城市-大學(xué)群高被引論文作者學(xué)術(shù)產(chǎn)出力分布規(guī)律研究
——以人工智能領(lǐng)域為例

張貴蘭，潘云濤，鄭楚華，王海燕，馬崢

（中國科學(xué)技術(shù)信息研究所，北京 100038）

1 引言

隨著城市范圍內(nèi)知識經(jīng)濟、高新科技、集約模式的興起，城市與大學(xué)關(guān)系日趨密切，兩者在互動與合作中休戚與共，相得益彰。大學(xué)的發(fā)展離不開城市的財力支持和市政保障，城市的發(fā)展有賴于大學(xué)的智力支持與輻射帶動[1]。城市與大學(xué)的互動發(fā)展中，“一流”大學(xué)與“一線”城市具有高度相關(guān)性，形成“一流”大學(xué)在“一線”城市的局面。城市的經(jīng)濟水平對大學(xué)的質(zhì)量產(chǎn)生了重要影響，當前我國建設(shè)“一流”大學(xué)和“一流”學(xué)科，這些大學(xué)主要集中在北京、上海、廣州、天津、武漢、南京、西安、成都8所城市。

當前，城市成為高端科學(xué)技術(shù)創(chuàng)新資源的集聚地和區(qū)域高質(zhì)量發(fā)展的主陣地。大學(xué)作為城市基礎(chǔ)研究的主力軍和人才培養(yǎng)的主陣地，是城市創(chuàng)新體系的重要組成部分，是支撐城市發(fā)展的重要引擎。同時，城市發(fā)展為大學(xué)提供了廣闊的生存和發(fā)展空間，包括人才培養(yǎng)、科學(xué)研究等。所以，大學(xué)和城市的融合發(fā)展構(gòu)成了科研人員成長發(fā)展的外部生態(tài)環(huán)境，從而進一步影響著科研人員的成長與發(fā)展。

因此，我國科技人才在區(qū)域選擇方面，更傾向于經(jīng)濟發(fā)達的一線城市。整體而言相較于其他城市，一線城市的經(jīng)濟發(fā)展水平高，科學(xué)發(fā)展戰(zhàn)略布局合理，研發(fā)經(jīng)費投入高，給予人才更多優(yōu)惠政策和發(fā)展空間[2]，從而形成了人才流入與經(jīng)濟發(fā)展相互促進的良性循環(huán)。我國科研人員在機構(gòu)選擇方面，更傾向于科研資源優(yōu)質(zhì)的一流科研機構(gòu)。這類機構(gòu)為科研人員提供了全面的科研支持，尤其是濃厚的科研氛圍、廣闊的科研平臺以及高潛力的學(xué)術(shù)職業(yè)發(fā)展空間。

本研究提出基于城市-大學(xué)群研究科研人員學(xué)術(shù)產(chǎn)出力的分布規(guī)律。以人工智能領(lǐng)域的高被引論文作者為例，結(jié)合數(shù)據(jù)挖掘全面獲取高被引論文作者的基本信息、工作信息、承擔項目數(shù)據(jù)、論文產(chǎn)出數(shù)據(jù)和專利產(chǎn)出數(shù)據(jù)，利用可視化分析、傾向值匹配等方法探究其學(xué)術(shù)產(chǎn)出能力的分布規(guī)律，并進一步分析城市-大學(xué)對其學(xué)術(shù)產(chǎn)出的綜合影響；力圖通過本研究梳理我國人工智能領(lǐng)域高被引論文作者的分布現(xiàn)狀，為城市-大學(xué)群的發(fā)展和人才培養(yǎng)與管理提供建議。

2 研究進展

目前國內(nèi)外對科研人員的學(xué)術(shù)產(chǎn)出力尚未有明確的概念界定。梳理前人針對學(xué)者學(xué)術(shù)產(chǎn)出的研究，相關(guān)概念有“科研績效”“學(xué)術(shù)影響力”“學(xué)術(shù)產(chǎn)出力”“學(xué)術(shù)力”等。這些研究主要針對論文數(shù)量及其被引用數(shù)據(jù)展開。也有部分學(xué)者開展關(guān)于專利產(chǎn)出的研究。在人工智能領(lǐng)域，技術(shù)研究與應(yīng)用深度融合，單從論文或者專利角度，都無法全面衡量該領(lǐng)域?qū)W者的整體學(xué)術(shù)產(chǎn)出力?；谌斯ぶ悄茴I(lǐng)域的特點，本研究的學(xué)術(shù)產(chǎn)出力是指學(xué)者在科研成果方面的綜合產(chǎn)出情況，包括論文的產(chǎn)出數(shù)量和專利的產(chǎn)出數(shù)量。

