侯劍華，耿冰冰，張 洋

(中山大學(xué)信息管理學(xué)院,廣州 510006)

1 引言

高校的科技人才是指高校中從事科學(xué)研究工作且有一定發(fā)文的教師、專(zhuān)職科研人員等，他們組成了高校的科研隊(duì)伍，是國(guó)家人才培養(yǎng)和發(fā)展科研力量的重要目標(biāo)。新時(shí)代對(duì)科技創(chuàng)新的需求日益增高，高校已成為國(guó)家科研創(chuàng)新的中堅(jiān)力量之一，因此加強(qiáng)高校科研發(fā)展尤為重要，而具有合理的科研隊(duì)伍是高校實(shí)現(xiàn)科研產(chǎn)出的基礎(chǔ)，其中一個(gè)重要方面就是科技人才的學(xué)緣結(jié)構(gòu)[1]。廣義上講，“學(xué)緣”指一位科技人才在求學(xué)階段就讀的高校、所學(xué)的專(zhuān)業(yè)、從師的權(quán)威教授、受教的學(xué)術(shù)流派等[2]。高校的每一位科技人才就讀的學(xué)校、受教的學(xué)術(shù)流派不可能完全一樣，他們組合成的科研隊(duì)伍自然也就形成了各自的學(xué)緣結(jié)構(gòu)。

目前國(guó)內(nèi)外學(xué)緣結(jié)構(gòu)的研究從總體情況看真正深入的并不多，往往是以學(xué)術(shù)上的近親繁殖現(xiàn)象為切入點(diǎn)進(jìn)行討論的。國(guó)外早期的研究主要關(guān)注的是學(xué)緣結(jié)構(gòu)單一的問(wèn)題，認(rèn)為學(xué)緣結(jié)構(gòu)單一、近親繁殖會(huì)使學(xué)術(shù)發(fā)展受到不利影響[3,4]。國(guó)內(nèi)大多數(shù)研究者把高校教師的本校與外校來(lái)源比例作為學(xué)緣結(jié)構(gòu)的主要關(guān)注問(wèn)題。研究?jī)?nèi)容主要有以下5 個(gè)方面：①學(xué)緣結(jié)構(gòu)的定義[5-9]；②中國(guó)高?？蒲嘘?duì)伍學(xué)緣結(jié)構(gòu)的現(xiàn)狀[10-12]；③近親繁殖現(xiàn)象[13]；④學(xué)緣結(jié)構(gòu)對(duì)職業(yè)發(fā)展、工作績(jī)效等的影響[14,15]；⑤學(xué)緣結(jié)構(gòu)的測(cè)量指標(biāo)探索[16]、優(yōu)化建議與措施[17,18]。從研究來(lái)看中國(guó)高?？萍既瞬胖械慕處煛?zhuān)職科研人員本校學(xué)緣占比最大，近親繁殖、學(xué)緣結(jié)構(gòu)單一的問(wèn)題普遍存在?！敖H繁殖”造成了人才流動(dòng)困難，阻礙了高校進(jìn)一步提高科技人才質(zhì)量以，不利于學(xué)術(shù)研究的發(fā)展。合理的學(xué)緣結(jié)構(gòu)應(yīng)是多源化的，這樣可以防止形成學(xué)術(shù)派閥，打破高校人事制度中“一潭死水”的狀態(tài)[19]，有益于不同學(xué)術(shù)思想之間的交流，能有效促進(jìn)科研隊(duì)伍素質(zhì)的提高以及高校之間優(yōu)秀人才的合理流動(dòng)。2011 年教育部頒發(fā)的 《全國(guó)教育人才發(fā)展中長(zhǎng)期規(guī)劃（2010—2020 年）》 指出要大力改善高校教師學(xué)緣結(jié)構(gòu)、減少“近親繁殖”、組建開(kāi)放的教學(xué)和科研隊(duì)伍、聘用各機(jī)構(gòu)優(yōu)秀人才等?？梢?jiàn)學(xué)緣結(jié)構(gòu)的優(yōu)化和通過(guò)人才流動(dòng)達(dá)到科技人才的合理配置已被高等教育提上日程，其也逐漸成為反映高?？蒲嘘?duì)伍整體質(zhì)量、衡量科研隊(duì)伍科研創(chuàng)新能力高低的重要指標(biāo)。

現(xiàn)在已有許多學(xué)者通過(guò)科研人員的履歷數(shù)據(jù)[20-24]，從空間地理、職業(yè)部門(mén)、智力等維度，探尋科研人才成長(zhǎng)與流動(dòng)的關(guān)系，分析人才流動(dòng)的典型路徑和模式，為合理布局人才資源、主動(dòng)引導(dǎo)人才流動(dòng)方向等提供參考。但鮮有將人才流動(dòng)和學(xué)緣結(jié)構(gòu)結(jié)合分析的研究，本研究將從人才流動(dòng)這一新角度探究?jī)?yōu)化學(xué)緣結(jié)構(gòu)的新思路。本研究認(rèn)為學(xué)緣結(jié)構(gòu)是靜態(tài)狀態(tài)，是一系列動(dòng)作的積累，其中之一就是人才跨校的流動(dòng)。教師隊(duì)伍的結(jié)構(gòu)也只有通過(guò)流動(dòng)才能調(diào)節(jié)[2]，許多學(xué)者認(rèn)為人才的合理流動(dòng)是實(shí)現(xiàn)教師隊(duì)伍最佳配置的根本途徑。那么同理科研隊(duì)伍的結(jié)構(gòu)也是可以通過(guò)人員的流動(dòng)來(lái)調(diào)節(jié)的，高校科技人才的合理流動(dòng)不失為實(shí)現(xiàn)科研隊(duì)伍學(xué)緣結(jié)構(gòu)合理化的一種途徑。

