新冠疫情对科技创新和合作的影响

新冠疫情对科技创新和合作的影响

步一,柳美君,Ying Ding

在1636年的大瘟疫期间,牛顿为其开创性的工作奠定了基础,从而深远地影响了经典物理学和许多其他领域。在2020年的新冠疫情背景下,我们对牛顿的经历被我们喜闻乐见。在疫情期间,科学家们是否会像牛顿一样产生更加新颖的结果?科学的新颖性会推进知识前沿的发展,并推动技术创新的产生。科学的关键问题之一是科学创新如何起源和发展。在新冠疫情的推动下,一个特别值得关注的问题是在非常规的科学环境和意外危机中,科学创新将如何演变。在新冠疫情期间,攻克病毒、完成恢复的关键在于找到创新和有效的解决方案,因此科学创新的重要性变得愈发突出。

—在1636年的大瘟疫期间,牛顿为其开创性的工作奠定了基础,在疫情期间,科学家们是否会像牛顿一样产生更加新颖的结果?—

许多研究聚焦于COVID-19对科学家各方面的不利影响,比如对科学家创新能力的抑制。然而,也有观点认为,“危机就是转机”,由于迫切需要快速解决前所未有的挑战和层出不穷的新问题,因此危机可能成为创新的驱动力。

 

新冠疫情期间科学创新的演变

在COVID-19期间,科学新颖性的演变可能伴随着其影响因素的变化,特别是与合作有关的因素,因为团队在知识生产中占主导地位。科学家可以通过两个渠道扩大他们可以获得的资源范围(如知识、数据和专长),以产生新颖的想法:即首次合作和国际合作。

首次合作表示两个过去从未合作过的作者之间的合作,这样科学家就在他们现有的合作网络之外建立了合作。首次合作增加了团队的新鲜感,促进了科学家的广泛接触,并有助于获得更多互补的学术资源。

国际合作可以跨越国界获得用于研究的技能、知识和其他资源。国际合作在两个相反的方向上影响着科学的新颖性。一方面,国际网络的影响力扩大了团队的“搜索空间”,从而产出更多新奇的想法,这有利于科学的新颖性。此外,国际合作造成的多样性和跨文化差异可能有助于提高创造力和高影响力。然而,由于较高的交易成本、沟通障碍和受众效应,国际合作也可能会阻碍新颖性。

 

尽管研究人员指出了阻碍国际合作和首次合作的各种障碍,但由于资源的限制和对疾病的新型解决方案的迫切需要,我们预计这两种类型的合作在大流行期间可能会增加。为了从资源搜索的角度研究科学新颖性变化的可能机制,我们提出一个问题。

 

在COVID-19期间,首次合作和国际合作是如何演变的?

 

上述讨论表明,首次合作/国际合作与科学新颖性之间存在着潜在的联系,而它们的关系在COVID-19期间是否被打乱仍不清楚。因此,我们提出第三个问题如下:

 

在COVID-19期间,首次合作或国际合作与科学新颖性之间的关系是否与正常时期不同?

 

我们重点关注冠状病毒相关领域,因为该领域的科学家受新冠肺炎疫情的影响最大,这使我们能够捕捉到新冠肺炎疫情的直接影响。我们遵循长期以来的组合新颖性的传统,根据前面的知识成分的不寻常组合来衡量新颖性。生物实体(如基因、疾病和蛋白质)构成了生物医学领域的基本知识单位,因此我们用生物实体来表示冠状病毒相关论文中的知识要素。我们应用了一种尖端的词嵌入技术,即BioBERT。

 

为了解决研究问题,基于98,981篇冠状病毒论文,我们将新冠肺炎疫情的爆发作为一个自然实验,并使用双重差分法(DID)来探索科学新颖性、首次合作和国际合作在2018年1月至2020年12月的演变情况。

 

我们的结果显示,在新冠肺炎疫情爆发后的初期,科学的新颖性急剧增加,这表明科学家努力尝试对现有知识进行新的重新组合,以对抗这种全球大流行病。在从事冠状病毒研究的科学团队中,首次合作(即团队成员之间没有合作)的比例增加,而国际合作论文的比例急剧下降。在新冠肺炎疫情之前的时期,首次合作与论文的新颖性得分显著负相关,而在大流行期间这种关系与论文的新颖性显著正相关。我们发现,在大流行期间,国际合作的论文和其对应的论文在新颖性得分上没有明显的差异。

 

随着全球化的迅速发展和经济、社会、政治和环境问题的日益复杂化,传统的正常科学观念,即假设研究系统的运行具有制度上的稳定性,已经不足以解决科学界的问题或难题。地方甚至全球的研究系统可能会立即受到外生和意外事件的影响。这项研究提供了证据,说明在大流行病期间,科学的进展与正常科学时期是不同的。

