Mechanism and path of talent cultivation for international cooperation projects in universities based on digital scene[J]. Journal of Beijing University of Posts and Telecommunications (Social Sciences Edition), 2022, 24(6): 72-79.)
[26]

李立从, 王瑜, 王晓丽. 材料科学领域国家合作网络分析:基于ESI高被引论文[J]. 科学观察, 2023, 18(5): 26-33.

[27]

(Li L C. Wang Y, Wang X L. Country cooperation network of materials science: an analysis based on ESI highly cited papers[J]. Science Focus, 2023, 18(5): 26-33.)

[28]

Munoz D A, Queupil J P, Fraser P. Assessing collaboration networks in educational research: a co-authorship-based social network analysis approach[J]. International Journal of Educational Management, 2016, 30(3): 416-436.
[29]

黄卫华, 姚宗浩. 粤港澳大湾区高校间科研合作创新的现状和空间结构:基于中国知网数据库的社会网络分析[J]. 科技管理研究, 2022, 42(7): 87-93.
[30]

(Huang W H, Yao Z H. Current situation and spatial structure of scientific research cooperation and innovation among universities in Guangdong-Hong Kong-Macao greater bay area: analysis of social networks based on the national knowledge infrastructure database[J]. Science and Technology Management Research, 2022, 42(7): 87-93.)
[31]

康乐, 陈晓宇. 我国高校科研合作的变化趋势: 复杂网络分析的视角[J]. 教育经济评论, 2019, 4(4): 39-56.
[32]

(Kang L, Chen X Y. Complex network of scientific research collaboration in China’s higher education institutions[J]. China Economics of Education Review, 2019, 4(4): 39-56.)
[33]

Yang X K, Rice R. An equilibrium model endogenizing the emergence of a dual structure between the urban and rural sectors[J]. Journal of Urban Economics, 1994, 35(3): 346-368.
[34]

Newman M E. Scientific collaboration networks. I. Network construction and fundamental results[J]. Physical Review E, Statistical, Nonlinear, and Soft Matter Physics, 2001, 64(1 Pt 2): 016131.
[35]

李俊良. 科研合作网络特征分析及比较:以我国“双一流”大学与美国知名大学为例[J]. 情报探索, 2020(4): 35-43.
[36]

(Li J L. Comparison and analysis on characteristics of scientific research cooperation network: case study of “double first-class” universities in China and world-known universities in the USA[J]. Information Research, 2020(4): 35-43.)
[37]

朱侃. “双一流”大学间人文社会科学科研合作网络的研究[J]. 天津大学学报(社会科学版), 2019, 21(3): 256-267.
[38]

(Zhu K. A study of the collaborative network of humanities and social sciences research among “double first-rate” universities[J]. Journal of Tianjin University (Social Sciences), 2019, 21(3): 256-267.)
[39]

Hoekman J, Scherngell T, Frenken K, et al. Acquisition of European research funds and its effect on international scientific collaboration[J]. Journal of Economic Geography, 2013, 13(1): 23-52.
[40]

Boschma R. Proximity and innovation: a critical assessment[J]. Regional Studies, 2005, 39(1): 61-74.
[41]

Obschonka M, Tavassoli S, Rentfrow P J, et al. Innovation and inter-city knowledge spillovers: social, geographical, and technological connectedness and psychological openness[J]. Research Policy, 2023, 52(8): 104849.
[42]

刘军. 整体网分析讲义: UCINET软件实用指南[M]. 上海: 格致出版社, 2009.
[43]

(Liu J. Lectures on whole network approach: a practical guide to UCINET[M]. Shanghai: Truth & Wisdom Press, 2009.)
[44]

Borgatti S P, Everett M G. Models of core/periphery structures[J]. Social Networks, 2000, 21(4): 375-395.
[45]

古恒宇, 劳昕, 温锋华, 等. 2000-2020年中国省际人口迁移格局的演化特征及影响因素[J]. 地理学报, 2022, 77(12): 3041-3054.