鑒于此，本研究對(duì)高?？萍既瞬澎o態(tài)的學(xué)緣結(jié)構(gòu)以及動(dòng)態(tài)的人才流動(dòng)特征探討分析，根據(jù)得到的結(jié)果對(duì)人工智能領(lǐng)域高?？萍既瞬艑W(xué)緣結(jié)構(gòu)的優(yōu)化和人才流動(dòng)的配置、引導(dǎo)提出建議與措施，以期通過(guò)正確引導(dǎo)人才流動(dòng)來(lái)合理布局人才資源、優(yōu)化科研隊(duì)伍結(jié)構(gòu)。同時(shí)也能為中國(guó)高校從人才流動(dòng)角度改善科研隊(duì)伍結(jié)構(gòu)、活躍學(xué)術(shù)氛圍、促進(jìn)科研發(fā)展創(chuàng)新提供一些借鑒與參考。結(jié)合前人研究，在本研究中認(rèn)為高?？萍既瞬艑W(xué)緣結(jié)構(gòu)包括體現(xiàn)學(xué)緣聚集性，層次性，廣泛性的親緣度、優(yōu)緣度、廣緣度三大要素，分別反映學(xué)緣集中程度、學(xué)緣質(zhì)量層次、學(xué)緣來(lái)源廣泛性[9]；本研究中探討的人才流動(dòng)主要指科技人才在不同高校間的任職變化流動(dòng)。

2 數(shù)據(jù)與方法

2.1 研究對(duì)象選取

人工智能是以計(jì)算機(jī)科學(xué)為核心的多學(xué)科研究領(lǐng)域。近年來(lái)，它越來(lái)越受到人們的重視。2015 年，中國(guó)頒布了 《國(guó)務(wù)院關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動(dòng)的指導(dǎo)意見(jiàn)》，首先在國(guó)家戰(zhàn)略層面提到了人工智能；2016 年 《“十三五”國(guó)家科技創(chuàng)新規(guī)劃》、十九大報(bào)告均指出大力推動(dòng)人工智能發(fā)展，2017 年國(guó)務(wù)院也印發(fā)《關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》，這些都體現(xiàn)了人工智能作為中國(guó)重要發(fā)展戰(zhàn)略對(duì)國(guó)家建設(shè)、產(chǎn)業(yè)變革與技術(shù)創(chuàng)新的重要性。

2021 年軟科學(xué)科排名顯示，在人工智能領(lǐng)域所屬的計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科中，清華大學(xué)、北京大學(xué)、哈爾濱工業(yè)大學(xué)、浙江大學(xué)、國(guó)防科技大學(xué)排名處于前2%；中國(guó)科學(xué)技術(shù)大學(xué)、南京大學(xué)、上海交通大學(xué)、華中科技大學(xué)等多所學(xué)校處于前5%位次，可以初步看出人工智能領(lǐng)域排名靠前的學(xué)校集中在北京地區(qū)、華南地區(qū)。

中國(guó)人工智能領(lǐng)域的研究正處于高速發(fā)展階段，因此本研究以人工智能領(lǐng)域?yàn)榍腥朦c(diǎn)，選擇不同水平層次的高校作為樣本來(lái)反映說(shuō)明中國(guó)高?？萍既瞬艑W(xué)緣結(jié)構(gòu)和流動(dòng)網(wǎng)絡(luò)特征。

2.2 數(shù)據(jù)來(lái)源

研究選擇Web of Science 的中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)作為來(lái)源數(shù)據(jù)庫(kù)進(jìn)行檢索，時(shí)間限定為2010—2020 年，采用高級(jí)檢索中主題詞檢索方式。檢索主題詞除“人工智能（Artificial Intelligence）”外，還加入了人工智能領(lǐng)域相關(guān)技術(shù)關(guān)鍵詞“機(jī)器學(xué)習(xí)（Machine Learning）” “自然語(yǔ)言處理（Natural Language Processing）” “人臉識(shí)別（Face Recognition）” “圖像識(shí)別（Image Recognition）” “計(jì)算機(jī)視覺(jué)（Computer Vision）” “語(yǔ)音識(shí)別（Speech Recognition）” “語(yǔ)義搜索（Semantic Search）” “語(yǔ)義網(wǎng)絡(luò)（Semantic Network）”等。這些關(guān)鍵詞來(lái)源于中國(guó)人工智能發(fā)展報(bào)告（2018）[25]，該報(bào)告咨詢(xún)了計(jì)算機(jī)領(lǐng)域相關(guān)專(zhuān)家，根據(jù)人工智能的熱點(diǎn)研究問(wèn)題提供了檢索關(guān)鍵詞。本研究中的科技人才指的是高校中從事科學(xué)研究的、有一定數(shù)量發(fā)文的人員，所以在檢索得到的結(jié)果中以發(fā)文機(jī)構(gòu)為高校、作者發(fā)文記錄數(shù)大于4 為條件進(jìn)行進(jìn)一步精揀，篩選到了吉林大學(xué)、北京航空航天大學(xué)、北京科技大學(xué)等學(xué)校作為本研究的研究對(duì)象，并檢索獲得了發(fā)文數(shù)量位于前列的125 名高?？萍既瞬琶麊?。

接著以Scopus 學(xué)者信息庫(kù)為主，以百度百科、維基百科及學(xué)者所在院校官網(wǎng)為輔，手動(dòng)檢索采集科技人才的教育經(jīng)歷、工作經(jīng)歷等信息。檢索學(xué)者時(shí)確保其姓名拼寫(xiě)形式完整并多次組合檢索以求數(shù)據(jù)獲得全面，并根據(jù)學(xué)者背景、地址等排除重名，確保準(zhǔn)確。本研究中的“學(xué)緣結(jié)構(gòu)”主要包括科技人才的最高學(xué)歷、本碩博畢業(yè)院校、畢業(yè)院校地域、本校或外校來(lái)源構(gòu)成這幾部分；在人才流動(dòng)方面本研究主要分析科技人才在不同高校間工作任職的變化流動(dòng)。因此收集的信息涉及了每位科技人才的本碩博就讀高校及專(zhuān)業(yè)、就讀高校屬性及所在省份、畢業(yè)后任職高校1、2、3（分別代表第一任職高校、中間任職變化高校、最終任職或現(xiàn)任高校）及其所在省份和屬性等。除去無(wú)法獲取相關(guān)信息的數(shù)據(jù)后，剩余104 名科技人才的信息作為本文研究的基礎(chǔ)數(shù)據(jù)集，這104 位科技人才的學(xué)業(yè)經(jīng)歷和工作任職經(jīng)歷都較為完整，形成了如表1 所示的科技人才信息表。

