知识管理论坛 >

2025 , Vol. 10 >Issue 6: 535 - 552

DOI: https://doi.org/10.13266/j.issn.2095-5472.2025.036

研究论文

学位论文致谢文本中科研人员隐性社会关系的挖掘及与科研合作关系的关联性研究

  • 杨晓 1, 2 ,
  • 丁良萍 3 ,
  • 冯凌子 2 ,
  • 袁军鹏 , 2, 4
展开
  • 1.北京大学信息管理系 北京 100871
  • 2.中国科学院文献情报中心 北京 100190
  • 3.曼彻斯特大学商学院 伦敦 M15 6PB
  • 4.中国科学院大学经济与管理学院信息资源管理系 北京 100190
袁军鹏，研究员，博士，E-mail: 。

杨晓，助理研究员，博士，博士后;

丁良萍，博士后;

冯凌子，助理研究员，博士。

收稿日期: 2025-09-16

  网络出版日期: 2025-12-09

收起

Uncover the Hidden Social Relationships between Researchers and Understand the Overlap between Social Relationships and Collaboration by using the Dissertation Acknowledgment

  • Yang Xiao 1, 2 ,
  • Ding Liangping 3 ,
  • Feng Lingzi 2 ,
  • Yuan Junpeng , 2, 4
Expand
  • 1. Department Of Information Management, Peking University, Beijing 100871
  • 2. National Science Library, Chinese Academy of Sciences, Beijing 100190
  • 3. Alliance Manchester Business School, University of Manchester, London M15 6PB
  • 4. Department of Information Resources Management, School of Economics and Management, University of Chinese Academy of Sciences, Beijing 100190
Yuan Jungpeng, Senior Research Fellow, PhD, E-mail: .

Yang Xiao, Assistant Research Fellow, PhD, Postdoc;

Ding Liangping, Postdoc;

Feng Lingzi, Assistant Research Fellow, PhD.

Received date: 2025-09-16

  Online published: 2025-12-09

Fold

摘要

【目的/意义】通过对博士学位论文致谢文本的分析，揭示其中所蕴含的、超越正式学术合作网络的多元社会关系，以期深化对学术社交网络的认知，并为探究学术社会资本与青年科研人员培养提供新的证据。【方法/过程】使用LAC方法抽取和识别博士学位论文致谢文本中致谢语句所提及的被致谢人及其社会关系，进而分析被致谢人和博士学位论文作者之间的社会关系与其科研合作关系之间的关联情况。【结果/结论】致谢文本中提及的多数社会关系并未转化为正式的科研合作关系，这说明致谢文本可以很好地补充传统合作数据难以捕捉的隐性社会关系，如指导关系、评阅关系、同级关系、同门关系、学术朋友以及家人关系等。同时发现，近一半的科研合作关系可在博士在学阶段发现，这表明致谢文本中体现的社会关系对科研成果的产出与发表确有实质作用，其中指导关系和同门关系是合作最密切的两类关系，侧面揭示青年科研人员在学术生涯早期的科研合作特征。此外，还发现致谢中对他人的致谢顺序、关系类型与科研合作强度存在显著相关性，说明社会关系网络对青年科研人员的学术成长有不可忽视的重要影响。

关键词： 社会关系; 关系抽取; 科研人员; 博士学位论文致谢; 科研成果

本文引用格式

杨晓 , 丁良萍 , 冯凌子 , 袁军鹏 . 学位论文致谢文本中科研人员隐性社会关系的挖掘及与科研合作关系的关联性研究[J]. 知识管理论坛, 2025 , 10(6) : 535 -552 . DOI: 10.13266/j.issn.2095-5472.2025.036

Abstract

[Purpose/Significance] The paper aims to reveal richer social relationships beyond formal collaboration networks from the acknowledgment text of the doctoral dissertation, deepen our perception of academic social networks, and provide new evidence for understanding academic social capital and the cultivation of young researchers. [Method/Process] This paper had used the LAC model to extract and identify the people being acknowledged and their social relationships mentioned in the acknowledgment sentences of the acknowledgment text of doctoral dissertations, and had then analyzed the correlation between the social relations between the persons acknowledged and the authors of doctoral dissertations (hereinafter referred to as "dissertation authors") and their cooperation relations in academic publications. [Result/Conclusion] Most of the social relationships mentioned in the acknowledgments did not translate into formal research collaborations. This indicates that acknowledgments can effectively capture implicit social relationships that are often overlooked in traditional collaboration datasets, such as mentorship, peer review, peer networks, academic friendships, and family support. The study shows that nearly half of research collaborations can be traced back to the doctoral stage, demonstrating that social relationships highlighted in acknowledgments have a substantial impact on research output and publication. Among these, mentorship and peer relationships represent the closest types of collaboration, indirectly revealing the patterns of research collaboration among early-career researchers. Moreover, a significant correlation was observed between the order of mention in acknowledgments, the type of relationship, and the intensity of research collaboration, indicating that social networks play a critical and tangible role in the academic growth of early-career researchers.

Key words： social relationships; relation extraction; researchers; doctoral dissertation acknowledgments; research paper

