人才队伍结构特征测度及与高校学科发展的关联分析

张发亮，林约佩，董文平，翟 伟

(南昌大学管理学院,南昌 330031)

1 引言

随着“双一流”建设的逐步深入，人才队伍建设对高校学科的高质量可持续发展至关重要。许多高校通过引进和培养高层次人才，壮大人才队伍规模来提升学科人才队伍水平。这些措施虽然能短时间内快速提升学科成果产出和影响力，但如果不能优化人才队伍内部结构，促进“化学反应”，以形成稳定而有活力的整体，则会导致高校学科往往发展后继乏力。因此，什么样的人才队伍结构更有利于高校学科的长远发展，如何建设和改进学科人才队伍及其结构，便成了高校在学科发展和人才队伍建设工作中的重要问题。本文拟结合科学计量、社会网络等分析方法，对高校学科人才队伍结构不同特征进行分析和测度，并实证分析和总结国际一流高校学科在人才队伍建设过程中的共有特点，探索不同人才队伍结构特征对高校学科发展的影响，为中国高校学科人才队伍建设工作提供参考。

2 国内外相关研究进展分析

现有不少研究对高校学科或科研团队的人才队伍结构特征及与科研表现关联进行了分析，依据其特征分析的视角可以归纳为以下3 类：①基于成员背景与科研表现等特征：如从团队成员在发文量、被引量、H指数[1]、顶尖科学家[2]、所在机构、国家、学科[3]、职业流动[4]、是否海归[5]、学历、职称、年龄[6]与性格[7]等不同类别人员[8]数量和比例进行分析、评价和分类，其中少量研究还对这些特征与团队或成员的科研表现的影响进行了分析。②从成员合作程度和合著网络视角展开分析。如李幼军等[9]分析了团队成员间的学科交叉合作率、合作规模、合作频次和合作密度与团队产出效率之间的关系；黄超等[10]从个体中心性、中间中心性、接近中心性、特征向量中心性和结构关联度对大学学科团队成员的结构性特征进行表示与度量；郑云涛等[11]从学科合作网络中成员在中心度入手，分析了高校学科团队成员的稳定性和凝集力变化等。③从其它层面或综合多层面视角着手研究。如阮鹏等[12]提出评价团队成员适宜度的指标体系，从专业相关性、学术贡献预期、合作便利性及目标共同性等层面提出测度指标体系。沈佚葳等[6]从学历结构、职称结构、年龄结构及学科带头人学术水平4 个维度评判各级别学科人才队伍的合理性，利用调查等方法实证分析人才队伍合理性与学科建设等级之间的关系。张崴等[13]从成员以能力结构、角色配置和异质性结构对大学科研团队结构进行分析，并实证分析其对团队创造力的影响。刘先红[14]从成果数量与合作人数维度将团队成员划分为学术带头人、高产成员、活跃成员以及孤立成员等类别，等等。该类研究从不同侧面对学科或科研团队结构特征进行分析，丰富了人才队伍建设与评价的相关理论与方法。但现有研究更多是关注科研团队与高校整体层面，而对高校学科层面的人才队伍结构与内部合作等特征的研究相对较少。在特征的分析与测度方面，不同研究分别对人才队伍成员在科研表现、背景信息、合作层面等不同方面特征进行了分析和测度，但总体上还是相对零散，缺乏对高校学科人才队伍结构特征较为系统的分析与测度，以及与高校学科发展之间关联关系的实证研究。因此，本文旨在较为全面地分析和测度高校学科的人才队伍结构及内部合作特征，利用国际一流高校学科数据进行实证分析，以探索高校学科人才队伍发展变化特点及对高校学科发展的影响。

3 高校学科人才队伍结构特征与学科发展成效测度

3.1 高校学科人才队伍结构特征分析与测度

为了揭示高校学科人才队伍结构及其发展变化特征，参考相关研究，基于科学计量与社会网络分析方法，本文提出从人才队伍内部构成、人才队伍稳定性、人才队伍研究内容、内部合作等4 个层面进行测度，具体测度指标如表1 所示，计量方法与过程如下。

表1 人才队伍结构特征及学科发展成效测度维度和指标Table 1 Measurement dimensions and indicators of talent team structure characteristics and discipline development effectiveness