[46]

(Gu H Y, Lao X, Wen F H, et al. Spatiotemporal patterns and determinants of interprovincial migration in China between 2000 and 2020[J]. Acta Geographica Sinica, 2022, 77(12): 3041-3054.)

[47]

杨敏, 费锡玥, 魏宇琪, 等. 基于资源共享与子系统交互的两阶段DEA评价方法:兼对我国“一流大学”科研绩效的评价[J]. 中国管理科学, 2022, 30(2): 256-263.
[48]

(Yang M, Fei X Y, Wei Y Q, et al. Two-stage DEA evaluation method based on resource sharing and subsystem interaction: evaluation of scientific research performance for “first-class” universities in China[J]. Chinese Journal of Management Science, 2022, 30(2): 256-263.)
[49]

李冲, 李霞. 选择性亲和: 我国“一流大学”校际合作研究[J]. 复旦教育论坛, 2022, 20(2): 89-95.
[50]

(Li C, Li X. Selective affinity: research on the intercollegiate cooperation of world-class universities in China[J]. Fudan Education Forum, 2022, 20(2): 89-95.)
[51]

杨伟明, 孟卫东. 联盟组合管理、合作模式与企业绩效[J]. 外国经济与管理, 2018, 40(7): 32-43.
[52]

(Yang W M, Meng W D. Alliance portfolio management, cooperation pattern and firm performance[J]. Foreign Economics & Management, 2018, 40(7): 32-43.)
[53]

曾粤亮, 司莉. 组织视角下跨学科科研合作运行机制研究:以斯坦福大学跨学科研究机构为例[J]. 图书与情报, 2020(2): 64-75.
[54]

(Zeng Y L, Si L. Research on the operational mechanism of interdisciplinary research collaboration from the perspective of organization: taking stanford university interdisciplinary research institutions as examples[J]. Library & Information, 2020(2): 64-75.)
[55]

钟秉林. 综合性大学教育学科发展若干问题探析[J]. 清华大学教育研究, 2019, 40(4): 1-7.
[56]

(Zhong B L. Viewpoints on the development of the education discipline in comprehensive universities[J]. Tsinghua Journal of Education, 2019, 40(4): 1-7.)
[57]

范玉鹏, 余小波. 一流学科建设的文化困境及其突破[J]. 研究生教育研究, 2019(1): 69-74.
[58]

(Fan Y P, Yu X B. Cultural dilemma in the first-class discipline construction and breakthrough[J]. Journal of Graduate Education, 2019(1): 69-74.)
[59]

叶雷, 曹贤忠, 宓泽锋, 等. 中国高校技术转移网络的时空特征及影响因素:基于高校-城市二模网络视角[J]. 地理研究, 2023, 42(1): 69-85.

[60]

(Ye L, Cao X Z, Mi Z F, et al. Spatiotemporal dynamic and influencing mechanism of university technology transfer network in China: a university-city bipartite network perspective[J]. Geographical Research, 2023, 42(1): 69-85.)
[61]

张栋, 薛澜, 梁正, 等. 高水平研究型大学发挥国家战略科技力量作用的经验与启示[J]. 清华大学教育研究, 2024, 45(4): 46-59.
[62]

(Zhang D, Xue L, Liang Z, et al. Experience and enlightenment of high-level research universities being national strategic scientific and technological forces[J]. Tsinghua Journal of Education, 2024, 45(4): 46-59.)
[63]

王传毅, 辜刘建, 袁济方. 基于学科特色的高校分类研究:以“双一流”建设高校为例[J]. 中国高教研究, 2022(11): 38-44.
[64]

(Wang C Y, Gu L J, Yuan J F. A disciplinary characteristics-based approach to universities classification in China: the case of “double first-class” construction universities[J]. China Higher Education Research, 2022(11): 38-44.)

