国内政府开放数据政策领域研究论文合著情况的网络分析*

（黑龙江大学信息管理学院 黑龙江哈尔滨 150080）

在国际数据开放运动愈演愈烈并取得显著成果的情况下，国内相关的政府数据开放度也有待提升。国外学者Anneke Zuiderwijk[1]等认为在制定开放数据政策时，目标是刺激和引导政府数据的发布，并从其使用中获得优势；高木聡一郎[2]通过分析发现欧洲开放数据使政府机构拥有的公共数据被私人机构重用后，积极推动日本开放数据政策发展。我国学者通过研究国外的政府开放数据进程，分析了部分国家该领域现状，如马海群[3]等通过比较得出目前国内的相关研究基本处于介绍国外先进开放数据政策实例的阶段；朱贝[4]等通过文献资料的收集阐述了对英国政府开放数据政策研究；陈美[5]阐述了澳大利亚中央政府开放数据政策的发展历程。通过对已有文献的分析发现，有关作者合作网络视角的研究还比较缺乏。文章通过对于政府开放数据领域作者合著关系研究，希望能够为相关研究提供参考，促进国内政府开放数据的发展。我国研究政府开放数据方面的文章起步较晚，最早的文献出现于2010年，至今仅仅有8年多的历程，但是相关研究的发展很迅速，通过各项指标对比分析发现，作者合著网络连通不紧密，整体中心度较低。文章运用社会网络分析法从作者合著角度分析国内政府开放数据领域，力求展示国内政府开放数据领域作者合著现状，以促进该领域研究的交流度提升。

1 数据来源与分析方法

1.1 数据来源

文章选择CNKI，以“政府开放数据or政府数据开放or开放政府数据”作为检索式进行检索，时间截止到2018年5月31日，期刊来源上选择核心期刊与CSSCI，选择学科领域为全部学科，检索得到文献375篇。除去一些不相关文献后得到367篇文献。

1.2 研究方法

文章用Ucinet分析国内政府开放数据领域作者合著状况。社会网络分析方法分析社会网络中各种关系结构及其属性具有实践上的可行性，因此该方法可应用于作者合著分析以及网络结构阐释[6-7]。另外文章辅助使用了Excel软件与书目共现分析系统，对在CNKI上检索到的关于政府开放数据领域研究的发文进行了统计，通过形成的作者合著网络图中作者的合著状况，对软件得出的结果进行分析。

2 数据处理

2.1 作者总体合作情况分析

文章对367篇文献的作者合著论文状况初步分析（见表1）。可知，2015年之前，国内政府开放数据领域作者合作率由于整体论文数量少，所以起伏较大。2015—2017年，相关领域的作者合作率呈现稳定增长率，最高达到72%；2018年论文数量只有36篇，原因是仅仅选取前5个月，但足以说明近些年政府开放数据领域的学者进行信息交流、知识共享度较高。但由于相关研究者数量欠缺，因此近年来我国政府开放数据领域的整体发文量呈快速增长的趋势，而合著量呈相对稳定趋势。

表1 我国政府开放数据领域论文合作统计

通过Excel和书目共现分析系统得出，在367篇论文中共有227篇合著论文，占总数的62.00%。论文作者数量463位，其中合著者323位，占论文总作者数量的69.76%。作者合著分析主要用合作度和合作率：合作度=作者总人次/论文总数；合作率=合作论文数/论文总数[8]（文献均为特定时期内相关文献）。可计算出国内政府开放数据领域的作者合作度和合作率分别为1.26和62.00%，总体合著率比较稳定。作者合著论文情况见表2。

表2 作者合著论文情况

2.2 核心作者群选取

由于国内政府开放数据领域的研究起步较晚，研究者略少，多篇作者不多，故将发文2篇以上的作者作为该研究领域的核心作者，共有95位(独著者24人）。文章统计了71位有合作关系的核心作者（见表3）。

表3 有合作关系的核心作者

3 核心作者合著网络分析

文章通过SATI软件构建了表3中71位核心作者71*71的共现矩阵后，导入Ucinet软件中得出作者合著网络图。分别从子网、密度、中心性、凝聚子群与结构洞5方面进行分析[9]。

