张耀坤　吴瑞　宗金星

摘要：[目的/意义]学术社交网络平台为科研人员协同创新行为提供了可能。但科研人员协同参与和平台协同功能供给之间存在复杂交互关系，厘清二者间博弈关系，有利于改进学术服务平台和提升科研人员协作效率。[方法/过程]基于有限理性人假设，构建演化博弈模型，通过复制动态方程求解博弈双方不同策略下的演化路径，并利用系统动力学对策略选择进行稳定性和敏感性分析。[结果/结论]研究结果表明：学术社交网络科研协同行为演化博弈系统有（协同，支持）和（不协同，不支持）两条演化稳定策略;博弈双方收益、额外收益、扩散价值会正向影响系统演化为（协同，支持）策略，博弈双方的成本与损失会反向影响系统演化为（协同，支持）策略。因此，平台可以优化注册机制、完善群组（Group）等功能，促进科研人员参与协同行为。

关键词：学术社交网络;科研协同;演化博弈;系统动力学

DOI：10.3969/j.issn.1008-0821.2022.07.006

〔中图分类号〕G302〔文献标识码〕A〔文章编号〕1008-0821（2022）07-0068-13

Evolutionary Game Analysis of Scientific Research Collaborative

Behavior in Academic Social Networks Using System DynamicsZhang YaokunWu RuiZong Jinxing

（School of Economics and Management，Nanchang Hangkong University，Nanchang 330063，China）

Abstract：[Purpose/Significance]Academic social network platform provides the possibility for collaborative innovation behavior of researchers.However，there is a complex interaction between the collaborative participation of researchers and the collaborative function supply of the platform.To clarify the game relationship between the two is beneficial to improve the academic service platform and enhance the collaborative efficiency of researchers.[Method/Process]Based on the hypothesis of bounded rational man，an evolutionary game model was constructed，and the evolutionary paths of different strategies were solved by replicating dynamic equations.The stability and sensitivity of strategy selection were analyzed by using system dynamics.[Result/Conclusion]The results show that there are two evolutionarily stable strategies in the evolutionary game system of collaborative behavior in academic social networks（collaborative and supportive）and（un-collaborative and unsupportive）.The benefit，extra benefit and diffusion value of both sides of the game will positively influence the system to evolve into（collaborative and supportive）strategy，while the cost and loss of both sides of the game will negatively influence the system to evolve into（collaborative and supportive）strategy.Therefore，the platform can optimize the registration mechanism，improve the function of groups，and promote the participation and collaboration of researchers.

Key words：academic social network;scientific research collaboration;evolutionary game;system dynamics

随着学科领域的交叉融合与科研任务的日益复杂，科研人员协同创新已经成为科学研究的主要方式。科研协同不仅促进不同学科背景的科研人员知识交流，实现知识的集成[1]，也提升科研人员的工作效率。社交网络平台的发展可以拓展科研人员的协同方式，专用型的社交网络平台（如学术社交网络平台）的便捷、协作等特征与科研协同创新的“交流”与“协同”两大特征具有高度的契合性。科研人員可以在学术社交网络平台上进行知识交流、搜索、共享等，从而促进科研协同创新。学术社交网络平台逐渐成为不同学科背景的科研人员协同创新的主要工具[2]，科研人员在平台上与不同国家（地区）、不同机构、不同学科的学者进行协同已经成为现实。典型的学术社交网络平台有ResearchGate、Academia.edu、科研之友等，ResearchGate上有70多位诺贝尔奖获得者参与其中，科研人员能在学术社交网络上关注这些领军人物的动态，甚至是与其进行交流学习，从而提升自己的科研水平，创造更多的科研成果。