科研人員的科研產(chǎn)出效率是由學(xué)者的主觀能動性驅(qū)動的，外界“氛圍”通過影響主觀能動性來加以控制，從而影響其科研創(chuàng)新的產(chǎn)出效率[3]。外界“氛圍”主要包括科研環(huán)境、評價機制、社會因素等影響科研人員成長發(fā)展的客觀因素，如宏觀政策、社會風(fēng)氣、科技評價制度、團隊建設(shè)與氛圍等。代表性研究是Bland等[4]提出的學(xué)術(shù)產(chǎn)出分析框架，其認為個人特質(zhì)是通過特定組織環(huán)境影響學(xué)術(shù)產(chǎn)出的。在現(xiàn)實工作中，物質(zhì)激勵、評價機制、社會價值觀等對學(xué)者的主觀能動性具有調(diào)節(jié)甚至顛覆性的影響。本課題組前期調(diào)研發(fā)現(xiàn)，對于科研人員來說，成就激勵和精神激勵遠遠超越于金錢等物質(zhì)激勵。因此，寬松良好的科研環(huán)境直接影響著科研人員的工作激情，包括組織和資源支持、團隊氛圍、個人自主權(quán)、人際關(guān)系等方面。組織創(chuàng)新環(huán)境越強烈，科研人員越容易表現(xiàn)出創(chuàng)新行為。自由寬松的、鼓勵冒險與試錯的創(chuàng)新氛圍是進行科研工作所必備的。和諧的團隊、研究的自主性以及多維的平臺資源都能激發(fā)科研人員的創(chuàng)新工作熱情。良好的科研生態(tài)環(huán)境會極大地促進科研人員的學(xué)術(shù)產(chǎn)出，相反，不良的生態(tài)環(huán)境會對其成長和發(fā)展造成負面影響，進而抑制學(xué)術(shù)產(chǎn)出。

前人針對學(xué)者科研產(chǎn)出的影響因素展開了諸多研究。過去大量對學(xué)術(shù)產(chǎn)出的研究都比較關(guān)注個人層面的因素，包括性別[5]、家庭環(huán)境[6]、年齡[6]、職稱[6]、行政職務(wù)[7]、留學(xué)經(jīng)歷[8]、師承關(guān)系[9]、國際流動[10]、合作網(wǎng)絡(luò)[11-12]等。隨著組織和環(huán)境對科技人才產(chǎn)出的影響逐漸加大，近些年來很多研究都將個人的學(xué)術(shù)產(chǎn)出放到特定的環(huán)境背景下進行分析，包括科研工作環(huán)境[13]、評價機制[13]、產(chǎn)業(yè)發(fā)展[14]、激勵機制[14]等。張光磊等[15]提出，在分析高等學(xué)?？蒲泄ぷ髡叩难芯砍晒麜r，要注意其作為社會一員，若占據(jù)更高的社會地位與角色，則可獲得更多、更好的社會資本，從而有助于實現(xiàn)自己的科研目標。周霞等[16]在研究中發(fā)現(xiàn)，社會資本會提高學(xué)者的科研產(chǎn)出數(shù)量。合理的激勵機制也有利于提高學(xué)者整個學(xué)術(shù)生涯的科研產(chǎn)出力[17]。Fursov等[18]的研究發(fā)現(xiàn)，為學(xué)者提供更多的交流、合作和成長機會是提高其科研產(chǎn)出力的關(guān)鍵。Kennedy等[19]通過追蹤訪談的方式探究了圖書館員高效產(chǎn)出的影響因素，其中，積極的研究環(huán)境、機構(gòu)對研究的支持以及相應(yīng)的激勵措施都有重要的影響。通過前人的研究發(fā)現(xiàn)，一流的教學(xué)科研設(shè)施、充裕的科研基金、優(yōu)越的物質(zhì)生活條件和創(chuàng)新的單位文化都是激發(fā)科技人才創(chuàng)新能動性的直接影響條件。