表1 部分科技人才信息表Table 1 Information on some scientific and technological talents

2.3 研究方法

本研究利用統(tǒng)計(jì)分析方法對(duì)學(xué)緣結(jié)構(gòu)的層次構(gòu)成、類(lèi)別構(gòu)成、空間分布進(jìn)行探究，將數(shù)據(jù)收集最后得到的104 位科技人才的相關(guān)信息數(shù)據(jù)表導(dǎo)入SPSS 進(jìn)行一致性檢測(cè)、無(wú)效值和缺失值處理等核對(duì)、清洗及重新編碼步驟，便可得到可以統(tǒng)計(jì)分析的數(shù)值型數(shù)據(jù)。

本研究借鑒履歷分析法采集科技人才數(shù)據(jù)，利用社會(huì)網(wǎng)絡(luò)工具Pajek 軟件進(jìn)行人才流動(dòng)網(wǎng)絡(luò)的構(gòu)建。通過(guò)構(gòu)建社會(huì)網(wǎng)絡(luò)并以此為基礎(chǔ)進(jìn)行網(wǎng)絡(luò)要素、結(jié)構(gòu)和派系分析，探究人才流動(dòng)模式、流動(dòng)路徑等特征。社會(huì)網(wǎng)絡(luò)中的中心度反映了某個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)與其他節(jié)點(diǎn)相關(guān)聯(lián)的程度，某個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)間關(guān)系越強(qiáng)其中心度越高，同時(shí)其也在網(wǎng)絡(luò)中具有較大的影響力和重要的地位。社會(huì)網(wǎng)絡(luò)的網(wǎng)絡(luò)密度則可以反映節(jié)點(diǎn)間相互連接的密集程度，體現(xiàn)網(wǎng)絡(luò)中實(shí)體之間的關(guān)系強(qiáng)度和網(wǎng)絡(luò)結(jié)構(gòu)的緊密度，取值范圍為0～1，值越大代表社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)密度越高，節(jié)點(diǎn)間關(guān)系越緊密。在本研究中主要構(gòu)建的是有向流動(dòng)網(wǎng)絡(luò)，網(wǎng)絡(luò)節(jié)點(diǎn)指人才流動(dòng)網(wǎng)絡(luò)中的科技人才或者高校，本研究人才流動(dòng)網(wǎng)絡(luò)中邊表示科技人才在不同高校機(jī)構(gòu)的任職變化流動(dòng)。

3 學(xué)緣結(jié)構(gòu)分析

在完成科技人才信息的收集后，首先對(duì)其學(xué)緣結(jié)構(gòu)現(xiàn)狀進(jìn)行描述分析，本研究借鑒胡學(xué)實(shí)[9]對(duì)學(xué)緣的內(nèi)涵定義，從學(xué)緣結(jié)構(gòu)的層次性、廣泛性、聚集性進(jìn)行分析，分別能反映出高?？蒲嘘?duì)伍的學(xué)緣質(zhì)量、種類(lèi)和數(shù)量、學(xué)緣的地理分布、學(xué)緣的近親程度。

3.1 學(xué)緣結(jié)構(gòu)的層次性

分析高?？萍既瞬鸥髑髮W(xué)階段就讀的院校是否相同是研究學(xué)緣結(jié)構(gòu)的一個(gè)重要角度，它可以反映出其學(xué)緣結(jié)構(gòu)的學(xué)緣數(shù)量和種類(lèi)[9]。如果一位科技人才在本碩博階段分別在3 所不同的學(xué)校就讀，那么他的學(xué)習(xí)經(jīng)歷較為豐富，接觸的學(xué)術(shù)流派不會(huì)那么單一，同時(shí)能夠積累更多的學(xué)術(shù)社交資源。本研究將科技人才的教育經(jīng)歷分為7 類(lèi)模式：①學(xué)士畢業(yè)；②本、碩異校（碩士畢業(yè)）；③本、碩同校（碩士畢業(yè)）；④本、碩、博同校（博士畢業(yè)）；⑤本、碩、博異校（博士畢業(yè)）；⑥本、碩同校，碩、博異校（博士畢業(yè)）；⑦本、碩異校，碩、博同校（博士畢業(yè)）。而本研究所選取的科技人才絕大多數(shù)為博士以上學(xué)歷，所以以下分析只涉及取得博士學(xué)位的科技人才，分析得到了最終任職或現(xiàn)任高校（任職高校3）水平不同的科技人才的求學(xué)階段就讀院校情況，如表2 所示。

由表2 可以看出在人工智能領(lǐng)域985 重點(diǎn)大學(xué)博士以上學(xué)位的科技人才其本碩博3 個(gè)學(xué)習(xí)階段在同一所高校就讀的比例要遠(yuǎn)高于其他幾種情況，而普通雙非大學(xué)博士以上學(xué)位的科技人才其在本碩博3 個(gè)階段于兩所以上不同院校就讀的比例略高。這體現(xiàn)出985大學(xué)的學(xué)生在升讀時(shí)偏向于選擇在本校學(xué)習(xí)，可能是因?yàn)閲?guó)內(nèi)重點(diǎn)大學(xué)數(shù)量有限。同時(shí)也反映出普通雙非大學(xué)畢業(yè)生傾向于到別的重點(diǎn)大學(xué)升學(xué)就讀以獲得更高學(xué)位的教育向上流動(dòng)趨勢(shì)。

