Analysis of the BRICS science and technology innovation cooperation network in the context of expansion:Structural evolution and driving factors

Abstract

Abstract:

As the importance of science and technology innovation rises in global competition, taking the BRICS expansion as an opportunity, deepening the science and technology (S&T) innovation cooperation among BRICS countries is of great and far-reaching significance to reshape the world’s scientific and technological governance pattern and enhance the discourse power of the countries in the “Global South”. Based on the data of BRICS countries' thesis cooperation from 2000 to 2023, the article analyzes the topology and centrality of BRICS S&T innovation cooperation network from the perspective of dynamic evolution, adopting social network analysis and geographic detector, and examines the influence of multi-dimensional proximity and interaction on the evolution of S&T innovation cooperation network in each stage and the mechanism of the influence. The results show that: (1) during the study period, the scale of BRICS science and technology innovation cooperation network has been enlarged, the cooperation links between the subjects have been gradually increased, the network density has shown a trend of growth followed by a slow decline and remained stable, there is a trend of intensive cooperation and cluster development within the innovation network, the important centers of the innovation subjects have gradually come to the fore, and the topology of the network has gradually developed and matured, and it is in the transitional period of the stochastic network evolving into a scalar-free network. (2) Important center nodes of the cooperation network have come to the fore, exerting important influence and radiation-driven ability; at the same time, the ranking of key intermediary nodes is relatively stable, playing the role of intermediary bridge communication. China is in the core position of leading and spearheading in the BRICS S&T innovation cooperation network, with greater influence. (3) Multi-dimensional proximity factors play different degrees of positive influence in the network, R&D investment proximity is the dominant factor affecting innovation cooperation in the study period, with the highest explanatory power; the influence of geographical proximity gradually decreases and tends to be stable with the advancement of time; and there is a two-factor enhancement interaction between different proximity factors, with different degrees of enhancement effect.

Key words: BRICS countries, science and technology innovation, cooperation network, multi-dimensional proximity, GeoDetector

摘要：

随着科技创新在全球竞争中的重要性上升,以金砖扩员为契机,深化金砖国家科技创新合作对重塑世界科技治理格局和提升“全球南方”国家话语权均具有重大而深远的意义。文章基于2000-2023年金砖国家论文合作数据,从动态演化视角,采用社会网络分析法和地理探测器,分析金砖科技创新合作网络的拓扑结构和中心性演化特征,考察各阶段多维邻近性及交互性对科技创新合作网络演化的影响方向和作用机理。结果表明:(1)研究期间,金砖科技创新合作网络规模扩大,主体间的合作联系逐渐增多,网络密度呈现先增长后缓慢下降并保持稳定的态势,创新网络内部存在紧密合作、集聚发展的趋势,重要的创新主体中心逐渐凸显,网络拓扑结构逐渐发育成熟,正处于随机网络向无标度网络演变的过渡期。(2)合作网络重要中心节点凸显,发挥重要影响力和辐射带动能力;同时关键中介节点排名较为稳定,起到中介桥梁的沟通作用。中国在金砖科技创新合作网络中处于领先带头的核心地位,具有较大的影响力。(3)多维邻近性各因子在网络中发挥不同程度的正向影响力,研发投入邻近性是研究时期内影响创新合作的主导因素,解释力最高;地理邻近性的影响程度随着时间推进逐渐降低并趋于平稳;不同邻近因子间存在双因子增强交互,具有不同程度的增强效应。

关键词: 金砖国家, 科技创新, 合作网络, 多维邻近性, 地理探测器

CLC Number:

JIANG Zi-ran, WU Yue, ZHANG Jian-zhen, YANG Xiu, KANG Zhi-nan. Analysis of the BRICS science and technology innovation cooperation network in the context of expansion:Structural evolution and driving factors[J]. Studies in Science of Science, 2026, 44(2): 346-358.

蒋自然, 吴悦, 张建珍, 杨修, 康志男. 扩容背景下金砖国家科技创新合作网络研究——结构演化与驱动因素[J]. 科学学研究, 2026, 44(2): 346-358.

