科技人才的教育经历研究——以中国科学院杰出青年为例

张松涛，关忠诚

(中国科学院科技政策与管理科学研究所，北京 100190)

科技人才的教育经历研究
——以中国科学院杰出青年为例

张松涛，关忠诚

(中国科学院科技政策与管理科学研究所，北京 100190)

本文提出科技人才求学机构矩阵，用科技人才流动邻接矩阵表征科技人才在高校和科研机构间的流动。研究科技人才求学期间在不同类别高校之间的流动情况，发现不同高校的科技人才培养水平的层次。根据科技人才流动邻接矩阵，利用各省区的地理坐标数据将科技人才之间的流向与流量展现在地图上，呈现出不同省区市之间科技人才在求学期间的流动状况。

科技人才；教育经历；科研履历；杰出青年

当前研究对科技人才的流动研究较少关注求学阶段的流动，更多关注科研工作阶段在国际、区域和行业部门间的流动。科技人才在求学阶段和工作阶段流动情况的差异研究还相对较少。研究科技人才本科、硕士、博士求学机构分布特点的结论主要集中在:科技人才多数就读于重点高校、科研机构等。研究未将科技人才的流动趋势和实际效果更加直观地展现。更加直观地呈现各个机构、区域之间的人才流动还需要开展研究。

1 研究对象与方法

1.1 研究对象与数据采集

本文研究对象为中国科学院2005—2014年以中国科学院为依托单位的中国籍杰出青年，共计528名。通过依托单位网站和其他网络渠道获取相关履历信息，包括:姓名，出生年份，性别，获得资助年份，攻读本科、硕士、博士学位机构，毕业时间等。选出教育经历完整的杰出青年共324名作为本文的研究样本。

1.2 研究方法

研究科技人才教育经历和流动，需要建立科技人员履历 (Curriculum Vitae，CV)数据库。科技人才履历包括出生年份、籍贯、教育经历、科研经历、科研成果、职称职位变迁、所获奖项、基金资助及荣誉情况等信息。本文采用科研履历分析的研究方法。履历反映了科技人才职业生涯，履历分析代表了科技评价从产量范式向能力范式的转移[1]。科研履历的获取方便，在科研机构官网、科技文献数据库、科技报道均可获取履历信息。

2 求学机构与地域的分布与流动

2.1 求学机构与地域分布

矩阵是数学中横向和纵向排列的二维数表。将矩阵运用到科技人才教育经历的表征以及科技人才求学期间在高校或科研机构 (以下称机构)之间的流动，表达科技人才所属的机构、地域等信息要素。

从空间分布上来看，科技人才在求学阶段集聚到不同机构之中。本科求学机构矩阵A＝ (aij)n×k，硕士求学机构矩阵B＝ (bij)n×k，博士求学机构矩阵C＝ (cij)n×k。矩阵A见表1，每一行为科技人才，每一列为机构，矩阵B，C形式如矩阵A。

表1 本科求学机构矩阵

矩阵A，B，C为0～1矩阵，0表示未就读于该机构，1表示就读于该机构。对于矩阵D＝BA，其中的-1元素表示，该科技人才本科就读于此机构，但是硕士不在该机构就读。在D中元素1，表示该科技人才在该元素对应的机构就读，如果没有1或-1，只有0，则表示本科与硕士就读于同一所高校。同理可得矩阵B到矩阵C的变动矩阵E＝C-B。

研究科技人才区域分布时，可以建立地域矩阵:F＝ (fjk)k×m， 见表2。 其中， p1， l＝1，2，…，m。表示机构所处的区域。

表2 地域分布矩阵

定义:H＝A×F为科技人才本科求学地域分布矩阵。

矩阵H表征n个科技人才在m个区域的分布情况。矩阵H为0～1矩阵，0表示未在该区域求学，1表示在该区域求学。

2.2 科技人才机构与地域流动表达

(1)矩阵表达。研究科技人才流动就是实现某国家、区域、行业、部门、单位在科技人才储量测度以及流向监测的问题。科技人才流动研究都遵循以下概念模型，如图1所示。以机构间科技人才流动为例，A～F代表机构。

图1 科技人才在机构间流动的概念模型

邻接矩阵表示相邻节点的连接关系。邻接矩阵由于具有表征流动性特征，因此在研究中有很广的应用，以电网中能量流的研究为例，邻接矩阵得到了很多应用。Andrews和Li[2]用邻接矩阵表示了三叉树图的能量流动情况。Liu和Zhao[3]将改进的邻接矩阵乘法运用到配电网络潮流的计算中，改进了配电网络潮流的计算方法。

