趙毅，章成志，習(xí)海旭

（南京理工大學(xué)經(jīng)濟(jì)管理學(xué)院信息管理系，南京 210094）

0 引 言

隨著大科學(xué)時(shí)代的到來，許多科學(xué)問題的復(fù)雜性及規(guī)模逐漸增加，已經(jīng)超過單一國(guó)家的能力范圍[1]。2022年8月，我國(guó)教育部印發(fā)的《關(guān)于加強(qiáng)高校有組織科研 推動(dòng)高水平自立自強(qiáng)的若干意見》[2]中明確指出，為了加強(qiáng)高校有組織科研，高校需要推進(jìn)高水平國(guó)際合作，鼓勵(lì)支持高校培育、發(fā)起國(guó)際大科學(xué)計(jì)劃和大科學(xué)工程。由此可見，國(guó)際合作是解決不同學(xué)科復(fù)雜問題、提升創(chuàng)新能力的重要方式之一。已有研究表明，國(guó)際合作論文呈現(xiàn)逐年增長(zhǎng)的趨勢(shì)，但不同領(lǐng)域的國(guó)際合作強(qiáng)度存在一定差異[3]。Wagner等[4]比較了天體物理學(xué)、數(shù)學(xué)、高分子科學(xué)、地震學(xué)、土壤學(xué)和病毒學(xué)6個(gè)學(xué)科的國(guó)際合作情況，發(fā)現(xiàn)病毒學(xué)國(guó)際化合作程度最高，在2013年有130個(gè)國(guó)家參與了國(guó)際合作，而數(shù)學(xué)國(guó)際化程度最低，同年只有30個(gè)國(guó)家參與了國(guó)際合作。

在國(guó)際合作過程中，來自不同國(guó)家的科研人員通過合作可以獲取互補(bǔ)的知識(shí)、資源等。大量研究表明，國(guó)際合作有益于學(xué)術(shù)論文影響力的提升[5-8]。各國(guó)基金委積極設(shè)立相關(guān)基金促進(jìn)國(guó)際合作，但從總體來看，學(xué)術(shù)界的國(guó)際合作比例并未達(dá)到很高的水平[9]，那么，對(duì)影響國(guó)際合作的距離因素進(jìn)行探索就顯得尤為重要。距離因素主要是指兩個(gè)或多個(gè)國(guó)家間，因文化、技術(shù)發(fā)展水平、經(jīng)濟(jì)水平等多種維度的差距所產(chǎn)生的障礙可能會(huì)影響國(guó)家間的交流與合作。已有研究更多局限于探索影響國(guó)際合作的某一種或某幾種距離因素，尤其是地理距離[10]、經(jīng)濟(jì)距離[11]、文化距離[12]；主要聚焦于單一領(lǐng)域，如市場(chǎng)營(yíng)銷[3]、生態(tài)學(xué)[10]、高等教育[13]、人工智能[14-15]、管理學(xué)[16]、藥學(xué)研究[17]等。從學(xué)科角度來看，受到學(xué)科范式、習(xí)慣的影響，不同學(xué)科的學(xué)者在選擇國(guó)際合作對(duì)象時(shí)存在一定差異[18]。從國(guó)家角度來看，由于國(guó)家發(fā)展需求、科學(xué)政策以及經(jīng)費(fèi)投入側(cè)重等的不同，不同國(guó)家的優(yōu)勢(shì)學(xué)科情況也會(huì)不同[19]。因此，為了給制定促進(jìn)國(guó)際合作政策的政策制定者提供更具有普適性的證據(jù)，系統(tǒng)比較影響不同學(xué)科領(lǐng)域、不同國(guó)家國(guó)際合作的因素的差異是非常必要的。目前，尚缺乏從比較視角探討影響不同學(xué)科距離因素的研究，且已有研究重點(diǎn)關(guān)注頂層學(xué)科間的差異。例如，Vieira等[20]將科學(xué)研究分為自然科學(xué)、工程與技術(shù)學(xué)、醫(yī)學(xué)與健康科學(xué)、農(nóng)業(yè)科學(xué)以及人文社會(huì)科學(xué)5個(gè)領(lǐng)域，其研究結(jié)果表明，所有距離因素均會(huì)阻礙國(guó)際合作，但是知識(shí)距離會(huì)促進(jìn)農(nóng)業(yè)科學(xué)學(xué)科的國(guó)際合作。粗粒度的學(xué)科劃分掩蓋了影響不同子領(lǐng)域國(guó)際合作的距離因素的異質(zhì)性，且研究結(jié)論也無法為精細(xì)化政策的制定提供依據(jù)。相關(guān)研究表明，即使同屬于社會(huì)科學(xué)領(lǐng)域，經(jīng)濟(jì)學(xué)的學(xué)者比社會(huì)學(xué)和心理學(xué)的學(xué)者更有可能參與到國(guó)際合作中[21-22]。為了彌補(bǔ)已有研究的不足，本文主要探討了以下問題：

（1）不同子領(lǐng)域的國(guó)際合作強(qiáng)度的時(shí)空分布是什么樣的？

（2）影響不同子領(lǐng)域的距離因素相同嗎？

（3）影響不同時(shí)期、不同子領(lǐng)域的距離因素存在差異嗎？

為了更好地回答上述問題，本文以計(jì)算機(jī)科學(xué)學(xué)科為例，將計(jì)算機(jī)科學(xué)劃分為不同的子領(lǐng)域，分析不同子領(lǐng)域的國(guó)際合作強(qiáng)度的時(shí)空分布情況，并按子領(lǐng)域和時(shí)期量化地理、經(jīng)濟(jì)、企業(yè)參與程度、政治、文化和認(rèn)知6大距離因素對(duì)所有參與計(jì)算機(jī)科學(xué)研究的187個(gè)國(guó)家的國(guó)際合作的影響情況。

1 文獻(xiàn)綜述及研究假設(shè)

推動(dòng)國(guó)際合作的因素很多，包括促進(jìn)國(guó)際合作政策出臺(tái)[3]、科學(xué)研究專一化程度的提升[19]、遠(yuǎn)程通信技術(shù)的發(fā)展[23]、大科學(xué)裝置的需求[24]、科學(xué)問題復(fù)雜化程度的提高[25]等。在已有探索國(guó)際合作影響因素研究的基礎(chǔ)上，結(jié)合上述因素，本文將從地理距離、經(jīng)濟(jì)距離、企業(yè)參與程度距離、政治距離、文化距離和認(rèn)知距離6個(gè)方面實(shí)證估計(jì)影響不同子領(lǐng)域國(guó)際合作的主要距離因素。

地理距離主要是指兩個(gè)國(guó)家在地理空間上所處位置的遠(yuǎn)近程度[26]。地理學(xué)第一定律表明，任何事物均與周圍的事物存在聯(lián)系，距離越近，聯(lián)系越緊密。國(guó)際合作也是如此，地理上的鄰近有益于國(guó)家間的合作[27]。有學(xué)者認(rèn)為，隨著信息通信技術(shù)以及交通運(yùn)輸成本的下降，地理距離已經(jīng)不再那么重要[28]。近期發(fā)表于《自然》雜志的一項(xiàng)工作表明，相比于面對(duì)面會(huì)議，在線交流會(huì)降低人們的創(chuàng)造力[29]，而科學(xué)研究正是一種需要?jiǎng)?chuàng)造力的工作，因此，國(guó)際合作依然具有“面對(duì)面”交流的需求。同時(shí)，合作需要溝通，而“面對(duì)面”的交流更易促進(jìn)思想的交流與隱形知識(shí)的傳輸[30]，所以，國(guó)家間的空間距離有可能阻礙國(guó)際合作。鑒于此，本文提出第一個(gè)假設(shè)：