学术社交网络平台在支持科研人员协同创新上已经展现了极大的潜力[3]，但学术社交网络平台中也存在着信息质量低下[4]、服务响应不及时[5]、“90-9-1”现象[6]等问题，用户往往单纯地通过学术社交网络平台获取信息，却不参与到平台中进行协同。长此以往，严重影响科研人员的使用体验和平台的良好氛围，使科研人员的消极使用行为意愿上升[7]，导致学术社交网络平台与用户之间的关系形成一种恶性循环。即学术社交网络平台不愿花费更多的成本对现有功能服务改进以满足科研人员对协同功能的需求，根据使用与满足理论[8]，科研人员也因为需求得不到满足而逐渐放弃使用该平台进行协同。显然，科研人员与学术社交网络平台相互影响、彼此制约，存在着复杂的交互关系。如何防止恶性循环的产生，需要重点关注学术社交网络平台与科研人员之间的博弈行为。基于此，本文采取演化博弈和系统动力学仿真的方法，构建学术社交网络平台与科研人员策略选择演化博弈模型，分析博弈双方的策略选择，并对模型进行动态仿真分析，以期促进学术社交网络平台与科研人员良好的发展，推动科研活动的创新，服务于国家创新体系建设。

1理论基础

1.1学术社交网络科研协同行为相关研究

国内外有关学术社交网络科研协同行为的研究内容，可以从学术社交网络平台协同功能、科研人员协同行为及平台与科研人员间的博弈关系3个层面展开。

1）学术社交网络平台协同功能研究。学术社交网络平台作为学术活动与社交媒体融合的产物，兼具学术功能[9]和社交功能[10]。有关平台协同功能的研究主要涉及基本信息管理功能、协作网络管理功能、学术交流功能[11]等。学术社交网络平台提供的基本信息管理功能主要包括科研人员个人基本信息展示[12]与团队基本信息展示两类，利用这两类信息展示的功能可以增加科研人员合作的机会[13]。协作网络管理功能中最主要的两个机制是关注与被关注[14]和论文合作者展示[15]，在这两种机制功能的作用下，学术社交网络平台可以给科研人员推荐潜在的合作者[16]，促进科研人员的协同合作。学术社交网络平台提供学术交流的功能有问答板块[17]，科研人员直接提出问题，其他科研人员参与讨论问题进行协同交流;私信群组交流[18]，如“科研之友”可以通过建立讨论组的方式，在讨论组中进行谈话，促进科研人员的合作。这些功能的实现都为科研人员进行科研协同提供了较好的支持，平台也因为科研人员的使用而获益。

2）科研人员协同行为研究。科研人员协同行为研究主要涉及用户信息需求、协同行为机制及其模式与特征的研究。第一，对科研人员协同行为需求的关注。根据信息行为理论，信息需求是信息行为发生的前提。因而，对科研活动特别是其合作过程中对信息需求的关注成为了焦点。国内外的学者从个体层面和外界情景层面两个角度研究了协同信息行为的触发点[19]，具体包括个体的信息需求[27]、任务复杂性[20]、信息的分散性[21]等。第二，协同信息行为机制的研究。金燕等[22]对科研团队成员间的协同信息行为过程进行分析，并在此基础上构建了科研团队成员间的协同信息行为模型，指出科研团队协同信息行为产生的外部和内部驱动因素，并对科研团队成员间的协同信息行为规律进行了理论分析。第三，科研人员协同行为模式与特征研究。学者们也对科研人员在特定的学术社交网络平台上的协同行为予以關注，如ResearchGate[23]、Mendeley[24]、科学网[15]、小木虫[25]等平台，Hammook Z等[26]指出，师生协同行为是ResearchGate平台上重要的协同行为模式。

3）科研人员与学术社交网络平台博弈关系研究。科研人员在进行科研活动中存在科研协同信息需求[27]，学术社交网络平台也提供学术交流、关注与被关注等功能来满足科研人员的需求，理论上这二者之间并无冲突。然而，研究发现学术社交网络平台提供的基础数据不足[28]、信息质量不佳[4]、服务响应不及时[5]，这就说明学术社交网络平台并不能完全满足科研人员的协同行为需求。此外，Nielsen J[6]指出，学术社交网络中的用户存在90-9-1现象（即90%的用户不怎么使用，9%的用户偶尔使用，只有1%的用户积极使用），科研人员也没有积极使用学术社交网络平台进行科研协同。长此以往，科研人员与平台之间就会陷入恶性循环。

