论文标题：

Untangling the network effects of productivity and prominence among scientists

论文链接：

https://www.nature.com/articles/s41467-022-32604-6

1. 合作网络如何影响科研影响力

试想一下这些问题：对于一个科研小白来说，是有一个杰出的导师更重要，还是在精英环境中接受专业训练更重要？研究人员认识的人如何影响他们的研究问题或科学发现？合作网络中的性别差异多大程度上会导致科研生产力和影响力的性别差异？

如果不考虑合作网络在科研中的作用，上述问题就无法得到明确的答案。合作网络通过协调科研关注度、科学家声望与合作关系，极大地影响了科学发现及其影响力，同时也会导致科学界普遍的不平等现象。厘清这些相互作用的影响有助于理解科学发现背后的深层机制，并促进科学向更包容、更创新的方向发展。为此，该研究通过建立网络模型来理解合作对个体科学家生产力和影响力的网络效应。结合海量的科学出版物和合作数据，该模型还可以量化社交网络在推动科学不平等方面的重要作用。

2. 控制合作网络效应，

估计科学家的潜在生产力和影响力

研究者从微软学术图谱数据库中提取了自1950年以来2000万篇研究文章中的合著对信息，覆盖了生物学、化学、计算机科学、数学、医学和物理多个领域。该研究引入两个生成网络模型（generative network model）来控制合作网络效应，并量化个体科学家的潜在生产力和影响力（latent productivity and prominence），以及它们与科研圈不平等现象的关系。

1. 潜在联合生产力。合著者的生产力（发表文章数量）可看作成对泊松过程的输出，研究者将一个合著对（i, j）的发表文章建模为他们共同努力的随机结果，并由他们各自潜在生产力参数λ_i和λ_j的线性组合控制。λ_i和λ_j可以得知i和j每年预期发文数，由此可得二人的联合生产力，其中N_ij是作者i和j在整个合作时间段t_ij内共同撰写的论文观测数。

2. 潜在联合影响力。合著者的影响力（高影响力出版物的数量）可以建模为联合二项分布形式，受个体科学家影响力参数θ_i和θ_j共同影响。模型参数θ_i和θ_j能反映以i和j的论文被高度引用的概率，进而可知合著对（i, j）的联合影响力，其中m_ij是作者i和j在整个合作时间段t_ij内合著的高引用论文的观测数。

将联合生产力和影响力模型应用于协作网络中，最大化所有合著者对的联合似然函数，即可得到个体的生产力和影响力参数，其能有效地控制合著者的网络效应。

图1. 由合著对的科研成果计算个体的合作生产力和影响力参数计算示意图。

基于六大领域共计198202名研究人员的完整数据集，研究者绘制了估计两个潜在变量λ（生产力）和θ（影响力）的联合与边际分布图（如图2所示），潜在变量可以反映在给定的单位时间内个体研究人员的生产力和突出力。从边际分布来看，λ服从正态分布，θ服从重尾分布，潜在生产力和影响力分布几乎是正交的。也就是说，在控制了网络效应后，研究人员的个人潜在生产力差异度不高（低方差），而在潜在影响力方面却能有巨大差异。

图2. 基于六个学科数据得到的估计参数分布。

3. 网络效应解释

科研生产力和影响力的性别不平等现象

如果以直接观测到的生产力（发文数，如图3a）和影响力（被引次数，如图3d）作研究人员的学术指标，则会存在明显的性别不平等现象，男性发表的论文和被引用次数均高于女性多。平均来说，在职业生涯中期，男性的平均总生产力比女性高11.0%，被引用次数比女性多5.0%，这些不平等随着时间的推移保持相对稳定。

但从图3b和图3e可知，男性和女性研究人员表现出的个人潜在生产力和潜在影响力的差异可忽略不计。通过对网络效应的分析，该研究表明学术指标反映出性别不平等很大程度上可以解释为网络效应，即男性和女性之间自身的合作网络结构和规模差异导致了学术指标的差异，而并非研究人员本身的内在性别差异。

图3. 个人生产力和影响力度量中的性别差异。a和d分别为研究人员直接观测到的学术指标，即平均生产力和影响力，从图中可以明显看出性别之间的差异。b和e为相同研究人员的个人潜在生产力和影响力，其中的性别差异可以忽略。阴影区域代表95%的置信区间。

4. 精英环境与“大牛”合作者

让科研生涯更成功

该研究还对研究人员所在的科研环境和合作者实力的影响进行进一步分析。结果显示，处于职业生涯早期的研究人员如果位于精英机构，则更有可能与高生产力或高影响力研究人员合作，这表明合作网络的结构本身会随环境知名度发生改变。该现象很大程度上源于选择效应，即高生产力或高影响力的研究人员更有可能在精英机构工作，同样也反映了职业生涯早期的研究人员在接触核心科研合作网络，或科研合作资源方面的不平等。

然而，无论处于怎样的环境，若研究人员能在职业生涯的早期与“大牛”科学家合作，那么在自身生涯中期成为“大牛”的可能性要大得多。例如，研究人员在职业生涯的前5年与至少一名高产的资深科学家合作，其在职业生涯的第15年成为高知名度学者的概率会从16.2%增加到29.5%（如图4a）。同时，与一名高影响力的资深科学家合作能使其在职业生涯中期具有高影响力的概率翻倍（如图4c）。对于这两种类型的合作模式，来自精英机构的初期研究人员在职业生涯中期表现出的生产力和影响力要高于在普通机构的同行，这种差距也反映了知名环境对科研的影响。

5. 合作网络作为一种社会资本

该研究通过建立两个生产网络模型来揭示合作对研究人员个人的生产力和影响力的网络效应，并将此模型应用于大规模的科研成果与合作数据上。该研究发现，直接观测到的生产力和影响力（学术指标）的性别差距在很大程度上可以用社会网络的差异来解释，个体本身的潜在生产力和影响力并无明显性别差异。

合作网络作为一种社会资本的形式，生产力和影响力可从资深合作者转移到新人合作者，其积极作用会随着研究人员的职业年龄增长而减少。另外，合作网络效应也可以解释为什么知名机构的研究人员拥有着更显著的生产力和影响力优势。这些结果强调了合作网络在推动科学不平等方面的重要作用，并表明合作网络代表了一种重要的社会资本分布不均的形式，能决定谁做出怎样的科研成果。

详情请见：

复杂系统视角下的科学学——系列线上读书会开放招募