地理研究  2019 , 38 (7): 1749-1763 https://doi.org/10.11821/dlyj020180304

论文

中国顶尖学术型人才空间分布特征及其流动趋势——以中国科学院院士为例

周亮12, 张亚1

1. 兰州交通大学测绘与地理信息学院,兰州 730070
2. 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京100101

The spatial distribution and flow trends of Chinese top academic talents: Based on the case study of academicians of Chinese Academy of Sciences

ZHOU Liang12, ZHANG Ya1

1. Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China
2. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

收稿日期: 2018-07-18

修回日期:  2019-05-15

网络出版日期:  2019-07-20

版权声明:  2019 《地理研究》编辑部 《地理研究》编辑部 所有

基金资助:  教育部人文社会科学研究青年基金项目(17YJCZH268)国家自然科学基金项目(41701173)中国博士后科学基金项目(2016M600121)甘肃省飞天学者特聘计划

作者简介:

作者简介:周亮(1983-),男,甘肃天水人,博士后,副教授,硕士生导师,研究方向为城市地理,城市与区域可持续发展。E-mail: zhougeo@126.com

展开

摘要

院士作为国家高端的科研领军人才,在创新发展、人才培养,科研引领,国家重大战略和核心技术突破方面挥着重要作用。以中国科学院755名院士为例,运用核密度分析与流动指数等空间分析方法,系统分析了中国顶尖学术型人才的空间分布特征及求学、就业与工作地变更三种空间流动规律。结果表明:① 院士出生地或籍贯集聚分布在经济条件良好、文化底蕴深厚的东部沿海地区;学历取得地主要集中在北京、上海与江苏等985、211高校聚集省区;初次工作地点在不同时代表现各异;最终工作地呈现向北京、上海等特大城市聚集的特征。② 求学(出生地—大学)流动由东部多个省份向北京、上海等国家中心城市近距离流动。毕业首次就业流动空间聚集程度小,且流向随院士所处时代的不同而变化。③ 46.23%的院士有工作地变更流动趋势。变更一次的院士其流动呈现“孔雀东南飞”的特点,具有明显的向东指向性和空间聚集性;变更两次及两次以上的院士,除最后一次流动外无明显空间指向性。④ 流动指数分析表明,北京与上海作为经济发达区既是强流入中心也是强流出中心,双向流动量大;而西藏、海南、澳门、内蒙古及广西等省份流动指数为0,属于附属型省份。

关键词: 学术人才 ; 创新驱动 ; 空间分布 ; 人才流动 ; 聚集特征

Abstract

Academicians, as national high-end research leaders, play an important role in innovative development, talent training, scientific research guidance, national major strategies and core technology breakthroughs. Based on the survey of 755 academicians of the Chinese Academy of Sciences (CAS), the spatial analysis methods such as nuclear density analysis and mobility index are used in this paper to systematically analyze the characteristics of spatial distribution and three flow patterns of study, employment and changing workplaces of China's top academic talents. The results indicate that: (1) The birthplaces or native places of the academicians are mainly located in the eastern coastal regions with good economic conditions and profound cultural heritages; The academic qualifications of the academicians are mainly obtained in regions such as Beijing, Shanghai and Jiangsu Province, where top universities (also known as 985 and 211 universities) are located. The first workplaces of the academicians present different manifestations in different periods. The final workplaces are mainly distributed in megacities such as Beijing and Shanghai. (2) The flow of education (birthplace-university) moves from some provinces in the east to the regional center cities, such as Beijing and Shanghai. After graduation, the employment flow shows the characteristics of a large number of destinations which vary with different periods of different academicians, and the degree of spatial aggregation is small. (3) Some 46.23% of the academicians have a tendency of changing their workplaces. The flow of academicians who changed their workplaces one time presented the agglomeration characteristics of “peacocks fly to southeast”, which comes from a long narrative poem with the same name in ancient China, this article uses it to describe the phenomenon that many China's top academic talents moves to the southeast coastal zones, with obvious spatial orientation; the academicians who changed their workplaces two or more times have no apparent spatial aggregation feature except for the last flow by the cause of changing workplace. (4) The analysis of flow index shows that Beijing and Shanghai, as rapidly developed economic zones, are both strong inflow and strong outflow centers with large two-way flow; while Tibet, Hainan, Macao, Inner Mongolia, and Guangxi provincial-level regions have a zero mobility index, and they are subordinate provinces.