综上所述，国内外学者对学术社交网络平台与科研人员协同行为都进行了大量研究。但是随着二者之间的矛盾冲突日益加剧，缺少针对科研人员与学术社交网络平台博弈关系等方面的研究。据此，本文运用演化博弈方法动态地揭示学术社交网络平台和科研人员的策略选择及其影响因素，并结合系统动力学仿真直观地展示系统演化路径，以期优化学术服务平台，提升科研人员协同效率，服务于国家创新体系建设。

1.2演化博弈

博弈论常常用来寻求理性个体在交互过程中寻求最优选择的方法[29];动态演化过程则展示博弈各方策略选择的动力学趋势。演化博弈论将博弈理论与动态演化过程结合，基于有限理性人的考虑，研究博弈各方的策略选择及其过程。Taylor P D[30]在1978年提出的复制动态方程，是演化博弈论中常用的选择动态，较好地描绘出了博弈主体趋势。本文以学术社交网络平台与科研人员为研究对象，运用演化博弈和复制动态方程揭示博弈双方的策略选择演化路径和演化稳定策略（ESS）。

1.3系统动力学和Vinsim软件

系统动力学的研究对象是复杂系统，结合反馈控制、结构、功能等方法，借助计算机软件开展系统动态仿真的方法，仿真实验可以直观地展示复杂系统在不同状况下，系统行为的演化趋势和影响因素的作用趋势。为此，系统动力学开辟了一个用实验仿真的办法进行社会科学研究新纪元[31]，为不完全信息条件下演化博弈的动态过程提供了一种有效的手段[32]，逐渐成为研究社会科学复杂系统问题的主流工具。Vensim软件常用于系统动力学模型的建立与仿真研究，此外，该软件还提供结构分析、数据集分析等多种分析方法。本文结合演化博弈分析，基于系统动力学构建相应的模型，利用Vensim软件进行动态仿真。

2学术社交网络科研协同行为演化博弈

2.1学术社交网络科研协同行为博弈模型

按照系统演化的思想[33]，协同行为是组织或个人持续学习的结果。学术社交网络科研协同行为实际上就是科研人员和学术社交网络平台双方博弈的结果：学术社交网络科研协同行为系统可以简化为一个包含科研人员和学术社交网络平台的系统，双方彼此在不完全信息的条件下进行有限理性人的行为选择，科研人员可以选择在该平台上与其他科研人员进行协同（如共享信息、参与群组讨论等）或不协同，平台可以选择支持或不支持科研人员的协同（如支持协同，平台则会优化协同功能、机制等），从而使得整个系统最终达到动态均衡的状态，如图1所示。

2.1.1基本假设

为了更方便、系统、全面地分析学术社交网络科研协同行为的演化博弈，做出如下假设：

假设1：本研究将学术社交网络科研协同行为系统简化为只有科研人员和学术社交网络平台两个行为主体的系统，在博弈的过程中，科研人员的策略选择空间为“协同”或“不协同”，学术社交网络平台的策略选择空间为“支持”或者“不支持”。

假设2：在博弈的初始阶段，科研人员选择“协同”的概率是x（0≤x≤1），选择“不协同”的概率是（1-x）;学术社交网络平台选择“支持”的概率是y（0≤y≤1），选择“不支持”的概率是（1-y）。

假设3：系统中的科研人员和学术社交网络平台都是在有限理性上进行博弈的，双方在不完全信息状况下均会根据自身的需求和收益随时调整策略，以满足自身利益的最大化。

假设4：科研人员和学术社交网络平台同时选择“协同”和“支持”的策略，获得的收益大于只有一方选择“协同”或“支持”的收益。

假设5：科研人员参与协同行为时的收益和成本分别为S1和C1，而且平台“支持”协同的话，科研人员还可以获得额外的收益K;企业“支持”协同时需要对功能等进行优化，需要付出的成本和获得的收益分别为C2和S2;科研人员“参与”协同而企业没有对协同功能进行优化时也会溢出价值M给企业;当企业“支持”协同而科研人员“不参与”会损失P。