表2 博士以上學(xué)歷科技人才各求學(xué)階段同校情況Table 2 The status of the universities and colleges attended by scientific and technological talents with a doctoral degree in their different learning stages

3.2 學(xué)緣結(jié)構(gòu)的廣泛性

科技人才的最高學(xué)歷取得高校的地域來(lái)源分布，在學(xué)緣上指其所繼承的學(xué)術(shù)流派的發(fā)祥地的地理分布格局，可以反映學(xué)緣的廣泛性[9]。來(lái)自于不同地域科技人才間的交流可以促進(jìn)科研隊(duì)伍對(duì)各地學(xué)術(shù)流派思想的吸收。本研究按地域分布將科技人才的學(xué)緣地域來(lái)源分為本市高校、本省非本市高校、省外高校、國(guó)外高校，且認(rèn)為在學(xué)緣廣泛程度上從大到小依次為國(guó)外、省外、本省非本市、本市[9]。

表3 結(jié)果顯示出在人工智能領(lǐng)域，無(wú)論是985 類(lèi)高校，還是211 高校，其科技人才的地域來(lái)源分布占比最多的均為本市，遠(yuǎn)高于其他地域來(lái)源占比，地域來(lái)源多樣化程度較小，學(xué)緣廣泛性不強(qiáng)。反映了參與人工智能領(lǐng)域研究的高校，在吸納人才方面存在地區(qū)性?xún)A向。另由表3 看出普通雙非高校的省外來(lái)源比例與985、211 高校相比較高，甚至占有近一半比例，這與普通高校招聘時(shí)傾向于更高層次科技人才有一定關(guān)系。同時(shí)與優(yōu)質(zhì)高校不同，普通雙非院校畢業(yè)生留校情況較少，且少有設(shè)置碩士點(diǎn)、博士點(diǎn)，因此這類(lèi)學(xué)校從本市引進(jìn)科技人才的機(jī)會(huì)較少，省外學(xué)緣自然會(huì)比較多，學(xué)緣的地域來(lái)源分布也更多樣化。

表3 不同地域來(lái)源的學(xué)緣分布Table 3 Geographical source distribution of academic origin structure

3.3 學(xué)緣結(jié)構(gòu)的聚集性

高校科技人才的來(lái)源構(gòu)成狀態(tài)，具體指本校畢業(yè)生與非本校畢業(yè)生之間的比例關(guān)系，可以反映出高?？蒲嘘?duì)伍結(jié)構(gòu)的學(xué)緣聚集性[9]，進(jìn)而說(shuō)明高?？蒲嘘?duì)伍的科技人才學(xué)術(shù)教育背景與所任職高校之間的近親程度。如果一位科技人才在本碩博階段均曾在其任職高校就讀，那么其與所任職高校的學(xué)緣聯(lián)系就非常親密，近親程度很高；反之，則近親程度就沒(méi)有那么高[9]。根據(jù)高?？萍既瞬鸥麟A段學(xué)歷獲得情況和現(xiàn)任職高校情況，高?？萍既瞬诺膶W(xué)緣近親強(qiáng)度由強(qiáng)到弱可分為：①本校本學(xué)科專(zhuān)業(yè)；②本校非本學(xué)科專(zhuān)業(yè)；③非本校畢業(yè)。最終任職或現(xiàn)任高校（任職高校3）水平不同的科技人才近親程度分析結(jié)果如表4 所示。

從整體上可以看出人工智能領(lǐng)域水平層次越高的高校其本校本學(xué)科畢業(yè)的科技人才所占比例越高，學(xué)緣上親密程度越高，“近親繁殖”現(xiàn)象越嚴(yán)重。尤其是985 大學(xué)的科技人才中本校本學(xué)科畢業(yè)人員占比高達(dá)68.2%，遠(yuǎn)高于非本校畢業(yè)生占比。而且表4 中數(shù)據(jù)表明很多重點(diǎn)985 大學(xué)科技人才是選擇在本校完成本碩博連讀，而且很多畢業(yè)后直接在母校任教，造成學(xué)緣相近現(xiàn)象嚴(yán)重，如吉林大學(xué)；然而就211 大學(xué)和普通雙非大學(xué)來(lái)說(shuō)，占比最高的科技人才均為非本校畢業(yè)生。

表4 本校與非本校畢業(yè)生占比分布Table 4 Thedistributionoftheproportionofscientificandtechnologicaltalentswhograduatedfromtheuniversityandthosewhodidnot

本研究分析認(rèn)為這是由于中國(guó)高?？萍既瞬耪衅阜秶^小、可選擇性少，985 類(lèi)高校必須從同類(lèi)重點(diǎn)高校中招聘或引進(jìn)才能獲得優(yōu)質(zhì)的學(xué)緣，本校學(xué)生留校的可能性也因此增大。相反，普通高校為引進(jìn)更優(yōu)秀的人才，提高自身科研力量和辦學(xué)水平，傾向選擇更高層次的高校畢業(yè)生，這在一定程度上減輕了其近親繁殖程度。