Keywords: academic talents ; innovation-driven ; spatial distribution ; talent flow ; aggregation characteristics

0

PDF (13254KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

周亮, 张亚. 中国顶尖学术型人才空间分布特征及其流动趋势——以中国科学院院士为例[J]. 地理研究, 2019, 38(7): 1749-1763 https://doi.org/10.11821/dlyj020180304

ZHOU Liang, ZHANG Ya. The spatial distribution and flow trends of Chinese top academic talents: Based on the case study of academicians of Chinese Academy of Sciences[J]. Geographical Research, 2019, 38(7): 1749-1763 https://doi.org/10.11821/dlyj020180304

1 引言

创新是引领发展的第一动力,创新驱动实质上是人才驱动。因此,大力培养和吸引高层次科技人才已成为世界各国赢得国际竞争优势的战略性选择[1]。党的“十九大”报告明确指出“深入实施人才优先发展战略,坚持把人才资源开发放在科技创新最优先的位置,优化人才结构,构建科学规范、开放包容、运行高效的人才发展治理体系,形成具有国际竞争力的创新型人才制度优势”的人才发展战略。高端人才作为最具创新意识与创新能力的生产要素,对流入地(国家或地区)产生巨大的影响,特别是科学研究领域,因此,高端人才一直是各国竞相争夺和吸引的对象。美国、英国、加拿大和澳大利亚吸引了约70%前往经合组织国家定居的高技能移民,这些人才是确保支撑美国等国家科技与创新能力引领世界的基石[2]。人才的流动不仅可以带动思想、研究、资源和成果的交流,也能充分发挥人才潜能,形成人才集聚效应,促进创新和科学繁荣。然而,过度和不规范的流动也会扰乱科技管理秩序,破坏科学研究可持续性,带来资源分配机制失效等问题[3]。因此,掌握人才流动特征,追踪人才流动轨迹和原因,对于建立合理的人才流动机制,推动和完善高端人才组织和人事管理制度意义重大。在当前中国高端科技人才严重缺乏和区域经济发展极不均衡背景下,系统地探索高层次科技人才空间分布特征、区域空间流动趋势和规律非常必要和紧迫,其有助于国家更加合理地使用人才、开发人才,充分发挥人才的综合效益。

中国正处在工业经济向知识经济转型的关键期,未来知识经济将成为主导的经济形态[4]。随着人才对知识经济发展的重要性不断增加,国内外对人才流动的研究需求日益迫切,相关的成果也趋于丰富。梳理和归纳已有研究,人才流动研究集中在两个方面:一是农村劳动力流动研究,如Kainth G S以印度最小的旁遮普邦为例,研究砖窑工人的移动特征及影响流动的因素[6];Kaur B等基于抽样调查的方法获得105位调查者数据研究旁遮普省农民工流动原因及影响[7];周春山等揭示深圳农民工集聚空间演变特征及其影响机制[8];高更和等基于河南省抽样调查的529份农民工回流问卷数据对农民工的回流区位选择及影响因素进行了分析[9]。二是高校毕业生就业流动研究[5],如Kidd M P等利用高校毕业生流向数据研究毕业生流动性高低是否会影响其收入[10];Tang A Z R等通过调查澳大利亚高等教育机构海外毕业生毕业后就业空间选择来研究国内及海外毕业生的职业和移民轨迹[11];Krabel S等对大学毕业生在毕业后进入劳动力市场时的劳动力流动状况进行了跟踪研究[12]。进一步总结研究内容发现,多数研究更多关注流动人口的空间分布格局、引起流动的动力机制,以及对区域的影响及回馈作用等方面,如陈明星等基于流动人口卫生计生动态监测调查数据,探索了京津冀城市群流动人口的年龄结构、教育水平等流动特征及流入流出地的分布格局[13];刘涛等基于人口普查数据研究中国流动人口空间格局的演变特征及形成机制[14,15];Kerr S P等对全球人才流动现状、影响人才流动的决定性因素,以及人才流动对个人及企业层次的影响进行探索[16];姜怀宇等分析了中国人才分布的空间变动特征、影响因素、作用机制及其对区域经济的影响[17];Cowling探讨了影响英国高级人才空间分布差异的成因及其产生结果[18]

综上所述,人才流动相关研究主要集中在农村劳动力和高校毕业生等方向。研究关注点集中在引起人才流动影响因素及其人才流动所引起的社会影响,实际上,除了上述两类人力资源的流动以外,还存在战争、饥荒与疾病导等因素导致的难民流动,以及科技人才的流动等。虽然高层次学术人才流动数量上无法与农村劳动力和高校毕业生人才流动相比,但其产生的连锁反应、经济效益、示范指向性作用不容忽视[19]。目前,对于顶尖学术人才的流动除了媒体报道和不同地区的一般性调查外,专业性研究较少,尤其对其详细的空间流动特征、轨迹与规律研究少之又少,其中,有学者以“两院”院士为例较深入研究顶尖学术型人才的空间集聚[20]、成长等因素[21],但由于数据等因素约束,研究对院士求学、就业与工作变更的空间特征与规律并未涉及太多。鉴于此,本研究结合数据挖掘与人工精细判读方法,经过详细的筛选、比对和建库,全面系统的得到中国科学院院士基础信息数据。基于这些数据,运用核密度等空间分析方法分析中国科学院院士的出生地(或籍贯)、学士学位取得地、最高学历取得地,以及初次工作地空间特征,并运用流动指数对中国34个省(市、区)顶尖人才求学流动、就业流动和工作地变动流动的方向、等级、规模和特征展开了系统分析。研究旨在系统分析高层次学术人才流动的整体趋势与规律,同时为国内外其他类型高级学术人才(中组部“千人计划”、教育部特聘“长江学者”、“四青”人才等)的流动引导提供一定参考。