由此可見，開放的科研生態(tài)系統(tǒng)環(huán)境中，科研人員的成長與發(fā)展具有一定的自選擇性和自組織性，從而呈現(xiàn)一定的分布規(guī)律。在前人的研究中，基于城市/區(qū)域的科技人才分布研究較多，包括院士[20]、杰青[21]、高層次人才[22]等不同類型的人群。劉先紅[23]在研究中發(fā)現(xiàn)，北京、上海、江蘇、廣東是我國科研人員主要的聚集中心。王運紅等[24]也指出，高成長性青年科技人才大部分集中在高校和研究機構(gòu)云集的地區(qū)。除城市經(jīng)濟發(fā)展水平的影響外，機構(gòu)的綜合學(xué)術(shù)水平也影響著科研人員的選擇與分布。至今還未有學(xué)者研究城市與機構(gòu)的相互影響下，科研人員學(xué)術(shù)產(chǎn)出力的分布情況，因此本研究探討城市-大學(xué)群視角下科研人員的學(xué)術(shù)產(chǎn)出力分布規(guī)律。

3 數(shù)據(jù)與方法

3.1 數(shù)據(jù)來源

隨著人工智能（artificial intelligence，AI）理論探索、技術(shù)研發(fā)和產(chǎn)業(yè)化創(chuàng)新應(yīng)用的不斷加速，加快高影響力AI人才培養(yǎng)已經(jīng)成為中國人工智能發(fā)展面臨的緊迫需求。為此，中國高校先后成立人工智能教學(xué)與研究機構(gòu)，旨在培養(yǎng)并輸出人工智能領(lǐng)域研究型人才。因此，本研究以人工智能領(lǐng)域被Web of Science核心合集收錄的2010—2019年中國高被引論文的中國作者（2600名）為樣本開展研究。

本研究收集了人工智能領(lǐng)域2010—2019年高被引（被引頻次在前10%）論文12947篇，對其作者數(shù)據(jù)進行提取和消歧，并通過數(shù)據(jù)挖掘等信息技術(shù)從機構(gòu)官方網(wǎng)站、百度百科等獲取學(xué)者基礎(chǔ)信息；從Web of Science和中國知網(wǎng)抽取學(xué)者發(fā)表論文的數(shù)據(jù)；從國家知識產(chǎn)權(quán)局專利檢索及分析網(wǎng)（Pat‐ent Search and Analysis）和國家科技圖書文獻中心（National Science and Technology Library，NSTL）抽取學(xué)者發(fā)明專利的數(shù)據(jù)；通過科技部、教育部、國家自然科學(xué)基金、國家社會科學(xué)基金以及地方科技廳和教育廳的官方網(wǎng)站獲取學(xué)者承擔項目的信息。通過學(xué)者所在機構(gòu)、合作關(guān)系等信息進行論文數(shù)據(jù)和專利數(shù)據(jù)的消歧清洗工作。

3.2 研究方法

本研究基于樣本群體的基礎(chǔ)數(shù)據(jù)、論文數(shù)據(jù)和專利數(shù)據(jù)等開展高被引論文作者在城市-大學(xué)群學(xué)術(shù)產(chǎn)出力的分布規(guī)律研究，包括在不同層次大學(xué)的分布規(guī)律、在不同層次城市-大學(xué)群的分布規(guī)律，以及城市-大學(xué)群對學(xué)術(shù)產(chǎn)出力的雙重影響三個方面。在本研究中，學(xué)術(shù)產(chǎn)出力是指科技成果產(chǎn)出的綜合情況，包括學(xué)者發(fā)表的科技論文數(shù)量和申請的專利有效數(shù)量。具體研究設(shè)計如圖1所示。本研究采用熵值法計算基于論文數(shù)據(jù)和專利數(shù)據(jù)的綜合學(xué)術(shù)產(chǎn)出力，采用擬合分析、可視化分析等統(tǒng)計學(xué)方法探究群體學(xué)術(shù)產(chǎn)出力的分布規(guī)律，采用傾向值匹配法分析排除干擾變量后城市-大學(xué)群對學(xué)術(shù)產(chǎn)出力的影響。