H1.地理距離與國(guó)際合作強(qiáng)度存在顯著負(fù)向相關(guān)關(guān)系。

經(jīng)濟(jì)距離是指兩個(gè)國(guó)家間經(jīng)濟(jì)發(fā)展水平的差距[3]。國(guó)家的經(jīng)濟(jì)發(fā)展水平在一定程度上可以反映其對(duì)科學(xué)發(fā)展的人力資源、財(cái)力資源的投入情況[31]。Vieira等[20]認(rèn)為，來自落后國(guó)家的學(xué)者通常缺少科研資金的支持，為了解決復(fù)雜的科學(xué)問題，他們會(huì)向發(fā)達(dá)國(guó)家的學(xué)者尋求合作。但有研究表明，經(jīng)濟(jì)發(fā)展水平相當(dāng)?shù)膰?guó)家之間更容易發(fā)生合作行為。例如，Nagpaul[32]以45個(gè)科研大國(guó)作為研究對(duì)象，發(fā)現(xiàn)經(jīng)濟(jì)距離越小的國(guó)家間越容易產(chǎn)生合作。Tang等[14]在人工智能領(lǐng)域發(fā)現(xiàn)了同樣的結(jié)論，如果國(guó)家之間經(jīng)濟(jì)水平相似，那么國(guó)家間的合作更為緊密。鑒于此，本文提出第二個(gè)假設(shè)：

H2.經(jīng)濟(jì)距離與國(guó)際合作強(qiáng)度存在顯著負(fù)向相關(guān)關(guān)系。

企業(yè)參與程度距離是指兩個(gè)國(guó)家在某些特定領(lǐng)域中企業(yè)參與程度的差距[14]。為了應(yīng)對(duì)激烈的社會(huì)競(jìng)爭(zhēng)環(huán)境，企業(yè)積極地與高校進(jìn)行產(chǎn)學(xué)研合作，該合作模式也成為推動(dòng)知識(shí)生產(chǎn)、技術(shù)創(chuàng)新的一種重要方式，尤其是在計(jì)算機(jī)科學(xué)、生物科學(xué)等硬科學(xué)學(xué)科[33]。Tang等[14]研究發(fā)現(xiàn)，在人工智能領(lǐng)域，企業(yè)參與程度距離和國(guó)際合作程度存在正向的相關(guān)關(guān)系，其認(rèn)為企業(yè)可以提供計(jì)算資源以及資金的支持，而高校可以提供人才和想法，來自不同國(guó)家的企業(yè)和高校實(shí)現(xiàn)了資源的互補(bǔ)，進(jìn)而有利于國(guó)際合作的開展。鑒于此，本文提出第三個(gè)假設(shè)：

H3.企業(yè)參與程度距離與國(guó)際合作強(qiáng)度存在顯著正向相關(guān)關(guān)系。

政治距離是指兩個(gè)國(guó)家的政府的政策取向、治理理念的差距[34]。政治距離體現(xiàn)了國(guó)家間政治環(huán)境的差異，其往往對(duì)合作的穩(wěn)定性產(chǎn)生影響。例如，某個(gè)國(guó)家對(duì)知識(shí)產(chǎn)權(quán)保護(hù)的法律不夠健全，或某國(guó)實(shí)施的單邊的、特殊的政策規(guī)定限制，諸如軍事或高精尖技術(shù)類的信息傳播，這些均會(huì)對(duì)國(guó)際合作造成影響。目前，有少量研究探索了政治距離和合作的關(guān)系。Jiang等[3]發(fā)現(xiàn)在市場(chǎng)營(yíng)銷領(lǐng)域，國(guó)家間的政治距離越大，國(guó)家間更傾向于合作。而Vieira等[20]在醫(yī)學(xué)和健康科學(xué)、農(nóng)業(yè)科學(xué)以及人文社會(huì)科學(xué)領(lǐng)域發(fā)現(xiàn)了相反的結(jié)論。綜合來看，本文提出第四個(gè)假設(shè)：

H4.政治距離與國(guó)際合作強(qiáng)度存在顯著負(fù)向相關(guān)關(guān)系。

在國(guó)際合作研究中，文化距離是指兩個(gè)國(guó)家在宏觀文化環(huán)境層面的遠(yuǎn)近程度[35]。如果兩個(gè)國(guó)家的文化越相似，那么科研主體之間也更容易相關(guān)理解、相互信任，更容易產(chǎn)生合作。例如，假設(shè)學(xué)者A來自低權(quán)力距離社會(huì)，而學(xué)者B來自高權(quán)力距離社會(huì)，那么來自低權(quán)力距離社會(huì)的學(xué)者可能不會(huì)過多顧及權(quán)威，其更加崇尚扁平化的團(tuán)隊(duì)結(jié)構(gòu)，而來自高權(quán)力距離社會(huì)的學(xué)者可能認(rèn)為人們應(yīng)該聽從權(quán)威的領(lǐng)導(dǎo)，較大的文化差異對(duì)合作是有害的，這樣的合作無法持久[36]。Gervedink Nijhuis等[12]研究發(fā)現(xiàn)，權(quán)力距離和個(gè)人主義/集體主義會(huì)影響合作過程中的溝通。但是，當(dāng)Jiang等[3]將Hofstede提出的文化的4個(gè)維度綜合為1個(gè)指標(biāo)時(shí)，發(fā)現(xiàn)該指標(biāo)和國(guó)際合作并不存在顯著的相關(guān)關(guān)系。因此，本文提出第五個(gè)假設(shè)：

H5.文化距離與國(guó)際合作強(qiáng)度存在顯著負(fù)向相關(guān)關(guān)系。

在國(guó)際合作背景下，認(rèn)知距離是指兩個(gè)國(guó)家所擁有知識(shí)基礎(chǔ)的相似程度[37]。從吸收能力理論來看，學(xué)者之間有效的交流、學(xué)習(xí)是建立在兩者之間擁有一定程度的知識(shí)基礎(chǔ)之上的[38]，即使在一些跨學(xué)科合作中，也是如此。較高的認(rèn)知距離可以為科研主體完成共同的科研目標(biāo)提供互補(bǔ)的知識(shí)，但是也可能因認(rèn)知距離過大而導(dǎo)致溝通受阻；而較低的認(rèn)知距離可以增強(qiáng)科研主體的知識(shí)吸收能力，能夠促進(jìn)合作[39]。目前，較多研究發(fā)現(xiàn)較小的認(rèn)知距離會(huì)促進(jìn)合作[20,27,40]。因此，本文提出第六個(gè)假設(shè)：

H6. 認(rèn)知距離與國(guó)際合作強(qiáng)度存在顯著負(fù)向相關(guān)關(guān)系。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源和數(shù)據(jù)預(yù)處理