Figures/Tables 12

References 25

[1]	王丹, 邓灿辉, 赵新力, 等. “一带一路”共建国家农业科技创新合作网络结构演化及影响因素探究[J]. 科技管理研究, 2024, 44(5):32-39.
	Wang D, Deng C H, Zhao X L, et al. Study on structure evolution and influencing factors of national agriculture science, technology and innovation collaboration network of the Belt and Road[J]. Scientific and Technology Management Research, 2024, 44(5):32-39.
[2]	周宏浩, 谷国锋. 外部性视角下中国城市网络演化及其环境效应研究[J]. 地理研究, 2022, 41(1):268-285. DOI
	Zhou H H, Gu G F. The evolution of China's city network and its environmental effects from the perspective of externalities[J]. Geographical Research, 2022, 41(1):268-285.
[3]	庄德林, 杨羊, 晋盛武, 等. 基于战略性新兴产业的长江三角洲城市网络结构演变研究[J]. 地理科学, 2017, 37(4):546-553. DOI
	Zhuang D L, Yang Y, Jin S W. Evolution of the Yangtze River Delta’s city network based on the strategic emerging industries[J]. Scientia Geographica Sinica, 2017, 37(4):546-553. DOI
[4]	李丹丹, 汪涛, 魏也华, 等. 中国城市尺度科学知识网络与技术知识网络结构的时空复杂性[J]. 地理研究, 2015, 34(3):525-540. DOI
	Li D D, Wang T, Wei Y H. Spatial and temporal complexity of scientific knowledge network and technological knowledge network on China's urban scale[J]. Geographical Research, 2015, 34(3):525-540.
[5]	桂钦昌, 杜德斌, 刘承良, 等. 全球城市知识流动网络的结构特征与影响因素[J]. 地理研究, 2021, 40(5):1320-1337. DOI
	Gui Q C, Du D B, Liu C L. Structural characteristics and influencing factors of the global inter-city knowledge flows network[J]. Geographical Research, 2021, 40(5):1320-1337.
[6]	赵彩云, 吕拉昌. 中关村科技园国际创新合作网络演化特征——基于PCT专利分析[J/OL]. 世界地理研究,1-15[2024-07-10].
	ZHAO C Y, LYU L C. Evolution characteristics of international innovation cooperation network in Zhongguancun: Based on PCT patent analysis[J/OL]. World Regional Studies, 2024, 33(8):148-160.
[7]	刘承良, 管明明. 基于专利转移网络视角的长三角城市群城际技术流动的时空演化[J]. 地理研究, 2018, 37(5):981-994. DOI
	Liu C L, Guan M M. Spatio-temporal evolution of interurban technological flow network in the Yangtze River Delta urban agglomeration: From the perspective of patent transaction network[J]. Geographical Research, 2018, 37(5):981-994.
[8]	陈欣. “一带一路”沿线国家科技合作网络演化研究[J]. 科学学研究, 2020, 38(10):1811-1817,1857.
	Chen X. Study on scientific and technological collaboration network evolution of countries in one belt one road area[J]. Studies in Science of Science, 2020, 38(10):1811-1817,1857.
[9]	Boschma Ron. Proximity and innovation: A critical assessment[J]. Regional Studies, 2005, 39(1): 61-74. DOI URL
[10]	李琳, 雒道政. 多维邻近性与创新:西方研究回顾与展望[J]. 经济地理, 2013, 33(6):1-7,41.
	Li L, Luo D Z. Multi-proximity and innovation: The retrospect and prospect on western researches[J]. Economic Geography, 2013, 33(6):1-7,41. DOI URL
[11]	杨大飞, 孙守恒, 胡倩. 多维邻近性及交互性对合作创新网络演化的影响——以中国智能制造装备业为例[J/OL]. 科技进步与对策,1-11[2024-07-10].
	Yang D F,Sun S H,Hu Q. The influence of multi-dimensional proximity and interactivity on the evolution of cooperative innovation network: A case study of China's intelligent manufacturing equipment industry[J]. Science & Technology Progress and Policy,1-11[2024-07-10].
[12]	Geldes, Cristian, et al. How does proximity affect interfirm marketing cooperation? A study of an agribusiness cluster[J]. Journal of Business Research, 2015, 68(2): 263-272. DOI URL
[13]	李冰, 张纪海. 军民科技创新合作网络结构与演化——基于专利合作与社会网络实证分析[J]. 科技进步与对策, 2021, 38(21):142-151.
	Li B, Zhang J H. The structure and evolution of military-civilian technological innovation cooperation network: An empirical Analysis based on patent cooperation and social network[J]. Science & Technology Progress and Policy, 2021, 38(21):142-151.
[14]	姚辉, 赵础昊, 杨瑞, 等. 中国农业科技创新跨域合作的多维邻近差异性研究[J]. 技术经济与管理研究, 2023(4):90-96.
	Yao H, Zhao C H, Yang R, et al. Research on multidimensional proximity difference of cross-domain cooperation of agricultural science and technology innovation in China[J]. Journal of Technical Economics & Management, 2023(4):90-96.
[15]	王姣娥, 杜方叶, 景悦, 等. 东北地区城际专利转移的空间——行业路径与影响因素[J]. 资源科学, 2022, 44(2):365-374. DOI
	Wang J, Du F Y, Jing Y, et al. Space-industry path of technology transfer: An empirical study of Northeast China[J]. Resources Science, 2022, 44(2): 365-374.
[16]	戴靓, 丁子军, 曹湛, 等. 长三角地区城市协同创新网络的演化特征及其驱动力[J]. 资源科学, 2023, 45(5):1006-1019. DOI
	Dai L, Ding Z J, Cao Z, et al. Change and driving forces of intercity collaborative innovation networks in the Yangtze River Delta region[J]. Resources Science, 2023, 45(5): 1006-1019. DOI
[17]	郭建科, 田冬翠. 基于海洋产业的城市创新网络特征及邻近性分析[J]. 地域研究与开发, 2024, 43(1):46-52,60. DOI
	Guo J K, Tian D C. Characteristics and proximity analysis of urban innovation network based on marine industry[J]. Areal Research and Development, 2024, 43(1):46-52,60. DOI
[18]	王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134. DOI
	Wang J F, Xu C D. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1):116-134. DOI
[19]	张俊, 姜海宁. 合成型产业全球创新网络演化与邻近性机理——以节能环保产业为例[J]. 地理研究, 2024, 43(2):357-376. DOI
	Zhang J, Jiang H N. Evolution of global innovation network and its proximity mechanism in synthetic industry: A case study of energy conservation and environmental protection industry[J]. Geographical Research, 2024, 43(2):357-376.
[20]	陈跃刚, 张弛, 吴艳. 长江三角洲城市群多维邻近性与知识溢出效应[J]. 城市发展研究, 2018, 25(12):34-44.
	Chen Y G, Zhang C, Wu Y. Proximities and knowledge spillover in the Yangtze River Delta[J]. Urban Development Studies, 2018, 25(12):34-44.
[21]	Kogut B, Singh H. The effect of national culture on the choice of entry mode[J]. Journal of International Business Studies, 1988, 19: 411-432. DOI URL
[22]	赵灿. 多维邻近性、网络结构与科技合作绩效——基于中国与“一带一路”沿线国家的证据[D]. 北京邮电大学, 2023.
	Zhao C. Multidimensional proximity,network structure and performance of science and technology cooperation based on evidence from China and countries along the “Belt and Road”[D]. Beijing University of Posts and Telecommunications, 2023.
[23]	杨文龙, 杜德斌, 马亚华, 等. “一带一路”沿线国家贸易网络空间结构与邻近性[J]. 地理研究, 2018, 37(11):2218-2235. DOI
	Yang W L, Du D B, Ma Y H. Network structure and proximity of the trade network in the Belt and Road region[J]. Geographical Research, 2018, 37(11):2218-2235.
[24]	刘建香. 复杂网络及其在国内研究进展的综述[J]. 系统科学学报, 2009, 17(4):31-37.
	Liu J X. Complex network and review of domestic research[J]. Journal of Systems Science, 2009, 17(4):31-37.
[25]	Bonacich P. Some unique properties of eigenvector centrality[J]. Social Networks, 2007, 29(4): 555-564. DOI URL