4 人才流動(dòng)分析

在對(duì)科技人才的學(xué)緣結(jié)構(gòu)進(jìn)行分析后，還要探明其人才流動(dòng)特征，這樣才能從人才流動(dòng)的角度促進(jìn)科技人才資源的合理配置，活躍科研隊(duì)伍學(xué)術(shù)氛圍。本研究參考履歷分析方法，從社會(huì)網(wǎng)絡(luò)分析角度對(duì)所選取的人工智能領(lǐng)域各高校科技人才畢業(yè)后的工作流動(dòng)進(jìn)行分析，從其任職高校的變化切入分析其跨校流動(dòng)、跨地區(qū)流動(dòng)以及高校屬性的流動(dòng)特征。本研究采用軟件Pajek 進(jìn)行數(shù)據(jù)處理并實(shí)現(xiàn)社會(huì)網(wǎng)絡(luò)的可視化，主要是通過(guò)分別以任職高校、高校所在的省份、高校的屬性為網(wǎng)絡(luò)節(jié)點(diǎn)，以科技人才在各所高校之間工作任職的變化流動(dòng)為連接網(wǎng)絡(luò)節(jié)點(diǎn)的邊，以任職時(shí)間先后決定邊的箭頭方向，同時(shí)根據(jù)節(jié)點(diǎn)在網(wǎng)絡(luò)中的中心度大小區(qū)分各個(gè)節(jié)點(diǎn)的大小和顏色，最后構(gòu)建出社會(huì)網(wǎng)絡(luò)研究科技人才流動(dòng)特征。

4.1 跨校流動(dòng)分析

本研究根據(jù)科技人才取得最終學(xué)歷后開(kāi)始工作任職的高校變化，構(gòu)建有向網(wǎng)絡(luò)對(duì)其進(jìn)行跨校流動(dòng)分析，得到了圖1 的跨校流動(dòng)網(wǎng)絡(luò)。從圖1 可以看出，高校間的跨校流動(dòng)強(qiáng)度參差不齊?？傮w上，由Pajek 處理得到的該流動(dòng)網(wǎng)絡(luò)密度為0.03，認(rèn)為跨校流動(dòng)網(wǎng)絡(luò)的結(jié)構(gòu)極為稀疏，節(jié)點(diǎn)間即各個(gè)高校間的聯(lián)系緊密度極小，也說(shuō)明該領(lǐng)域科技人才在高校間的流動(dòng)不多，學(xué)校間的科技人才交流項(xiàng)目以及外校人才引進(jìn)計(jì)劃有待增加。

具體來(lái)說(shuō)，圖1 中上半部分一些科研能力比較強(qiáng)的理工科類(lèi)高校在科技人才的工作流動(dòng)中，無(wú)論是出現(xiàn)的頻繁程度還是與之有流動(dòng)關(guān)聯(lián)的高校數(shù)量都有絕對(duì)優(yōu)勢(shì)，如圖1 節(jié)點(diǎn)比較大的、有向邊連接比較多的中國(guó)科學(xué)院、吉林大學(xué)，可以說(shuō)是處于科技人才流動(dòng)網(wǎng)絡(luò)中的主要地位。北京科技大學(xué)和哈爾濱工業(yè)大學(xué)在流動(dòng)網(wǎng)絡(luò)中也占據(jù)一定的地位等。而圖1 中下半部分其他一些綜合類(lèi)高校或?qū)W校水平相對(duì)較低的高校節(jié)點(diǎn)較小、有向邊連接較少，說(shuō)明其科技人才流動(dòng)性不高，比如北京大學(xué)、同濟(jì)大學(xué)、西安交通大學(xué)、青島大學(xué)、陜西科技大學(xué)等；有的高校節(jié)點(diǎn)甚至沒(méi)有箭頭流入和流出，表示其幾乎沒(méi)有出現(xiàn)科技人才的工作流動(dòng)，如湖南大學(xué)、西安電子科技大學(xué)、華東理工大學(xué)。

流動(dòng)網(wǎng)絡(luò)中節(jié)點(diǎn)比較大的高校表示其中心性較高，有向邊連接數(shù)量越多表示其與其他高校之間科技人才的輸入和輸出越頻繁，這所高校的科技人才流動(dòng)性自然就比較強(qiáng)，對(duì)圖1 中流動(dòng)性較強(qiáng)的高校進(jìn)行進(jìn)一步分析，發(fā)現(xiàn)主要存在圖2、圖3 中的幾個(gè)強(qiáng)流動(dòng)性群體。

圖1 跨校流動(dòng)網(wǎng)絡(luò)圖Fig.1 Trans-school mobility network

圖2 強(qiáng)流動(dòng)性群體Fig.2 Group①with strong mobility

圖3 強(qiáng)流動(dòng)性群體Fig.3 Group②with strong mobility

由Pajek 軟件處理后得到的結(jié)果可以得知各高校科技人才具體的輸入與輸出數(shù)量，如表5 所示?？梢钥闯觯谌斯ぶ悄茴I(lǐng)域吉林大學(xué)是科技人才輸入最多的高校機(jī)構(gòu)，中國(guó)科學(xué)院、北京科技大學(xué)、大連理工大學(xué)、哈爾濱工業(yè)大學(xué)人才輸入量次之。其中對(duì)吉林大學(xué)來(lái)說(shuō)主要是輸入到其計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，對(duì)中國(guó)科學(xué)院則是輸入到其計(jì)算技術(shù)研究所和自動(dòng)化研究所，這些院系占據(jù)了人工智能領(lǐng)域研究的主要位置；科技人才輸出最多的高校為吉林大學(xué)，遠(yuǎn)高于其他高校如中國(guó)科學(xué)院和北京科技大學(xué)，它往其他高校輸出的科技人才也主要是去往計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院任職。

表5 部分高校輸入、輸出數(shù)量表Table 5 Input and output quantity of some universities

總而言之，無(wú)論是從科技人才的輸入還是輸出角度來(lái)說(shuō)，吉林大學(xué)、中國(guó)科學(xué)院、北京科技大學(xué)、哈爾濱工業(yè)大學(xué)是人工智能領(lǐng)域熱門(mén)尖端院校，在該領(lǐng)域科技人才流動(dòng)網(wǎng)絡(luò)中占據(jù)了重要地位。