1 引言/Introduction

科学研究不仅是个体的智力活动，也是一项高度“社会化”的事业[1]，科研人员在持续的社会互动与协作中共同推进科学进步。社会网络，也叫人际网络，是为了达到特定目的，人与人之间进行信息交流和资源利用的关系网，是一个由某些个体或组织间社会关系构成的动态的系统[2]。即使是最杰出的科研人员也曾经历过作为他人实验室中的研究生或博士后的阶段，其关系网络将一个科学家与另一个科学家紧密联系起来[3]。科研人员倾向于利用人际关系进行学术资源的获取与交流，反之通过学术知识资源的分享、传递和吸收来加强科研人员之间的交互关系[4]。可见，科研人员之间的社会关系不仅是学术交流的媒介，更是科研合作得以形成的重要社会资本。随着科研合作日益成为推动科学进步的核心动力，科研人员的社会关系网络越来越错综复杂，科研成果的合著关系已成为衡量合作强度与辨析合作类型的重要依据。已有研究发现，科研合著关系网络在很大程度上反映了作者在现实社会关系中的人际关系[5]，但这只是论文（研究）合作层面，而合作背后在现实中的人际社会关系尚不得知。而学位论文致谢文本作为科研人员表达感谢与认可的重要途径，蕴含了丰富的社交信息[6]，如导师的指导、其他老师的教导、同学的互助、同事的支持、家人的付出等，可以弥补传统合著分析的单一性，揭示科研合作背后的情感纽带、学术交流及资源支持等隐性互动和智力影响[7]。那么致谢文本中可以挖掘哪些社会关系类型？所识别到的各类社会关系与博士学位论文作者（简称“论文作者”）的科研合作关系之间的重合度如何，即致谢文本能多大程度补充现有合作关系之外的关系？所识别到的论文作者与被致谢人的各类社会关系与科研合作强度之间是否相关，即所识别到的各类社会关系有多少合作产出，与科研合作强度之间有多大的相关性？因此，本研究拟通过博士学位论文的致谢文本挖掘科研人员之间的社会关系来回答以上问题，从而辨析致谢文本中各类社会关系及其与科研合作关系的关联情况。通过对致谢中的社会关系的分析，不仅有助于揭示正式合作网络外更丰富的社会关系，深化对学术社交网络的认知，也可发现处在学术生涯预备期的青年科研人员在科研合作背后互动支持的社会网络结构，为人才培养模式的优化提供新的视角和实证支持。

2 研究现状/Literature review

2.1 科研人员社会关系的研究现状

目前在科研人员社会关系的相关研究中，对合作关系的研究最为广泛，包括对合作强度的计算[8-9]以及合作类型的区分，如第一作者和通讯作者之间的合作对被定义为强合作关系[10]和非正式指导关系[11]；将第一作者和最后作者之间的合作对定义为师徒关系[12]。除此之外，已有的研究还关注引用关系[13]、同事关系[14]、共编委关系（一类特殊的兼职同事关系）[15]、师生关系[16]及其对学术研究的影响，也有一些研究致力于构建友谊网络[17]、协同创新网络[18]、产学研合作网络[19]、在线网络关系[20]。但是已有的研究受数据源的限制，多聚焦于单一关系类型及其影响，尚未区分科研人员的各类社会关系对其科研产出的影响。
也有很多研究关注科研人员之间社会关系类型的划分。刘晶[21]识别了科研人员之间的师生关系、合著关系、共项目关系3类学术关系；孙晓玲等[22]将校园的人际关系分为师生关系、同事关系、朋友关系、家庭关系、同学关系、合作关系和共现关系；张福增等[23]基于合作关系、引用关系、致谢关系等构建科学家的影响关系网络来判断科学家的影响力；康文杰[24]将专家的关系划分为合作关系、团队关系、师生关系、直接引用关系、直接被引关系、共同引用关系和共同被引用关系；Y. Matsuo等[25]通过对学术关系分类规则的研究，将科研人员的社会关系划分为共项目关系、合著关系、共实验室关系和共会议关系4类；刘玉琴等[26]将学术关系总结为科研合作、共词、引证、关联等关系；吕康娟等[27]将人才的社会网络分成3类：亲缘关系、友缘关系、业缘关系；王炎等[28]将专家的学术网络分为三大类：包括专家合作网络、专家主题网络、专家领域网络、专家机构网络等的基础网络，融入时间演化的拓展网络，以及同事关系网络、师生关系网络、同门关系网络、朋友关系网络等特别网络。
总的来说，已有很多研究依据不同的原则从理论上来划分科研人员的社会关系类型，大多数社会关系的类型已知存在，但尚未被识别出来。因为目前可用于统计分析社会关系类型的数据源仍以科研成果的题录数据、在线网站数据为主，这些单一类型数据所描绘的关系不足以表征现实世界的复杂关系[29]。因此，有必要使用新的数据源来识别更多样化的社会关系类型，从而厘清科研人员之间错综复杂的关系网络。

2.2 毕业论文致谢文本的研究现状

早在1979年D. Edge便提出了将致谢视为“超级引用”的概念[30]，因为致谢文本包含了有关科学研究过程中所发生的互动、影响和合作等重要信息[7]。因此，越来越多的学者开展对致谢文本所包含信息的研究，主要包括对期刊论文和学位论文中的致谢文本的研究。其中对学位论文致谢数据的研究分为两个方面：①基于致谢语言的用词、组织方式等来分析致谢情感[31]。刘正秒[32]研究了博士学位论文致谢文本的规范性，指出致谢文本存在用词不规范、致谢对象不全面、忽视致谢组织等问题；徐今等[33]从致谢对象、语步、致谢言语行为等方面对比分析了文、理科的优秀本科毕业论文致谢文本。②基于致谢内容分析导师对博士生学术成长的影响。梁晗等[34]通过挖掘博士学位论文致谢文本中的情绪词和评价词，来分析博士生对导师行为的理解程度与对其日后学术成果发展的关系；杨奕虹等[35]通过对博士学位论文的致谢内容分析，总结了博导队伍和博士生队伍的性别差异、开放办学的效果、基金支持对优秀博士论文诞生的重要性等。
在基于致谢文本来挖掘社会关系的研究上，F. Long等[29]首次利用致谢文本构建基于语义信息的学术社会网络，但只识别了文本中的各类师生关系（导师、同实验室老师、论文辅导老师、授课老师等）和同学关系（实验室同学、同学、室友等）；俞兆达[36]识别了73篇人文社科类全国优秀博士学位论文致谢文本中的社会支持主体：老师、家人、同行、同门、朋友、同学、研究对象、学生、编辑和同乡，对比分析他们所提供的物质支持、情感支持、信息支持和陪伴支持的差异；陈观玉[37]挖掘了977篇国家优秀博士学位论文致谢文本以辨析导师的角色定位。
综上，现有研究已初步探索了致谢文中各类社会关系的挖掘和分析，但多侧重于老师尤其是导师的作用和影响，尽管俞兆达[36]分析了被致谢人所提供的各类支持作用，但当前研究缺乏对被致谢人与其合作关系之间的关联情况的系统分析。因此，本研究旨在进一步挖掘致谢文本中更多类型的社会关系，以揭示科研人员之间更全面的隐性互动关系及其与科研合作关系的关联。