（1）人才队伍内部构成。该层面主要分析高校学科人才队伍的规模与及内部成员结构分布等特征，主要包括成员结构特征和产出均衡性特征。①依据学科内部科研人员发文量及被引量的高低，遴选出主要成员（一定时期内发文超过N 篇的作者）、顶级成员（发文量累积达全部发文前50%的作者）和核心成员（发文总被引累积达全部总被引前50%的作者）；并计算其不同等级成员的人数和占比。②俞立平等[15]提出了科研产出均衡系数，即将作者按产出数量升序排列，前50%的作者产出总数与后50%作者产出总数之比，用来衡量内部成员在产出方面的均衡性。本文采用产出均衡系数和被引均衡系数来测度高校学科人才队伍成员间在产出及影响方面的均衡性。

（2）人才队伍稳定性。该层面主要分析高校学科在一定时期内人才队伍的稳定程度。人才队伍的相对稳定是高校学科可持续发展的关键，大量研究人员变动或流失，不利于科研工作的开展和科技成果的生产[16]。测度指标为主要成员稳定率，为某一时间窗与上一时间窗重复的主要作者数量占该时间窗主要作者总数的比例。

（3）人才队伍研究内容。学科人才队伍中主要成员研究内容关联性越强，代表着高校学科研内容的凝集程度越高，有助于集中人力与资源对主要研究内容展开更为深入有效的研究，从而提升学科影响力。邱均平等[17]指出“作者-关键词”耦合可分析以作者为表征的知识集聚和知识结构。本文通过构建高校学科一定时期内主要作者与高频关键词之间的共现网络，来分析主要成员在主要研究内容上的关联程度。以网络密度来测度人才队伍主要成员间研究内容的相关程度。网络密度是指着网络中节点间实有连线数与最高理论连线数之比，其值越高，代表着该机构主要作者和高频关键词之间的联系越紧密，其主要研究人员的研究内容关联程度就也越高。

（4）内部合作。除了研究内容的关联性之外，人才队伍内部合作情况是反映高校学科内部知识交流和共享的深度。大量研究表现科研合作程度与主体科研表现呈正相关，因此，本文将从人才队伍内部合作程度和合作网络特征两方面来测度内部合作结构特征。

①内部合作程度测度指标包括高校学科内部作者合著率与作者合作度，分别代表合著论文数量占全部论文数量的比例，以及篇均作者数。②利用社会网络分析方法，构建主要成员间的合作网络，分别用合作网络的密度、聚类系数和网络距离来测度内部合作的紧密程度、小世界现象以及合作广度。

3.2 高校学科发展成效测度

本文拟利用关联分析模型进一步对高校学科人才队伍结构特征与学科发展之间的关联进行分析。需要对高科学科发展成效进行定量测度。在科学计量与学科评价等领域，通常采用较为客观便捷的学科成果数量和影响力来评价学科发展成效。基于此，本文以一定时期内学科总发文量代表其学科生产力，论文总被引代表学科影响力。人才队伍结构特征参数与高校学科发展成效参数如表1 所示，本文将利用国际一流高校学科数据，实证分析二者的关联关系。

4 实证分析

4.1 实证学科与高校选择

本文选择具有一定发展历史，且近期发展较快的计算机科学为实证学科，时间限定为2001—2020 年。在高校选择上，以WOS 核心合集发文量排名为依据，综合考虑国家地区分布和发文规模，选择来自10 个国家的10 所高校作为样本，如表2 所示。

表2 样本高校及其发文量、排名及所地国家地区Table 2 Sample universities and their publication total number,rankings and their countries/regions

4.2 研究方案与数据处理

由于人才队伍需要经过一定时期的发展才具有相对稳定的结构特征，因此，本文将时间窗设为4 年，以4 年整体或平均数值作为人才结构各特征参数的值。同时，人才队伍结构也需要经过一定的时间才能发挥出相应的影响结合文献被引峰值分布规模，本文以人才队伍结构特征时间窗之后两年的学科发展成效值作为特征参数值，构建关联模型进行分析。

以Web of Science 为数据来源，检索日期为2021年3 月24 日，具体检索策略如表3 所示。共检索到935 309 篇文献。利用实证高校名称进行机构扩展精炼，下载和获取各高校2001—2020 年的全部论文题录，并进行无效与重复数据删除、作者信息清先等处理。之后，以4 年为一个时间窗，获取、统计和计算出高校学科不同人才队伍结构特征值和相应的学科发展成效特征值。

表3 检索策略Table 3 Search strategy

5 高校人才队伍结构与学科发展变化情况

5.1 人才队伍结构特征发展情况

5.1.1 人才队伍内部构成特征

将各高校WOS 论文题录数据导入SATI 软件、提取作者全称信息进行统计，再利用Excel 软件进行主要成员（依据整体数据情况，设置4 年发文在5 篇以上的作者为主要成员）、顶级成员、核心成员的数量统计以及产出均衡指数与被引均衡指数的计算，结果如图1、图2 所示。