2 数据来源与研究方法

2.1 数据来源

主要研究数据来源:

(1)中国科学院院士基础数据,该数据主要来源于中国科学院官方网站(http://www.cas.cn)、院士工作单位官方网站、互联网个人信息介绍,三个信息源相互补充比对得到755名中国科学院院士的基础背景信息,剔除已故541名院士(数据截止2017年3月),将收集的信息消除噪音后按照学部分类存入数据库。数据主要涉及院士姓名、所属学部、当选年份、研究领域、性别、出生地(或籍贯)、本科毕业院校、硕士毕业院校、博士毕业院校、工作单位、工作单位所属城市、流动前单位、流动前单位所属城市、其他头衔、境外学习情况等。

(2)基础地理信息数据来源于国家测绘局地理信息局标准地图服务网站(http://bzdt.ch.mnr.gov.cn/)。

2.2 研究方法

(1)核密度分析 核密度(Kernel)估计法能够根据规则区域内已知样本点数据研究其空间分布特征,适合于用可视化方法表示空间点要素的分布模式,其结果可以用来平滑地识别并表示样本点在研究区域内的集聚与分散情况[22],具有直观性和简洁性的优点。研究运用核密度估计法,将中科院院士学习和工作等空间地点抽象成“点”要素,从而以空间点为基础分析中国顶尖学术型人才的空间集聚特征。核密度估计法的表达式为:

f(x)=i=1nKx-xi/hnhd(1)

式中: K[(x-xi)/h)]为核密度函数;h为搜索阈值;n为搜索阈值内已知点的数量;d为数据的维数。

(2)人才流动系数 为准确刻画各省份节点在人才流动网络中的地位,本研究借鉴空港组织系数 [23],将各省份的人才流动强度作为判断各省份流动等级的主要依据,构建流动系数(FI)反映高级人才在地理空间流动过程中的强度高低。具体计算公式如下:

FI=FIIii=1nFIIin(2)

省份间人才流动次数是衡量省份间联系强弱的重要指标,构建各省份人才流动次数矩阵L34*34(无人才流动的省份对之间的人才流动次数为(0),根据矩阵L,将省份i到其他省份j的流动强度(FIIi)定义为:

FIIi=j=1jinFIIij,i=1,2,,n;j=1,2,,n;(3)

3 中国科学院院士空间流动特征

3.1 空间分布特征

(1)院士出生地(籍贯)分布特征。基于构建的院士基本情况数据库,分析发现,中国科学院院士的出生地主要集中在江苏、浙江、上海、福建等传统认知的江南水乡及周边地区(图1a)。其中,江苏出生的院士最多,达116位,占院士总数的15.36%;上海80位,占总数的10.60%;浙江居第三,占总数的10.33%。青海、西藏、台湾等省(区)无院士出生;新疆、宁夏、海南三个省(区)各出现过一名院士。整体来看,院士出生地呈现以江浙沪为中心,自东向西、由沿海向内陆省份依次递减的规律,其中,755名中国科学院院士中65.96%分布在东部沿海地区,23.44%分布在中部地区,而西部地区仅有10.60%。究其缘由,一方面东部沿海地区经济发达,环境宜居,为人们追求更高质量生活和教育环境提供了可能;另一方面,东部沿海地区承袭中国文化传统,形成了深厚的习文重儒文化氛围,保留了很多精英文化血脉,也是院士籍贯集聚的重要原因[24]

图1   中国科学院院士核密度分布
注:本图基于国家测绘地理信息局标准地图服务网站下载的审图号为 GS(2016)2892号的标准地图制作,底图无修改。

Fig. 1   The kernel density distribution of academicians of CAS

(2)学位取得地分布特征。如图1b所示中国科学院院士的学士学位取得地集中分布在北京、上海、江苏,分别占总数的25.30%、10.99%和10.99%,以上三省市为学位取得地最为密度区。安徽、陕西、浙江、吉林、湖北是构成院士学士学位取得地的二级聚集区,分别占比6.36%、4.50%、4.10%、3.97%和3.97%。西藏、青海、广西、海南等省(区)无院士取得学士学历,地区差异较明显。究其原因,高级人才的培养依靠教育资源,755名院士中65.83%毕业于“985”工程大学,毕业院士人数位列前五的高校分别是北京大学、南京大学、清华大学、复旦大学及中国科学技术大学,占总量的37.75%。中国39所“985”工程大学有61.54%分布在东部地区,而中西部两地区仅分布着38.46%,甚至中西部较多省份无“985”工程大学分布,如西藏、新疆及山西。此外,2.78%的院士学士学位取得地在美国、英国等欧美发达国家及前苏联等国家和地区,这与院士所处的时代背景有密切关系。进一步对院士取得学历进行分析发现,中国科学院院士作为中国大陆最优秀的科学精英和学术权威群体,45.96%的院士拥有硕士及以上学历。院士最高学历取得地主要集中在北京和上海,分别占了样本研究总量的27.42%和10.20%。新疆、青海、西藏、广西等11个省份无院士取得最高学历(图1c)。东中西三大地区院士最高学历取得人数分别占总数的56.69%、7.28%与7.41%,地区差异更加明显。最高学历作为学者的最终学位必然对高校教育资源及教育水平的期望更高,因此最高学历取得地更集中分布于国内外名校资源丰富区,导致地区差异化更加严重。另外,28.62%的院士在境外取得最高学历,主要集中分布在美国、日本等教育资源丰富的发达国家及俄罗斯,其中美国最多占总数的10.33%。总体来看,院士的学士学位和最高学历的主要聚集区基本一致,区别是在国外取得最高学位的院士比例大幅上升。