本文采用的數(shù)據(jù)集源自計(jì)算機(jī)科學(xué)文獻(xiàn)庫(kù)（DBLP computer science bibliography，簡(jiǎn)稱DBLP）。DBLP收錄了計(jì)算機(jī)科學(xué)學(xué)科的絕大多數(shù)會(huì)議和期刊論文，以及少量專著、學(xué)位論文和網(wǎng)頁(yè)等，但原始的DBLP數(shù)據(jù)并未提供論文更細(xì)粒度的學(xué)科劃分信息①https://dblp.uni-trier.de/xml/。AMiner抽取了DBLP論文的引用數(shù)據(jù)，并基于微軟學(xué)術(shù)圖譜（Microsoft Academic Graph，MAG）的學(xué)科分類體系FOS（field of study）為每篇DBLP論文分配了學(xué)科信息，因此，本文選擇AMiner處理后的DBLP數(shù)據(jù)集。該數(shù)據(jù)集發(fā)布于2020年4月9日，包括4894081條出版物的元數(shù)據(jù)信息，其中元數(shù)據(jù)包含論文標(biāo)題、摘要、作者姓名、機(jī)構(gòu)、出版物類型、所屬學(xué)科等字段②https://www.aminer.cn/citation?？紤]到期刊和會(huì)議論文是計(jì)算機(jī)科學(xué)學(xué)科的主要學(xué)術(shù)出版物，且DBLP數(shù)據(jù)集中這兩種類型出版物的占比高達(dá)85.09%（4164361/4894081），因此，僅保留會(huì)議和期刊論文兩種類型的出版物?；贛anjunath等[41]提出的匹配方法，對(duì)每個(gè)機(jī)構(gòu)的國(guó)家信息進(jìn)行識(shí)別，并完成與全球研究標(biāo)識(shí)符數(shù)據(jù)庫(kù)（Global Research Identifier Database，GRID）③https://www.grid.ac/的匹配，獲取機(jī)構(gòu)所屬類型信息，包括政府、學(xué)校、企業(yè)、具體場(chǎng)所、醫(yī)療保健、非盈利組織、檔案館以及其他8種類型。其中，74.54%（3104118/4164361）的論文可以識(shí)別出每個(gè)作者的國(guó)家信息，82.07%（3417526/4164361）的論文可以識(shí)別出至少一個(gè)作者的國(guó)家信息，本文僅保留可以識(shí)別出每個(gè)作者國(guó)家信息的論文。

為了分析計(jì)算機(jī)科學(xué)學(xué)科不同子領(lǐng)域的國(guó)際合作情況，本文需要對(duì)DBLP數(shù)據(jù)進(jìn)行更細(xì)粒度的學(xué)科劃分。MAG的FOS分類體系是一個(gè)6層的樹狀結(jié)構(gòu)的分類體系。計(jì)算機(jī)科學(xué)屬于19個(gè)最高級(jí)別學(xué)科層次之一，其第二層包含34個(gè)子領(lǐng)域[42]?？梢钥闯?，計(jì)算機(jī)科學(xué)中的第二層子領(lǐng)域相對(duì)過多，使得各個(gè)子領(lǐng)域的論文數(shù)量相對(duì)較少，從而影響子領(lǐng)域的分析質(zhì)量。為了解決該問題，本文依據(jù)中國(guó)計(jì)算機(jī)學(xué)會(huì)（China Computer Federation，CCF）提供的學(xué)科分類體系④https://www.ccf.org.cn/Focus/2019-04-25/663625.shtml，將第二層中的34個(gè)子領(lǐng)域映射到更為廣泛的10個(gè)子領(lǐng)域組，分別是人工智能、計(jì)算機(jī)體系結(jié)構(gòu)和系統(tǒng)、計(jì)算機(jī)科學(xué)理論、數(shù)據(jù)庫(kù)和數(shù)據(jù)挖掘、計(jì)算機(jī)網(wǎng)絡(luò)、軟件和軟件工程、計(jì)算機(jī)圖形學(xué)與多媒體、網(wǎng)絡(luò)與信息安全、跨學(xué)科和多學(xué)科領(lǐng)域、人機(jī)交互與普適計(jì)算。具體的學(xué)科映射如附表1所示。最終，本文數(shù)據(jù)集由發(fā)表于1990—2019年的2153203篇論文構(gòu)成，不同學(xué)科的論文分布情況如表1所示。

表1 不同學(xué)科的論文分布情況

2.2 研究方法

2.2.1 國(guó)際合作強(qiáng)度測(cè)度

通常使用國(guó)家間合作論文數(shù)量[3,27]、Salton指數(shù)[43]、Jaccard相似系數(shù)[10]等方法度量國(guó)家間的合作強(qiáng)度。其中，使用國(guó)家間合作數(shù)量測(cè)度國(guó)家間合作強(qiáng)度的方法，忽略了國(guó)家間的論文發(fā)表總量；Salton指數(shù)低估了小國(guó)家和大國(guó)家之間的合作強(qiáng)度[44]。因此，本文采用Jaccard相似系數(shù)來度量國(guó)家間的合作強(qiáng)度。具體計(jì)算公式為

其中，Cx和Cy分別表示國(guó)家x和國(guó)家y的國(guó)際合作論文發(fā)表數(shù)量；Cxy表示國(guó)家x和國(guó)家y合作發(fā)表論文數(shù)量；Jxy的值介于0～1，Jxy的值越大，表示國(guó)家x和國(guó)家y之間的合作強(qiáng)度越大。值得注意的是，本文采用全計(jì)數(shù)的方法來統(tǒng)計(jì)國(guó)家間的合作次數(shù)，如果某一個(gè)國(guó)家在機(jī)構(gòu)列表中出現(xiàn)多次，那么只計(jì)算1次。例如，論文P有4個(gè)作者，分別來自A、B、C和C這3個(gè)國(guó)家，則對(duì)AB、AC和BC這3個(gè)國(guó)家對(duì)分別計(jì)數(shù)1次。

2.2.2 模型設(shè)定和距離因素的度量

借鑒已有研究的計(jì)量模型設(shè)定經(jīng)驗(yàn)[3,20]，本文構(gòu)建了影響細(xì)分領(lǐng)域國(guó)際合作的計(jì)量模型，探究地理距離、經(jīng)濟(jì)距離、企業(yè)參與程度距離、政治距離、文化距離和認(rèn)知距離6種距離因素對(duì)不同子領(lǐng)域國(guó)際合作的影響。具體模型設(shè)定為

其中，Jijt表示在t時(shí)期國(guó)家i和國(guó)家j之間的合作強(qiáng)度；α0表示常數(shù)項(xiàng)；GeoDistijt表示國(guó)家i和國(guó)家j之間在t時(shí)期的地理距離；EcoDistijt表示國(guó)家i和國(guó)家j之間的經(jīng)濟(jì)距離；IndDistijt表示國(guó)家i和國(guó)家j之間在t時(shí)期的企業(yè)參與程度距離；PoliDistijt表示政治距離；CultDistijtk表示t時(shí)期國(guó)家i和國(guó)家j在k維度的文化距離，文化距離包括4個(gè)維度[45]：權(quán)力距離（PowDist）、個(gè)人主義-集體主義（Indi‐vDist）、男性氣質(zhì)與女性氣質(zhì)（MascDist）以及不確定性規(guī)避（UncerDist）；CogDistijt表示國(guó)家i和國(guó)家j之間在t時(shí)期的認(rèn)知距離，具體指標(biāo)介紹如表2所示?？紤]到被解釋變量的值介于0～1，且包含較多0值，因此，本文選擇零膨脹beta回歸模型對(duì)計(jì)量模型進(jìn)行估計(jì)[10]。此外，本文在回歸前對(duì)解釋變量進(jìn)行了標(biāo)準(zhǔn)化，以便比較回歸系數(shù)。

