我国大学排名研究学术群探析——基于作者共被引分析视角

马璐瑶

(四川文理学院 学报编辑部，四川 达州 635000)

作为高等教育评价的一种形式，大学排名已发展成为一种全球性现象。[1]大学排名对高校的办学行为有着重要的导向作用，加强对大学排名的研究有利于推动高等教育评价健康、高质量的发展。[2]学者和学术群体研究是学科研究的一个重要领域，它可以在一定程度上反映出一门学科或学术领域的发展状况。本文拟从作者共被引视角切入，探寻我国大学排名研究的核心作者群，在此基础上探索作者群结构、影响力及学术交流氛围等，以期从作者群这一维度折射出我国大学排名研究这一主题的现状与发展趋势。

一、文献回顾与研究设计

(一)文献回顾

对某一领域已有研究成果的总结与分析，是研究者对该领域进行进一步深入研究的必经之路。目前，学界对于大学排名的研究主要集在以下几方面：其一，大学排名的指标体系研究。俞立平等学者通过对THE大学排名的分析，揭示了大学排名中同行评议与指标体系的关系。[3]施艳萍等学者分析了世界大学学术排名(ARWU)的指标体系及构型。[4]其二，大学排行榜的个案研究。叶赋桂等分析了QS世界大学排名的排名方法、指标和结果。[5]程莹等学者以世界大学学术排名(ARWU)为基础分析了我国“985工程”大学学术竞争力的变化趋势。[6]刘念才等学者详细介绍了ARWU排名的方法、排名结果、排名的问题[7]其三，各大学排行榜间的比较研究。赵蓉英等学者从指标体系设计理念、内容涵盖度、排行榜稳定性三个维度比较了四个主要的世界大学排名。[8]施艳萍对比了东南亚知名大学在四大世界大学排行榜(ARWU、QS、THE、U.S.News)中的表现。[9]其四，以大学排名为基础的世界一流大学研究。张妍通过对THE世界大学排名2019年数据的分析，揭示了世界一流大学的结构特征与功能表现的关系。[10]霍晓冉基于对大学排名评价体系的分析，认为一流的学科、一流的师资、一流的成果、一流的治理水平等是世界一流大学应具有的特征。[11]以上研究对我国大学排名研究做了阶段性的总结，也为这一议题的后续开展提供了便利。但，鲜有学者从学术群这一视角来探讨大学排名研究。

(二)研究设计

1.研究方法

本研究主要运用作者共被引分析法与社会网络分析法对我国大学排名研究学术群进行分析。文献共被引理论认为，同时被引用的两篇文献在其所表达的内容上存在或多或少的相似性。基于此，可以通过统计共被引的次数来测量文献之间内容的相关程度。[12]作者共被引分析是文献共被引分析方法之一，它分析的是不同作者发表的文献同时被其他文献作者所引用的情况，共被引频次的高低代表作者之间研究兴趣的距离。[13]为了全面了解我国大学排名研究学术群的结构与特征，本研究还运用了社会网络分析法对学术群的网络图谱进行量化分析。社会网络分析是一种新兴的研究社会关系的方法，该方法已被证明可以应用于引证关系的研究，其可以描绘全体的关系结构并通过可视化的图形来揭示各行为者之间的深层关系。[14]

2.数据来源

为尽可能全面的把握国内大学排名研究的情况，本研究的数据样本从CNKI期刊数据库与硕博论文数据库中获得。在CNKI数据库高级检索状态下选择跨库检索，以关键词“大学排名”或含“大学排行榜”进行检索，时间设置为1999-2019年。通过上述检索条件，共得到1642条文献。检索时间2020年7月25日。

3.确定核心作者

从检索所得的1642条文献中筛选出单篇文献被引用频次大于等于30的文献，共获得40条记录，对这40条记录中同名作者进行分类整合，统计出29位高被引作者(论文第一作者)，具体见表1。

表1 我国大学排名研究领域核心作者与被引频次表

4.构建核心作者共被引矩阵

在CNKI高级检索界面，将确定的核心作者通过两两在线检索作者共被引关系，最终得到一个29X29共被引矩阵，如表2所示。29位核心作者中共有248组形成了互引，共被引次数大于等于40的有4组，分别是：武书连与王战军、武书连与董秀华、武书连与胡咏梅、武书连与严燕，占总数的1.6%。大于等于30小于40的有3组，分别是：武书连与顾海兵、武书连与陈伟、武书连与殷之明，占总数的1.2%。大于等于10小于30的有7组，分别是：武书连与张小亚、武书连与周小虎、武书连与李文兵、武书连与乐国林、武书连与谢亚兰、王战军与胡咏梅、董秀华与胡咏梅，占总数的2.8%。共被引次数小于10的有234组，占总数的94.4%。