(3)工作地点分布特征。755名院士出生于1915—1978年,时间跨度大,其所面临的就业环境与形式也大相径庭,从国家分配工作到市场化就业导向,就业形式发生了跨度式变化,空间分布也呈现出多点开花的特征。具体来看,新中国成立之前(本文以25岁为院士初次就业年龄),由于抗战爆发,国家在重庆设立重要的科研单位及高校,吸引人才就业,北京和重庆成为院士(1915—1923)初次就业的主要地点,占总数的39.47%;建国初期到改革开放前,国家建设重点主要集中在重点城市,因而北京、上海及江苏等东部城市成为院士(1924—1953)主要的初次就业地点,占院士总数的59.76%;改革开放以来,全球化、市场化、工业化、城镇化进程的加快以及人口流动政策的变化[25],国外成为除北京外又一重要的院士(1954—1978)初次就业地点,占院士总人数的42.86%。总体来看,北京作为国家经济政治文化中心始终是院士初次就业的核心区域(图1d),其余地点随院士所处时代变化。

中国科学院院士最终工作地点的分布空间差异明显。其中47.68%院士最终工作地点分布在北京,12.72%在上海,其余39.60%分布在江苏、湖北、陕西在内的24个省份,西藏、广西、海南等6个省(区)则无院士工作分布(如图2)。总体来看,81.99%的院士最终工作地位于东部地区,且主要以北京、上海等中心城市为主,中西部地区分布的院士各占11.26%和6.75%。与初次就业工作地点相比院士最终工作地集聚效应加强,流入地明显减少,东部多西部少态势依旧存在,且差距在不断拉大。值得关注的是三大地区内部也存在明显差异,如中部地区湖北省(28人)流入量相对其他省份较大,西部地区陕西省(20人)相比其他省份流入量较大,这与武汉、西安的高质量教育资源密切相关,而东部沿海的海南省却无院士分布。此外,除一位旅居美国的院士外,其余院士最终工作地均在国内。

图2   中国科学院院士核密度分布
注:本图基于国家测绘地理信息局标准地图服务网站下载的审图号为 GS(2016)2892号的标准地图制作,底图无修改。

Fig. 2   The kernel density distribution of academicians of CAS

3.2 空间流动特征

为了更好的探索高级人才流动机制,本研究将从求学流动、就业流动与工作变更流动三个不同阶段,对中国顶尖学术型人才动态空间流动特征进行较为详细的刻画。

3.2.1 求学流动特征 求学流动即从出生地(或籍贯)到学士学位取得地的流动。中国科学院院士的求学流动包括四种尺度上的流动:省内流动、跨省流动、东中西区域间流动及全球范围内(跨境)的流动。省内流动层面,13.25%的院士学士学位取得地和出生地相同,未发生求学流动。17.48%院士求学流动发生在同一省份不同城市之间,即从出生地流向出生地所在省份的其他城市,如某院士出生地为甘肃省白银市,学士学位取得地为甘肃省兰州市,则该院士的求学流动从甘肃省白银市流向甘肃省兰州市。跨省流动层面,66.49%的院士求学流动发生在全国不同省份之间,根据这部分院士的流动信息绘制出院士流动的省际空间流动路径(图3a),由图可知,流动量最大的省份对为江苏-北京、上海-北京、浙江-上海等10组。东中西区域流动层面,研究流入流出地发现求学流动具有明显的区域指向性,主要由东部多个省份流向北京和上海。流出省份以院士出生地(籍贯)集中分布的省份为主,如江苏省、上海市和浙江省等;流入地主要以北京市和上海市为主,其次江苏省、安徽省、吉林省及天津市也是院士求学流动重要的目的地。形成这种流动趋势的原因与高校的空间分布状况密切相关,中国高水平教育资源1/3以上分布在北京、上海和江苏三个省(市),其它们作为全国典型的高水平高校密集区,吸引着全国各地人才的流入。跨境流动层面,2.78%的院士学士学位取得地在国外(图4,见第1756页),求学流动从国内流向国外,流入地主要以前苏联为主,美国、英国和日本等欧美发达国家为辅,这与院士所处时代的环境背景有着密切的联系。最后,院士所属学部分析发现(表1),地学部院士流动最多,流动能力最强,占该学部总院士的92.00%,生命科学和医学部院士流动能力最弱,占该部所有院士的81.43%,其他四学部院士求学流动占比分别为化学部86.29%,技术科学部89.39%,数学物理学部82.07%,信息技术学部88.76%。