表2 變量和數(shù)據(jù)來源

3 結(jié)果與分析

3.1 國(guó)際合作變化情況

在1990—2019年，計(jì)算機(jī)科學(xué)學(xué)科的國(guó)際合作論文約占發(fā)表論文總量的26.65%（573815/2153203）。由此可以看出，國(guó)際合作并未成為計(jì)算機(jī)科學(xué)學(xué)科生產(chǎn)知識(shí)的最重要形式。圖1給出了計(jì)算機(jī)科學(xué)學(xué)科不同子領(lǐng)域的國(guó)際合作論文占比演化情況。從整體變化趨勢(shì)來看，不同子領(lǐng)域的國(guó)際合作論文占比均呈現(xiàn)穩(wěn)步上升的趨勢(shì)。從不同子領(lǐng)域來看，在1990年，計(jì)算機(jī)網(wǎng)絡(luò)子領(lǐng)域的國(guó)際合作論文占比最低，僅為2.56%；2013年之后，相比于其他子領(lǐng)域，計(jì)算機(jī)網(wǎng)絡(luò)子領(lǐng)域的國(guó)際合作論文占比躍居第一位；在2019年，其占比達(dá)到28.96%。在1990年，計(jì)算機(jī)科學(xué)理論子領(lǐng)域的國(guó)際合作論文占比為7.63%，在當(dāng)年排名第一；2011年以前，相比于其他子領(lǐng)域，計(jì)算機(jī)科學(xué)理論子領(lǐng)域的國(guó)際合作論文占比均處于領(lǐng)先地位。此外，從圖1可以看出，在1990—2019年，計(jì)算圖形學(xué)與多媒體子領(lǐng)域的國(guó)際合作論文占比排名一直處于較低的位置。總而言之，雖然不同子領(lǐng)域的國(guó)際合作論文占比均呈現(xiàn)顯著的上升趨勢(shì)，但不同子領(lǐng)域的增長(zhǎng)趨勢(shì)存在一定的差異。

圖1 不同子領(lǐng)域國(guó)際合作論文的占比變化趨勢(shì)

3.2 國(guó)際合作網(wǎng)絡(luò)的空間模式

為了回答問題（1），分析不同子領(lǐng)域的國(guó)際合作強(qiáng)度的空間分布，本文利用ArcGIS 10.7對(duì)計(jì)算機(jī)科學(xué)學(xué)科1990—2019年187個(gè)國(guó)家間的合作情況進(jìn)行了可視化。在國(guó)際合作網(wǎng)絡(luò)的空間分布圖中，僅保留了國(guó)家間合作次數(shù)超過20次的連邊，以確保可視化的效果；考慮到篇幅有限，圖2a～圖2d僅分別展示了人工智能、計(jì)算機(jī)網(wǎng)絡(luò)、軟件和軟件工程以及人機(jī)交互與普適計(jì)算4個(gè)子領(lǐng)域的國(guó)家間合作網(wǎng)絡(luò)空間分布情況，其他子領(lǐng)域情況如附圖1所示。圖2中的節(jié)點(diǎn)表示國(guó)家，節(jié)點(diǎn)的大小與該國(guó)家的國(guó)際合作論文發(fā)表數(shù)量有關(guān)，節(jié)點(diǎn)越大，表示該國(guó)家的國(guó)際合作論文越多；若國(guó)家i和國(guó)家j存在合作關(guān)系，則兩個(gè)節(jié)點(diǎn)存在連邊，邊的粗細(xì)和顏色深淺表示兩個(gè)國(guó)家間合作強(qiáng)度的大小，即Jaccard相似系數(shù)的大小，邊越粗、顏色越深，表示兩個(gè)國(guó)家間的合作越密切。

附圖1 不同子領(lǐng)域的國(guó)際合作網(wǎng)絡(luò)的空間布局(彩圖請(qǐng)見https://qbxb.istic.ac.cn)

圖2 不同子領(lǐng)域的國(guó)際合作網(wǎng)絡(luò)的空間布局(彩圖請(qǐng)見https://qbxb.istic.ac.cn)

此外，為了比較不同子領(lǐng)域的國(guó)際合作網(wǎng)絡(luò)的差異，本文利用復(fù)雜網(wǎng)絡(luò)分析軟件Gephi對(duì)不同子領(lǐng)域合作網(wǎng)絡(luò)進(jìn)行了網(wǎng)絡(luò)凝聚性分析，計(jì)算了國(guó)際合作網(wǎng)絡(luò)的關(guān)系總數(shù)、網(wǎng)絡(luò)密度、平均聚類系數(shù)和平均路徑長(zhǎng)度，結(jié)果如表3所示。

表3 1990—2019年不同子領(lǐng)域國(guó)際合作網(wǎng)絡(luò)聯(lián)系特征

從圖2a可以看出，人工智能領(lǐng)域的國(guó)際合作網(wǎng)絡(luò)由美國(guó)、中國(guó)、加拿大以及歐洲國(guó)家等科研大國(guó)主導(dǎo)。其中，美國(guó)發(fā)表的國(guó)際合作論文數(shù)量最多，為55153篇；中國(guó)和英國(guó)緊隨其后，國(guó)際合作論文數(shù)量分別為38342篇和22065篇。此外，發(fā)表國(guó)際合作論文超過11117篇的7個(gè)國(guó)家中有約一半是歐洲國(guó)家。從國(guó)家間合作強(qiáng)度來看，合作強(qiáng)度高于0.0483的14條國(guó)家雙邊合作關(guān)系中（深藍(lán)色和黑色連線），有6條涉及中國(guó)，4條涉及美國(guó)。其中，中國(guó)和美國(guó)的合作關(guān)系最為密切，合作強(qiáng)度高達(dá)0.2219；其次是澳大利亞和中國(guó)（0.0940）、中國(guó)和新加坡（0.0828）等。這些合作強(qiáng)度高于0.0483的合作關(guān)系中有57%屬于跨洲合作，有43%屬于洲內(nèi)國(guó)家合作。

圖2b展示了計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域的國(guó)際合作空間分布情況。與人工智能領(lǐng)域類似，美國(guó)的國(guó)際合作論文數(shù)量最多，為24134篇；但在計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域，發(fā)表國(guó)際合作論文超過11117篇的僅有2個(gè)國(guó)家，分別為美國(guó)和中國(guó)。從國(guó)家間合作強(qiáng)度來看，合作強(qiáng)度超過0.0483的國(guó)家雙邊合作關(guān)系有23條，其中超過0.1101的僅有1條。在計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域合作強(qiáng)度排名前10位的合作關(guān)系中，中國(guó)和美國(guó)依然主導(dǎo)著這些合作。中國(guó)和美國(guó)、加拿大、英國(guó)的合作強(qiáng)度占據(jù)前3位，分別為0.2500、0.1100和0.0850。相比于人工智能領(lǐng)域，這些合作強(qiáng)度較高的合作關(guān)系中依然以亞洲和北美洲的合作為主，其次是歐洲國(guó)家間的合作，亞洲國(guó)家間的合作中只有巴基斯坦和沙特阿拉伯的合作出現(xiàn)在合作強(qiáng)度前10名之中。

圖2c展示了軟件和軟件工程領(lǐng)域的國(guó)際合作空間分布情況。從國(guó)家間合作強(qiáng)度來看，合作強(qiáng)度超過0.0483的國(guó)家雙邊合作關(guān)系有19條，超過0.1101的僅有1條。在軟件和軟件工程領(lǐng)域，美國(guó)與中國(guó)、英國(guó)、德國(guó)以及加拿大之間的合作強(qiáng)度分別排名前4位。值得注意的是，雖然中國(guó)和美國(guó)之間在軟件和軟件工程領(lǐng)域的合作依然最為密切，但合作強(qiáng)度僅為0.1236。相比于上述兩個(gè)子領(lǐng)域，在合作強(qiáng)度前10名的雙邊合作關(guān)系中，亞洲國(guó)家間的合作關(guān)系數(shù)量增多，除了排名第六的巴基斯坦和沙特阿拉伯外，中國(guó)與日本以及中國(guó)與新加坡的合作關(guān)系強(qiáng)度也排入前10名。

