各年度合作研究社群研究網絡特性分析

1. 內聚力分析實證分析結果各年度比較

如表25所顯示，94、95 與 96 年度合作研究社群網絡經由 UCINET 網 絡 內 聚 力 分 析 後 可 得 整 體 複 雜 網 絡 密 度 分 別 為 1.2932 、 1.2087 與 1.2181，以 94 年度之密度最高，然 94、95 與 96 年度合作研究社群網絡 規模以 95 年度網絡規模最大，96 年度網絡規模次之，94 年度網絡規模最 小，卻顯示出網絡規模越大反而密度越小，此結果與無尺度網絡「集結節 點」特徵有關，由於極多數連結集中於集結節點，如「行政院農委會」及

「應用研究」等集結節點，網絡間多數自我中心節點子圖形多藉由集結節 點進行關係連結，導致網絡規模越大反而網絡密度變小即呈現反比現象，

相較於隨機網絡而言，在隨機網絡中，才會有網絡規模越大而網絡密度變 大的正比現象；各年度密度均大於 1，表示各年度網絡皆具有重疊結構特 性，皆具有高群聚性的小世界現象與無尺度網絡等特徵；整體網絡結構間 分別具有 2700、8670 個與 3639 個之三倍體，以 95 年度之密度最高，各 年度網絡傳遞性皆為 100％；各年度網絡連結平均路徑均設定為 1，假設 為低間隔度性質，各年度網絡連結路徑總數分別為 68906、193160 與 101442，以 95 年度之網絡連結路徑總數為最高。

2. 小團體分析實證分析結果各年度比較

如表25所顯示，94、95 與 96 年度合作研究社群網絡經由 UCINET 網 絡小團體分析後其合作研究科專分別可分為 20 個派系( 170 個參與人 員)、25 個派系(272 個參與人員)、26 個派系(198 個參與人員)，其中將 派系數目除以參與人員數目乘以百分比，則分別為 11.76％、9.19％與 13.13％，表示 96 年度網絡內派系成分百分比最高；同理將各年度 2-派 系（N-派系）成分百分比與 2-宗派（N-宗派）成分百分比等分別進行演 算皆得 11.18％、8.82％與 11.62％（兩個成分百分比數值皆相同），表示 96 年度網絡內 2-派系（N-派系）成分百分比與 2-宗派（N-宗派）成分百 分比等皆為最高；同理將各年度 2-叢派（K-叢派）成分百分比進行演算 得 25.88％、11.03％與 20.20％，表示 94 年度網絡內 2-叢派（K-叢派）

成分百分比最高；94、95 與 96 年度合作研究社群整體網絡規模則分別為 263 個節點、440 個節點、319 個節點，整體網絡所呈現之 2-叢派（K-叢 派）值分別為 11142 個、27698 個與 19971 個 2-叢派（K-叢派），對 2-叢 派所呈現的數目意義而言，可謂是複雜結構中的最大派系數值，是故 95 年度合作研究社群整體網絡所呈現之 2-叢派（K-叢派）值為最大，表示 95 年度實際或可能產生的最大派系數目最多。

3. 自我網絡密度分析實證分析結果各年度比較

如表25所顯示，94、95 與 96 年度合作研究社群網絡經由 UCINET 自 我網絡密度分析後可得整體複雜網絡內最大自我網絡即集結節點的度值 分別為 110、178 與 169（且各年度分別有 110、178 與 169 個連結邊線集 結在同一節點－即[行政院農業委員會]上），各年度自我中心網絡密度百 分比值分別為 1.37％、0.71％與 0.78％（密度數值極低，代表集結節點 自我網絡規模越大，其網絡密度相對會越小，其他大部分規模很小的自我

網絡，其各年度網絡密度百分比值多為 100％），顯示[行政院農業委員會]

皆為各年度最重要之集結節點，表示調控行政院農業委員會即可以影響整 體網絡結構連結相關程度，意即國科會若將「合作研究」此研究方式下所 申請執行之科專經費予以減縮限制或擴大賦權，則以行政院農業委員會為 主管機關而受監督之執行機構所賦得之執行力及計劃主持人可獲得之實 質研究經費會因此而受影響。

4. 中心性分析實證分析結果各年度比較

如表25所顯示，94、95 與 96 年度合作研究社群網絡經由 UCINET 中 心性分析後可得（1）各年度相關程度中心性分析結果為

1

整體網絡程度 中心化數值分別為 3.94％、3.89％與 3.66％，以 94 年度之整體網絡程度 中心化數值為最高；

2

整體網絡程度中心性異質性數值分別為 2.54％、

1.69％與 2.76％，以 96 年度之整體網絡程度中心性異質性數值為最高；

3

整體網絡程度中心性標準化數值分別為 2.17％、1.47％與 2.46％，以 96 年度之整體網絡程度中心性標準化數值為最高；（2）各年度接近中心 性分析結果分別為 61.76％、60.74％與 68.82％，以 96 年度之接近中心 性為最高；（3）各年度中介中心性分析結果即為其網絡中心化指數且分別 為 46.70％、56.80％與 47.07％，以 95 年度之中介中心性分析值（網絡 中心化指數）為最高；（4）各年度複合性中心性分析結果為

1

程度中心性 平均數分別為 2.000、1.317 與 1.650，以 94 年度之程度中心性平均數為 最高；

2

接近中心性平均數分別為 25.352、25.027 與 20.880，以 94 年 度之接近中心性平均數為最高；

3

中介中心性平均數分別為 0.773、0.470 與 0.578，以 94 年度之中介中心性平均數為最高；

4

特徵向量中心性平 均數分別為 5.657、4.256 與 5.170，以 94 年度之特徵向量中心性平均數 為最高；（5）各年度群體中心性分析結果分別為 26 個代表節點（170 個