从图1、图2 可以发现，10 所高校核心成员（总被引累积达全部被引前50%的作者）占比远高于顶级成员占比和主要成员占比，表明各高校学科成员中具有相对较高影响力的人数占比要高于高发文作者比例。同时结合整体产出均衡系数（平均为0.45）与被引均衡系数（平均为0.02）分布可以发现，各高校在大部分时期，成员间在发文规模方面差距较小；而主要成员（发文在5 篇以上）的比例总体上要高于顶级成员占比，表明很多高校在大多数时期发文累积达全部论文前50%的作者的发文量并没有都超过5 篇，由此表明，由于作者群体较为庞大，并没有形成相对集中高产作者群体。但在影响力方面差距较大，形成具有一定规模的高被引作者群（核心作者占比平均达24%）。

图1 人才队伍规模与结构参数折线图Fig.1 Line chart of the scale and structural parameters of talent team

图2 人才队伍成员产出均衡性发展变化情况Fig.2 The output balanced development and changes of talent team members

从时间发展来看，核心成员比例与产出均衡指数的变化曲线基本一致，呈现出先上升再下降的变化过程，多数高校在2005—2008 年与2013—2016 年两个时间窗内存在一个小高峰；顶级成员比例先上升再下降，主要成员呈波动趋势，基本在小范围内持平，被引均衡系数增长缓慢，甚至出现轻微下降。

5.1.2 人才队伍稳定性

本文统计出各时间窗内发文在5 篇以上的作者为主要成员，并将各时间窗与前一时间窗的主要成员进行对比，计算重复出现的主要成员所占的比例，用以代表高校学科人才队伍在这一时期的稳定程度，结果如图3 所示。

从图3 可以看出，除伊斯兰阿扎德大学外，9 所高校人才队伍中的主要成员稳定率差距较小，整体稳定率较低，均在50%以下，且上下波动较大。其中伊斯兰阿扎德大学、香港理工大学、佐治亚理工学院、东京大学变动幅度更为剧烈，沃特卢大学、苏黎世联邦理工学院的主要成员稳定率先上升再下降，在2013—2016 年时间窗达到峰值。与此相反，韩国科学技术院、新南威尔士大学的主要成员稳定率先下降，于2009—2012 年达到谷值后开始回升。

图3 人才队伍稳定性与主要成员内容相关性情况Fig.3 The stability of talent team and the relevance of the content of the main members

5.1.3 人才队伍研究内容

为分析学科内部研究人员在研究内容上的关联性，本文利用作者关键词共现网络的网络密度来表示。选择发文量在5 篇以上的作者为主要成员，所有2 次及以上关键词数量的1/10 的词为高频关键词代表各高校不同时期主要研究内容。利用DDA 软件构建主要作者-高频关键词共现矩阵。利用Ucinet 获取共现网络密度，结果如图3 所示。

在图3 中，由于伊斯兰阿扎德大学在2001—2008年发文较少，导致该高校前两个时间窗的作者-关键词共现网络密度参数值缺失。整体上看，10 所高校的共现网络密度多在0.1～0.4 内变动，平均密度达0.26，表明各高校主要成员在主要研究内容上关联较为紧密。在2005—2008 年加泰罗尼亚理工大学与新南威尔士大学的共现网络密度较大，达到了0.5 左右。从时间变化的角度看，多数高校的共现网络密度随时间下降，只有鲁汶大学呈现波动上升的变化趋势，说明主要成员对计算机科学的研究侧重点逐多样化。

5.1.4 内部合作

通过统计不同时期各高校学科合著论文及作者数量，计算出合作度和合著率（图4），在此基础上，将发文量在5 篇及以上的作者作为主要成员，分别构建各高校不同时间主要成员间的合著网络，利用UCINET 软件，获取合作网络的密度、聚类系数、距离等特征值，结果如图5 所示。

从图4 可以看出，10 所高校的合作度大多在3 以上，平均可达3.74；除伊斯兰阿扎德大学外，其余9所大学的合著率均处于较高的水平，多数保持在90%以上。这表明计算机领域高校学科内部成员间合作程度较高，且在不断提升中。在2017 年后，伊斯兰阿扎德大学、韩国科学技术院和东京大学的合作度有一个较大的增长。伊斯兰阿扎德大学作在2005—2008 年之后，合著率显著提升到86%，逐步缩小与其它高校的距离。