科技人才在求学阶段的流动具备:本科到硕士再到博士的求学依次递进的特点。可以采用邻接矩阵来表示科技人才从本科到博士求学阶段的流动状况，而求学的机构为相应的节点。以本科到硕士的求学过程为例，本科到硕士求学邻接矩阵R。

表3 本科到硕士求学邻接矩阵

矩阵R生成步骤如下:第一步，将矩阵R初始为0元素方阵。第二步，逐行检索矩阵D。当行中出现-1时，检索矩阵A该行中1元素所在列p，检索矩阵B中1元素，记住该列q。在矩阵R的第p行、第q列上的元素rpq上加1。当行中出现0时，检索矩阵A中1元素所在列p，同样地检索矩阵B中1元素所在列q。在矩阵R的第p行、第q列上的元素上rpq加1。第三步，对D矩阵逐行搜索完毕，得矩阵R。同理可得硕士到博士求学邻接矩阵S。

(2)地理表达。Furukawa等[4]根据流入和流出测度国家间和机构间科技人才的流动。人才流入与流出的差值表示科技人才数量，图2为科技人才国家间流动可视图。左图，坐标系横轴表示科技领域内该国科技人才流出数量，坐标系纵轴表示科技领域内该国的科技人才流入数量。坐标系中，不同颜色圆形表示不同的国家，大小表示科技领域内该国科技人才的数量。右图，左边红色部分表示以美国为中心的科技人才流入情况，右边蓝色部分表示以美国为中心的科技人才流出情况。

图2 机器人领域科技人才国际流动图

求学机构的变动不仅可以通过二维迁移的矩阵表达，也可以通过地理空间地图来展现。在地图上可以看出一个科技人才群体的整体迁移规律。可以通过将省区的地理位置转换成二维坐标，将各个省区的地理坐标分别投影到中国地图上实现省区的地图显示。根据矩阵数学表达的科技人才流动转化为科技人才在地理空间内的流动。本文参考和采用了现有的Excel Pro关于Excel功能实现方法。

2.3 中国科学院杰出青年求学期间的分布与流动

(1)机构分布与流动。以求学机构矩阵求出科技人才在机构间的流动邻接矩阵，表征科技人才在机构之间的流动。本文将求学机构划分为:非985高校、985高校、中国科学院和国外高校四类。中国科学院2014年开始招收本科生，硕士生源全部来自于全国其他高校。非985高校在科技人才流动中处于流出大于流入的地位，而在985高校也是流出大于流入，但差值不大。在攻读硕士的求学方面，杰出青年群体呈现国际化的求学趋势，出国留学的杰出青年数量开始增加。

不同高校毕业生毕业后流向不同，以北京大学和吉林大学为例。在北京大学本科毕业后分别流向北京大学、中国科学院、其他985高校、非985高校以及国外高校。北京大学等国内著名高校的本科生毕业后多数会选择在本校、中国科学院或国外著名高校攻读硕士。而选择去其他985高校或非985高校的比例较低。吉林大学本科毕业后继续在本校攻读硕士的占43%，去其他985高校占21%，非985高校占7%，中国科学院占29%。两类大学显著的差异就在于，吉林大学人才内部流动比较明显，北京大学人才外流比较明显。

(2)地域分布与流动。

国内分布与流动:从本科、硕士和博士求学的城市分布如表4所示。以北京市为例，从本科到博士，在北京求学的杰出青年人数不断增加，人才不断向北京集聚，表现出人才流入现象。以武汉市为例，从本科求学到博士求学，在武汉求学的杰出青年人数不断减少，人才不断从武汉发散向其他城市或到国外求学，表现出人才外流现象。北京和武汉在科技人才培养方面属于两种不同的人才培养层次。

表4 本科到博士阶段在国内城市求学杰出青年人数

从上海与各省区之间的人才求学迁移情况看，北京、上海属于人才净流入的地区，流入地主要分布在华北和中西部地区。

以北京为例，本科到硕士求学中从北京毕业后选择在青海、湖北、安徽、上海等省区继续攻硕，而硕士到博士求学中，从北京毕业选择在其他省区市读博主要集中在陕西和上海，人员流出的比例较低。从两个求学阶段的整体来看，北京都集聚和吸引了全国各地的优秀人才前来求学。