圖2d展示了人機(jī)交互與普適計(jì)算領(lǐng)域的國(guó)際合作空間分布情況。從國(guó)際合作論文數(shù)量來看，所有國(guó)家的國(guó)際合作論文數(shù)量均未超過11117篇，美國(guó)、英國(guó)和德國(guó)國(guó)際合作論文數(shù)量排前3位。從國(guó)家間合作強(qiáng)度來看，在合作強(qiáng)度前10名的雙邊合作關(guān)系中，有一半涉及美國(guó)。與上述其他領(lǐng)域不同的是，在人機(jī)交互和普適計(jì)算領(lǐng)域，美國(guó)和英國(guó)之間的合作最為密切，合作強(qiáng)度為0.1256；加拿大和美國(guó)的合作強(qiáng)度排名第二，合作強(qiáng)度為0.1199；第三是中國(guó)和美國(guó)，合作強(qiáng)度為0.0970。合作強(qiáng)度前10名的雙邊合作關(guān)系以洲內(nèi)合作為主，如英國(guó)和德國(guó)（0.0968）；亞洲國(guó)家間合作包括中國(guó)和新加坡（0.0620）、中國(guó)和日本（0.0584），而巴基斯坦和沙特阿拉伯的合作強(qiáng)度不再位于前10名。

從國(guó)際合作網(wǎng)絡(luò)的凝聚性來看，不同子領(lǐng)域的國(guó)際合作網(wǎng)絡(luò)指標(biāo)之間存在一定的差異。從關(guān)系總數(shù)來看，人工智能領(lǐng)域的關(guān)系為3013條，在10個(gè)子領(lǐng)域中居于第一位；人機(jī)交互與普適計(jì)算領(lǐng)域的關(guān)系總數(shù)最少，為1593條。從網(wǎng)絡(luò)密度來看，不同子領(lǐng)域的國(guó)際合作網(wǎng)絡(luò)密度處于0.141～0.209，計(jì)算機(jī)體系結(jié)構(gòu)和系統(tǒng)的網(wǎng)絡(luò)密度最高，跨學(xué)科和多學(xué)科領(lǐng)域的網(wǎng)絡(luò)密度最低?？傮w而言，國(guó)際合作網(wǎng)絡(luò)中各個(gè)國(guó)家之間的聯(lián)系較為密切。從平均路徑長(zhǎng)度來看，不同子領(lǐng)域的國(guó)際合作網(wǎng)絡(luò)密度處于1.844～2.102。從平均聚類系數(shù)來看，人工智能領(lǐng)域的平均聚類系數(shù)最高，達(dá)到0.819；網(wǎng)絡(luò)與信息安全領(lǐng)域的平均聚類系數(shù)最低，為0.769。這說明在不同子領(lǐng)域的國(guó)際合作網(wǎng)絡(luò)中，國(guó)家間的聯(lián)系密切程度是存在差異的。

總而言之，從國(guó)際合作網(wǎng)絡(luò)可視化的結(jié)果來看，雖然不同領(lǐng)域的合作由美國(guó)、中國(guó)、加拿大等科研大國(guó)主導(dǎo)，但不同領(lǐng)域的國(guó)家間合作模式存在一定差異，例如，在合作強(qiáng)度較高的合作關(guān)系中，人工智能領(lǐng)域的國(guó)際合作以跨洲合作為主，而人機(jī)交互與普適計(jì)算領(lǐng)域主要以洲內(nèi)合作為主。從國(guó)際合作網(wǎng)絡(luò)的網(wǎng)絡(luò)指標(biāo)來看，不同子領(lǐng)域的指標(biāo)也存在一定差異。

3.3 國(guó)際合作網(wǎng)絡(luò)的時(shí)空布局

為了進(jìn)一步回答問題（1），了解同一領(lǐng)域不同時(shí)期的國(guó)際合作網(wǎng)絡(luò)的時(shí)空分布，本文以人工智能子領(lǐng)域?yàn)槔?，比較1990—1999年、2000—2009年以及2010—2019年3個(gè)時(shí)期該子領(lǐng)域國(guó)際合作網(wǎng)絡(luò)空間分布情況。

如圖3a所示，在1990—1999年，從國(guó)際合作論文發(fā)表數(shù)量來看，美國(guó)、英國(guó)和加拿大的論文發(fā)表數(shù)量占據(jù)前3位。從國(guó)家間的合作強(qiáng)度來看，合作強(qiáng)度超過0.0483的國(guó)家雙邊合作關(guān)系有10條，超過0.1101的國(guó)家雙邊合作關(guān)系僅有1條。其中，7條關(guān)系涉及與美國(guó)的合作。加拿大和美國(guó)的合作最為密切，合作強(qiáng)度達(dá)到0.1190。在合作強(qiáng)度排名前10位的合作關(guān)系中，除排名第七的中國(guó)和美國(guó)以及排名第十的中國(guó)和加拿大之間的合作外，其余合作關(guān)系均為發(fā)達(dá)國(guó)家之間合作，如德國(guó)和美國(guó)（0.0929）、日本和美國(guó)（0.0851）。

如圖3b所示，在2000—2009年，各國(guó)國(guó)際合作論文普遍增多，美國(guó)、中國(guó)和英國(guó)占據(jù)前3位。從國(guó)家間的合作強(qiáng)度來看，2000—2009年，合作強(qiáng)度超過0.0483的國(guó)家雙邊合作關(guān)系增加到14條，超過0.1101的國(guó)家雙邊合作關(guān)系仍僅有1條。在這一時(shí)期，中國(guó)和美國(guó)的合作最為密切，合作強(qiáng)度為0.1468。相比于1990—1999年時(shí)期，加拿大和美國(guó)的合作強(qiáng)度排名有所下降，跌至第四（0.0761）。值得注意的是，雖然合作強(qiáng)度排名前10位的雙邊合作關(guān)系中，美國(guó)的參與程度依然很高，涉及一半的合作關(guān)系，但中國(guó)的參與程度也在提升，有40%的合作關(guān)系涉及中國(guó)。此外，亞洲內(nèi)部國(guó)家的合作有所增加，如中國(guó)和日本的合作強(qiáng)度為0.0810，位列第三；中國(guó)和新加坡的合作強(qiáng)度為0.0751，位列第七。

如圖3c所示，在2010—2019年，從國(guó)家間的合作強(qiáng)度來看，合作強(qiáng)度超過0.0483的國(guó)家雙邊合作關(guān)系增加至16條，超過0.1101的國(guó)家雙邊合作關(guān)系僅有1條。中國(guó)和美國(guó)、澳大利亞、英國(guó)的合作強(qiáng)度占據(jù)前3位，分別為0.2491、0.1015和0.0855。在這一時(shí)期，在合作強(qiáng)度排名前10位的雙邊合作關(guān)系中，加拿大和美國(guó)的合作強(qiáng)度排名降至第十。此外，除中國(guó)外，發(fā)展中國(guó)家巴基斯坦和沙特阿拉伯首次出現(xiàn)在合作強(qiáng)度前10名的合作關(guān)系中。從網(wǎng)絡(luò)特征來看，關(guān)系總數(shù)由1990—1999年的566增加到2000—2009年的2848，合作發(fā)表論文的國(guó)家對(duì)顯著增加；合作網(wǎng)絡(luò)的密度由1990—1999年的0.122增加到2000—2009年的0.194，國(guó)際合作網(wǎng)絡(luò)中的國(guó)家間合作的緊密程度不斷提升；平均聚類系數(shù)由0.771增加到0.818，說明國(guó)家間聯(lián)系更加密切；平均路徑長(zhǎng)度由2.11下降至1.9，說明人工智能領(lǐng)域的國(guó)家間交流合作更為暢通。