图3   中国科学院院士国内流动
注:本图基于国家测绘地理信息局标准地图服务网站下载的审图号为 GS(2016)2892号的标准地图制作,底图无修改。

Fig. 3   The flow of academicians of CAS in China

图4   中国科学院院士全球范围内流动
注:本图基于国家测绘地理信息局标准地图服务网站下载的审图号为 GS(2016)1666号的标准地图制作,底图无修改。

Fig. 4   The flow of the academicians of CAS around the world

表1   各学部院士流动情况对比

Tab. 1   Comparison of the flow of academicians in various academic departments (人,%)

地学部化学部技术科学部生命科学和医学学部数学物理学部信息技术学部
人流量占比人流量占比人流量占比人流量占比人流量占比人流量占比
求学人员流动11592.0010786.2911889.3911481.4311982.077988.76
就业人员流动7257.607560.488262.129165.008558.625157.30
一次工作变更2419.042923.392216.672215.712013.7977.87
二次工作变更129.601411.292015.151611.4385.52910.11
学部总人数12512413214014589

新窗口打开

3.2.2 就业流动特征 就业流动指从最高学历取得地到初次工作地的流动过程(因数据收集层次性、可获取性和论文主导的方法,本研究以院士取得最高学历之后的就业为初次就业,对部分院士取得最高学历之前的就业没有逐个展开研究)。院士的就业流动同样在省内流动、省际流动和跨境流动三个不同空间尺度上进行。省内流动层面,755名院士中60.53%发生就业流动,另外39.47%的初次就业地和最高学历取得地相同,未发生就业流动。运用Pearson相关系数(R)对院士工作地与最高学历取得地之间进行相关性分析,得到R值达到0.985,且在0.01水平上显著。研究结果与李瑞[26]的研究结果相近。此外,30.33%的院士的就业流动发生在全球范围内(图4),包括国外流向国内和国内流向国外两种形式,以第一种形式的流动为主,占比25.70%。全球流入地包括美国、英国、德国及日本等欧美发达的国家,其中流入美国院士最多,占比2.91%。省际流动层面,30.20%院士最高学历取得地和初次就业地在不同省份形成跨省流动(图3b),由图可知,流动量最大的省份对为上海-北京、安徽-北京、北京-江苏等。流出省份和最高学历取得地的聚集区一致,以北京、江苏及上海等高校密集区为主;流入地主要以北京为主,其次江苏、辽宁、甘肃、湖北等中西部地区是重要的流入地,这与不同年龄段院士所处时代及面临的就业形式有关。从院士所属的学部来看(表1),生命科学和医学学部院士流动最多,流动能力最强,占该学部院士总数的65.00%,信息技术科学部院士就业流动能力最弱,占该部所有院士的57.30%,其他四个学部流动院士所占比例分别为:化学部60.48%、技术科学部62.12%、数学物理学部58.62%、地学部57.60%。

3.2.3 工作地变更流动特征 755名院士中有349名在初次就业之后发生工作地变更,55.59%的院士变更了一次,26.93%变更了两次,17.48%发生了三次及三次以上工作地变更。以工作地变更一次和两次的院士为例分别研究工作地变更次数等于1及大于1的院士的空间流动特征。

(1)工作地变更一次流动特征。7.21%院士工作地变更发生在全球范围内,他们在初次就业时流出,而在工作若干时间后又全部流回中国(图4),形成人才回流现象。流入地主要以北京、江苏、上海等东部发达省份为主。37.11%院士工作地变更发生在同一省(市)内,主要以北京市和上海市为主,主要原因在于院士作为高级人才工作单位以高校和科研单位为主,而北京和上海作为全国政治中心和经济中心,集中了全国包括就业、教育、医疗等各方面的优质资源[27],具备良好的科研及生活条件,从而吸引着高级人才不断聚集。其余55.68%的院士工作地变更发生在国内省(区)之间(图3c),由图可知,流动量最大的省份对为湖北-北京、陕西-上海及甘肃-北京等。工作地变更一次流动呈现“孔雀东南飞”的特点,北京为主要的流入地;西部地区和东北地区为主要的院士流出地,如西部地区的甘肃、云南、新疆以及东北地区的吉林、黑龙江都有大量院士流出。同时,各地区内部存在差异,其中,西部地区人才呈现流失状态,但陕西省却是西部地区一个重要的人才聚集地;东北地区黑龙江和吉林有大量院士流出,但辽宁与之相反,成为一个重要的人才聚集地。总体来看,工作地变更一次的院士以流向东部发达地区为主。高层次人才倾向于流向科技含量高,环境宜居,研究资金充足和薪酬好的地区[28],东部地区不仅拥有良好的经济、环境和资源条件,同时分布着众多全国高水平教育及科研机构,吸引高水平人才不断聚集。从院士所属学部来看(表1),化学部院士流动能力最强,占该部所有院士的23.39%,信息技术科学部院士流动能力最弱,流动院士仅占到所有院士的7.87%,其余四个学部院士流动占比分别为:地学部19.04%、技术科学部16.67%、生命科学和医学学部15.71%、数学物理部13.79%。

