论文推荐｜全球学者时空流动网络

学者（或称科学家、学术人才）在其学术生涯中，常常离开原有单位而前往新的单位继续从事研究工作，这被称为学者的流动。尤其近年来在“非升即走”、“海外优青”等政策背景下，学者流动更是愈发普遍。学者们从哪里流出，又流向了哪里？随时间在如何演变？背后蕴含着什么规律？又受到哪些因素影响？为了回答这些问题， 本研究基于Web of Science的大规模文献计量数据，构建了近半个世纪以来全球学者流动网络，并对其时空动态、网络结构、影响因素等展开系统分析。

研究收集了Web of Science核心合集1900至2022年地理学领域的所有的文献元数据。其中每条记录对应一篇论文，相关信息包括（表1）：（1）作者信息，包括姓名、隶属机构、邮箱、识别ID等；（2）论文信息，包括标题、发表时间等；（3）期刊信息，包括期刊名、期刊分类、期刊ID等。

为了获取学者的职业流动轨迹，就必须准确知道“谁”在“什么时间”位于“哪里”，分别对应文献元数据中的作者、论文发表时间和作者隶属单位。从Web of Science文献元数据中提取学者流动轨迹可分为以下三步（图1上半部分）：

在WOS文献元数据中，学者的身份主要以英文表示的姓名区分，然而二者并不是一一对应的。例如，同一个姓名表示可对应多个不同的人（如“Zhang, Wei”可对应不同的学者），即“一名多人”问题；同一个人也可能存在不同的姓名表示（如“Zhang, Wei”和“Zhang, W.”），即“一人多名”问题。在这里，研究优先使用ResearcherID、ORCID、作者邮箱等信息决定作者身份，同时综合考虑作者的隶属机构、合作者、研究领域、姓名相似度和稀缺度等信息推断作者身份。

文献元数据中，作者标注的隶属机构也存在类似的歧义问题。例如，同样的机构可能存在不同的表达（如“UNSW Sydney”、“Univ New S Wales”、“Univ New South Wales”均指的是澳大利亚的新南威尔士大学），而相似的表达也可能对应完全不同的机构（如“Univ New S Wales”和“Univ S Wales”分别对应澳大利亚的新南威尔士大学和英国的南威尔士大学）。在这里，研究使用Research Organization Registry (ROR)数据集（https://ror.org/）来解析机构实体，它为全球学术机构分配了唯一ID，并可将文本形式的机构地址匹配到最优的实体。

基于以上获取的作者个体和机构实体，便可获取每个学者的文章发表序列。研究假定作者标注的第一隶属单位是其在发表年份的实际工作地。而通过检测工作地随时间的稳定变化，即可推断出学者是否以及何时发生了流动（样例见图1蓝色方框部分）。基于此构建学者流动网络，节点代表研究机构，有向边代表学者在机构之间的流动，边的权重代表来源机构流向目的机构的学者数量。

图1 学者流动的提取方法与分析框架

从文献元数据中构建完成学者流动网络后，本研究系统性地分析了其时空动态、社区结构、层级结构和影响因素（对应图1下半部分）。下文概述了每部分结论的核心内容，完整结果请参见原文。

学者流动网络呈现怎样的空间模式，发生着怎样的动态变化？图2直观展示了学者流动在机构层面（a-c）和国家层面（d-f）的模式及变化。可以看出，2000年之前的流动集中在在西欧、北美和大洋洲之间。而在接下来的2000-2010年间，流动明显增加，原有的空间模式继续巩固。其中，中国开始参与到全球流动网络中。而在最近的2010-2020年间，流动继续显著增加，其中中国相关的流动跃升至前列。最终形成了如今由北美、西欧、东亚（主要为中国）和大洋洲的机构之间主导的空间流动模式。同时从国家的角度来看，图2(d-e)均表明头部国家的流动也更倾向于来源于/去向头部国家；时间上来看，学者流动呈现多极化趋势，头部国家所占的流动份额降低，更多核心的国家和地区参与到流动系统中来。