此外，這幾所高校的科技人才輸入與輸出還呈現(xiàn)出一定的地域傾向。吉林大學(xué)輸出的科技人才主要流動(dòng)到同在東北地區(qū)的其他高校任職，如東北大學(xué)、東北師范大學(xué)；北京科技大學(xué)的科技人才輸入主要來(lái)自北京地區(qū)；中國(guó)科學(xué)院則與之相反，其科技人才的輸入來(lái)源廣泛，有北京的北京大學(xué)，湖北的武漢理工大學(xué)，以及香港的香港科技大學(xué)，涉及不同地區(qū)不同省份。可能因?yàn)樗侵袊?guó)科學(xué)院研究生招生和培養(yǎng)的管理部門(mén)和教學(xué)實(shí)體，以研究生教育為主，而且其科研實(shí)力在全國(guó)名利前茅，自然會(huì)吸引來(lái)自全國(guó)各地的優(yōu)質(zhì)科技人才。

4.2 跨地區(qū)流動(dòng)分析

本研究通過(guò)科技人才任職高校所在省份的變化，分析其跨地區(qū)流動(dòng)情況，構(gòu)建出如圖4 所示的跨地區(qū)流動(dòng)網(wǎng)絡(luò)。Pajek 處理得到的結(jié)果顯示跨地區(qū)流動(dòng)網(wǎng)絡(luò)的網(wǎng)絡(luò)密度為0.28，數(shù)值較小，表示該網(wǎng)絡(luò)的密度較低，節(jié)點(diǎn)間關(guān)系不緊密，這反映出各省之間科技人才的聯(lián)系不緊密，交流不頻繁，流動(dòng)強(qiáng)度不大，需要采取相應(yīng)措施進(jìn)一步促進(jìn)各個(gè)省份之間的科技人才交流，如增加省際科技人才學(xué)習(xí)交流項(xiàng)目等。

圖4 顯示，在這個(gè)流動(dòng)網(wǎng)絡(luò)中北京節(jié)點(diǎn)最大、有向邊連接最多，即中心性最高、流動(dòng)性最強(qiáng)，居于最重要的位置。北京吸引聚集了來(lái)自全國(guó)各個(gè)省份的科技人才，具有強(qiáng)大的科技人才輸入能力，這與其作為全國(guó)政治經(jīng)濟(jì)文化中心的性質(zhì)有關(guān)，另外兩院和其他國(guó)家高級(jí)技術(shù)研究機(jī)構(gòu)的存在讓它成為了人工智能領(lǐng)域尖端科技人才的匯聚地。

圖4 跨地區(qū)流動(dòng)網(wǎng)絡(luò)圖Fig.4 Trans-regional mobility network

另外吉林、上海、廣東、江蘇、遼寧這幾個(gè)省份雖然流動(dòng)性遠(yuǎn)不如北京，但是也具有不小的流動(dòng)強(qiáng)度。上海、廣東、江蘇這幾個(gè)省份是中國(guó)綜合實(shí)力最強(qiáng)、發(fā)展最好的幾個(gè)省份，同時(shí)也是一些重點(diǎn)高校的聚集地，其他省份的科技人才傾向于到這些城市發(fā)展，也就導(dǎo)致了這幾個(gè)省份在跨地區(qū)流動(dòng)網(wǎng)絡(luò)中具有較大的流動(dòng)強(qiáng)度。而且表6 顯示這些流動(dòng)強(qiáng)度大的幾個(gè)省份其科技人才輸入與輸出數(shù)量都遠(yuǎn)多于其他省份，說(shuō)明人工智能領(lǐng)域的高?？萍既瞬艃A向于流入到北上廣這些經(jīng)濟(jì)、教育等綜合實(shí)力最強(qiáng)的一線(xiàn)城市，同時(shí)這些城市由于聚集了大量有影響力的科技人才在跨地區(qū)交流中也具有了強(qiáng)大的輸出能力。而吉林、遼寧這兩個(gè)東北地區(qū)城市流動(dòng)強(qiáng)度大的原因很可能與在人工智能領(lǐng)域占有重要地位的吉林大學(xué)有關(guān)。

表6 各省份輸入、輸出數(shù)量表Table 6 Input and output quantity of every province

另外從總體上看，各省份在科技人才工作流動(dòng)中出現(xiàn)的頻繁程度從中國(guó)東部地區(qū)到西部地區(qū)逐漸減弱，西北、西南等偏遠(yuǎn)地區(qū)人才流動(dòng)性不強(qiáng)，這也反映出了中國(guó)現(xiàn)在存在的教育、經(jīng)濟(jì)發(fā)展水平不均衡的現(xiàn)狀。西部地區(qū)因地理位置的限制，政治經(jīng)濟(jì)文化發(fā)展較東部地區(qū)都處于落后階段，處在劣勢(shì)的政治經(jīng)濟(jì)地位，自然人才吸引力也不會(huì)很高，很多處于邊遠(yuǎn)地區(qū)或者辦學(xué)條件比較差的學(xué)校很難從外地大學(xué)吸引到高層次的優(yōu)秀科技人才來(lái)校任職。

4.3 高校屬性流動(dòng)分析

根據(jù)科技人才任職高校屬性的變化構(gòu)建出圖5 所示的高校屬性流動(dòng)網(wǎng)絡(luò)圖，該網(wǎng)絡(luò)密度值為0.38，網(wǎng)絡(luò)的結(jié)構(gòu)密度較大，代表各屬性高校間聯(lián)系緊密，人工智能領(lǐng)域科技人才在不同屬性高校間均有強(qiáng)度不小的流動(dòng)。