3 方法与数据/Method and data

3.1 研究路线

为了解决所提出的研究问题，笔者设计了研究路线，见图1。首先，笔者选择相对熟悉的图书馆学、情报学领域，通过中国科学院、万方、知网等硕博论文库获取该领域的博士学位论文的致谢文本，并在知网期刊论文数据库获取论文作者发表的中文期刊论文数据。其次是对致谢文本的处理校对，将致谢全文本切割成句子，依据文本是否包含被致谢人，将致谢文本的语句划分为致谢语句和非致谢语句，并分析致谢语句的特征。之后，基于词法分析工具LAC（Lexical Analysis of Chinese）方法识别和抽取语句中的人名实体和关系实体，具体分为三步：①在社会关系类型的提取和校对过程中，先从小样本数据集中初步挖掘关系类型的特征词，以识别可用于区分不同关系类型的语义线索，并据此初步构建社会关系的分类和抽取规则；②之后通过人工校对与迭代修正的方式，对初始分类结果进行循环优化与层级调整，逐步完善社会关系分类体系，完成社会关系类型的结构化标注和映射；③利用基于关键词的匹配与分类规则，实现对全数据集的关系类型的自动判别与归类，从而完成实体抽取和关系类型判断。最后，分析论文作者和被致谢人之间的社会关系与论文作者的科研合作关系之间的关联性。
图1 研究路线

Figure 1 Research progress

3.2 社会关系类型与特征词

为深入剖析科研人员的社会关系类型，本研究对社会关系类型进行了更细致的标注和分类。参考前文所梳理的社会关系类型以及俞兆达[36]对致谢文本中的支持主体的划分和F. Long等[29]对师生关系和同学关系的细化，本研究主要采用“自下而上”的分类规则，具体做法是通过“提取声明文本内容—总结分类—修正分类”的方式，循环更新分类规则判断关系配型的特征词，界定关系的边界和范围，最终形成了本研究的“科研人员的社会关系的分类和抽取原则”，包括6个大类以及15个小类，每类社会关系的判断特征词如表1所示。
表1 科研人员的社会关系的分类和抽取原则

Table 1 Classification and extraction principles of social relations of researchers

大类 关系类型 可判断关系类型的特征词
师生关系 指导关系 导师、恩师、师母、导师的爱人
带教关系 小导师、老师、研究员
辅导关系 辅导员、班主任、教育处/教务处老师，或在生活中提供帮助、给予关心的老师
评阅关系 评审专家、答辩专家、开题专家、预答辩专家等
授课关系 讲师、课程老师，或者本校的本学院的其他老师给予学业指导
其他师生关系 其他师生关系，如所指导的学生与其之间的关系或未表达清楚的师生关系类型
同学关系 同级关系 同学、班长、同专业、同学院、同一级、同窗
同门关系 同门、师兄、师弟、师妹、师姐、师哥、师兄师姐师妹师弟、兄弟姐妹、姐妹、师长、学长、学姐、学妹、学弟
同系（校）关系 同专业、同实验室、同学校的同学
同舍关系 舍友、室友
其他同学关系 文中未表达清楚的同学关系类型
同事关系 同实验室、同部门、同单位
领导、主管、馆长、处长、主任、书记
朋友关系 好友关系 好朋友、朋友、好友、闺蜜、密友、知己、老相识、挚友、友人、亲朋、老友、忘年之交、损友、结识、私交、友谊、死党、战友、搭档、男朋友、女朋友
学术朋友 区别于提供非学术帮助的好友，强调在科学研究上提供帮助和支持的朋友、其他科研人员，如提供技术支撑/研究资料、调研访谈、学术交流等。
家人关系 老公、老婆、丈夫、妻子、夫人、太太、先生、伙伴、爱人、爱子、父亲、母亲、公公、婆婆、丈人、丈母娘、儿子、女儿、岳母、岳父
哥哥、姐姐、弟弟、妹妹、堂哥、堂姐、表姐、表哥、表弟、兄妹、兄长、大哥、大姐、兄弟、嫂子、姐夫、弟媳、妹夫

3.3 数据获取与处理

3.3.1 数据获取

本研究的数据来源于知网、万方以及中国科学院的学位论文数据库，选取图书馆学和情报学两个专业（以下简称“图情”）的博士学位论文，数据获取时间为2022年7月21—24日。其中可检索到题录信息的博士学位论文共有843篇，可获取全文的博士学位论文共有713篇，而能够获取到致谢文本的博士学位论文共有600篇（见表2），除去6篇致谢文本是乱码的博士学位论文，最终实际获取到594篇博士学位论文的致谢文本。从时间分布来看，该数据集跨越了2000年至今的20余年（见图2）。在2000—2004年，图情领域的博士毕业人数相对较少，每年少于10人；在2006—2012年，博士毕业人数呈现持续递增状态；2013年的博士学位论文最多，有72篇；2013年后博士学位论文的数量呈现递减趋势，这可能与部分高校硕博论文不再公开有关。从机构分布来看，受作者所在单位的数据获取便捷性影响，在所获取到的数据中，中国科学院文献情报中心的数据最多，也相对最全，截至2021年文献情报中心已培养图书馆学和情报学的博士206人，可获取到致谢文本的博士学位论文共193篇；其次是获取到武汉大学的147篇博士学位论文。另外，为了获取论文作者的科研产出情况和科研合作关系，在知网中使用检索字段“论文作者姓名+机构”检索和获取其发表的中文期刊论文成果，获取时间是2023年5月23—25日。
表2 数据源 (篇)