图2 学者流动网络的时空动态

学者流动网络是如何组织的，存在什么样的结构？社区是复杂网络结构认知的重要方面。研究应用Leiden算法对学者流动网络进行了社区探测，将全球学术机构划分为19个主要的社区，如图3所示。尽管社区划分算法并未纳入任何位置或距离信息，但结果表明，流动网络的社区结构在很大程度上受空间邻近主导。可以发现，机构分布具有很强的空间相关性，即更近的机构更有可能位于同一社区。这从本质上归因于，更近的机构之间往往具有更高的流动强度，同时也体现了地理学第一定律，即“邻近的事物比距离远的联系更密切”。

典型的社区如美洲的“美国”和“加拿大”，西欧的“德国-瑞士-奥地利”、“英国-爱尔兰”、“西班牙-葡萄牙”、北欧的“丹麦-挪威-瑞典-芬兰”，亚洲的“中国大陆”，大洋洲的“澳大利亚-新西兰”等。可以直观发现，探测得到的社区除了受到空间邻近的约束，还在不同程度受到国家边界的制约。相较而言，欧洲具有更多的跨国社区，受国家边界的约束更小。

图3 学者流动网络的社区结构

学者在机构之间的流动具有方向性，由机构A流向机构B的流量与从B流向A的流量并不一定相等。我们该如何认知这种差异？其背后是否存在普遍的规律？本研究发现，机构声望能够很好地解释机构之间流动的不平衡，而学者更多地从高声望机构流向低声望机构（图4）。研究使用了泰晤士高等教育世界大学排名（Times Higher Education Rankings）以量化机构声望，其中每个机构被综合赋予一个0~100的得分，得分越高，则排名越靠前、声望越高。将所有机构按照得分进行分组后，顶尖的机构数量更少，底部的机构占大多数（图4b）。 通过统计不同组之间的流量，结果表明高声望组流向相对低声望组的流量高于反之，净流量基本为正（图4a对角线以下为红色）；绝对流量则是更多集中在40~70分的中部机构（图4a气泡大小）。随着机构声望的提高，其来源和流向的机构声望也越高，这表明更高声望的机构同样更倾向与高声望的机构产生流动（图4c增长趋势），而无论对于哪一组别，其来源机构均比目的机构声望更高（图4c红线高于蓝线）。另外，随着机构声望的提高，其流动活跃度（组内机构的平均流动人次）也越高（图4d增长趋势），其中较高声望的机构流出大于流入，表现为“净生产者”，而较低声望的机构流入大于流出，表现为“净接收者”。

以上的流动模式可被总结为一个金字塔型的层级流动结构（图5）。其中顶层的机构具有最高的声望、最高的中心性、最活跃和密集的流动性、最少的数量，而底部的机构基数最、声望和中心性低、流动较稀疏。而任意两个层之间的向下流量均高于向上流量，金字塔总体表现为向下的净流动模式。

图5 学者流动网络的层级结构

以上探讨的学者流动网络的模式和结构，究其根源，来自于流动强度（流量）的异质分布，为何有些机构间的流量高，有些流量低？结合以往研究和认知，我们选取了人口、距离、合作、领域、声望、经济、文化、政策等多个方面量化不同要素对学者流动流量的影响（促进/阻碍，强/弱）以及动态变化（增强/衰弱），具体如表2所示。根据各要素对流量影响程度的时间变化，可将其分为三类：（1）效应增强。更高的合作强度和机构声望均与学者流动量呈显著正相关，且这一作用随时间增强；（2）效应减弱。距离和签证要求对学者流动呈显著负相关，但其阻碍作用在随时间降低。而更高的经济发展水平、更高的宗教相似度、相同的语言对学者流动具有正向的贡献，尽管其促进作用随时间逐渐弱化。（3）效应稳定。机构的人口基数和研究领域相似度均表现为随时间稳定的促进作用。