中国各地区经济社会发展不平衡，表现在科学技术领域就是科技人才的培养和流动方面也表现出一定的不平衡性和分层特征。从经济带角度，可以将中国划分为三大地区:东部沿海地区、中部内陆地区和西部边远地区。样本中杰出青年在求学阶段分布如表5所示，随着学历的不断上升，人才不断由中西部地区向东部沿海聚集，呈现出由经济欠发达地区向经济相对发达地区的流动。在科研和教育水平上，东部沿海地区较中部内陆地区和西部边远地区更高。

表5 杰出青年求学期间经济带的分布情况

国际分布与流动:从本科到硕士再到博士的整个高等教育求学过程中，海外求学人数不断增加。样本中，本科阶段有1名杰出青年在香港求学。在本科、硕士、博士阶段求学目的地国家或地区主要分布，如表6。

表6 杰出青年攻读硕士期间在香港和国外求学情况

硕士阶段在国外或香港求学的有10人，在求学方面开始走向国际化，美国是硕士留学的最多国家。博士阶段，美国仍然占据了最多的求学人数，其次是日本。博士阶段在国外或香港求学的人占到了64人 (见表7)。美国、日本、德国等国家或地区在科学技术、科研环境方面与中国相比都有较大的优势，中国在某些关键技术领域与这些国家还有很大差距。

中国各地区在科技人才培养方面水平很不均衡，与国际发达科技国家还有一定差距。东中西部分属人才培养的不同层次，人才普遍流向东部沿海较发达地区。国际流动方面，人才不断从东部流向国际发达经济、科技强国。

表7 杰出青年攻读博士期间在香港和国外地区求学情况

3 结论与政策建议

3.1 研究结论

(1)不同教育和科研水平的机构在人才教育方面处于不同层次。研究样本中，求学阶段非985高校的科技人才流出大于流入。985高校虽然也是流出大于流入，但是差值不大。非985高校在吸引和保留优秀人才方面与985工程高校和中国科学院相比处于劣势。不同高校培养的本科生在毕业后继续求学的流向有所不同。以北京大学和吉林大学为例，北京大学本科毕业生选择留在本校或中国科学院研究所攻读硕士的占了大多数，而流向其他国内高校的占20%左右，剩余的15%流向国外高校。吉林大学本科毕业生选择在本校继续攻读硕士的比例达到了北京大学的两倍。从在硕士阶段国外求学的人数情况可以看出，北京大学较吉林大学更具国际化的人才流动特点。

(2)求学期间的科技人才流动，国际、国内表现出不同规律。求学期间的科技人才流动，国际、国内表现出不同规律在国内，人才逐步向中东部转移，在国际上，人才逐步流向科技发达国家。

杰出青年本科就读高校主要分布在国内且大多集中在省会城市或直辖市。北京、上海等经济发达城市是杰出青年求学期间的主要分布地。经济、科研水平发达的城市不断有人才集聚。以经济带划分来看，在杰出青年早期求学阶段由中西部向东部沿海经济发达地区聚集。本文研究的杰出青年群体都存在一个求学阶段的整体流动趋势。

从硕士求学开始，呈现国际化求学的趋势。在博士阶段有20%以上在国外著名机构就读。主要分布在美国、日本、英国、德国等科技发达国家。以中国科学院为依托单位的杰出青年群体的流动呈现国际化特征。在国内逐渐集中在中国科学院以及著名国内985工程高校。在国际上逐步走向分散，流向国际主要科技发达国家。在地理分布上表现为科技人才从分散逐步走向集中，集中后又走向分散的特点。

3.2 政策建议

(1)不断提升人才培养和科研水平，畅通人才流动渠道。国内以清华大学、北京大学、中国科技大学等优秀的高等教育机构在吸引优秀科技人才求学方面取得了很高的成就。现在也存在一些科研实力相对薄弱的机构在人才培养和科研基础条件、实力上与高水平高校和科研机构有较大差距。在这些机构求学的科技人才的培养必须依靠机构自身水平提升与畅通人才后期培养渠道相结合。畅通科技人才流动渠道，让科技人才在更高层次的科技人才集聚地进行更高水平的科学研究和技术研发，为人才成长扎上翅膀。帮助科技人才可以选择适合自身发展的科研机构继续其学习和科研工作。给科技人才在升学方面提供更加全面的信息，使得科技人才可以在全面的信息下做出适合自身未来发展的决策。