圖1 技術(shù)路線

本研究的自變量為城市-大學(xué)群，包括兩個維度，一是工作城市，二是工作單位。其中，工作城市根據(jù)經(jīng)濟發(fā)展水平可以劃分為一線城市、新一線城市和其他城市，一線城市和新一線城市根據(jù)“第一財經(jīng)”公布的《2020城市商業(yè)魅力排行榜》①https://baike.baidu.com/item/%E6%96%B0%E4%B8%80%E7%BA%BF%E5%9F%8E%E5%B8%82/12703052?fr=aladdin的一線城市名單來確定。工作單位根據(jù)大學(xué)的綜合科研水平分為“雙一流”大學(xué)②根據(jù)2017年教育部、財政部、國家發(fā)展改革委聯(lián)合發(fā)布的世界一流大學(xué)建設(shè)高校名單確定（http://www.gov.cn/xinwen/2017-09/21/con‐tent_5226572.htm）。、“一流”大學(xué)和其他?；煜兞堪ǜ弑灰撐淖髡叩哪挲g、性別、職稱、榮譽、承擔項目數(shù)5項。因變量為學(xué)術(shù)產(chǎn)出，包括高被引論文作者的論文產(chǎn)出和專利產(chǎn)出兩個部分。利用熵值法確定論文產(chǎn)出和專利產(chǎn)出的權(quán)重，計算最終的學(xué)術(shù)產(chǎn)出分值。

3.2.1 傾向值匹配法

科技人才的科研能力往往都是多種因素綜合作用的結(jié)果，因素內(nèi)部有較強的共線性，如學(xué)者的年齡和職稱、學(xué)者的畢業(yè)學(xué)校和師承關(guān)系、學(xué)者的留學(xué)經(jīng)歷和國際合作網(wǎng)絡(luò)等。本研究需要考慮排除其他因素對研究結(jié)果帶來的影響，因此引入傾向值匹配法[25]。

傾向值匹配是一種消除非隨機數(shù)據(jù)的選擇偏差的數(shù)據(jù)處理方法[26]。在本研究中，存在很多其他變量（職稱、項目、榮譽等）混淆工作環(huán)境和學(xué)術(shù)產(chǎn)出之間的關(guān)系，僅使用回歸分析很難直接探索兩者之間的“凈效果”[27]。因此，本研究建立logistic回歸模型，計算所有混淆變量產(chǎn)生的預(yù)測個體受到自變量影響的概率（傾向值），通過控制傾向值來遏制選擇性誤差對研究結(jié)論的影響，從而保證結(jié)論的可靠性。

本研究的假設(shè)是，在一線城市的“雙一流”大學(xué)工作的科研人員有更高的學(xué)術(shù)產(chǎn)出。研究對象是在一線城市的“雙一流”大學(xué)工作的科研人員，這些人員的學(xué)術(shù)產(chǎn)出是可以被記錄和觀察的。城市-大學(xué)群與學(xué)術(shù)產(chǎn)出的因果關(guān)系可以表示為

其中，T表示因果關(guān)系；π表示研究對象中實驗組的科研人員的占比，1-π表示對照組的科研人員的占比；w表示研究對象的分組，w=1代表實驗組，w=0代表對照組；Y1表示實驗組的學(xué)術(shù)產(chǎn)出數(shù)值，Y0表示對照組的學(xué)術(shù)產(chǎn)出數(shù)值；E表示該群組的平均值。

在公式(1)中，可以觀察到的結(jié)果只有E(Y1|w=1)和E(Y0|w=0)，E(Y1|w=0)和E(Y0|w=1)都是不可觀察的。為簡化公式(1)，提出“非混淆假設(shè)”，即假設(shè)

在此假設(shè)下，公示(1)可以簡化為

在實際調(diào)查中獲取的數(shù)據(jù)很難滿足“非混淆假設(shè)”。為了滿足“非混淆假設(shè)”，需要盡可能控制混淆變量，并保證控制w近似地與Y1和Y0保持獨立，因此引入傾向值匹配法，將所有的混淆變量通過logistic回歸總結(jié)成特定的傾向值P。通過控制P值，近似滿足“非混淆假設(shè)”，即

3.2.2 熵權(quán)法

本研究采用客觀賦權(quán)的熵權(quán)法來確定論文和專利產(chǎn)出的權(quán)重。

（1）對指標進行標準化處理，

其中，Xij表示第i名高被引論文作者第j項指標的數(shù)值；max[Xj]表示該指標序列的最大值，min[Xj]表示該指標序列的最小值；X'ij表示第i名高被引論文作者第j項指標標準化后的數(shù)值。