 

本篇文章的参考原文:Liu, M., Bu, Y., Chen, C., Xu, J., Li, D., Leng, Y., … & Ding, Y. (2021). Pandemics are catalysts of scientific novelty: Evidence from COVID-19. Journal of the Association for Information Science and Technology, 1– 14. https://doi.org/10.1002/asi.24612

 

作者介绍

柳美君是复旦大学全球公共政策研究院的青年副研究员。在加入复旦大学之前,她曾在哈佛大学经济系担任研究助理,并在西北大学科学与创新中心、西北复杂系统研究所和凯洛格管理学院担任访问研究员。她的研究主要从团队科学和科技政策的角度聚焦于科学和创新。她主要关注科学家的合作与流动如何影响科研绩效、团队成功以及地区创新。研究主要基于大数据分析、高级计量经济学方法以及数据挖掘方法。她主持国家自然科学基金青年基金、上海市社科规划课题、上海市“科技创新行动计划”软科学重点项目、上海市“科技创新行动计划”软科学研究项目和上海市浦江人才基金等。

 

步一是北京大学信息管理系助理教授,国际信息科学与技术学会科技情报专委会主席,中国科学技术情报学会情报研究与信息咨询专业委员会委员,中国科学学与科技政策研究会全国科学计量学与信息计量学专委会委员,中国图书馆学会图书馆统计与评价专业组成员,入选第七届中国科协青年人才托举工程。曾在美国西北大学凯洛格商学院、复杂系统研究中心和科学学与创新中心担任研究员,美国华盛顿大学信息学院、荷兰莱顿大学科学技术研究中心访问学者。北京大学管理学学士,美国印第安纳大学理学硕士、信息学博士。从事信息计量学、科学评价和学术大数据及其应用等相关研究,具体研究方向包括科学合作的时序特征、引文影响力评估和科学知识图谱绘制等。担任Annual Review of Information Science and Technology、Humanities and Social Sciences Communications、Journal of Information Science等期刊编委以及六十余个国内外期刊会议的审稿人。主持国家自然科学基金青年项目、教育部人文社会科学研究青年基金项目等。

 

Ying Ding德州大学奥斯汀分校信息学院的Bill & Lewis Suit教授。她参与了美国国立卫生研究院、国家科学基金会和欧盟资助的各种项目。她在期刊、会议和研讨会上发表了240多篇论文,并担任了200多个国际会议的程序委员会成员。她是Morgan & Claypool出版社出版的《语义网综合(Semantic Web Synthesis)》系列丛书的联合编辑,是麻省理工学院出版社和中国科学院出版的《数据智能(Data Intelligence)》的联合主编,并担任信息科学和语义网领域若干顶级期刊的编委。她是Data2Discovery公司的联合创始人,该公司致力于推动药物发现和医疗保健领域的前沿AI技术。她目前的研究兴趣包括数据驱动的科学、人工智能在医疗领域的应用、语义网、知识图谱、数据科学、学术交流以及网络技术的应用。

 

本文引用格式:Liu, M., Bu, Y., & Ding, Y. (2022, August 15). The effects of COVID-19 on scientific novelty and collaboration. Information Matters. Vol.2, Issue 8. https://informationmatters.org/2022/08/新冠疫情对科技创新和合作的影响

Authors

  • I am doing research in the application aspect of big data analytics, with a particular focus on scholarly data mining. Specifically, my research endeavors to elucidate the process of knowledge diffusion (e.g., differences between knowledge diffusion of interdisciplinary and unidisciplinary publications), the analysis of scholarly networks and their variants (e.g., co-citation, bibliographic coupling, and some hybrid networks), and bibliometric indicators for research assessment (e.g., citation-based impact indicators). I aim to understand the social dimensions of the global scientific ecosystem by leveraging massive datasets, computational techniques, and social theories.

  • Dr. Chang Liu is an associate professor in the Department of Information Management, Peking University. She obtained a PhD in Library and Information Science from Rutgers, The State University of New Jersey in USA. Her research lies in Information Behavior, Interactive Information Retrieval, Personalization of Information Retrieval, and recently, she has been working on Search as Learning. She has published more than 100 articles in academic journals and conferences in Library and Information Science and information retrieval in either English or Chinese, including key journals: JASIS&T, IP&M, JIS, FnTIR, ASIS&T, iConference, SIGIR, CHIIR, CIKM, JCDL, etc. Dr. Liu has been served on the Editorial Board of Information Processing & Management, Education for Information, and Information Matters.