表2 1999-2019年大学排名研究领域高被引作者共被引矩阵(部分)

二、大学排名研究作者共被引网络分析

(一)学术群知识图谱的建立

将已构建的29位核心作者共现矩阵导入Ucinet，利用Netdraw绘制1999-2019年大学排名领域核心作者共被引网络图谱(图1)。图谱中的29个节点分别代表了我国大学排名研究领域的29位核心作者，节点越大则表示该节点所代表的作者在网络中的影响力越大；若节点之间有连线则表示这些节点所代表的作者之间存在共被引关系，连线的粗细与作者之间共被引的频次成正比。

图1 1999-2019年大学排名研究领域作者共被引知识图谱

(二)学术群知识图谱分析

1.网络密度

在社会网络中，网络密度反映的是网络中各节点之间关系的密切程度，其数值与网络中各节点之间关系的密切程度成正比。在作者共被引网络中，则可以通过网络密度的测量来揭示作者之间联系的紧密程度。[15]1999-2019年大学排名研究领域作者共被引知识图谱的网络密度为20.38，从图1 可以看出网络中没有孤立的节点，大部分网络节点之间是联通的。说明我国大学排名研究领域学者之间学术交流较为通畅。

2.网络中心性

在作者共被引网络中，网络中心性反映了其在该社会网络中的地位与重要性，通常包括度中心性、中介中心性与接近中心性三种。[16]运行Ucinet，分别计算出我国大学排名研究核心作者共被引网络的度中心性(NrmDegree)、中介中心性(nBetweenness)与接近中心性(nCloseness)。(见表3)

(1)度中心性

度中心性测量的是与社会网络中某一节点有直接联系的节点个数。某一节点在社会网络中越居于中心地位其节点的度中心性越高。将网络中的所有学者按照度中心性由高到低排列，前十位学者分别为：武书连、王战军、董秀华、严燕、胡咏梅、顾海兵、陈伟、程莹、谢亚兰、刘念才。表明这些学者是我国大学排名研究领域的重要力量，对该领域有着较强的学术影响力和较高学术贡献力。

(2)中介中心性

在作者共被引网络中，中介中心性代表的是作者在整个社会网络中的中心程度。中介中心性越高表明该作者越能够及时全面地掌握其从事的学术领域的研究动向及前沿。从表3可以看出，武书连、谢亚兰、刘强、刘念才、王战军、严燕的中介中心性均在2 以上，拥有我国大学排名研究领域的大部分学术资源，对该领域的学术研究起着决定性重要作用。叶赋桂、程莹、张小亚、陈伟的中介中心性均在1以上，在整个网络中较接近网络中心，说明这些作者在大学排名研究领域也拥有较多的学术资源，对该领域的学术思想传播也起着重要的作用。

(3)接近中心性

接近中心性是以社会网络中的某一节点到网络中所有其它节点的距离之和来测量其在整个网络中的中心程度的中心性表征方式。社会网络中，某一节点的接近中心性越高则代表该点到网络中其它节点的距离之和越小，越接近网络中心。具体到作者共被引网络中，接近中心性越高的作者其对该领域的研究态势的洞察力越敏锐。由表3可知，武书连、王战军与刘念才三位作者的接近中心性均在90以上，表明3位作者掌握、了解我国大学排名领域的研究热点与研究前沿。严燕、程莹、谢亚兰、叶赋桂的接近中心性均在80 以上，说明这几位作者对大学排名这一研究主题的研究动向具有较高的洞察力。

表3 大学排名研究领域核心作者共被引网络中心性数据表(部分)

3.核心—边缘结构

核心—边缘结构理论最初用于描述区域经济发展的不平衡，后被广泛应用于描述各种网络。通过核心—边缘分析可以明确哪些节点处于网络的核心区域，哪些节点处于网络的边缘区域。运行Ucinet分别计算出每位作者的核心度，将每位作者的核心度按从高到低的顺序排列整理出我国大学排名研究学术群体的核心—边缘结构数据表②(见表4)。依据核心度排序，将核心度靠前的前10位作者和核心度靠后的后10位作者分别作为大学排名研究学术群体的核心研究人员和边缘研究人员。即，将武书连、王战军、董秀华、刘念才等学者划分为核心区，将俞立平、韦洪涛、张晓鹏等学者划分为边缘区。