（2）計算指標的信息熵Ej，

（3）計算權(quán)重Wj，

在通過熵權(quán)法確定高被引論文作者學(xué)術(shù)產(chǎn)出的計算中，論文權(quán)重為0.3，專利權(quán)重為0.7。

（4）計算每位學(xué)者的綜合學(xué)術(shù)產(chǎn)出分值Si，

4 高被引論文作者學(xué)術(shù)產(chǎn)出力分布規(guī)律

4.1 高校排名與其擁有高被引論文作者數(shù)量的關(guān)系

本研究根據(jù)2010—2019年的SCI論文被引總量對全國高校進行了學(xué)術(shù)產(chǎn)出排名。結(jié)合大學(xué)擁有高被引論文作者的數(shù)量和所在大學(xué)的排名，研究了高被引論文作者在高校的分布情況（圖2）。2600名高被引論文作者中，分布在排名前100名高校的有2036人，占總?cè)藬?shù)的78.31%；分布在排名101～200名高校的有343人，占總?cè)藬?shù)的13.19%；分布在排名201～400名高校的有176人，占總?cè)藬?shù)的6.77%；分布在401名及以后高校的學(xué)者僅有44人。

圖2 高被引論文作者學(xué)術(shù)產(chǎn)出力在不同排名高校的分布情況

由圖2可以看出，高校排名與其擁有高被引論文作者數(shù)量滿足a=-12.98的冪函數(shù)分布規(guī)律，擬合系數(shù)R2約為0.6。隨著高校排名的增加，高被引論文作者數(shù)量呈現(xiàn)指數(shù)下降的趨勢。由此可見，高被引論文作者主要集中在排名靠前的高校中。

4.2 高被引論文作者的學(xué)術(shù)產(chǎn)出力在城市-大學(xué)群中的分布

根據(jù)城市的經(jīng)濟水平將城市劃分為一線城市、新一線城市和其他城市，根據(jù)教育部公布的高校建設(shè)名單將高校劃分為“雙一流”高校（一流建設(shè)高校和一流建設(shè)學(xué)科）、“一流”高校（一流建設(shè)學(xué)科）和其他高校。不同經(jīng)濟發(fā)展水平的城市和不同建設(shè)水平的高校構(gòu)成了不同層次的城市-大學(xué)群。

所有城市-大學(xué)群中，高被引論文作者的學(xué)術(shù)產(chǎn)出力整體呈現(xiàn)偏態(tài)分布（圖3），其學(xué)術(shù)產(chǎn)出力平均值均低于8。由圖3可以明顯看出，超過20分的作者數(shù)量明顯降低。一線城市“雙一流”高校高被引論文作者的平均值為7.97，為所有城市-大學(xué)群中的最高值；Q1分位點為3.52，Q3分位點為11.14，均高于其他類型的城市-大學(xué)群。由此可以看出，在該城市-大學(xué)群的學(xué)者整體學(xué)術(shù)產(chǎn)出水平要高于其他城市-大學(xué)群。其他城市-其他高校高被引論文作者的平均值為3.96，Q1分位點為1.32，Q3分為點為5.25，均為所有城市-大學(xué)群中的最低值。由此可見，在該城市-大學(xué)群的學(xué)者整體學(xué)術(shù)水平偏低。

圖3 高被引論文作者在不同城市-大學(xué)群中的分布

在“雙一流”高校中，一線城市的學(xué)術(shù)產(chǎn)出力平均值為7.97；在其他高校中，一線城市的學(xué)術(shù)產(chǎn)出力為5.25；兩者均高于同類型高校中新一線城市和其他城市的學(xué)術(shù)產(chǎn)出力。在“一流”高校中，新一線城市的學(xué)術(shù)產(chǎn)出力為6.42，高于同類型高校中一線城市和其他城市的學(xué)術(shù)產(chǎn)出力。由此可見，與“雙一流”高校和其他高校不同，“一流”高校的高被引論文作者在新一線城市的學(xué)術(shù)產(chǎn)出力更高。