2.1.2演化博弈模型

对于学术社交网络科研协同行为博弈系统而言，一共存在4种不同的策略组合，即（协同，支持）、（协同，不支持）、（不协同，支持）、（不协同，不支持）。根据以上假设，可以得到学术社交网络科研协同行为博弈的得益矩阵，如表1所示。

2.2学术社交网络科研协同行为演化博弈分析

2.2.1复制动态方程求解

1）求博弈双方的期望收益、平均收益。

2）构建学术社交网络科研协同行为博弈的复制动态方程模型。本文基于Malthusian动态方程可以得到科研人员和学术社交网络平台的复制动态方程组：

1）科研人员的策略选择稳定性分析

2）学术社交网络平台的策略选择稳定性分析

3）博弈双方策略选择的演化稳定性分析

2.2.2学术社交网络平台与科研人员策略选择的演化路径分析

3基于系统动力学的学术社交网络科研协同行为演化博弈仿真采用演化博弈的方法确定了学术社交网络科研协同行为演化博弈的演化稳定策略，但是演化博弈未清晰地展示科研人员与学术社交网络平台博弈的动态决策过程。基于此，本研究在演化博弈分析的基础上，构建学术社交网络科研协同行为博弈系统动力学模型并进行仿真研究，直觀地刻画学术社交网络科研协同博弈双方策略选择的动力学趋势。

3.1学术社交网络科研协同行为演化博弈系统动力学模型学术社交网络科研协同行为博弈系统中包含科研人员和学术社交网络平台的策略选择，而且会受到其协同成本以及获得的收益等因素的影响，是一个复杂的系统，适合采用系统动力学来建立相应的模型。在这个系统中，科研人员的策略选择和平台的策略选择是随时间变化而变化的变量，作为此模型的流率变量，不同策略选择下的博弈双方的收益作为此模型的辅助变量。

1）固定科研人员的初始状态，分析学术社交网络平台的策略选择概率变化

2）固定学术社交网络平台的初始状态，分析科研人员的策略选择概率变化

3.3系统参数的敏感性分析

4结论与建议

4.1研究结论

通过演化博弈与系统动力学仿真，分析了学术社交网络科研协同行为，得出以下结论：

1）学术社交网络科研协同行为博弈存在两条演化路径。通过对复制动态方程的求解，可以得到该系统的两个演化稳定策略，即博弈过程中的两条收敛路径：（协同，支持），（不协同，不支持）。

2）系统的演化路径依赖于博弈双方的初始状态且博弈双方的策略选择会相互影响。在动态的博弈过程中，博弈双方在给定的初始状态下，在学习、模拟等过程中不断调整自身的策略选择。当少量的科研人员选择“协同”策略时除了满足自身的需求，也会引起更多科研人员的加入。当学术社交网络平台意识到科研人员使用该平台也会为自身带来收益时，便会对平台协同功能进行资金投入，以便更好地促进科研人员进行协同。

3）学术社交网络科研协同行为博弈系统的演化结果受到如下几个因素的影响：科研人员选择“协同”策略的收益、平台支持协同科研人员参与协同时科研人员获得的额外收益、平台“支持”协同的收益、平台“不支持”协同的状况下科研人员积极的“协同”扩散给平台的价值可以正向促进系统演化至（协同，支持）稳定策略;平台“支持”协同而科研人员“不协同”所获得的损失、科研人员选择“协同”策略的成本、平台“支持”协同的成本可以反向促进系统演化至（协同，支持）稳定策略。

4.2建议

根据上述的研究结论，本文提出如下建议：

1）完善注册机制、制定相应的奖惩制度，促进科研人员积极参与协同行为。由结论1可知，整个博弈系统存在两个演化稳定策略，一个是（不协同，不支持）策略，一个是（协同，支持）策略，很明显（协同，支持）策略是博弈双方共赢的局面。因此，学术社交网络平台需要完善注册机制，制定相应的奖惩措施，破解“90-9-1”现象，提升学术社交网络平台的信息质量，促进科研人员选择（协同）策略，实现知识的创新;平台也因为科研人员的持续使用，获得了更高的商业价值，更积极地（支持）科研人员协同，从而博弈系统进入（协同，支持）状态。