3.1 子网分析

由图1可得，图中共存在4种典型的子网[10]：①单点型：没有合作关系的单个节点，有陈美等24名作者；②双核型：指两人合作发文的子网络，有岳丽欣、刘文云等7名作者；③核心型：网络中有一个核心节点与其他节点有连接关系，比如以马海群为中心的7人网络；④桥梁型：其中部分节点对两个子网具有连接关系。如在黄如花、王春迎等人的17人子网中，黄如花对两个子网有连接关系；在张勇进、杨道玲等人的5人子网中，张勇进对两个子网具有连接关系。由作者合著网络图中合著数量可知，部分作者之间的合著发文量较大，如翟军与林岩两者数值高达7，说明两者合作发文量最大；岳丽欣与刘文云、黄如花与刘龙、黄如花与李楠、翟军与袁长峰的合著数值都达到4。

对图1分析可得：①整个政府开放数据领域核心作者合作关系网络连通性不足。据图1可知，单节点和双核心节点较多，多节点偏少。各个节点关联度低、独立性强，故整体网络节点连通度低。②大规模的子网偏少，合作机构数量不足。由图1明显看出，除规模最大的子网黄如花的17人团队，其次是马海群的7人团队，其余团队较小。可知我国政府开放数据研究方面形成了部分初具规模和高交互性的合作团队，但有待提高。③同一机构内作者合著数量差异较大，同一团队内作者相互合著率低。例如，在黄如花团队内，除少数几位作者相互合著过外，其余作者都未能相互合作过；在马海群团队内，其余作者除与马海群合著外，其他成员相互没有合著。④不仅在我国政府开放数据核心作者合著中，而且在同一机构的相关领域信息交流不足，作者合著率低，需进一步提升相关知识的共享度。

3.2 网络密度分析

网络密度是反映网络中各区域之间关联关系的疏密情况的指标，网络中关联关系的数量越多，则网络密度越大[11]。利用Ucinet软件得出，在国内政府开放数据领域（截至2018年5月份），所有合作作者网络密度为0.0331，71位核心作者网络密度为0.2875。该数值较小，网络整体中心度低，即该领域学者合著率有待提升。

3.3 网络中心性分析

网络中心性是群体集权的程度，也就是互动集中在少数人的状况[12]。其分为点度中心度、中介中心度和接近中心度3种形式。点度中心度是指社会网络中一个节点与多个节点有直接联系，该节点就处于中心地位从而拥有较大的权力。中介中心度指如果一个节点处于许多交往网络的路径上，可认为该节点居于重要的地位。接近中心度指的是当节点越是离其他节点接近，则越是在信息传播中处于核心点[13]。文章运用Ucinet软件得出核心作者网络中的点度中心度、中介中心度和接近中心度（见表4）。

图1 国内政府开放数据领域核心作者合作关系网络

表4 网络中心性分析（Top15）

3.3.1 点度中心度分析

点度中心度即行动者的局部中心指数，与其他点连接较多。从表4可知：黄如花等三位学者点度中心度指数明显较高。黄如花达到23，翟军18，林岩17，可知政府开放数据领域作者合著关系低，这几位作者中心指数较高，其余作者沟通度不足；黄如花的点度中心度高达23，即她的沟通度较高，其次是翟军、林岩和马海群，他们也与较多的作者进行合作，从图1子网图可看出。利用Ucinet软件得出网络整体点度中心度为3.09%，可知网络中大多数作者合作度不足。

3.3.2 中介中心度分析

中介中心度指处于其他许多节点的关键节点上的节点。中介中心度越大，该点媒介力越强，其控制力也越大。由表4可知：①该领域有15位作者有中介中心度。②黄如花的中介中心度达到103，说明黄如花的中介能力最强，她控制的资源最丰富。中介中心度大于10的还有王迎春、唐长乐、唐晓娟和马海群。③利用Ucinet得出网络整体中介中心度仅为2.32%，数值较低，可知合著网络中作者存在整体网络沟通度不足的状况，需要不同机构作者提升合著率来改善。

3.3.3 接近中心度分析

接近中心度越高，表明一个节点越处于网络的核心[14]。与其他节点越远者中心性越高，与其他节点越近中心性越低。据表4可知：第一：黄如花的接近中心度最小，可以看出她处于整个网络核心点。第二：合作子网规模越大，其子网中的作者有越高的接近中心度。即整个政府开放数据领域作者合著网中，子网的合作规模与其是否具有核心地位呈正相关，子网合作规模越大，其越接近核心地位。第三：只有在完全连接的合作网中才能计算接近中心度，从图1可以看出网络图分散为规模不一的大小网络和节点，故不能计算。