結(jié)合圖3和表1可以發(fā)現(xiàn)，層次較高的城市-大學(xué)群高被引論文作者的學(xué)術(shù)產(chǎn)出力分布離散程度較高，其論文作者之間學(xué)術(shù)產(chǎn)出力的差距較大。對比四分位差可以看出，一線城市“雙一流”高校論文作者的學(xué)術(shù)產(chǎn)出力差異性最大，其次是新一線城市的“雙一流”高校。層次較高的城市-大學(xué)群中，雖然大部分作者的學(xué)術(shù)產(chǎn)出力集中在6～10，但是不乏有能力相當突出的佼佼者，拉高了整體的學(xué)術(shù)產(chǎn)出力水平。在層次較低的城市-大學(xué)群中，論文作者的學(xué)術(shù)產(chǎn)出力離散程度不高，主要集中在4～5。在層次較低的城市-大學(xué)群中，科研佼佼者相對較少，大部分學(xué)者的科研產(chǎn)出能力都比較均衡，沒有學(xué)術(shù)產(chǎn)出力超過30分的論文作者。

表1 不同城市-大學(xué)群中高被引論文作者的學(xué)術(shù)產(chǎn)出力

5 城市-大學(xué)群對高被引論文作者學(xué)術(shù)產(chǎn)出力的影響

影響論文作者學(xué)術(shù)產(chǎn)出力的因素有很多，包括年齡、職稱、榮譽、承擔項目數(shù)等。為了客觀分析城市經(jīng)濟水平和大學(xué)建設(shè)水平對其學(xué)術(shù)產(chǎn)出力的影響，本研究采用傾向值匹配法，排斥混淆變量對其學(xué)術(shù)產(chǎn)出力的影響，從而進一步探究不同層次城市-大學(xué)群對高被引論文作者學(xué)術(shù)產(chǎn)出的影響。

5.1 不同城市-大學(xué)群高被引論文作者學(xué)術(shù)產(chǎn)出差異性分析

為了進一步探究在消除學(xué)者自身因素的影響外，城市-大學(xué)群對學(xué)術(shù)產(chǎn)出的影響，通過傾向值匹配法對比分析了一線城市“雙一流”高校的高被引論文作者和在非一線城市或非“雙一流”高校工作的高被引論文作者的學(xué)術(shù)產(chǎn)出。傾向值匹配的平衡性檢驗結(jié)果表明（表2），所有協(xié)變量都將偏差降低至|10%|以內(nèi)，且“榮譽”“承擔項目數(shù)”兩個協(xié)變量對結(jié)果產(chǎn)出的影響不再顯著。可以看出，該方法有效降低了協(xié)變量對研究結(jié)果的干擾。

表2 平衡性檢驗

模型檢驗P值為0.000（表3），模型通過了一致性檢驗。由此可以看出，在排除年齡、性別、榮譽、技術(shù)職稱、承擔項目數(shù)等因素對學(xué)術(shù)產(chǎn)出的影響外，在一線城市“雙一流”高校工作的論文作者學(xué)術(shù)產(chǎn)出遠高于其他城市-大學(xué)群的論文作者。

表3 logistic回歸分析結(jié)果

5.2 城市經(jīng)濟水平與大學(xué)學(xué)術(shù)水平對學(xué)術(shù)產(chǎn)出的雙重影響

為了進一步分析城市經(jīng)濟水平和高校建設(shè)水平對論文作者學(xué)術(shù)產(chǎn)出的交叉影響，本研究分別展開了不同城市-大學(xué)群論文作者學(xué)術(shù)產(chǎn)出的對比分析。為了選擇具有代表性的城市-大學(xué)群進行對比分析，將城市-大學(xué)群分為如表4所示的四組，分析結(jié)果如表5所示。

表4 城市-大學(xué)群分組

實驗組與A組、A組與C組、B組與C組的對比分析模型P值均為0.000，具有顯著性差異；實驗組與B組的對比分析模型P值為0.1222，無顯著性差異。一線城市或“雙一流”高校的作者的學(xué)術(shù)產(chǎn)出顯著高于既不在一線城市也不在“雙一流”高校的作者；一線城市“雙一流”高校的作者的學(xué)術(shù)產(chǎn)出顯著高于一線城市非“雙一流”高校的作者，但是與非一線城市“雙一流”大學(xué)的作者無顯著性差異。同為一線城市，機構(gòu)發(fā)展對作者的學(xué)術(shù)產(chǎn)出有顯著性影響；同為“雙一流”機構(gòu)，城市發(fā)展對作者的學(xué)術(shù)產(chǎn)出無顯著性影響。