總體而言，隨著時(shí)間的推移，進(jìn)行人工智能研究的新興科研大國(guó)正在逐漸崛起，如中國(guó)、新加坡等，科學(xué)合作格局正在由“一極多強(qiáng)”轉(zhuǎn)向“多極合作”，合作網(wǎng)絡(luò)中的國(guó)家之間的密切程度也在不斷增強(qiáng)。

3.4 影響國(guó)際合作的距離因素

為了回答問題（2），驗(yàn)證影響不同子領(lǐng)域國(guó)際合作的距離因素是否相同，本文采用回歸分析進(jìn)行探索，表4和表5分別給出了不同子領(lǐng)域的回歸結(jié)果以及邊際效應(yīng)。此外，本文計(jì)算了每個(gè)模型的方差膨脹因子，發(fā)現(xiàn)每個(gè)模型的平均方差膨脹因子值均小于3，說明多重共線性問題對(duì)本文的影響較小。

表4 距離因素對(duì)不同子領(lǐng)域國(guó)際合作影響的回歸結(jié)果

表5 距離因素對(duì)不同子領(lǐng)域國(guó)際合作影響邊際效應(yīng)

地理距離因素（GeoDist）的系數(shù)是負(fù)值，且在1%的顯著性水平下顯著，這說明地理距離越近的國(guó)家，越有可能進(jìn)行密切的合作，H1得到驗(yàn)證。地理距離因素的回歸系數(shù)介于-0.66225～-0.29875。比較不同距離因素對(duì)國(guó)際合作強(qiáng)度的邊際效應(yīng)（表5）可以看出，地理距離是影響國(guó)際合作強(qiáng)度的重要因素之一。地理距離因素在網(wǎng)絡(luò)與信息安全子領(lǐng)域?qū)?guó)際合作強(qiáng)度的影響最大（0.00328%），在人工智能子領(lǐng)域的影響最?。?.00217%）。

同樣地，在所有子領(lǐng)域，經(jīng)濟(jì)距離（EcoDist）因素的回歸系數(shù)在1%顯著性水平下為負(fù)值，回歸系數(shù)介于-1.07974～-0.83291，這在一定程度上說明了經(jīng)濟(jì)發(fā)展程度相近的國(guó)家之間更有可能發(fā)生密切的學(xué)術(shù)合作，H2得到驗(yàn)證。從經(jīng)濟(jì)距離因素對(duì)國(guó)際合作強(qiáng)度的邊際效應(yīng)來看（表5），經(jīng)濟(jì)距離是影響國(guó)際合作強(qiáng)度的重要因素之一。比較不同領(lǐng)域經(jīng)濟(jì)距離因素對(duì)國(guó)際合作的邊際效應(yīng)可以看出，經(jīng)濟(jì)距離因素在計(jì)算機(jī)圖形學(xué)與多媒體子領(lǐng)域?qū)?guó)際合作強(qiáng)度的影響最大（0.00448%），在計(jì)算機(jī)體系結(jié)構(gòu)和系統(tǒng)子領(lǐng)域的影響最?。?.00217%），不同子領(lǐng)域間該因素的邊際效應(yīng)差異較小。

就企業(yè)參與程度距離因素（IndDist）而言，人工智能領(lǐng)域的回歸系數(shù)為正值，但不具有統(tǒng)計(jì)學(xué)意義；其余子領(lǐng)域中該因素的回歸系數(shù)為負(fù)值。其中，軟件和軟件工程、計(jì)算機(jī)網(wǎng)絡(luò)、網(wǎng)絡(luò)與信息安全、計(jì)算機(jī)圖形學(xué)與多媒體、人機(jī)交互與普適計(jì)算以及跨學(xué)科和多學(xué)科領(lǐng)域6個(gè)子領(lǐng)域的回歸系數(shù)分別在不同的顯著性水平下顯著，這意味著在這些子領(lǐng)域，若國(guó)家間具有相似的企業(yè)參與程度，則可能產(chǎn)生更為密切的國(guó)際合作，H3未得到驗(yàn)證。此外，回歸系數(shù)的方向差異在一定程度上說明了在同一學(xué)科下不同子領(lǐng)域間存在異質(zhì)性。從企業(yè)參與程度距離因素對(duì)國(guó)際合作強(qiáng)度的邊際效應(yīng)來看（表5），不同子領(lǐng)域之間差異較小。其中，在人機(jī)交互與普適計(jì)算子領(lǐng)域中，該因素對(duì)國(guó)家合作的影響最大（0.00165%）；在計(jì)算機(jī)體系結(jié)構(gòu)和系統(tǒng)子領(lǐng)域中，該因素對(duì)國(guó)際合作的影響最?。?.00108%）。

政治距離（PoliDist）因素的回歸系數(shù)均為負(fù)值，但在計(jì)算機(jī)網(wǎng)絡(luò)、網(wǎng)絡(luò)與信息安全、數(shù)據(jù)庫(kù)和數(shù)據(jù)挖掘以及跨學(xué)科和多學(xué)科領(lǐng)域4個(gè)子領(lǐng)域不具有統(tǒng)計(jì)學(xué)意義，其余子領(lǐng)域的該因素的回歸系數(shù)均在不同顯著性水平下顯著，這說明了如果兩個(gè)國(guó)家的政府治理水平越接近，那么兩個(gè)國(guó)家越有可能產(chǎn)生密切合作，因此，H4得到部分驗(yàn)證。

文化距離因素包括權(quán)力距離（PowDist）、個(gè)人主義-集體主義（IndivDist）、男性氣質(zhì)與女性氣質(zhì)（MascDist）和不確定性規(guī)避（UncerDist）4個(gè)維度。網(wǎng)絡(luò)與信息安全領(lǐng)域的權(quán)力距離與國(guó)際合作強(qiáng)度存在顯著負(fù)向相關(guān)關(guān)系，其余子領(lǐng)域的權(quán)力距離與國(guó)際合作強(qiáng)度均不存在顯著相關(guān)關(guān)系。個(gè)人主義-集體主義維度在不同子領(lǐng)域的回歸系數(shù)均為負(fù)值，但回歸系數(shù)只在計(jì)算機(jī)科學(xué)理論、軟件和軟件工程、計(jì)算機(jī)圖形學(xué)與多媒體、人機(jī)交互與普適計(jì)算、跨學(xué)科和多學(xué)科領(lǐng)域5個(gè)子領(lǐng)域顯著。從個(gè)人主義-集體主義對(duì)國(guó)際合作強(qiáng)度的邊際效應(yīng)來看（表5），該因素在計(jì)算機(jī)科學(xué)理論領(lǐng)域的邊際效應(yīng)最?。?.00062%），在人機(jī)交互與普適計(jì)算領(lǐng)域的邊際效應(yīng)最大（0.00156%）。男性氣質(zhì)與女性氣質(zhì)維度的回歸系數(shù)均為負(fù)值，但只在數(shù)據(jù)庫(kù)和數(shù)據(jù)挖掘、跨學(xué)科和多學(xué)科領(lǐng)域具有統(tǒng)計(jì)學(xué)意義，其余子領(lǐng)域的回歸系數(shù)均不顯著。從不確定性規(guī)避維度來看，僅網(wǎng)絡(luò)與信息安全、計(jì)算機(jī)圖形學(xué)與多媒體兩個(gè)子領(lǐng)域的回歸系數(shù)在不同顯著性水平下顯著，其余子領(lǐng)域該維度回歸系數(shù)均不顯著，這說明在這兩個(gè)子領(lǐng)域中，對(duì)于不確定性容忍程度相近的國(guó)家更容易產(chǎn)生密切合作，H5得到部分驗(yàn)證。