3.4 凝聚子群分析

在某个社会网络分析中，社会网络群体聚类常利用小团体分析[15]。通过n-clique指数计算，在Ucinet中，设定最小的小团体大于2个节点（不包括2），当n的值等于6时，得到10个小团体，与图1中情况相一致。

团体1：该团队由黄如花、温芳芳、赖彤、陈萌、刘龙、苗淼、李楠、周志峰、何乃东、李白杨、林焱、王春迎、唐长乐、王文强、张晓娟、孙成、向锦鹏组成。只有陈鹏来自武汉音乐学院，其他作者均来自武汉大学。该团体主要研究点集中在开放政府数据、科学数据、政策研究、数据素养、研究数据等方面，该团体整体合作程度较强。

团体2：该团队由马海群、蒲攀、吕红、陶易、缪瑞生、王本刚、王今组成。团队作者都来自黑龙江大学，主要集中研究数据安全、信息政策、政策协同、政府数据开放、知识产权、数字图书馆、档案管理等。

团体3：团队由莫荔媛、黄跃萍、赵龙文、陈明艳组成。团队作者都来自华南理工大学，主要集中研究政府开放数据、电子政务、关联数据、数据检索、元数据、信息生态等方面。

团体4：该团队由罗晋、王慧茹、杨东谋、项靖组成。作者都来自同一地区不同机构，罗晋来自台湾东华大学，王慧茹来自台湾政治大学，杨东谋来自台湾大学，项靖来自台湾东海大学。主要研究集中在中国政治与国际政治、行政学及国家行政管理、新闻与传媒等方面。

团体5：该团队由李永先、龚掌立、高国伟组成。作者都来自东北地区，但不在同一机构。李永先来自大连理工大学，龚掌立和高国伟来自辽宁师范大学。主要研究集中在政府信息资源、电子政务、政府大数据、知识管理、信息安全等方面。

团体6：该团队由李晓彤、林岩、翟军、袁长峰、于梦月、翁丹玉组成。团队作者都来自大连海事大学，主要集中研究政府开放数据、电子政务、开放数据平台、元数据、数据门户、供应链管理等方面。

团体7：该团队由才世杰、夏义堃、丁念组成。团队作者都来自武汉大学，主要集中研究公共信息资源、开放政府数据、信息获取、信息利用、信息化战略等方面。

团体8：该团队由才世杰、夏义堃、丁念组成。团队作者均来自武汉大学，主要研究集中于知识交流、大数据、科研评价、政府数据、网站建设等方面。

团体9：该团队由郑磊、刘新萍、徐慧娜、陈玉梅、Sharon S.Dawes组成。除Sharon S.Dawes来自美国纽约州立大学奥本尼分校、陈玉梅来自暨南大学外，其他作者均来自上海地区，郑磊和徐慧娜来自复旦大学，刘新萍来自上海理工大学。该团体主要研究点集中在公共服务、开放政府、电子政府、信息服务、知识共享等方面。

团体10：该团队由鲍静、张勇进、黄瑝、杨道玲、王璟璇组成。该团队成员组成比较分散，来自不同地区和不同机构。杨道玲和王璟璇来自国家信息中心，张勇进来自复旦大学，黄瑝来自湖南农业大学，鲍静则来自中国行政管理学会。该团队主要研究政府信息资源、信息社会、政府网站、顶层设计、电子政务、数据开放等方面。

3.5 结构洞分析

结构洞指的是两个关系人无直接关系或者关系间断[16]。博特（Burt）认为结构洞分析中最重要的四个指标是有效规模、效率、限制度、等级度[17]。其中有效规模和限制度更能评判学者是否在相关领域内享有权威性。一般而言，有效规模越大，表明网络重复程度越小，出现结构洞的几率越大；限制度即网络中某个节点与其他节点的连接紧密程度[18]。根据表5（按约束力数值排名）可以看出，限制度最小的四位学者是林岩、翟军、马海群和黄如花，他们的有效规模数值位于前几位，可知他们在政府开放数据领域享有较高权威性。

表5 结构洞四项指标排序（Top10）

4 结语

合著分析是科学研究领域的一个重要研究方向。文章从合著作者子网、密度、中心性、子群和结构洞5个方面对政府开放数据领域的合著网络进行了分析，但选取特定时间段数据的研究存在一定局限性，只能得到特定时间内的研究现状。从以上分析可以看出，我国开放数据领域的合著者人数和合著数量逐年增加，合著关系多以学校机构为主，但合著关系不够紧密，仍需加强学者间的科研合作、提高科研合作率，以促进该领域研究的进一步提升。