相較于城市發(fā)展水平的影響，機構(gòu)發(fā)展水平對學(xué)者學(xué)術(shù)產(chǎn)出的影響更大。結(jié)合表5可以看出，當城市發(fā)展（B組和C組的對比）和大學(xué)發(fā)展（A組和C組的對比）都相對較低的時候，兩者對高被引論文作者的學(xué)術(shù)產(chǎn)出均有顯著性影響。但是當機構(gòu)發(fā)展到較高水平后（實驗組與B組），城市發(fā)展水平對高被引論文作者學(xué)術(shù)產(chǎn)出的影響就降低了。相反，即使在發(fā)展較好的城市，機構(gòu)的發(fā)展水平對高被引論文作者的學(xué)術(shù)產(chǎn)出影響依然顯著（實驗組與A組）。

表5 不同城市-大學(xué)群論文作者學(xué)術(shù)產(chǎn)出對比分析

6 討論

高被引論文作者主要集中在排名靠前的高校中。高校排名與其擁有高被引論文作者數(shù)量滿足a為負數(shù)的冪函數(shù)分布規(guī)律。隨著高校排名的提升，高被引論文作者數(shù)量呈現(xiàn)指數(shù)下降的趨勢。在中國，人工智能領(lǐng)域人才主要集中在國家重點扶持發(fā)展人工智能產(chǎn)業(yè)的城市和擁有人工智能專業(yè)研究高校較多的城市。工業(yè)和信息化部《人工智能產(chǎn)業(yè)人才發(fā)展報告（2019—2020年版）》中提到，京津冀地區(qū)、長三角地區(qū)、粵港澳大灣區(qū)和川渝地區(qū)是人工智能產(chǎn)業(yè)人才資源的主要聚焦地，人才需求規(guī)模占全國總需求的90.9%，人才供給規(guī)模占全國總供給的82.9%[28]。Scott等[29]的研究表明，處于增長中心的高新技術(shù)會形成巨大的人才集聚輻射力，從而使社會不同要素之間的作用更加強烈。層次較高的城市-大學(xué)群擁有豐富的科研資源和設(shè)備，周圍聚集著大量的高新技術(shù)企業(yè)，從而進一步吸引人才集聚，形成人才創(chuàng)新高地。

從作者的學(xué)術(shù)產(chǎn)出力分布來看，不同城市-大學(xué)群的高被引論文作者在學(xué)術(shù)產(chǎn)出上具有一定的差異性。層次較高的城市-大學(xué)群的學(xué)術(shù)產(chǎn)出力明顯高于層次較低的。在相同經(jīng)濟發(fā)展水平的城市中，“雙一流”高校的學(xué)術(shù)產(chǎn)出力平均值最高；“雙一流”高校作為城市發(fā)展重點建設(shè)對象，必然會被給予一定的政策扶持和項目資助，這些會助力“雙一流”高校更上一個臺階。在“雙一流”和其他高校中，一線城市的學(xué)術(shù)產(chǎn)出力平均值最高；在“一流”高校中，新一線城市的學(xué)術(shù)產(chǎn)出力最高。由此可見，“一流”高校的高被引論文作者在新一線城市發(fā)展最好。我國“雙一流”高校主要集中在一線城市，由于城市資源有限，競爭對手過于強大，“一流”高校在一線城市的發(fā)展會受到相應(yīng)限制。相反在新一線城市，城市的經(jīng)濟發(fā)展水平較高，“雙一流”高校數(shù)量不多，城市建設(shè)也會更加注重對“一流”高校的扶持，從而更大地激發(fā)了其作者的學(xué)術(shù)產(chǎn)出力。與此同時，隨著新一線城市的崛起，優(yōu)越的引進條件吸引了大量的科研人員[30]，根據(jù)清華恒大研究院和智聯(lián)招聘發(fā)布的《2020中國城市人才吸引力排名》，杭州、南京、重慶等新一線城市的人才凈流入占比呈上升趨勢[31]。

層次較高的城市-大學(xué)群的高被引論文作者學(xué)術(shù)產(chǎn)出力離散程度較大。人工智能領(lǐng)域頂尖的高被引論文作者都集中在層次較高的城市-大學(xué)群中，在拉高整體學(xué)術(shù)產(chǎn)出水平的同時，也拉大了群體內(nèi)部的離散性。在層次較低的城市-大學(xué)群，高被引論文作者的整體學(xué)術(shù)產(chǎn)出力相對較低，且沒有特別突出。