(2)工作地变更两次流动特征。工作地变更两次的院士,第一次工作变动时31.91%在同一省份内流动;15.96%在全球范围内流动。涉及流入中国、流出中国、国外不同国家之间及同一国家不同工作单位之间流动四种形式,主要以同一国家不同工作单位之间的流动为主,占比6.38%(图5);其余52.13%的院士第一次流动发生在国内不同省份之间,根据这部分院士的流动信息绘制出院士流动的省际空间路径(图3d红线),由图可知第一次流动数量最大的省份对黑龙江-北京、北京-青海、辽宁-北京等。研究发现,北京、上海、江苏、重庆等发达省(市)都有较多的院士流出,主要原因在于北京、上海、江苏等发达城市作为院士聚集区,基数相对较大,从而流出量也相对较大;另外,中华民国国民政府时期重庆设立了许多研究机关及高校,如中央研究院植物研究所、重庆中央工业试验所,而后来这些机构由于时局的影响部分搬迁部分消失,从而导致大量人才流出重庆。第一次流动流入地不仅包括北京、上海等东部发达省份且涉及青海、甘肃等西部欠发达省份。特别地,江苏、浙江等传统认知意义上主要的人才流入地流入量极小甚至没有院士流入,而青海、甘肃及新疆等西部欠发达省份存在院士流入。这与前面两种流动结果截然相反,这种反差作为工作地变更流动的一个特点,使其与其他类型的流动明显区分,因此对于引起这种反差的原因剖析至关重要。深入追踪院士流动轨迹发现引起这一差异的原因各不相同,但总体都与院士所处的时代有关。如1962年中国工程物理研究院绵阳九院从北京迁往青海海晏221厂核武器研制基地,引起部分研究人员流向青海,造成人才流向欠发达地区;建国初期为参与中国核工业建设,部分院士受组织派遣到二机部即现中国核工业集团兰州铀浓缩有限公司工作,使得人才流向甘肃;此外,还有院士因行业需求流入云南重要的科研机构工作,如中国科学院昆明地球物理研究所。总体而言,院士第一次流动呈现聚集不明显、东部传统人才流入地流入量小,而西部地区流入量相对较大的特征。

图5   中国科学院院士全球工作地变更两次流动
注:本图基于国家测绘地理信息局标准地图服务网站下载的审图号为 GS(2016)1666号的标准地图制作,底图无修改。

Fig. 5   The flow of changing workplace of academicians of CAS in the world

第二次工作地变中13.83%院士在全球范围内流动,43.62%院士在同一省份内流动,42.55%院士在全国不同省份之间流动(图3d黄线)。由图可知,第二次流动数量最大的省份对为安徽-北京、甘肃-北京、四川-北京等。工作地变更第二次流动聚集特征明显,其中88.30%院士流向北京、福建、广东、江苏、浙江及上海等东部发达地区,流入中西部地区的院士只占11.70%。总体而言,第二次流动呈现明显的指向性和聚集性。其原因主要是东部地区经济发达、基础设施完善、科研环境优越,且生活环境优越,为人们追求良好的生活与工作环境提供了无限可能。因此,影响院士流动的因素的并不是单一的,任何一个原因无法起决定性影响,事实上国家政策、经济条件、社会环境、自身因素、环境条件等都有可能引起院士空间流动。

总体而言,工作地变更流动分为以下两种情况:一是工作地变更一次的院士:无论是全球范围内的流动(图4),还是国内流动(图3c)都具有明显的聚集区,主要以北京市、上海市、江苏省等东部地区为主。二是工作地变更两次的院士:第一次流动时,国内流动趋势发散,东部传统人才流入地流入量小,相反西部省份流入量相对较大(图3d);全球范围内流动以不同国家之间的流动为主,流回中国的相对较少(图5)。第二次流动时,国内流动聚集性明显,88.30%流入东部地区(图3d);全球范围内的流动主要以流回中国为主,且流入地多为北京和上海(图5)。

最后,从院士所属学部来看(表1),工作变更流动技术科学部院士流动能力最强,占该学部所有院士的15.15%,数学物理学部院士流动能力最弱,占该学部院士总数的5.52%,其余四个学部院士流动占比分别:地学部9.60%、化学部11.29%、生命科学与医学学部11.43%、信息技术科学部10.11%。总体来看,院士就业流动主要在东部地区内部进行,同时中西部地区也是重要的流入地,分别流入14和15位院士(图6),且呈现流入地多、聚集程度小、流动趋势分散、流动量小且流动目的地随院士所处时代的变化而变化的流动特征。