评价指标	指标解释	计算公式	公式解释
网络密度	反映网络的紧密程度和规模大小	$D=\frac{2l}{n(n-1)}$	式中,l表示网络中的实际关联数量,n表示网络中的节点数量
平均路径长度	反映了网络整体特性,平均路径越短,网络的通达性越好	$L=\frac{{\sum }_{j}^{n}{d}_{ij}}{n(n-1)}$	式中,L表示网络的平均路径长度,n表示网络中节点个数,d_ij表示节点i与节点j之间的最短距离
平均聚类系数	反映网络的集聚程度	$C=\frac{1}{N}\sum _{i\ne 1}^{N}\frac{2{l}_{i}}{n{k}_{i}({k}_{i}-1)}$	式中,C表示网络的平均聚类系数,l_i表示节点i与邻近节点实际相连边数,N和n表示节点数量,k_i表示节点i的度数
度数中心度	反映节点在网络中的位置	C_D(i)$=\sum _{j=1}^{N}{a}_{ij}$	式中,a_ij表示网络邻接矩阵,a_ij=1表示节点i和节点j间存在合作关系,a_ij=0表示节点i和节点j间不存在合作关系。
中介中心度	衡量通过一个节点的最短路径的数量,节点的中介中心度越高,则说明对其他节点的影响力越强	C_B(i)$=\sum _{j}^{n}\sum _{k}^{n}\frac{{F}_{jk}\left(i\right)}{{F}_{jk}}$	式中,F_jk代表节点j与节点k之间存在的最短路径的数量,F_jk(i)是节点j和节点k存在的经过节点i的最短路径的数量
特征向量中心性	指以邻近节点的影响加权的中心性指数,通过衡量邻国的影响力来反映本国在网络的重要程度	EC_i=x_i=$c\sum _{j=1}^{N}{a}_{ij}{x}_{j}$	式中,EC_i为特征向量中心性,c为常数,a_ij是网络G^t的邻接矩阵A中第i行第i列的元素,x_j为矩阵A的特征向量x的第j个元素