2）优化群组（Group）功能，加强科研人员的吸纳与持续使用。根据结论2，博弈系统的演化路径依赖于博弈双方的初始状态，关键在于如何让科研人员初始状态选择在学术社交网络平台进行协同。首先，采取适当的营销措施，通过老用户拉新用户、邮件推广等方式吸引科研人员使用学术社交网络进行协同;其次，改善学术社交网络信息质量和协同功能，获取有用信息是科研人员主要动机[35]，通过信息质量的改善和对群组（Group）等功能优化，以满足科研人员的使用意愿。这样，系统朝向双方共赢的趋势演化，最终达到（协同，支持）的策略。

3）政府部门提供政策支持，促进学术社交网络平台支持协同。政府部门是外部政策的制定者，目前国家大力提倡协同创新，急需支持协同创新的平台。因此，政府应该对参与协同创新的学术社交网络平台和科研人员进行奖励，由结论3可知，博弈双方的收益增加可以促进系统演化至（协同，支持）稳定策略。此外，政府设立专项基金，对支持协同功能的学术社交网络平台进行资金扶持，降低学术社交网络平台的成本，促使平台选择“支持”策略，实现整个系统（协同，支持）的演化策略。

4.3结语

本研究基于演化博弈理论和系统动力学，对学术社交网络科研协同行为的演化进行分析，创新之处体现在：利用演化博弈的方法，从理论上揭示了科研人员与学术社交网络平台博弈策略选择的演化路径;结合系统动力学的仿真，动态展示博弈双方的策略选择过程及其影响因素，据此提出相关建议，以促进（协同，支持）稳定演化策略的实现，对于学术社交网络平台的发展和国家创新体系的建设具有一定的参考意义。

参考文献

[1]魏瑞斌.我国图书馆学情报学的科研合作现状研究——以CSSCI 1998—2004年数据为例[J].图书情报工作，2006，50（1）：41-43，48.

[2]谭春辉，梁远亮，魏温静.虚拟学术社区中科研人员合作影响因素组态分析[J/OL].情报理论与实践：1-15[2021-10-29].http：//kns.cnki.net/kcms/detail/11.1762.G3.20211026.1728.005.html.

[3]庞建刚，吴佳玲.基于SFA方法的虚拟学术社区知识交流效率研究[J].情报科学，2018，36（5）：104-109.

[4]张宁，袁勤俭.学术社交网络信息质量的治理和提升[J].图书情报工作，2019，63（23）：79-86.

[5]李玲丽，吴新年.科研社交网络的发展现状及趋势分析[J].图书馆学研究，2013，33（1）：36-41.

[6]Nielsen J.Participationin Equality：Encouraging More Users to Contribute[EB/OL].http：//www.nngroup.com/articles/participation-inequality，2021-11-20.

[7]张帅.科研生命周期理论视角下学术社交网络用户信息需求研究[J].图书馆学研究，2021，41（5）：60-68.

[8]张敏，孟蝶，张艳.“使用—满足”分析框架下社交媒体用户持续使用行为的概念模型研究[J].信息资源管理学报，2020，10（1）：92-101.

[9]郑颖，王焱弘.基于领域热点的中外科研社交网络功能建设研究[J].知识管理论坛，2018，3（2）：73-84.

[10]许志敏.提高我国学术社交网络的国际传播能力——基于ResearchGate与“科研之友”等的比较研究[J].科技与出版，2018，36（7）：26-32.

[11]Bullinger A C，Hallerstede S H，Renken U，et al.Towards Research Collaboration-a Taxonomy of Social Research Network Sites[C]//Sustainable IT Collaboration Around the Globe.16th Americas Conference on Information Systems，AMCIS 2010，Lima，Peru，August 12-15，2010.

[12]Deng S，Tong J，Lin Y，et al.Motivating Scholars Responses in Academic Social Networking Sites：An Empirical Study on ResearchGate Q&A Behavior[J].Information Processing & Management，2019，56（6）：102082.