图6   中国东中西区域内部及之间院士就业流动

Fig. 6   The employment mobility within and among the three regions of China

4 院士区域流动强度分析

为梳理各省份在人才流动网络中的等级地位,以工作地变更流动为研究对象运用公式(2)和公式(3)计算得到34个省份流入流出流动指数(FI)如表2所示。根据各省份流入流出的流动指数大小将其分为四种类型:① 强联系中心(FI≥2);② 次强联系中心(1≤FI<2);③ 弱联系中心(0<FI<1);④ 从属性省份(FI=0)。结果发现,北京和上海既是流入强中心也是流出强中心,双向流动量大。一方面北京和上海作为院士聚集区分布着较多的院士,基数本身较大,因此相对其他省份流出量也相对较大;另一方面,北京和上海作为国际大都市是全国重要的经济、贸易和文化中心,经济发达且具备良好的科研环境和资源,吸引高层次人才不断流入。流入次强中心主要以广东、江苏和浙江等7个省份为主,这些省份大都地处江南水乡,优越的环境、发达的经济、丰富的教育及科研资源和世代传承的文化底蕴为院士的流入创造了条件,使其成为主要的人才流入地;流入弱中心主要由湖北、贵州和青海等13省份构成,数量较多且大都属于中部地区,这些省份相比东部地区省份发达程度低流入院士少,但也有少量院士流入,主要归因于这些省份内部分布的高水平高校及重要科研单位,它们吸引各行业人才不断流入;流入地附属省份主要包括西藏、澳门和甘肃等12个省份,这些省份受地理位置、环境资源及经济水平等条件的限制,院士流动系数为0。流出次强中心主要包括江苏、甘肃和湖北等8个省份;流出弱中心包括广东、四川与青海在内的18个省份,这些省份主要由各地区院士分布较少的省份构成;流出地附属省份主要包括澳门、内蒙古、西藏及海南等5个省区,这些地区本身因地理位置、历史原因、城市属性及经济条件等原因无院士分布,因此也无院士流出。相比流入附属型省份,流出附属型省份减少,由此可得流入地相对集聚而流出地则分散。

表2   中国各省份流动网络等级体系

Tab. 2   Hierarchy system of flowing network of each province of China

流动类型省份类型省份数量(人)比重(%)
流入地强中心北京、上海25.88
次强中心广东、江苏、浙江、安徽、陕西、四川、天津720.59
弱中心辽宁、湖北、山东、福建、湖南、江西、河南、贵州、山西、吉林、重庆、青海、河北、1338.24
附属型甘肃、香港、黑龙江、云南、台湾、宁夏、新疆、澳门、西藏、广西、内蒙古,海南1235.88
流出地强中心北京、上海、吉林38.82
次强中心江苏、浙江、陕西、辽宁、湖北、甘肃、香港、黑龙江、823.53
弱中心广东、安徽、四川、天津、山东、福建、湖南、江西、河南、贵州、山西、重庆、青海、河北、云南、台湾、宁夏、新疆1852.94
附属型澳门、西藏、广西、内蒙古、海南514.71

新窗口打开

总体分析表明省际流动系数差距大,流入流出流动等级均呈现橄榄球型结构特征,从高等级到低等级省份数量先增后减,属于弱联系中心的省份最多,属于强联系中心的省份最少,从强联系中心到弱联系中心呈现金字塔型结构特征,流动等级越高则属于此等级的省份越少,而附属型省份类型的存在打破了这一规律。

5 结论与讨论

通过系统搜集、筛选、数字化中国科学院院士信息,运用核密度分析及流动指数等空间分析方法,定量分析了中国科学院院士的空间分布特征及流动模式,得到以下主要结论:

(1)中国科学院院士的出生地(籍贯)在空间上呈现显著地阶梯状分布,自东向西梯度锐减,东中西三地区分布院士占比分别为65.96%、23.44%、10.60%。院士学位取得地集中分布在北京、上海等985、211高校密集区。院士初次就业地点随院士所处时代的不同不断变化,但北京始终为院士初次就业的核心区域。院士最终工作地点明显向北京、上海等国家中心性城市聚集。

(2)求学流动呈现从院士出生地(籍贯)向北京、上海等高校密集区聚集的特点。毕业后39.47%的院士未发生就业流动,经验证初次工作地与最高学历取得地之间相关;30.33%的院士就业流动发生在全球范围内;30.20%的院士就业流动发生在国内不同省份之间,呈现流动量小,聚集程度小。

(3)工作地变更一次和变更两次的流动结果各不相同。具体表现为:变更一次院士的空间流动具有明显的聚集性和指向性,主要流向东部发达省份。变更两次的院士的第一次流动趋势发散,东部地区传统的人才流入地流入量小,而西部欠发达地区省份流入量相对较大,形成与之前完全不同的结果。第二次流动流入且指向明确,主要流向北京、上海和江苏等经济发达区,只有11.70%的院士流向中西部欠发达地区。流动空间上呈现东部压倒性的流入“顺差”和中西部“逆差”态势。总体来说,工作地变更一次的院士空间流动趋势明显主要向东部发达省份聚集,工作地变更次数>1的院士前几次流动均无明显的流动趋势,流入地多且聚集性不明显,而最后一次流动则向东部发达省份明显聚集。