图4 内部合作程度发展变化情况Fig.4 Development and changes of internal cooperation

在内部主要成员合作网络特征上（图5），各高校的网络密度相差不大，平均在0.006 7 左右，表明由于计算机领域各高校人才队伍庞大，主要成员间整体合作凝聚性较低。而且大部分高校合作网络密度呈下降趋势，值得关注。在聚类系统上，各高校的聚类系数多数在0.5 以上，这表明高校内部人员的“小世界现象”较为显著，都形成若干相对稳定的科研团队。多数高校聚类系数总体上呈上升趋势。在网络距离上，各高校在不同时期波动较大，整体呈上升趋势，代表计算机领域主要成员间的合作范围日渐宽泛。

图5 内部合作网络特征发展变化情况Fig.5 The development and changes of the internal cooperation network characteristics

通过对10 所一流高校在计算机学科人才队伍结构特征发展情况进行测度和分析，可以发现：①计算机学科领域人才队伍规模较大，成员内部在产出分布相对均衡，而在影响力方面差距较大；②各高校在不同时期主要成员的稳定性相对较低；③主要成员间主要研究内容关联紧密，但整体呈逐步下降趋势；④内部成员间合作程度较高，小世界现象明显，但主要成员间合作紧密性不高。

5.2 高校学科发展情况

通过检索和统计获取各高校在人才队伍结构特征时间窗之后两年的发文量（最后一个时间窗空缺）和时间窗内发文在时间窗及之后两年时间内总被引量，以代表各高校在不同时期的学科生产力和影响力，如图6 所示。

在图6 中，多数高校的在近20 年各时间点发文量变化不大，保持在一年200～300 篇内，伊斯兰阿扎德大学前期较低，但增长迅速，学科知识生产力进步显著。除伊斯兰阿扎德大学外，大多数高校的总被引均在2013—2016 年时间窗达到峰值。表明各高校的学科知识影响力和质量在不断地提升。其中，香港理工大学、苏黎世联邦理工学院与伊斯兰阿扎德大学的影响力增长明显，20 年间增长达3 倍以上。

图6 高校学科知识生产力和影响力的表现情况Fig.6 The performance of disciplinary knowledge productivity and influence in sample universities

6 人才结构队伍特征与高校学科发展的关联分析

为探索高校学科人才队伍结构对其学科发展的影响，本文分别建立起各人才队伍结构特征与学科生产力与影响力之间的多元线性回归模型，进行实证分析。

6.1 人才队伍结构特征参数因子分析

由于12 个人才队伍结构特征参数之间可能存在较强的相关性，需要先进行因子分析。经KMO 和巴特利特球形检验，KMO 值为0.557，巴特利特球形检验值为321.881，P 值小于0.001，表明适合进行因子分析。本文采用主成分法提取因子。在总方差解释表中，前4个综合因子能够解释12 个指标的76.776%。因此，提取前4 个综合因子。对初始因子成分矩阵以最大方差法进行旋转，成分矩阵如表4 所示。12 个参数值提取的4 个因子如表5 所示：因子F1，包含主要占比、核心占比、产出均衡指数、距离，主要与科研人员发文指标相关，反映高校论文成果产出的规模与结构；因子F2包括被引均衡系数、内容网络密度、合作度、合著率等以作者合作相关的参数；因子F3包括合作网络密度、聚类系数这两个合作网络特征；因子F4，主要与高发文作者与高被引作者有关，包括顶级占比与稳定率。

表4 旋转后的成分矩阵表Table 4 Component matrix after rotation

表5 综合因子提取与命名Table 5 Comprehensive factor extraction and naming

6.2 回归模型分析

以因子F1～F4为自变量，学科知识生产力Y1、知识影响力Y2，建立两个多元回归模型。为了提高回归模型拟合准确性，以回归的理论值与实际值的标准残差对异常个案进行判断，以2 倍的标准差为限，排除如表6 所示的异常个案。

表6 异常个案Table 6 Outliers

6.2.1 学科知识生产力模型

剔除异常个案后，利用SPSS 进行4 个因子与学科知识生产力的多元回归模型，在95%的置信水平下采用输入法进行回归，结果如表7 所示。

表7 显示，在回归模型中，4 个综合因子F1～F4的P 值均大于0.05，表明它们与后期学科知识生产力均无显著关系。

表7 学科知识生产力模型系数Table 7 Coefficients of disciplinary knowledge productivity model

6.2.2 学知识影响力模型

在学科知识影响力模型中，以高校时间窗内及之后两年的总被引作为因变量，4 个因子作为自变量，采用步进法在95%的置信水平下进行多元线性回归，将结果整理后，如表8 所示。