Table 2 Data sources

学科 可检索的博士学位论文数量 可获取全文本的博士学位论文数量 可获取致谢文本的博士学位论文数量
万方 知网 中国科学院 合计 万方 知网 中国科学院 合计 合计
合计 748 426 206 843 81 426 206 713 600
图书馆学 258 108 75 336 24 108 73 196 185
情报学 474 328 113 489 57 313 106 434 415

注：部分高校并未公开博士学位论文，部分论文因为保密或者权限问题无法获取全文，或者有些论文并未撰写致谢

图2 博士学位论文的时间分布情况

Figure 2 Time distribution of doctoral dissertations

3.3.2 实体抽取

（1）LAC方法。LAC[38]是一个联合词法分析模型，是百度NLP（自然语言处理部）研发的一款词法分析工具，可实现中文分词、词性标注、专名识别等功能。LAC的网络框架为BiGRU+CRF[38]。反向GRU与正向GRU组合以形成Bi-GRU层。这两个GRU接收相同的输入，但在不同的方向上训练，并将其结果连接为输出。堆叠多个Bi-GRU以形成深度网络从而提高表示能力，在Bi-GRU结构之上，使用条件随机场（Conditional Random Field, CRF）层来联合解码最终的标签序列。效果方面，分词、词性、专名识别的整体准确率为95.5%；专名识别任务的F值为87.1%（准确率为90.3%，召回率为85.4%），总体略优于开放平台版本。在效果优化的基础上，LAC的模型简洁高效，内存开销不到100M，而速度比百度AI开放平台的其他词法分析算法提高了57%。
（2）基于LAC的实体和特征抽取流程。基于LAC实现对文本中的PER人名实体和表征关系的叙词进行抽取并匹配，流程包括以下5个步骤，如图3所示。
图3 基于LAC的实体抽取流程

Figure 3 Flowchart of entity extraction based on LAC

1）对文本进行预处理（如去除多余的空格、换行符，将标点符号前后的空格去掉），然后进行分句（以一个句子作为一个目标源）。
2）构建人物关系特征词的词典，构建语料库（叙词表），见表1。
3）使用LAC进行命名实体识别，抽取其中PER人名实体和关系特征词实体，得到每个句子中的中文人名和关系特征词。规则：①删除包含特殊字符（？。！；、/）的实体；②删除人名实体的称谓后缀（“教授”“老师”“大夫”“医生”“师兄”“师妹”等）；③人名长度大于等于2，小于等于4。
4）判断致谢语句的特征：①致谢语句的相对位置特征：致谢文本中所有句子的排序；②致谢语句中社会关系类型的距离特征，即社会关系类型在致谢文本中的排序；③上下文特征，即致谢语句所提及的人名数量（如单人单句/成群提及）。
5）生成关系对的向量，<p1，p2，r，相对位置，距离，上下文特征>。

3.3.3 姓名消歧

由于本研究作者对图情领域较为熟悉，因此本研究依赖作者的先验知识，对研究中所涉及的姓名通过人工判断方式进行姓名消歧。消歧的判断方式主要考虑两个方面：①作者机构，若在致谢文本中已提及该被致谢人的机构，则作为该人的机构标识；若没有提及该致谢人的机构，则进行人工判断，如果与作者为同一机构，则判断为同机构；如果无法判断，则先不标机构。②基于论文作者与被致谢人的合作关系回判被致谢人所属机构，不断完善被致谢人的机构标识。

4 致谢文本中致谢语句特征/Characteristics of acknowledgment sentences in acknowledgment texts

基于594篇博士学位论文的致谢文本，挖掘致谢文本的致谢语句特征以及致谢语句所提及被致谢人的特征。依据文本是否包含被致谢人，将致谢文本的语句划分为致谢语句和非致谢语句。经统计，在594篇致谢文本中，共包含13 472条语句，其中致谢语句共有4 164条，占比为30.09%。

4.1 致谢文本中的致谢语句的位置特征

通过统计致谢语句在致谢文本所有语句中所占的比例，发现该比例分布呈倒U型（见图4），致谢语句在致谢文本中的比例集中分布在0.2—0.5。为了观察致谢语句在致谢文本中的位置分布情况，分别按照句子出现顺序和在致谢文本中的相对位置统计了致谢文本数量。从图5可以看出，在只考虑致谢语句的出现顺序时，致谢语句大多分布在致谢文本的上半段，主要集中在5—15句的位置；而在致谢文本的中后段，较少有致谢语句，呈现长尾效应（见图5a）。当考虑致谢语句在致谢文本中的相对位置时，致谢语句分布较为分散，呈现零散的倒U型分布，较多的致谢语句分布在致谢文本的中部（见图5b）。
图4 致谢语句在致谢文本中的比重的分布情况

Figure 4 The proportion of acknowledgment sentences in the entire acknowledgment text

图5 致谢语句在致谢文本中的位置分布情况

Figure 5 Distribution of acknowledgment sentences in the acknowledgment text

4.2 致谢语句所提及的被致谢人数量

致谢语句所提及的被致谢人数量反映了论文作者对被致谢人的重视程度。当单句致谢仅涉及一位被致谢人时，这通常表明该被致谢人在论文作者的科研活动中占据了更为重要的地位，这成为评估科研人员之间亲密关系的一个重要指标。通过统计单句所提及的被致谢人数量来看（图6a），近一半致谢语句（共1 731条，占41.57%）仅提到一位被致谢人。随着单句中所致谢人员数量的增加，致谢语句数量逐渐减少，呈现出明显的长尾效应。进一步观察在致谢文本中不同位置的致谢语句中所提及的致谢人数（图6b）发现，在致谢文本的前段，单个致谢语句提及的人数较少，通常主要致谢导师。而在致谢文本的中后段，所提及的人数则相对较多，多为对同门或同学的感谢。在文本后段，单个致谢语句提及的人数再次减少，主要集中于对自身努力的认可。这一模式与大多数高校的致谢模式相一致，也揭示了社交网络对青年科研人员的学术成长与发展的重要程度。
图6 致谢单句所含的被致谢人数量的分布情况