在所有子領(lǐng)域中，認(rèn)知距離因素的回歸系數(shù)均在1%顯著性水平下顯著為負(fù)值，這說明了國(guó)際合作更有可能發(fā)生在具有相似認(rèn)知基礎(chǔ)的國(guó)家之間，H6得到驗(yàn)證。比較不同距離因素對(duì)國(guó)際合作強(qiáng)度的邊際效應(yīng)（表5）可以看出，認(rèn)知距離是阻礙國(guó)際合作的最大障礙。認(rèn)知距離因素在計(jì)算機(jī)圖形學(xué)與多媒體子領(lǐng)域?qū)?guó)際合作強(qiáng)度的影響最大（0.01834%），在計(jì)算機(jī)體系結(jié)構(gòu)和系統(tǒng)子領(lǐng)域的影響最?。?.01267%）。

3.5 不同時(shí)期影響國(guó)際合作的距離因素

為了回答問題（3），本文探索了影響不同子領(lǐng)域國(guó)際合作的距離因素是否會(huì)隨著時(shí)間發(fā)生變化。本文使用零膨脹beta回歸模型對(duì)不同子領(lǐng)域在1990—1999年、2000—2009年、2010—2019年3個(gè)時(shí)期的距離因素的系數(shù)進(jìn)行估計(jì)。考慮到篇幅有限，本文僅展示人工智能、計(jì)算機(jī)網(wǎng)絡(luò)、軟件與軟件工程以及人機(jī)交互與普適計(jì)算4個(gè)子領(lǐng)域的回歸結(jié)果（表6）和各因素的邊際效應(yīng)結(jié)果（表7）。

表6 距離因素對(duì)不同子領(lǐng)域在不同時(shí)期國(guó)際合作影響的回歸結(jié)果

表7 距離因素對(duì)不同子領(lǐng)域在不同時(shí)期國(guó)際合作影響的邊際效應(yīng)

在各個(gè)子領(lǐng)域的不同時(shí)期，地理距離（Geo‐Dist）和國(guó)際合作強(qiáng)度均呈現(xiàn)顯著負(fù)向相關(guān)關(guān)系，再次驗(yàn)證了H1。此外，不同時(shí)期地理距離的邊際效應(yīng)呈現(xiàn)下降趨勢(shì)。例如，在人工智能領(lǐng)域，地理距離的影響由1990—1999年的0.00261%下降至2010—2019年的0.00230%；在計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域，地理距離因素影響的下降幅度更大，由0.00813%下降至0.00323%。

同樣地，在不同領(lǐng)域的不同時(shí)期，經(jīng)濟(jì)距離（EcoDist）因素的回歸系數(shù)均在1%或5%顯著性水平下顯著為負(fù)值，研究結(jié)果支持H2。此外，不同時(shí)期經(jīng)濟(jì)距離因素對(duì)國(guó)際合作強(qiáng)度的邊際效應(yīng)呈現(xiàn)增加趨勢(shì)，例如，在人工智能領(lǐng)域，經(jīng)濟(jì)距離因素的邊際效應(yīng)由0.00118%增長(zhǎng)至0.00375%。

在部分子領(lǐng)域的部分時(shí)期，企業(yè)參與程度距離（IndDist）和國(guó)際合作強(qiáng)度存在負(fù)向相關(guān)關(guān)系，例如，人機(jī)交互與普適計(jì)算領(lǐng)域在2000—2009年、2010—2019年兩個(gè)時(shí)期，該因素的回歸系數(shù)均顯著為負(fù)值，研究結(jié)果不支持H3。此外，企業(yè)參與程度距離的邊際效應(yīng)呈現(xiàn)下降趨勢(shì)。例如，上述兩個(gè)時(shí)期的邊際效應(yīng)在人工智能領(lǐng)域，從0.00149%下降至0.00098%；在人機(jī)交互與普適計(jì)算領(lǐng)域，從0.00222%下降至0.00134%。

政治距離（PoliDist）因素的回歸系數(shù)只在部分子領(lǐng)域的部分時(shí)期存在統(tǒng)計(jì)學(xué)意義。例如，在人工智能領(lǐng)域的2000—2009年，政治距離和國(guó)際合作強(qiáng)度存在顯著負(fù)向相關(guān)關(guān)系。從政治距離的邊際效應(yīng)來看，不同時(shí)期政治距離因素的影響逐漸下降，例如，在人工智能領(lǐng)域，從1990—1999年的0.00279%下降至2010—2019年的0.00074%。

從文化距離來看，權(quán)力距離（PowDist）維度在不同子領(lǐng)域、不同時(shí)期的回歸系數(shù)均不顯著。在軟件與軟件工程和人機(jī)交互與普適計(jì)算領(lǐng)域，不同時(shí)期個(gè)人主義-集體主義（IndivDist）維度的回歸系數(shù)均顯著為負(fù)值。此外，這兩個(gè)領(lǐng)域該因素的邊際效應(yīng)也在隨著時(shí)間逐漸減小。而男性氣質(zhì)與女性氣質(zhì)（MascDist）、不確定性規(guī)避（UncerDist）維度與國(guó)際合作強(qiáng)度僅在部分領(lǐng)域的部分時(shí)期存在顯著負(fù)向相關(guān)關(guān)系。

除了計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域的1990—1999年時(shí)期、人機(jī)交互與普適計(jì)算子領(lǐng)域的1990—1999年和2000—2009年兩個(gè)時(shí)期外，其余時(shí)期不同子領(lǐng)域認(rèn)知距離的回歸系數(shù)均在1%顯著性水平下顯著為負(fù)值。此外，認(rèn)知距離因素對(duì)國(guó)際合作強(qiáng)度的影響在不同領(lǐng)域均呈現(xiàn)下降趨勢(shì)。例如，在人工智能領(lǐng)域，認(rèn)知距離的邊際效應(yīng)由0.03859%下降至0.01751%。

4 結(jié)論與討論

本文基于DBLP科研論文數(shù)據(jù)，從比較視角出發(fā)，揭示了1990—2019年187個(gè)國(guó)家在計(jì)算機(jī)科學(xué)學(xué)科下不同子領(lǐng)域的國(guó)際合作強(qiáng)度網(wǎng)絡(luò)的時(shí)空演變情況，并基于計(jì)量模型，實(shí)證檢驗(yàn)了影響不同子領(lǐng)域以及不同時(shí)期國(guó)家間國(guó)際合作的距離因素。

通過分析國(guó)際合作的時(shí)空演變情況，本文得出以下結(jié)論。

（1）不同子領(lǐng)域國(guó)際合作論文逐年增多，但變化趨勢(shì)存在差異。

在1990—2019年的計(jì)算機(jī)科學(xué)學(xué)科，國(guó)際合作論文約占發(fā)表論文總量的26.65%，因此，國(guó)際合作并未成為計(jì)算機(jī)科學(xué)進(jìn)行知識(shí)創(chuàng)造的最重要形式。比較不同子領(lǐng)域國(guó)際合作情況，發(fā)現(xiàn)不同子領(lǐng)域的國(guó)際合作論文占比在1990—2019年均呈現(xiàn)顯著的上升趨勢(shì)，但不同子領(lǐng)域的增長(zhǎng)趨勢(shì)存在一定的差異。例如，計(jì)算機(jī)網(wǎng)絡(luò)在1990年的國(guó)家合作論文占比排名最低，而2013年之后躍居第一位；計(jì)算圖形學(xué)與多媒體子領(lǐng)域的國(guó)際合作論文占比排名一直較低。