(2)优化科研资源配置，加强国内高校、区域间交流，完善联合培养。东部沿海地区经济发展水平高、科研实力强，吸引大量科技人才前来求学、培养了一大批人才。西部边远地区和中西部地区在科技政策的制定和科研资源资助力度方面还有很大的发展空间。教育和科研投入可以不断提升本地区的科技创新水平和发展动力，需要制定更加科学合理的科技、教育扶持政策，注重科研资源的定向科学投入，培养优秀科技人才，服务本地区的经济社会发展。

缩小高校间的水平差距，不将高校985、211，一本和二本分层的科研和教育投入作为高校支持发展的模式。经费投入上应当更加公平，提高高校和科研机构的科研、教育整体水平。优化资源配置，使得在早期就读于科研、教育水平相对较低高校的科技人才获得更好的教育条件。

应当建立科研资源的投入与共享机制，使优秀科技人才可以共享不同机构、区域的教育和科研资源。采取创新的联合培养模式，让高校与高校、科研机构、区域间实现资源效能的最大化。有效遏制高校、区域科技创新实力分层严重的现象，促进高校、区域科技协调均衡发展，让科技人才在区域高校之间充分流动，为区域、国家创新发展提供人才储备和支撑。

(3)创新国际教育科研合作模式，积极开展国际科研合作与交流。中国当前培养出的博士在科研能力创新水平方面与西方科技强国之间存在差距，同时也说明了中国在人才培养方面的制度模式和环境需要不断完善，中国需要积极开展国际间的科研合作与学术交流。美国、日本、德国等科技发达国家是杰出青年群体的主要博士求学的目的地国。要积极开展与此类国家间的积极合作，不断拓展国际合作的广度与深度。

4 研究总结与展望

求学机构矩阵从机构维度呈现科技人才的时空分布。通过矩阵运算可以得出科技人才的分布。以求学机构矩阵为基础可以得出机构间流动邻接矩阵。矩阵运算有别于其他的运算，可以更清晰地展现流动信息，便于计算和数据处理。将科技人才定性或简单定量描述统计转变为依靠定量方法解决大样本量科技人才教育经历分析方法，可以提供更加高效地分析和解决大样本人才群体研究问题。本文将科技人才区域间流动矩阵与区域间迁移二维坐标地图体系建立结合起来，将科技人才在求学期间的流动结合起来，探讨了中国各省区间科技人才的流动。本文采取经济带划分的科技人才求学阶段地域分布统计方法得出了人才从中西部向中东部集聚的结论。未来本文将会进一步丰富和完善履历数据将分析方法集成为系统的分析体系。

[1]田瑞强，姚长青，袁军鹏，潘云涛.基于科研履历的科技人才流动研究进展[J].图书与情报，2013，(5):119-125.

[2]Andrews D L，Li S P.Energy Flow in Dendrimers:an Adjacency Matrix Representation[J].Chemical Physics Letters，2006，433 (1-3):239-243.

[3]Liu L，Zhao X.Application of Improved Adjacency Matrix Multiplication in Distribution Network Flow Calculation[R].2011 2nd International Conference on Advances in Energy Engineering(Icaee)，2012，14:983-989.

[4]Furukawa T，Shirakawa N，Okuwada K，Sasaki K.International Mobility of Researchers in Robotics，Computer Vision and Electron Devices:a Quantitative and Comparative Analysis[J].Scientometrics，2011，91(1):185-202.

(责任编辑 谭果林)

Education Experience of Scientific Workforce——A Case Study on the Winners of NSFDYS in CAS

Zhang Songtao，Guan Zhongcheng
(Institute of Policy and management，Chinese Academy of Sciences，Beijing 100190，China)

Scientific workforce is the core of the national science and technology competitiveness.The mobilization of talents has become a hot issue in the field of scientific workforce research.It is necessary to improve the research on the mobilization of the talents at their college level.This paper puts forward the scientific workforce education matrix by using the scientific workforce adjacency matrix representing their flow between the universities and research institutions.Through the analysis of intellectual flows between universities，it finds universities differ in the levels of cultivating science and technology talents.Then，according to the scientific workforce adjacency matrix，and by using inter-provincial geographic coordination data，the scientific workforce mobilization is showed on the map，illustrating the provincial differences in the mobilization of talents.

Scientific workforce；Education experience；Curriculum vitae；National Found for Distinguished Yong Scholars

G311

A

2015-04-15

张松涛 (1991-)，男，河南泌阳人，硕士研究生；研究方向:科技评价、优选与管理科学、项目管理。