评价指标	指标解释	计算公式	公式解释
网络密度	反映网络的紧密程度和规模大小	$D=\frac{2l}{n(n-1)}$	式中,l表示网络中的实际关联数量,n表示网络中的节点数量
平均路径长度	反映了网络整体特性,平均路径越短,网络的通达性越好	$L=\frac{{\sum }_{j}^{n}{d}_{ij}}{n(n-1)}$	式中,L表示网络的平均路径长度,n表示网络中节点个数,d_ij表示节点i与节点j之间的最短距离
平均聚类系数	反映网络的集聚程度	$C=\frac{1}{N}\sum _{i\ne 1}^{N}\frac{2{l}_{i}}{n{k}_{i}({k}_{i}-1)}$	式中,C表示网络的平均聚类系数,l_i表示节点i与邻近节点实际相连边数,N和n表示节点数量,k_i表示节点i的度数
度数中心度	反映节点在网络中的位置	C_D(i)$=\sum _{j=1}^{N}{a}_{ij}$	式中,a_ij表示网络邻接矩阵,a_ij=1表示节点i和节点j间存在合作关系,a_ij=0表示节点i和节点j间不存在合作关系。
中介中心度	衡量通过一个节点的最短路径的数量,节点的中介中心度越高,则说明对其他节点的影响力越强	C_B(i)$=\sum _{j}^{n}\sum _{k}^{n}\frac{{F}_{jk}\left(i\right)}{{F}_{jk}}$	式中,F_jk代表节点j与节点k之间存在的最短路径的数量,F_jk(i)是节点j和节点k存在的经过节点i的最短路径的数量
特征向量中心性	指以邻近节点的影响加权的中心性指数,通过衡量邻国的影响力来反映本国在网络的重要程度	EC_i=x_i=$c\sum _{j=1}^{N}{a}_{ij}{x}_{j}$	式中,EC_i为特征向量中心性,c为常数,a_ij是网络G^t的邻接矩阵A中第i行第i列的元素,x_j为矩阵A的特征向量x的第j个元素