[13]Rodrigues M W， Brando W C，Zárate L E.Recommending Scientific Collaboration from ResearchGate[C]//2018 7th Brazilian Conference on Intelligent Systems（BRACIS），2018.

[14]Yan W，Zhang Y，Bromfield W.Analyzing the Follower-followee Ratio to Determine User Characteristics and Institutional Participation Differences Among Research Universities on ResearchGate[J].2018，115（1）：299-316.

[15]譚春辉，魏温静.学者在学术博客与学术期刊中的科研合作对比研究——以情报学领域为例[J].情报资料工作，2020，41（6）：71-78.

[16]熊回香，杨雪萍，蒋武轩，等.基于学术能力及合作关系网络的学者推荐研究[J].情报科学，2019，37（5）：71-78.

[17]李蕾.学术型社会化问答平台上答案质量评估研究[D].南京：南京理工大学，2018.

[18]刘虹，李煜.学术社交网络用户使用动机与功能采纳的特征构成及关联分析[J].图书馆学研究，2020，38（6）：78-87，70.

[19]代君，郭世新.协同信息搜索行为的触发情景因素探析——基于高校学生个人信息搜索失败情景[J].图书情报知识，2016，33（5）：62-72.

[20]赵君，廖建桥.科研合作研究综述[J].科学管理研究，2013，31（2）：117-120.

[21]Reddy M C，Jansen B J.A Model for Understanding Collaborative Information Behavior in Context：A Study of Two Healthcare Teams[J].Information Processing & Management，2006，44（1）：256-273.

[22]金燕，李昱瑶.科研团队成员的协同信息行为模型[J].情报理论与实践，2015，38（9）：86-90.

[23]Ebrahimzadeh S，Sharifabadi S R，Kamran M K A，et al.Triggers and Strategies Related to the Collaborative Information-seeking Behaviour of Researchers in ResearchGate[J].Online Information Review，2020，44（5）：1077-1096.

[24]Jiang J，Ni C，He D，et al.Mendeley Group as a New Source of Interdisciplinarity Study：How Do Disciplines Interact on Mendeley？[C]//Acm/ieee-cs Joint Conference on Digital Libraries.ACM，2013：135-138.

[25]屈寶强.网络学术论坛中的科研合作行为及其反思——以“小木虫”学术论坛为例[J].科技管理研究，2010，30（10）：215-218.

[26]Hammook Z，Miic' J，Miic' V B.Student/Supervisor Collaboration and Usage Patterns of Publications Available on ResearchGate[C]//Wireless Communications & Networking Conference.IEEE，2016：1-5.

[27]严炜炜.科研合作中的信息需求结构与协同信息行为[J].情报科学，2016，34（12）：11-16.

[28]张耀坤，吴瑞，汪朝州.我国本土学术社交网络科研之友的个案分析：困境与对策[J].高校图书馆工作，2022，42（1）：55-60.

[29]胡俏，齐佳音.基于SD演化博弈模型的数字货币扩散演化仿真研究[J].系统工程理论与实践，2021，41（5）：1211-1228.

[30]Taylor P D.Evolutionary Stable Strategies and Game Dynamics[J].Mathematical Bio-sciences，1978，40（1）：145-156.

[31]贾伟强.系统动力学[M].北京：科学出版社，2020.

[32]Lüthje C，Herstatt C，Hippel E.User-innovators and“Local”Information：The Case of Mountain Biking[J].Research Policy，2005，34（6）：951-965.

[33]戴园园，梅强.我国高新技术企业技术创新模式选择研究——基于演化博弈的视角[J].科研管理，2013，34（1）：2-10.

[34]Wu D，Xie K，Liu H，et al.Modeling Technological Innovation Risks of an Entrepreneurial Team Using System Dynamics：An Agent-based Perspective[J].Technological Forecasting & Social Change，2010，77（6）：857-869.

[35]毕德强，黄世晴，董颖，等.科研用户学术社交网络认知与使用动机比较研究[J].图书情报工作，2019，63（6）：97-102.

（责任编辑：陈媛）