Figure 6 Number of people acknowledged in a single acknowledgement sentence

4.3 致谢文本中的社会关系类型

进一步观察致谢文本中社会关系类型的分布情况。首先统计594篇致谢文本中各类社会关系的被致谢人数量，共挖掘到18 656对实体关系对，经清洗后有18 199对实体关系对，其中除导师之外的其他老师的数量最多（7 170对关系），其次是同门的师兄弟姐妹（4 028对关系）以及除同门外的其他同学（见图7a）。可见，师生关系和同门关系是青年科研人员在博士生的学习和生活中最重要的两类关系。在4 164条致谢语句中，绝大多数语句（占92.84%）所致谢的人是相同的社会关系类型，只有少部分语句同时致谢老师、同学、朋友等多类社会关系。与致谢人数的交叉分析发现，多数致谢语句集中致谢某一类社会关系的多个被致谢人，也反映了论文作者在特定社会关系网络中所受到的集体性支持与帮助。
图7 致谢文本中各类社会关系分布情况

Fig 7 Distribution of various social relationships in acknowledgment text

接下来观察各类社会关系在致谢文本中的分布位置，绘制了社会关系类型与所在致谢语句在致谢文本中的相对位置的热力图（见图7b）。由图可以看出，指导关系主要分布在致谢文本的前半段；除指导之外的其他老师在指导关系之后，出现在致谢文本的中后段；家人关系主要集中在致谢文本的最后。观察8类社会关系的致谢顺序即在致谢文本中的出现次序（见图7c）发现，指导关系是首位致谢的关系类型，其次是除指导之外的其他老师，第三顺位的关系多为同门关系。

5 论文作者与被致谢人之间关系与其科研合作关系之间的关联情况/The correlation between the relationship between doctoral graduates and the people they acknowledge and their scientific research collaborations

以一南一北两所高校的论文作者的致谢文本数据为例，分析论文作者与被致谢人之间的社会关系与其科研合作关系之间的关联情况，南部高校用N大学、北部高校用J大学表示。

5.1 致谢文本中的各类关系与合作关系之间的重合度

（1）致谢关系类型。在致谢文本中，本研究依据社会关系分类原则表整理了J大学和N大学155位论文作者所提及的被致谢人数量，共获取到3 832对关系对（见表3）。其中，N大学的78位论文作者共致谢了2 756位被致谢人，J大学的77位论文作者共致谢了1 076位被致谢人。从关系类型上来看，两个学校的指导关系、同事关系、评阅关系、好友关系、亲人关系的致谢数量不相上下；而在授课关系、同门关系、同系（校）关系、学术朋友等方面，N大学的被致谢人数量明显多于J大学。而从学科分布来看，由于情报学论文作者数量是图书馆学论文作者数量的4倍，因此通过归一化处理来消除数据体量差异，对比后发现图书馆学中论文作者的授课关系、同门关系的被致谢人比例更高；而情报学的论文作者的同系（校）关系、好友关系的被致谢人比例更高。
表3 N大学和J大学被致谢人与论文作者的关系类型统计University N and University J (人次)

Table 3 Statistics on the types of relationships between acknowledged persons and doctoral graduates at

关系类型

N大学

（78位论文作者）

J大学

（77位论文作者）

情报学

（124位论文作者）

图书馆学

（31位论文作者）

 合计
合计 2 756 1 076 3 035 797 3 832
师生关系 指导关系 95 98 152 41 193
带教关系 37 55 82 10 92
辅导关系 8 59 52 15 67
评阅关系 113 143 192 64 256
授课关系 207 839 820 226 1 046
其他师生关系 48 83 101 30 131
同学关系 同级关系 31 87 70 48 118
同门关系 187 744 713 218 931
同系(校)关系 76 224 267 33 300
同舍关系 24 22 2 24
其他同学关系 9 9 9
同事关系 132 118 221 29 250
朋友关系 好友关系 75 82 117 40 157
学术朋友 44 143 155 32 187
亲人关系 43 28 62 9 71
（2）两者之间的重合度。基于检索的论文作者的论文成果发现155位论文作者的1 120对合作关系。通过匹配论文作者与被致谢人的社会关系对和论文作者与合作者的合作关系对，发现在1 120对合作关系中，可以在致谢中发现关系类型的关系对有480对（占42.86%），相对的有3 362对致谢关系（占87.73%）尚未体现在论文的合作关系中。分别从两个学校、各类致谢类型来看（见表4），两个学校的指导关系和同门关系合作发文的情况最高，N大学的授课关系、同系（校）关系与合作关系的重合度较高；而未发现致谢关系但有合作关系的群体，J大学比N大学的发生率高。
表4 N大学和J大学中与被致谢人的关系类型与合作关系的重合情况 (人次)

Table 4 Overlap between relationship type with the acknowledged person and cooperative relationship in University N and University J

关系类型 J大学 N大学 总计
合计 593 527 1 120
无关系 390 250 640
师生关系 指导关系 79 66 145
带教关系 4 7 11
辅导关系 1 1
评阅关系 7 4 11
授课关系 11 24 35
其他师生关系 8 6 14
同学关系 同级关系 3 5 8
同门关系 54 109 163
同系(校)关系 9 20 29
同舍关系 2 2
其他同学关系 3 3
同事关系 13 5 18
朋友关系 好友关系 9 8 17
学术朋友 16 16
亲人关系 3 4 7

5.2 不同社会关系类型的科研合作产出差异

通过分析不同社会关系类型的科研产出量的产出差异，发现911篇次尚未发现社会关系类型，在总发文量中占到37.32%；排在第二是指导关系，合作发文有732篇次；再者是同门关系的合作发文量，有368篇次。其中，N大学的同门合作发文量显著多于J大学；而J大学的尚未发现关系类型的合作发文量高于N大学；在除以上关系类型的其他关系类型中，两个学校的合作发文量差距不大（见图8）。从学科分布来看，由于情报学和图书馆学的发文量差距过大（情报学共计发文2 087篇次，图书馆学共计发文354篇次），因此在统计产出量时，用该关系类型的合作发文量/该学科总的合作发文量来做归一化处理。由图9可以发现，图书馆学的指导关系、同级关系比情报学的发文比例高；而情报学的同门关系、同事关系比图书馆学的发文比例高。
图8 N大学和J大学论文作者与各类社会关系的被致谢人的合作发文量