时期	年份	边数	网络密度	平均路径长度	平均聚类系数
萌芽期	2000年	10	0.1111	2.333	0.000
	2001年	12	0.1333	1.846	0.000
	2002年	16	0.1778	2.389	0.000
	2003年	12	0.1333	2.476	0.000
	2004年	16	0.1778	2.464	0.333
	2005年	14	0.1556	2.238	0.333
	2006年	18	0.2000	1.500	0.750
	2007年	22	0.2444	1.643	0.352
起步期	2008年	20	0.2222	1.091	0.900
	2009年	26	0.2889	1.714	0.690
	2010年	28	0.3111	1.643	0.729
	2011年	30	0.3333	1.464	0.793
稳步发展期	2012年	32	0.3556	1.429	0.829
	2013年	28	0.3111	1.500	0.776
	2014年	28	0.3111	1.500	0.776
	2015年	28	0.3111	1.500	0.776
	2016年	28	0.3111	1.500	0.776
快速发展期	2017年	26	0.2889	1.536	0.779
	2018年	26	0.2889	1.536	0.779
	2019年	26	0.2889	1.536	0.779
	2020年	24	0.2667	1.571	0.758
	2021年	24	0.2667	1.571	0.790
成熟期	2022年	24	0.2667	1.750	0.718
成熟期	2023年	26	0.2889	1.722	0.726

时期	年份	边数	网络密度	平均路径长度	平均聚类系数
萌芽期	2000年	10	0.1111	2.333	0.000
	2001年	12	0.1333	1.846	0.000
	2002年	16	0.1778	2.389	0.000
	2003年	12	0.1333	2.476	0.000
	2004年	16	0.1778	2.464	0.333
	2005年	14	0.1556	2.238	0.333
	2006年	18	0.2000	1.500	0.750
	2007年	22	0.2444	1.643	0.352
起步期	2008年	20	0.2222	1.091	0.900
	2009年	26	0.2889	1.714	0.690
	2010年	28	0.3111	1.643	0.729
	2011年	30	0.3333	1.464	0.793
稳步发展期	2012年	32	0.3556	1.429	0.829
	2013年	28	0.3111	1.500	0.776
	2014年	28	0.3111	1.500	0.776
	2015年	28	0.3111	1.500	0.776
	2016年	28	0.3111	1.500	0.776
快速发展期	2017年	26	0.2889	1.536	0.779
	2018年	26	0.2889	1.536	0.779
	2019年	26	0.2889	1.536	0.779
	2020年	24	0.2667	1.571	0.758
	2021年	24	0.2667	1.571	0.790
成熟期	2022年	24	0.2667	1.750	0.718
成熟期	2023年	26	0.2889	1.722	0.726

中心度	序号	第一阶段	第二阶段	第三阶段	第四阶段	第五阶段
度数中心度	1	中国	中国	中国	中国	中国
	2	印度	印度	印度	印度	沙特阿拉伯
	3	埃及	巴西	巴西	巴西	埃及
	4	俄罗斯	俄罗斯	俄罗斯	俄罗斯	印度
	5	伊朗	南非	南非	沙特阿拉伯	巴西
	6	沙特阿拉伯	沙特阿拉伯	沙特阿拉伯	南非	南非
	7	巴西	伊朗	埃及	埃及	俄罗斯
	8	阿联酋	埃及	伊朗	伊朗	阿联酋
	9	南非	阿联酋	阿联酋	阿联酋	伊朗
	10	埃塞俄比亚	埃塞俄比亚	埃塞俄比亚	埃塞俄比亚	埃塞俄比亚
中介中心度	1	中国	沙特阿拉伯	中国	中国	中国
	2	印度	印度	印度	印度	沙特阿拉伯
	3	埃及	中国	沙特阿拉伯	沙特阿拉伯	巴西
	4	沙特阿拉伯	巴西	巴西	巴西	俄罗斯
	5	巴西	南非	南非	南非	南非
	6	南非	俄罗斯	俄罗斯	俄罗斯	印度
	7	俄罗斯	埃及	埃及	埃及	埃及
	8	阿联酋	阿联酋	阿联酋	阿联酋	阿联酋
	9	伊朗	伊朗	伊朗	伊朗	伊朗
	10	埃塞俄比亚	埃塞俄比亚	埃塞俄比亚	埃塞俄比亚	埃塞俄比亚