表8 学科知识影响力模型系数表Table 8 Coefficients of disciplinary knowledge influence model

该模型R2仅为0.216，模型拟合效果一般；德宾-沃森值为1.440，表明变量自相关性较不明显，此回归模型能较好地描述人才队伍结构特征与学科知识影响力的相关关系。另外，表10 显示，在步进回归过程中，F1、F3、F4均被剔除，只有综合因子F2进入模型，常量与F2的P 值极小（＜0.05），说明拟合模型具有显著意义。综上所述，可以得到如下所示的回归模型：

6.3 人才结构特征对高校学科发展的影响分析

将因子分析中产生的成分得分系数表与回归模型中的相关系数相乘，可以计算出各个参数与高校学科发展表现的相关系数（表9）。由于人才队伍结构各特征因子与高校学科知识生产力关系不显著，下面仅针各特征对高校学科知识影响力发展的影响进行分析。

表9 数与总被引之间的关联系数Table 9 Correlation coefficients between parameters and total citations

（1）内部主要成员在研究内容上的关联性对学科未来影响力发展具有明显的促进作用。经统计，发现作者-关键词共现网络密度与学科总被引之间关联性最大。表明，团队中主要成员之间在主要研究内容上关联上越强，学科研究内容就会更集中，成员间更容易开展深入合作，形成研究团队，有利于高校在学科领域优势方向的形成，从而促进高校学科整体影响力的提升。

（2）在内部合作方面，整体合作程度、主要成员合作紧密性、聚集性及合作深度均对学科知识影响力具有一定影响。其中，整体所有成员间的合作程度与主要成员间的合作距离对高校学科整体影响力具有负面影响。而主要成员间的合作紧密程度和集聚性却对高校学科发展具有正面促进作用。因此，高校在学科发展的过程种，重点在于加强主要成员间的交流合作，形成关系较为紧密较为稳定的若干核心科研团队，才更有利于学科的长远发展。

（3）在人才队伍内部构成方面，各特征与高校学科发展的关联关系相对较弱。其中，高被引作者占比与研究内容输出结构对学科发展的作用相对较明显，表明科研人员自身的实力以及科研人员成果产出效率对高校的学科表现有着较显著的影响。在回归过程中，被引均衡系数所属的综合因子F2具有显著意义，这表明，如果一个学科团队中没有适当比例的高被引作者，容易造成团队“领头人”缺失，导致高校学科发展缓慢甚至停滞。因此，适当引入实力强劲的科研人员，提高团队管理水平，有助于提升高校的学科表现。而在核心成员占比、高发文作者占比等特征对高校学科发展的作用不明显，由于在回归分析中，核心成员占比、高发文作者占比所属的综合因子均不具有显著意义，因此，表格中所显示的负相关系数不能表示核心成员数量提升或高发文作者数量上升就一定会给高校学科发展带来负面作用。

（4）人才队伍的稳定性对高校学科表现有一定程度的影响。高校学科主要成员的稳定率对其学科知识影响力的发展具有一定的正面促进作用。高校在其学科发展过程中，应保持人才队伍的稳定性，避免过于频繁的人员流动。

7 总结与发展建议

本文从人才队伍内部构成、主要成员稳定性、成员研究内容及内部合作4 个维度，对高校学科人才队伍结构特征进行了测度，并以计算机科学10 所国际一流高校为例，观察其人才队伍结构特征及发展变化，实证分析人才队伍结构特征与高校学科生产力、影响力的关联关系。研究表明，人才队伍结构的不同特征对高校学科，尤其是学科整体影响力的发展具有不同程度的影响，其中，主要成员研究内容的相近性、团队内部合作紧密性的作用更明显，人才队伍内部结构和人员稳定性的作用相比之下较弱。基于此，中国高校在一流学科建设过程中，可以参考如下建议。

（1）重视和加强主要成员在研究内容上的关联与合作，形成学科优势研究领域。主要成员研究内容的相近性与高校学科发展的关联关系最强，提升研究内容的集中程度可以集中研究力量，加强研究深度，产生更高质量的学科知识，从而提升高校学科的整体影响力。

（2）进一步加强内部主要成员间的合作交流，形成更多稳定的核心科研团队。研究显示，学科人才队伍全体合作程度对学科影响力发展具有负责影响，而主要成员间的合作网络密度和聚集性能有效提升学科整体影响力。因此高校在学科发展过程中，要注重主要成员间的紧密合作，培养若干相对稳定、凝聚力强的核心科研团队。

（3）保持和提升学科主要人才队伍的稳定性。学科人才队伍只有保持一定的稳定性，才能有机会形成核心团队，凝聚优势研究内容，从而提升学科整体影响力，推动学科长远发展。