Figure 8 Number of co-publications between PhD students and acknowledged persons of various social relationships at University N and University J

图9 两个学科论文作者与各类社会关系的被致谢人的合作发文量

Figure 9 Number of co-publications between PhD students and acknowledged persons of various social relationships at library and information science

5.3 社会关系类型与合作强度的相关性

由于关系类型是定类变量，因此在开展相关性检验时，使用相关比率来测量相关程度。基于ANOVA表和相关性度量表（见表5），可见F检验的显著性水平为<0.001，也就是说，在单因素方差分析的原假设“总体中各个类别的均值相等”成立的情况下，F值（56.908）出现的概率<0.001，属于小概率事件，所以拒绝原假设，即总体中不同关系类型的合作强度之间有显著差异，换言之关系类型与合作强度存在相关关系。而相关性度量表中Eta平方值为0.419>0.16，表明变量之间存在强相关。综上，论文作者与被致谢人之间的社会关系类型与合作强度存在显著的相关关系。
表5 关系类型与合作强度的相关性检验

Table 5 Correlation test between relationship type and cooperation intensity

源 ANOVA表 相关性测量
平方和 自由度 均方 F 显著性 Eta Eta平方
合作强度*关系类型 组间 23.658 14 1.69 56.908 <0.001 0.647 0.419
组内 32.813 1 105 0.03
总计 56.472 1 119

5.4 致谢顺序与合作强度的相关性

通过相关性分析检验论文作者与被致谢人之间的致谢顺序与合作强度之间的相关性。考虑到每一位论文作者的发文数量存在差异性，在反映合作强度时，用两人的合作发文量/论文作者的发文量做归一化处理；同样的，在判断致谢顺序时，考虑到致谢文本的长度差异，用被致谢人所在句子的序号与致谢全文的句子数量的比值来计算相对致谢顺序，比值越小，意味着致谢顺序越靠前。通过相关性检验发现，合作强度与致谢顺序存在显著的负相关关系（见表6），按学科和高校分类检验，同样是负相关关系。之后，进一步对个案（155位论文作者）做了相关性检验，发现有55位论文作者存在相关关系，其中46位论文作者呈现显著负相关，而有9位论文作者是显著正相关。
表6 致谢顺序与合作强度的相关性检验

Table 6 Correlation Test between Order of Acknowledgment and Cooperation Intensity

分类相关程度 总体情况 J大学 N大学 情报学 图书馆学
合作程度—致谢程度的相关程度 -0.484** -0.455** -0.475** -0.470** -0.547**
合作关系对数量 1 120 593 527 946 174
致谢关系对数量 480 203 277 418 62

注：**指的是在0.01水平，相关性显著；*指的是在0.05水平，相关性显著。

6 结论与展望/Conclusions and prospects

本研究通过挖掘博士学位论文的致谢文本，提出科研人员社会关系的分类框架，统计分析致谢语句的特征及所揭示的社会关系特征，并以N大学和J大学的155位论文作者的致谢数据为例，探讨论文作者与被致谢人之间的社会关系类型及其与科研合作关系之间的关联情况。基于分析结果得出以下结论：
（1）致谢文本所包含的社会关系涵盖了常见的六大类关系，同时也揭示了多样化的细分关系类型，如指导关系、评阅关系、同级关系、同门关系、学术朋友、家人关系等15种类型，这些关系类型超越了传统的科研合作关系网络，能够补充科研成果合作关系之外的社会联系，为构建更全面的学术社会关系网络提供了新的视角。
（2）致谢文本中提及的多数社会关系并未转化为正式的科研合作关系，这些关系被传统合作数据忽略但实际上对学术发展仍有重要作用，说明致谢文本可以很好地补充传统合作数据难以捕捉的隐性社会关系。经统计，致谢文本中有87.73%的社会关系尚未体现在科研成果的合作关系中，一方面可能由于部分个体虽然提供了一些帮助或支持，但对学术的贡献还未达到署名“作者”的程度；另一方面也可能存在一定程度的学术贡献被忽略的情况。可见，博士学位论文的致谢文本这一数据在社会关系研究上具有重要的研究价值，为理解科研活动中非正式社会互动的结构与功能提供了新的实证依据。
（3）近一半的科研成果合作关系可在在学阶段发现。在已识别的1 120对合作关系中，科研成果合作关系与致谢文本中社会关系之间的重合度达到42.86%，表明致谢文本中体现的社会关系对科研成果的产出与发表确有实质作用。另外，仍有57.14%的合作关系尚未在致谢文本发现或不清楚其关系类型，这可能反映出博士学位论文的致谢内容主要聚焦于“在学阶段”对论文完成具有直接帮助的个人，偏重于过程性与支持性关系，而对纯粹基于科研产出的合作关系未被列入致谢中；也可能是因为部分合作者仅参与了短期或偶然性的协作，未形成持续的社会互动，因而未被纳入致谢之中；另一方面，数据局限也可能导致差异的存在，因为目前的科研合作数据主要集中在博士在学阶段，而部分科研成果可能产生于毕业之后，导致关系匹配的时间维度不完全重叠。
（4）致谢文本中社会关系与科研合作强度之间存在显著相关性，致谢越靠前，两人的论文合作越频繁，不同社会关系类型下两人之间的合作频次存在显著差异。致谢文本中的致谢顺序依次为指导关系、师生关系和同门关系，其中指导关系和同门关系是科研合作最密切的两类关系。通过相关性检验发现社会关系类型、致谢顺序两者与合作强度均表现出显著的相关性，说明致谢顺序越靠前，两人的合作越频繁。这不仅体现导师及学术共同体在青年科研人员学术成长过程中发挥核心作用，也揭示青年科研人员在学术生涯初期的以师门内部合作为主的科研合作特征。另外，多数致谢语句集中于某一社会关系类型的多个被致谢人，也反映青年科研人员在特定社会关系网络中所受到的集体性支持与帮助，说明社会关系网络对科研人员成长有着不可忽视的重要作用。
总之，博士学位论文致谢文本能够揭示多样化社会关系的结构对于学术的贡献作用，从而拓宽对科研人员社会网络的理解，为科研合作和社会关系研究提供了新视角和方法路径。然而，本研究仍存在若干不足之处与改进空间。首先，在数据获取方面，研究以图情领域博士学位论文的致谢文本为样本，用以挖掘潜在的社会关系类型，但学位论文数据库的收录范围有限，且样本仅覆盖全国图情学科博士论文中的一小部分，数据代表性和完整性均存在局限。未来研究有必要进一步扩展至其他学科领域的致谢文本，以发现更为多样的社会关系类型及其跨学科演化规律。此外，本研究仅基于知网的中文期刊论文数据构建科研合作网络，尚未纳入外文数据库的成果，未来有必要引入多语种、多来源的数据，以增强科研合作关系刻画的全面性。其次，在数据处理方面，本研究通过人工开展作者姓名消歧工作。该方法在当前数据规模和领域背景下具有可操作性，但在更大规模研究中，其实用性与可扩展性不足，可能影响研究的科学性与普适性。后续研究将探索利用机器学习与自然语言处理技术开发自动化消歧模型，以实现更高效、更准确的实体识别与消歧。再次，在关联分析方面，虽然本研究已考虑机构与学科等结构性变量，以揭示不同培养环境下社会关系特征的差异，但受限于样本数量与数据覆盖范围，结果的稳健性仍有待进一步验证。未来可通过补充更大规模、跨机构、跨学科的数据集，对研究结论进行再验证与稳健性检验。此外，本研究主要聚焦于社会关系对在学阶段科研产出的影响，尚未延伸至科研人员毕业后的长期学术发展。后续研究可进一步探讨在学阶段各类社会关系对其未来发展的长远影响，为科研管理与政策制定提供更加详实的理论与实践支持。