表4 大学排名研究领域学术群体的核心—边缘结构数据表

4.结构洞①

有效规模(EffSize)、效率(Efficie)、限制度(Constra)、等级度(Hierarc)是反映结构洞状况的主要指标。[17]在作者共被引网络中，有效规模测量的是作者在网络中的行动自由度，其数值越大代表该作者在其研究领域的学术交流越自由，受其它因素限制的程度越小。从表5可以看出，刘念才、叶赋桂、王战军、程莹与谢亚兰等几位作者的学术交流较为频繁，自由度大，研究范围广。效率测量的是网络中的某一作者与其他作者的合作或交流的快捷程度。效率的数值越大代表该作者与网络中的其他作者的合作交流越快捷。网络中刘振天、罗燕、张晓鹏、周光礼、陈平原等作者的学术合作或交流较为快捷。作者共被引网络中，限制度测量的是某一作者与其它作者之间的学术藩篱程度，其数值越大代表作者之间的交流范围越窄。从表5 可知，韦洪涛、刘振天、陈平原、罗燕、周光礼等作者的限制度较高，代表这些作者的学术交流范围相对较窄。等级度测量的是学者在整个网络中趋于网络中心的程度。从表5可看出，陈伟、刘念才、乐国林、叶赋桂等的等级度较高代表其具有较强的学术研究能力。

表5 大学排名研究核心作者的结构洞分析(部分)

5.凝聚子群

凝聚子群指的是在社会网络中，某些关系特别紧密的节点所形成的次级团体。[18]通过对1999-2019年我国大学排名研究领域核心作者共被引网络凝聚子群的分析则可以揭示出具有相似研究兴趣或研究主题的作者自然聚合的一个过程。从图2 可看出，武书连、王战军、董秀华、严燕、胡咏梅、顾海兵等学者具有相似的研究兴趣。刘念才、叶赋桂、谢亚兰、张小亚等学者具有相似的研究主题。另外，陈平原与张晓鹏、程莹与韩立文、亚历克斯·埃舍尔与周光礼有相似的研究兴趣。张旺、俞立平、刘强、郭丛斌、朱明等学者的研究主题也较为相似。

图2 大学排名研究学术群体派系聚类图谱

三、研究结论

本研究从作者共被引的视角切入，利用社会网络分析法绘制了1999-2019年我国大学排名研究领域学术群体的知识图谱。基于研究得出如下结论。

我国大学排名研究领域少数学者发文较多，已形成了以武书连、王战军、董秀华、刘念才等为核心作者的学术群；核心作者的作者共被引网络图谱密度大，说明大学排名研究领域的学术群体互动频繁，合作交流通畅；通过对1999-2019年我国大学排名研究领域核心作者共被引知识图谱的网络中心性、结构洞、核心—边缘分析发现武书连、王战军、董秀华、刘念才、周小虎、胡咏梅、严燕、顾海兵、乐国林、谢亚兰等为大学排名研究领域的核心作者，其研究成果对大学排名及我国高等教育评价产生了广泛的影响力；通过凝聚群分析发现我国大学排名研究领域的核心学者群已初具派系特征，且研究主题较为集中。

本研究的局限性：文献信息收集范围相对狭窄，本研究仅以中国知网数据库中1999-2019年的期刊论文与硕博论文作为研究对象，该领域的学术专著等其它文献未被纳入研究视阈；其次，在确定本研究的研究样本时仅以被引频次作为确定核心作者的衡量标准，这就将在该领域享有一定学术地位和学术影响力但发文量偏少的部分学者排除在研究样本之外。要全面地了解我国大学排名研究的全貌还需做更全面而深入的后续探讨。

注释：

① 结构洞是社会网络中的两个节点之间存在非重复性关系，比如a 、b 、c作为三个节点，a与b之间存在关联，b与c之间存在关联，而a与c之间无关联，则a与c之间存在一个结构洞。

② 本研究中的作者共被引网络的实际数据与理想模型数据的相关系数为0.842，二者十分相似，说明大学排名研究领域的作者共被引网络存在明显的核心—边缘结构。