參與成員）的群體中心性比值為 0.506（群體中心性比率為 50.6％）、34 個代表節點（272 個參與成員）的群體中心性比值為 0.507（群體中心性 比率為 50.7％）與 27 個代表節點（198 個參與成員），擁有過半控制權力 核心小團體的門檻比率數值分別為 0.153（15.3％）、0.125（12.5％）

與 0.136（13.6％），以 94 年度之過半控制權力核心小團體的門檻比率 數值為最高、96 年度次之與 95 年度為最低，就此三年度門檻比率數值與 整體網絡規模而言，呈現整體網絡規模越大反而門檻比率數值越小之反比 現象，就本研究推論「門檻比率」數值越大，表示在整體網絡所需核心小 團體（派系管理階層）成員數則需更多，更可以制約整體網絡不被少數代 表成員把持過半控制權力，所以當單一年度合作研究網絡規模過大而其門 檻比率過小時，就必須調控制約研究資源暨撥發經費以避免集中在少數計 畫主持人所申請之合作研究科專計畫而促使更多計畫主持人成為整體網 絡內之代表成員且成為核心小團體成員（派系管理階層參與者）。

5. 角色位置分析實證分析結果

如表25所顯示，94、95 與 96 年度合作研究社群網絡經由 UCINET 角 色位置分析後，得到 R 平方數值分別為 0.487、0.571 與 0.589，經由各 年度角色位置關聯性判定，94 年度之 R 平方值接近 0.5，即顯示其模塊間 的具有一定關聯程度，95 與 96 年度之 R 平方值高於 0.5 以上即顯示其模 塊間的關聯程度（模塊度）顯著。

6. 冪次定律實證分析結果

如表25所顯示，94、95 與 96 年度合作研究社群網絡經由冪次定律 驗證分析可得迴歸線呈負斜率分別為-0.6072、-0.4770 與-0.1593，皆符 合冪次定律，即表示各年度合作研究社群複雜網絡皆有無尺度網絡特徵。

內聚力分析 數值衡量指標94年度實證分析結果 密度Density (matrix average) = 1.2932 Standard deviation = 1.2112 群聚係數Ci/ COverall graph clustering coefficient: 1.166 Weighted Overall graph clustering coefficient: 0.178

小團體分析 中心性分析

傳遞性三倍體triples : 2700 100% 網絡連結路徑Average distance = 1.000 測量線平均距離頻率FGD = 68906 派系分析[1]20 [2]218 N-派系分析[1]19 (2-派系) [2]211 (2-派系) N-宗派分析[1]19 (2-宗派) [2]97 (2-宗派) K-叢派分析[1]44 (2-叢派) [2]11142(2-叢派) 自我網絡密度[1]度110 [2] 成對數164 [3] 連結總數11990 [4]1.37%(max:100%) 程度中心性Network Centralization = 3.94% Heterogeneity = 2.54% Normalized = 2.17% 接近中心性Network Centralization = 61.76% 中介中心性Network Centralization Index = 46.70% 複合式中心性Degree Closeness BetweennessEigenvector Mean 2.000 25.352 0.773 5.657 群體中心性26個代表節點的群體中心性比值為0.506， 群體中心性比率為50.6％[ 26/170=15.3％] 角色位置分析 CONCOR模塊矩陣41x41／R-squared = 0.487 冪次定律負斜率=-0.6072，符合冪次定律。

95年度實證分析結果 Density (matrix average) = 1.2087 Standard deviation = 0.9961 Overall graph clustering coefficient: 1.121 Weighted Overall graph clustering coefficient: 0.180 三倍體triples : 8670 100% Average distance = 1.000 測量線平均距離頻率FGD = 193160 [1]25 [2]334 [1]24 (2-派系) [2]337 (2-派系) [1]24 (2-宗派) [2]163 (2-宗派) [1]30 (2-叢派) [2]27698(2-叢派) [1]度178 [2] 成對數224 [3] 連結總數31506[4] 0.71%(max:100%) Network Centralization = 3.89% Heterogeneity = 1.69% Normalized = 1.47% Network Centralization = 60.74% Network Centralization Index = 56.80% Degree Closeness BetweennessEigenvector Mean 1.317 25.027 0.470 4.256 34個代表節點的群體中心性比值為0.507， 群體中心性比率為50.7％[ 34/272=12.5％] 模塊矩陣63x63／R-squared = 0.571 負斜率=-0.4770，符合冪次定律。

96年度實證分析結果 Density (matrix average) = 1.2181 Standard deviation = 1.2134 Overall graph clustering coefficient: 1.222 Weighted Overall graph clustering coefficient: 0.133 三倍體triples : 3639 100% Average distance = 1.000 測量線平均距離頻率FGD = 101442 [1]26 [2]258 [1]23 (2-派系) [2]221 (2-派系) [1]23 (2-宗派) [2]88 (2-宗派) [1]40 (2-叢派) [2]19971(2-叢派) [1]度169 [2] 成對數221 [3] 連結總數28392 [4]0.78%(max:100%) Network Centralization = 3.66% Heterogeneity = 2.76% Normalized = 2.46% Network Centralization = 68.82% Network Centralization Index = 47.07% Degree Closeness BetweennessEigenvector Mean 1.650 20.880 0.578 5.170 27個代表節點的群體中心性比值為0.510， 群體中心性比率為51％[ 27/198=13.6％] 模塊矩陣42x42／R-squared = 0.589 負斜率=-0.1593，符合冪次定律。

表2594、95與96年度合作研究社群網絡特性分析相關數值衡量結果比較彙整表

在文檔中 台灣科技合作研究社群複雜網絡結構特性分析 (頁 96-101)