杨　晓：研究思路设计，实验执行与数据收集，数据分析与结果解读，论文撰写；

丁良萍：研究思路完善，数据抓取与分析，论文撰写与修改；

冯凌子：研究问题提出与设计，数据收集，论文撰写与修改；

袁军鹏：研究问题提出与设计，论文修改与审核。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
TRIPODI G, CHIAROMONTE F, LILLO F. Knowledge and social relatedness shape research portfolio diversification[J]. Scientific reports, 2020, 10(1): 14232.

[2]
沈金波. 基于社会网络的竞争情报系统研究[D]. 武汉: 华中师范大学, 2007.

SHEN J B. A study on the social network-based competitive intelligence system[D]. Wuhan: Central China Normal University, 2007.

[3]
Conflict resolution[J]. Nature Plants, 2021, 7(11): 1435-1435.

[4]
胥伟岚. 基于人际网络的学术社交网络知识交流模式研究[J]. 图书馆学研究, 2018(13): 13-18.

XU W L. Research on the knowledge exchange mode of academic social networks based on interpersonal network[J]. Research on library science, 2018(13): 13-18.

[5]
陈定权, 朱维凤, 莫秀娟. 图书情报学论文合著(1999-2002)现象研究[J]. 情报科学, 2009, 1(27): 70-73.

CHEN D Q, ZHU W F, MO X J. Study of the periodical paper co-authorship of library and information science: 1999-2002[J]. Information science, 2009, 1(27): 70-73.

[6]
田利云. 面向学位论文的致谢分析和生成研究[D]. 大连：大连理工大学, 2017.

TIAN L Y. Research on analysis and generation of acknowledgements for academic dissertations[D]. Dalian: Dalian University of Technology, 2017.

[7]
DÍAZ-FAES A A, BORDONS M. Making visible the invisible through the analysis of acknowledgements in the humanities[J]. Aslib journal of information management, 2017, 69(5): 576-590.

[8]
LIU J, GUO X, XU S, et al. Understanding super‐partnerships in scientific collaboration: Evidence from the field of economics[J]. Journal of the Association for Information Science and Technology, 2024, 75(6): 717-733.

[9]
WU L, YI F, BU Y, et al. Toward scientific collaboration: a cost-benefit perspective[J]. Research policy, 2024, 53(2): 104943.

[10]
XIE Q, ZHANG X, KIM G, et al. Exploring the influence of coauthorship with top scientists on researchers' affiliation, research topic, productivity, and impact[J]. Journal of informetrics, 2022, 16(3): 101314.

[11]
ZHU Y, KIM D, JIANG T, et al. Dependency, reciprocity, and informal mentorship in predicting long-term research collaboration: a co-authorship matrix-based multivariate time series analysis[J]. Journal of informetrics, 2024, 18(1): 101486.

[12]
LI W, ZHANG S, ZHENG Z, et al. Untangling the network effects of productivity and prominence among scientists[J]. Nature communications, 2022, 13(1): 4907.

[13]
ZINGG C, NANUMYAN V, SCHWEITZER F. Citations driven by social connections? a multi-layer representation of coauthorship networks[J]. Quantitative science studies, 2020, 1(4): 1493-1509.

[14]
CHUNG Y, JACKSON S E. Co-worker trust and knowledge creation: a multilevel analysis[J]. Journal of trust research, 2011, 1(1): 65-83.

[15]
XU S, AN M, AN X. Do scientific publications by editorial board members have shorter publication delays and then higher influence?[J]. Scientometrics, 2021, 126(8): 6697-6713.

[16]
WUESTMAN M, WANZENBÖCK I, FRENKEN K. Local peer communities and future academic success of Ph.D. candidates[J]. Research policy, 2023, 52(8): 104844.

[17]
COLLEGE D. How friendship networks at college impact students' academic and social success[EB/OL]. [2025-11-25]. https://phys.org/news/2016-10-friendship-networks-college-impact-students.html

[18]
SCHWEITZER F, GARAS A, TOMASELLO M V, et al. The role of network embeddedness on the selection of collaboration partners: an agent-based model with empirical validation[J]. Advances in complex systems, 2022, 25(02n03): 2250003.