（2）高強(qiáng)度國(guó)際合作關(guān)系由科研大國(guó)主導(dǎo)，但子領(lǐng)域異質(zhì)性顯著存在。

從國(guó)際合作的空間分布來看，國(guó)際合作由美國(guó)、中國(guó)、加拿大等科研大國(guó)所主導(dǎo)，但不同子領(lǐng)域的國(guó)際合作的空間分布也存在一定差異，例如，在合作強(qiáng)度靠前的關(guān)系中，人工智能領(lǐng)域的國(guó)際合作以跨洲合作為主，而人機(jī)交互與普適計(jì)算領(lǐng)域主要以洲內(nèi)合作為主。此外，從網(wǎng)絡(luò)指標(biāo)來看，計(jì)算機(jī)體系結(jié)構(gòu)和系統(tǒng)子領(lǐng)域的網(wǎng)絡(luò)密度最大，而人機(jī)交互與普適計(jì)算領(lǐng)域的網(wǎng)絡(luò)密度最小。

（3）人工智能領(lǐng)域合作由“一強(qiáng)多極”向“多極合作”模式轉(zhuǎn)變。

從國(guó)際合作的時(shí)空分布來看，在1990—1999年，人工智能領(lǐng)域國(guó)際合作強(qiáng)度較高的合作關(guān)系中由美國(guó)主導(dǎo)，隨著時(shí)間推移，中國(guó)、新加坡等新興人工智能強(qiáng)國(guó)也逐漸涌現(xiàn)。從國(guó)際合作網(wǎng)絡(luò)結(jié)構(gòu)來看，網(wǎng)絡(luò)密度由1990—1999年的0.122增加至2000—2009年的0.194，國(guó)家間的合作也越來越密切。

通過分析影響不同子領(lǐng)域以及不同時(shí)期國(guó)際合作的距離因素，本文得出以下結(jié)論。

（1）地理距離會(huì)阻礙不同子領(lǐng)域的國(guó)際合作，但邊際效應(yīng)隨著時(shí)間變化逐漸下降。

地理距離依然會(huì)對(duì)不同子領(lǐng)域的國(guó)際合作產(chǎn)生負(fù)面影響，并沒有驗(yàn)證經(jīng)濟(jì)學(xué)家Frances Cairncross的“距離之死”的假說[28]，這與Parreira等[10]、Tang等[14]以及賀超城等[46]的研究發(fā)現(xiàn)一致。其原因可能是，面對(duì)面的交流更容易實(shí)現(xiàn)知識(shí)的溢出，有利于隱性知識(shí)的傳播，距離越近，越容易實(shí)現(xiàn)頻繁和有效的面對(duì)面交流。本文發(fā)現(xiàn)，隨著時(shí)間的推移，距離因素對(duì)不同子領(lǐng)域國(guó)際合作的影響會(huì)減小，這可能是由于通信技術(shù)的發(fā)展（如騰訊會(huì)議、ZOOM等會(huì)議軟件的出現(xiàn)）以及交通運(yùn)輸技術(shù)的推進(jìn)（如高鐵等），面對(duì)面的溝通更容易實(shí)現(xiàn)，在一定程度上緩解了距離因素對(duì)國(guó)際合作的阻礙效應(yīng)。

（2）經(jīng)濟(jì)距離會(huì)阻礙不同子領(lǐng)域的國(guó)際合作，且邊際效應(yīng)隨時(shí)間變化逐漸增大。

經(jīng)濟(jì)距離會(huì)阻礙不同子領(lǐng)域的國(guó)際合作。目前，已有較多研究證明兩個(gè)國(guó)家間的經(jīng)濟(jì)發(fā)展水平越接近，那么國(guó)家間更容易發(fā)生合作[3,20]。國(guó)家的經(jīng)濟(jì)水平越高，對(duì)科學(xué)技術(shù)發(fā)展、人才交流等項(xiàng)目的資金投入也越多。例如，中國(guó)的國(guó)家留學(xué)基金項(xiàng)目旨在促進(jìn)國(guó)內(nèi)高校與國(guó)際高校開展國(guó)際化人才培養(yǎng)合作，而獲得資助的學(xué)生大多選擇去往經(jīng)濟(jì)發(fā)展水平較高的國(guó)家。此外，本文發(fā)現(xiàn)合作較為密切的國(guó)家間通常存在經(jīng)濟(jì)伙伴關(guān)系協(xié)定，經(jīng)濟(jì)伙伴關(guān)系協(xié)定在促進(jìn)進(jìn)出口貿(mào)易的同時(shí)，也意味著更便宜的交通費(fèi)用，這在會(huì)一定程度上促進(jìn)學(xué)者的流動(dòng)，增加國(guó)際合作的可能性。經(jīng)濟(jì)距離對(duì)國(guó)際合作強(qiáng)度的影響隨時(shí)間變化而增大，說明了國(guó)際合作對(duì)經(jīng)濟(jì)發(fā)展水平的依賴程度越來越高。

（3）認(rèn)知距離會(huì)阻礙不同子領(lǐng)域國(guó)際合作，但邊際效應(yīng)隨時(shí)間變化逐漸減小。

與經(jīng)濟(jì)距離類似，本文發(fā)現(xiàn)認(rèn)知距離越小的兩個(gè)國(guó)家之間越容易產(chǎn)生合作，而且在每個(gè)子領(lǐng)域皆如此，這與Gui等[27]、賀燦飛等[47]的研究結(jié)論一致，說明科學(xué)合作的順利開展需要合作雙方擁有一定的共同知識(shí)基礎(chǔ)，才能有助于知識(shí)的理解和吸收，進(jìn)而促進(jìn)科研創(chuàng)新。此外，本文還發(fā)現(xiàn)，隨著時(shí)間的推移，認(rèn)知距離對(duì)國(guó)際合作的影響會(huì)下降。其原因可能是，全球化雖然使科學(xué)研究的國(guó)際分工更為明確，使國(guó)家的研究變得專一化，但是由于一些政治因素，如美國(guó)對(duì)中國(guó)的技術(shù)制裁，迫使中國(guó)開展基礎(chǔ)技術(shù)方面的研究，使得中國(guó)的研究更為多元化，減小了未來與其他國(guó)家的合作的認(rèn)知距離。此外，在科學(xué)研究中，由于小國(guó)家資源有限，可能局限于某些關(guān)鍵領(lǐng)域和學(xué)科，但是大國(guó)家在發(fā)展優(yōu)勢(shì)學(xué)科的同時(shí)，也會(huì)對(duì)其他領(lǐng)域進(jìn)行積極的投入，這可能也是認(rèn)知距離因素對(duì)國(guó)際合作影響下降的另一個(gè)原因[19]。

本文尚存在一些局限性，只考慮了計(jì)算機(jī)科學(xué)子領(lǐng)域的國(guó)際合作的影響因素，在未來的研究中可以對(duì)比計(jì)算機(jī)科學(xué)子領(lǐng)域與其他學(xué)科子領(lǐng)域的國(guó)際合作的影響因素，例如，計(jì)算機(jī)科學(xué)和管理學(xué)，這兩個(gè)學(xué)科的研究范式存在差異，那么影響學(xué)科子領(lǐng)域的國(guó)際合作的因素是否也存在差異是值得探討的。此外，本文將研究數(shù)據(jù)局限于研究論文，但其實(shí)專利也是計(jì)算機(jī)科學(xué)關(guān)注的研究成果之一，在未來的研究中可以綜合考慮論文和專利數(shù)據(jù)。