圖5 中部屬985 本科類(lèi)節(jié)點(diǎn)最大，此類(lèi)高校的中心性最高，在科技人才的工作流動(dòng)中出現(xiàn)非常頻繁，流動(dòng)性最強(qiáng)，在此流動(dòng)網(wǎng)絡(luò)中占據(jù)最重要的地位。同時(shí)從表7 各屬性類(lèi)型高校具體輸入和輸出數(shù)量上看，部屬985 本科類(lèi)高?？萍既瞬诺妮斎牒洼敵鼍鶠樽疃嗟?，遠(yuǎn)遠(yuǎn)高于部屬211 本科、省屬本科、部屬院校（本研究中特指中國(guó)科學(xué)院），在科技人才的流動(dòng)網(wǎng)絡(luò)中占據(jù)絕對(duì)優(yōu)勢(shì)。其中中國(guó)科學(xué)院以一己之力在各屬性高校中占據(jù)了一席之地，其科技人才的輸入和輸出能力不容小覷。而省屬211 本科類(lèi)高校是科技人才流動(dòng)最不頻繁的，在各類(lèi)高校中輸入和輸出數(shù)量最少。另外，部屬985 本科類(lèi)高?？萍既瞬诺妮斎胫饕獊?lái)源于省屬211 本科、省屬本科和其他類(lèi)高校，但從輸出角度來(lái)看其科技人才是有輸出至各類(lèi)高校。

圖5 高校屬性流動(dòng)網(wǎng)絡(luò)圖Fig.5 Mobility network of university attribute level

表7 各屬性高校輸入、輸出數(shù)量表Table 7 The quantity of input and output of universities with various attributes

總體上人工智能領(lǐng)域部屬985 本科類(lèi)高校同時(shí)具備最強(qiáng)大的科技人才輸入和輸出能力，這與其強(qiáng)大的學(xué)校綜合實(shí)力緊密相關(guān)，省屬211 本科類(lèi)高校的科技人才輸入和輸出能力都是最差的，大體上部屬類(lèi)高校強(qiáng)于省屬類(lèi)高校，省屬類(lèi)高校科技人才的流動(dòng)有待加強(qiáng)。

4.4 學(xué)者發(fā)文量和流動(dòng)特征相關(guān)分析

為進(jìn)一步詳盡描述出人工智能領(lǐng)域科技人才的流動(dòng)特征，本研究選取了發(fā)文量靠前和靠后的各10 名學(xué)者做具體分析，對(duì)比他們的流動(dòng)特征。所選取的20 位科技人才畢業(yè)后任職高校的變化詳見(jiàn)表8、表9。

通過(guò)表8 我們可以看出發(fā)文量前10 的學(xué)者絕大多數(shù)在吉林大學(xué)或者中國(guó)科學(xué)院任職過(guò)，任職高校變化途徑的省份大多是吉林和北京，基本上都曾在部屬985本科類(lèi)高校任職，在其他類(lèi)型高校任職的情況很少，這與現(xiàn)在中國(guó)人工智能領(lǐng)域科技人才的總體流動(dòng)特征基本一致。

表8 發(fā)文量前10 學(xué)者流動(dòng)特征表Table 8 Mobility characteristics of Top 10 scholars

而表9 則說(shuō)明發(fā)文量靠后的學(xué)者工作流動(dòng)途徑的省份沒(méi)有那么集中，重慶、遼寧、北京、陜西均有涉及，這其中除人才匯聚地北京外其他幾個(gè)省份在人工智能領(lǐng)域中均具備較小的地位。與發(fā)文量靠前的學(xué)者流動(dòng)特征對(duì)比，發(fā)文量靠后的學(xué)者任職的高校大都不是該領(lǐng)域熱門(mén)院校，而且其中部屬211 本科類(lèi)學(xué)校所占的比例明顯較大，同時(shí)他們很少有在部屬985 本科類(lèi)高校任職，這也從另外一方面印證了各個(gè)高校人工智能領(lǐng)域科技人才的總體流動(dòng)規(guī)律。

表9 發(fā)文量后10 學(xué)者流動(dòng)特征表Table 9 Mobility characteristics of the last 10 scholars

5 結(jié)論分析與建議

從以上分析可以看出中國(guó)高校人工智能領(lǐng)域的科技人才學(xué)緣結(jié)構(gòu)有待改善，人才流動(dòng)空間較大。從本研究收集的科技人才信息來(lái)看，發(fā)現(xiàn)人工智能領(lǐng)域科技人才就讀比較多的幾所高校為吉林大學(xué)、中國(guó)科學(xué)院、哈爾濱工業(yè)大學(xué)、北京科技大學(xué)、清華大學(xué)，這與上文人才流動(dòng)網(wǎng)絡(luò)分析部分所得出的人工智能領(lǐng)域科技人才流動(dòng)性高、人才輸入輸出強(qiáng)度大的幾所高校大致相同。但是這幾所高校各自科技人才之間的學(xué)緣都比較親近，亟待促進(jìn)學(xué)緣的優(yōu)化，高校間各個(gè)維度的人才流動(dòng)機(jī)制都需要一定程度的完善。

5.1 案例分析

（1）科技人才輸入輸出強(qiáng)度大的高校。人才流動(dòng)分析顯示在人工智能領(lǐng)域吉林大學(xué)是科技人才輸入最多的高校，中國(guó)科學(xué)院、北京科技大學(xué)、大連理工大學(xué)、哈爾濱工業(yè)大學(xué)人才輸入量次之。另外結(jié)合發(fā)文量前10 的學(xué)者情況，發(fā)現(xiàn)他們絕大多數(shù)曾在吉林大學(xué)或者中國(guó)科學(xué)院任職過(guò)這些學(xué)校大多是在本學(xué)科排名中處于前15%的高校，學(xué)生吸引力大，本研究認(rèn)為這幾所高校人才輸入、輸出強(qiáng)度大很大程度上是由其在本領(lǐng)域的重要主導(dǎo)地位造成的。這些名校在本科和研究生招生時(shí)本身就吸引了遠(yuǎn)超于其他高校的人才數(shù)量，在比較大的人才體量上自然也就會(huì)擁有較多的人才輸出。