[19]
XING Z, WANG L, FANG D. Unraveling the dynamics and identifying the "superstars" of R&D alliances in IUR collaboration: a two-mode network analysis in China[J]. Humanities & social sciences communications, 2023, 10(1): 951.

[20]
XU Y, ZHOU D, MA J. Scholar-friend recommendation in online academic communities: an approach based on heterogeneous network[J]. Decision support systems, 2019, 119: 1-13.

[21]
刘晶. 基于相关性特征权重选择决策树算法的学术关系分类规则提取[D]. 长沙: 中南大学, 2012.

LIU J. Extraction of academic relationship classification rules based on correlation feature weight selection decision tree algorithm[D]. Changsha: Central South University, 2012.

[22]
孙晓玲, 林鸿飞.人际网络关系抽取和结构挖掘[J]. 微电子学与计算机, 2008(9): 233-236.

SUN X L, LIN H F. Relations extraction and structure mining of personal network[J]. Microelectronics & computer, 2008(9): 233-236.

[23]
张福增, 杨洪勇, 李阿丽. 科学家影响关系网络与科学家的影响力[J]. 复杂系统与复杂性科学, 2007(2): 45-49.

ZHANG Z F, YANG H Y, LI A L. Scientists relation networks and scientists influences[J]. Complex systems and complexity science, 2007(2): 45-49.

[24]
康文杰. 基于知识图谱的Web of Scholars系统设计与实现[D]. 大连: 大连理工大学, 2018.

KANG W J. Design and implementation of Web of scholars system based on knowledge graph[D]. Dalian: Dalian University of Technology, 2018.

[25]
MATSUO Y, MORI J, HAMASAKI M, et al. POLYPHONET: an advanced social network extraction system from the Web[J]. Journal of Web semantics, 2007, 5(4): 262-278.

[26]
刘玉琴, 彭茂祥. 国内外学术关系分析方法与工具研究综述[J]. 情报科学, 2013, 31(11): 137-142.

LIU Y Q, PENG M X. A summary of studies on analysis methods and tools about academic relationship at home and abroad[J]. Information science, 2013, 31(11): 137-142.

[27]
吕康娟, 陆玓, 王娟.上海高校引进人才的社会网络特征分析[C]// Proceedings of 2010 third international conference on education technology and training. Wuhan: Hubei University of Technology, 2010:227-232.

LV K J, LU D, WANG J. Study on the social network characteristics of the introduced talents in Shanghai's universities[C]// Proceedings of 2010 third international conference on education technology and training. Wuhan: Hubei University of Technology, 2010:227-232.

[28]
王炎. 基于多数据源的专家学术网络构建及其应用[D]. 合肥: 安徽财经大学, 2016.

WANG Y. Construction and application of expert academic network based on multiple data sources[D]. Hefei: Anhui University of Finance and Economics, 2016.

[29]
LONG F, NING N, ZHANG Y, et al. Mining latent academic social relationships by network fusion of multi-type data[J]. Social network analysis and mining, 2020, 10(1): 52.

[30]
EDGE D. Quantitative measures of communication in science: a critical review[J]. History of science, 1979, 17(2): 102-134.

[31]
NACEY S. Systematic metaphors in Norwegian doctoral dissertation acknowledgements[J]. Scandinavian journal of educational research, 2023, 67(5): 679-694.

[32]
刘正妙. 国内毛泽东研究博士论文致谢内容统计分析——以中国知网103篇学位论文为样本[J]. 聊城大学学报(社会科学版), 2016(4): 122-128.

LIU Z M. Statistical analysis of acknowledgement of doctoral dissertations on Mao Zedong studies in China——taking 103 dissertations on CNKI as samples[J]. Journal of Liaocheng University(social science edition), 2016(4): 122-128.

[33]
徐今, 阮玉芳. 汉语文/理科学位论文致谢语比较研究[J]. 湖北广播电视大学学报, 2017, 37(4): 34-38.

XU J, RUAN Y F. A comparative study on Chinese acknowledgements in arts/science dissertations[J]. Journal of Hubei Open University, 2017, 37(4): 34-38.

[34]
梁晗, 胡志刚, 罗雯, 等. 致谢越诚挚，未来越成功？——基于fsQCA的博士学位论文致谢内容与学术成果关系研究[J]. 图书馆论坛, 2022, 42(11): 50-59.

LIANG H, HU Z G, LUO W, et al. Researches on the relationship between the acknowledgements in doctoral dissertations and the authors' future academic outcomes based on FSQCA[J]. Library tribune, 2022, 42(11): 50-59.

[35]
杨奕虹, 万小影, 武夷山. 2012年中国百篇优秀博士论文致谢内容分析[J]. 情报杂志, 2014, 33(1): 62-66, 119.

YANG Y H, WAN X Y, WU Y S. The content analysis of the acknowledgements in national outstanding doctoral dissertations 2012[J]. Journal of intelligence, 2014, 33(1): 62-66, 119.

[36]
俞兆达. 拔尖文科博士成长的社会支持系统分析——以73篇全国优秀博士学位论文致谢为轴[J]. 重庆高教研究, 2023, 11(5): 25-39.

YU Z D. An analysis of social support system for the growth of top PhDs in humanities and social sciences: based on 73 acknowledgements of national excellent doctoral dissertation[J]. Chongqing higher education research, 2023, 11(5): 25-39.

[37]
陈观玉. 博士生视角下的导师角色定位研究——基于977篇优博论文致谢的文本分析[J]. 高等理科教育, 2023(4): 69-79.

CHEN G Y. A study on the role orientation of supervisors from the perspective of doctoral students——based on the text analysis of 977 excellent doctoral dissertation acknowledgments[J]. Higher education of sciences, 2023(4): 69-79.

[38]
JIAO Z, SUN S, SUN K. Chinese lexical analysis with deep Bi-GRU-CRF network[J]. arXiv preprint, 2018, arXiv:1807.01882.

Options
文章导航

/

〈 〉