進一步分析發(fā)現(xiàn)，大學(xué)發(fā)展水平對學(xué)術(shù)產(chǎn)出的影響高于城市發(fā)展水平。王若宇等[32]在研究中發(fā)現(xiàn)，隨著高?？蒲腥瞬诺某砷L，經(jīng)濟因素對高?？蒲腥瞬诺挠绊懽饔脺p弱，但公共服務(wù)水平影響作用增強。在城市發(fā)達程度較低的情況下，不同城市之間人才科研產(chǎn)出存在明顯差異，但是隨著城市達到一定發(fā)展水平，其差異會逐漸減弱甚至消失。由此可見，經(jīng)濟因素對科技人才的發(fā)展或成長的影響呈現(xiàn)先增強后減弱的趨勢。在中國，一線城市更具有從事科學(xué)研究的優(yōu)越性，主要是這些城市經(jīng)濟發(fā)達，政府提供了更多的政策和項目扶持，不僅給予了科研人員更多研究和成長的機會與平臺，還吸引了更多其他城市的優(yōu)秀人才。張寶生等[33]在研究中也發(fā)現(xiàn)，北京、上海、江蘇和廣東等經(jīng)濟發(fā)達省份有充足的人均科研經(jīng)費保障，對研發(fā)人員的基礎(chǔ)研究產(chǎn)出有較強的促進作用。城市的自身經(jīng)濟活力是中國人才流動的主要誘因，人才的流入進一步增強了城市的經(jīng)濟活力和持續(xù)發(fā)展能力[34]。

大學(xué)的優(yōu)質(zhì)平臺會彌補城市經(jīng)濟水平對科研人員學(xué)術(shù)產(chǎn)出造成的差異性影響。相較于非“雙一流”大學(xué)，“雙一流”大學(xué)的科研人員在不同城市間的學(xué)術(shù)產(chǎn)出差異不明顯?！半p一流”高校的定位是建設(shè)具有世界競爭力的綜合性大學(xué)，全面提升人才培養(yǎng)水平和創(chuàng)新能力，擁有先進的科研設(shè)施和較完善的科研評價體系，注重培養(yǎng)綜合性研究人才。在其中任教的學(xué)者，其學(xué)術(shù)水平和創(chuàng)新能力也相對較高，這就是水漲船高的升值效應(yīng)[35]。無論國家還是地方，都會給予優(yōu)質(zhì)的資金項目扶持。因此，即使處于非一線城市，這類人員也會有長足的發(fā)展平臺和機會；相反，對于非“雙一流”高校的科研人員，城市的發(fā)展水平對其科研產(chǎn)出的影響就顯得很重要。

7 結(jié)語

在城市-大學(xué)群發(fā)展建設(shè)過程中，應(yīng)注意資源合理分配利用，避免馬太效應(yīng)的出現(xiàn)。每個城市的資源是有限的，如何均衡分配到不同層次的大學(xué)中是值得思考的?？梢钥吹剑半p一流”大學(xué)的科研人員，從國家到地方政府都給予了很多扶持；反觀普通大學(xué)的科研人員，資源較匱乏，不僅加大了內(nèi)部競爭，還會造成人才流失，甚至出現(xiàn)劣幣驅(qū)逐良幣的現(xiàn)象。

人才是科技創(chuàng)新的主力軍，為科技人才提供良好的創(chuàng)新生態(tài)環(huán)境，發(fā)揮科技人才的主觀能動性，最大程度激發(fā)其創(chuàng)新活力，是每個城市和大學(xué)都應(yīng)該思考的問題。在中國人工智能產(chǎn)業(yè)發(fā)展中，不同的城市和大學(xué)都有其各自的優(yōu)勢與定位，要充分利用自身優(yōu)勢，做好人才管理服務(wù)工作，提升人才服務(wù)社會化水平；打造跨地區(qū)創(chuàng)新合作網(wǎng)絡(luò)，鼓勵一線城市和新一線城市為周邊城市的產(chǎn)業(yè)發(fā)展提供基礎(chǔ)設(shè)施、資金、人才支持；支持高校、科研院所、社區(qū)學(xué)院、職業(yè)機構(gòu)等聯(lián)合打造開放式科研創(chuàng)新平臺，發(fā)揮不同機構(gòu)人才的特長，開展產(chǎn)學(xué)研協(xié)同創(chuàng)新，合力推進關(guān)鍵核心技術(shù)攻關(guān)。