（2）學(xué)緣近親程度嚴(yán)重的高校。人才流動(dòng)的合理性并不僅是由人才輸入輸出量來(lái)決定的，輸入輸出多并不代表高校的人才流動(dòng)機(jī)制一定是合理的，反而正是上述流動(dòng)強(qiáng)度大的熱門(mén)尖端高校，其科技人才之間的學(xué)緣比較親近，近親程度嚴(yán)重。這很有可能是因?yàn)楸旧砜蒲腥藛T體量大、本校留任情況等普遍存在；另外現(xiàn)階段高校間科技人才各個(gè)維度的流動(dòng)性不夠充分也可能是原因之一，反映出高校改變用人觀念、促進(jìn)人才流動(dòng)，從而合理化科研隊(duì)伍結(jié)構(gòu)的緊迫性。

（3）人工智能領(lǐng)域排名靠前的高校。北京大學(xué)（學(xué)科第2）、哈爾濱工業(yè)大學(xué)（學(xué)科第3）是2021 年軟科排名計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科排名前三的高校，這兩所高校在擁有較強(qiáng)程度科技人才輸入、輸出的同時(shí)，科研隊(duì)伍學(xué)緣結(jié)構(gòu)的近親程度也不算嚴(yán)重，體現(xiàn)出加強(qiáng)人才流動(dòng)與合理化學(xué)緣結(jié)構(gòu)這兩者之間存在一定的相互促進(jìn)作用，同時(shí)二者也能在一定程度上促進(jìn)學(xué)科快速發(fā)展。

5.2 建 議

本研究據(jù)以上分析對(duì)中國(guó)高校人工智能領(lǐng)域科技人才科研隊(duì)伍建設(shè)提出以下兩點(diǎn)建議。

（1）高校選人用人觀念需要轉(zhuǎn)變。要想保證招聘人才的學(xué)緣質(zhì)量，高校在招聘科技人才時(shí)不要過(guò)分專(zhuān)注于本地優(yōu)質(zhì)學(xué)緣，需擴(kuò)大選擇范圍，明確招聘要求、仔細(xì)把控學(xué)緣條件，減少“近親繁殖”的內(nèi)部招聘行為，豐富學(xué)緣來(lái)源。另外可以推行科技人才畢業(yè)后先到其他學(xué)術(shù)機(jī)構(gòu)從事研究后再返校任職等不直接留任本校的政策。

（2）從現(xiàn)階段人才流動(dòng)特征來(lái)看，高校間科技人才流動(dòng)可以更加積極完善。高校不能一味地追求科研隊(duì)伍的穩(wěn)定，要堅(jiān)持多元化理念，提倡鼓勵(lì)從外校、工礦企業(yè)、黨政機(jī)關(guān)等多方渠道引進(jìn)科技人才進(jìn)行科研合作，使專(zhuān)業(yè)知識(shí)來(lái)源更加多樣化；同時(shí)擴(kuò)大高校間的學(xué)術(shù)合作交流項(xiàng)目的范圍、增加博士國(guó)外訪(fǎng)學(xué)機(jī)會(huì)以擴(kuò)大其學(xué)術(shù)視野。另外政府方面要通過(guò)政策導(dǎo)向、經(jīng)費(fèi)扶持、制定法律法規(guī)等引導(dǎo)人才合理流動(dòng)，具體上要加大對(duì)除部署類(lèi)高校的其他類(lèi)型高校的扶持、進(jìn)一步重視西部等偏遠(yuǎn)地區(qū)的人才輸入與輸出，鼓勵(lì)不同類(lèi)型高校間、不同地區(qū)間盡可能進(jìn)行相同程度的學(xué)術(shù)交流和人才流動(dòng)?？蒲嘘?duì)伍結(jié)構(gòu)會(huì)隨著人才的合理流動(dòng)向多元化轉(zhuǎn)變，科技人才也得以接觸到不同的學(xué)術(shù)環(huán)境，學(xué)緣來(lái)源得以擴(kuò)寬，這樣有利于打破學(xué)術(shù)思維固化的格局，促進(jìn)學(xué)術(shù)創(chuàng)新與產(chǎn)出。

6 討論與啟示

研究發(fā)現(xiàn)中國(guó)高校人工智能領(lǐng)域科技人才學(xué)緣結(jié)構(gòu)有待完善，人才流動(dòng)空間較大。以此為基礎(chǔ)本研究提出一些措施優(yōu)化學(xué)緣結(jié)構(gòu)如轉(zhuǎn)變高校選人用人觀念、擴(kuò)大高校人才招聘范圍、增加高校間學(xué)習(xí)交流項(xiàng)目等，同時(shí)通過(guò)政府的政策導(dǎo)向、經(jīng)費(fèi)支持等正確引導(dǎo)人才流動(dòng)，合理化高?？蒲嘘?duì)伍結(jié)構(gòu)、活躍學(xué)術(shù)氛圍，以促進(jìn)人工智能領(lǐng)域高?？蒲嘘?duì)伍學(xué)術(shù)創(chuàng)新和產(chǎn)出。

由于受條件所限，本研究有一些不足之處有待改進(jìn)。首先，由于國(guó)內(nèi)人才信息數(shù)據(jù)庫(kù)的不完善，科技人才的信息大多是通過(guò)網(wǎng)絡(luò)搜索獲得，這種數(shù)據(jù)采集方式不易，因此本研究的樣本數(shù)據(jù)量較小，導(dǎo)致得到的結(jié)論具有一定局限性。其次，本研究只研究了人工智能領(lǐng)域，且對(duì)科技人才的篩選條件未考慮到科技人才所在高校分布是否足夠廣泛，導(dǎo)致本研究結(jié)果可能不夠具有代表性。未來(lái)的研究中可以在建立國(guó)家科技人才信息平臺(tái)的基礎(chǔ)上，盡可能完備地收集科技人才信息。另外，今后對(duì)于人才流動(dòng)網(wǎng)絡(luò)的研究還可以從分析不同時(shí)間段科技人才呈現(xiàn)的網(wǎng)絡(luò)演變規(guī)律入手。鑒于以上幾點(diǎn)，希望本研究能為后續(xù)研究提供一些借鑒與參考。