[65]

胡顺顺, 姚威. “一带一路”高校联盟合作影响因素研究:基于中国与沿线68个国家双边数据的分析[J]. 复旦教育论坛, 2023, 21(2): 88-95.
[66]

(Hu S S, Yao W. The influencing factors of the “Belt and Road” university alliances’ cooperation: based on bilateral data between China and 68 countries along the Belt and Road[J]. Fudan Education Forum, 2023, 21(2): 88-95.)
[67]

许慧霞. 地方行业特色高校交叉学科建设的现实困境与突破路径[J]. 中国高教研究, 2024(1): 64-70.
[68]

(Xu H X. Realistic predicament and breakthrough path of the interdisciplinary construction in local industry-featured universities[J]. China Higher Education Research, 2024(1): 64-70.)
[69]

胡琳娜, 张所地, 高平. 中国技术经济及管理学科的科研合作研究:“反射自时空棱镜之光”[J]. 科学学研究, 2015, 33(1): 21-29.
[70]

(Hu L N, Zhang S D, Gao P. Research collaboration of technical economics and management discipline in China:“the light reflected from the space-time prism”[J]. Studies in Science of Science, 2015, 33(1): 21-29.)
[71]

谭春辉, 李玥澎, 梁远亮, 等. 基于空间引力模型的科研机构合作联结强度分析:以国家科技进步奖获奖项目为例[J]. 情报资料工作, 2022, 43(5): 52-59.
[72]

(Tan C H, Li Y P, Liang Y L, et al. Research on the strength of the cooperation connection between scientific research institutions based on the space gravity model: taking award-winning projects of the national science and technology progress award for example[J]. Information and Documentation Services, 2022, 43(5): 52-59.)
[73]

桂钦昌, 杜德斌, 刘承良. 全球科研合作网络的动态演化及其驱动机制[J]. 地理学报, 2023, 78(2): 423-442.

[74]

(Gui Q C, Du D B, Liu C L. The network dynamics and driving mechanisms of global scientific cooperation[J]. Acta Geographica Sinica, 2023, 78(2): 423-442.)

[75]

梁爽. 地理邻近对高校科技成果转化效率的影响研究[J]. 科研管理, 2024, 45(3): 122-132.
[76]

(Liang S. Research on the impact of geographical proximity on the transformation efficiency of scientific and technological achievements in universities[J]. Science Research Management, 2024, 45(3): 122-132.)
[77]

董彦邦, 刘莉. 我国高校高水平论文的机构合作网络演化分析:以1978-2017年的Nature和Science合作论文为例[J]. 情报杂志, 2019, 38(11): 138-144.
[78]

(Dong Y B, Liu L. Evolution analysis of the institutional collaboration network of high level articles participated by Chinese universities: taking nature and science co-authored papers from 1978 to 2017 as an example[J]. Journal of Intelligence, 2019, 38(11): 138-144.)
[79]

赵蓉英, 王旭, 亓永康. 我国世界一流大学建设高校间科研合作网络及演化研究[J]. 现代情报, 2019, 39(3): 132-143.

[80]

(Zhao R Y, Wang X, Qi Y K. Study on scientific collaboration network and evolution of construction of world-class universities in China[J]. Journal of Modern Information, 2019, 39(3): 132-143.)
[81]

文雯, 崔亚楠, 杨钰鑫. 我国高校有组织国际科研合作的内涵、挑战及对策[J]. 中国高教研究, 2024(8): 32-39.
[82]

(Wen W, Cui Y N, Yang Y X. Conception, challenges and strategies of organized research in international collaboration of Chinese universities[J]. China Higher Education Research, 2024(8): 32-39.)

基金资助

☆重庆市教育科学“十四五”规划2022年度课题“成渝地区双城经济圈高校知识合作网络演化特征与合作模式构建”(K22YY208696)

重庆市高等教育学会2021—2022年度高等教育科学研究课题“成渝地区双城经济圈高校知识合作网络演化特征与提升路径”(CQGJ21B045)

中国科协2023年度科技智库青年人才计划项目(20230504ZZ07240019)

PDF (3819KB)

475

访问

0

被引

详细
导航
相关文章

/

〈 〉

© 版权所有 中国科学院文献情报中心《科学观察》编辑部
地址：北京市中关村北四环西路33号（100190）
电话：82626622-6634
E-mail：sciencefocus@mail.las.ac.cn
技术支持：北京玛格泰克科技发展有限公司