(4)流动强度分析表明,流入流出强联系中心均为北京和上海,这些省市作为经济发展中心,双向流动量普遍大;流入地次强中心包括由广东、江苏和浙江等7个省份,弱中心包括湖北、贵州和青海等13省份;流出地次强中心包括江苏、甘肃和湖北等8个省份;流出弱中心包括广东、四川与青海在内的18个省份;其附属省份都包括澳门、西藏、广西、内蒙古和海南5省。

本文探讨了以中国科学院院士为代表的顶尖学术型人才空间分布特征及其流动趋势,发现院士主要流向以京沪苏省市为主的大城市。但也存在特殊情况,即当院士流动次数>1时,除最后一次流动外,前面所有流动并无明显聚集区,流入目的地多且散,而最后一次流动则呈现明显的“东部特大城市”指向性。人才作为知识的载体,其流动对流出地和流入地都会产生深刻的影响,因此准确把握人才的空间分布特征及流动规律有益于对人力资源进行合理利用及优化配置。虽然,本研究对顶尖学术型人才的空间分布及流动趋势已经做了初步研究,可以较好反映人才流动总体规律,但由于深度访谈不足等原因,研究对个体样本深入跟踪和探究不够,还有很大继续提升的空间,如有错误还请院士们包容和理解。未来研究中以下问题仍值得继续讨论:首先,对高层次人才尤其是院士成长与发展的轨迹及流动规律研究,这些轨迹虽然不可复制,但也是启发更多年轻学者成功的宝贵经验。其次,人才流动是多种因素共同作用的结果,国家重大战略需求、区域科研政策、经费支撑、科研环境、生活环境、成就感与认同感、以及“落叶归根”思想和科研坚守情怀都影响着院士流动的发生。因此,有必要对影响人才流动特别是高层次人才流动的机理和驱动因素进行深入剖析。再次,无论是长期的还是临时的人才流动都会影响经济发展与创新并加剧全球收入分配中的不平等,从而削弱了一个国家或地区的国际/区域竞争力。流动造成区域人才流失也将进一步加剧了更多相关人才外流,造成了人才流失与循环的“马太效应”。因此,采取有力引导措施扭转人才流动引起的负面影响,对国家和区域发展和创新至关重要。最后,仅代表作者团队对耕耘在科研一线的科技工作者和每位院士表示最诚挚的敬意!

The authors have declared that no competing interests exist.


参考文献

[1] 中华人民共和国科学技术部. 《“十三五”国家科技人才发展规划》. , 2017-12-07.

URL      [本文引用: 1]     

[Ministry of Science and Technology of the People′ Republic of China. "Thirteenth Five-year National Science and Technology Talent Development Plan". , 2017-12-07.]

URL      [本文引用: 1]     

[2] 辛斐斐, 范跃进.

双一流建设背景下高校人才流动失序的反思及矫治

. 高教探索, 2017, (10): 25-29.

[本文引用: 1]     

[Xin Feifei, Fan Yuejin.

The reflection and correction of talent flow disorder in colleges and universities under the background of double class construction

. Higher Education Exploration, 2017, (10): 25-29.]

[本文引用: 1]     

[3] 郭洪林, 甄峰, 王帆.

我国高等教育人才流动及其影响因素研究

. 清华大学教育研究, 2016, 37(1): 69-77.

[本文引用: 1]     

[Guo Honglin, Zhen Feng, Wang Fan.

Empirical study on talent mobility in higher education

. Tsinghua Journal of Education, 2016, 37(1): 69-77.]

[本文引用: 1]     

[4] 马海涛.

基于人才流动的城市网络关系构建

. 地理研究, 2017, 36(1): 161-170.

[本文引用: 1]     

[Ma Haitao.

Triangle model of Chinese returnees: A tentative method for city networks based on talent flows

. Geographical Research, 2017, 36(1): 161-170.]

[本文引用: 1]     

[5] 罗守贵, 王爱民, 高汝熹.

高级人才空间流动因素分析及建立反区域筛选机制的意义

. 地理科学, 2009, 29(6): 779-786.

Magsci      [本文引用: 1]      摘要

区域人才筛选是人力资源市场化配置中的马太效应,其空间表现为受区域之间经济梯度力的作用,高级人才从小城市向大城市或从落后地区向发达地区的逆向流动。对440份调查问卷的分析表明,强势地区对高级人才筛选力量十分强大,这种流动在人才年龄段上表现为双峰特征,与家庭状况密切相关,但与距离基本无关。由于区域人才筛选严重影响区域和谐发展,影响民族团结、社会安定及人口质量,必须致力于建立一种反区域人才筛选机制,将弱势区域的经济开发与人才开发有机结合起来;对弱势地区高级人才建立地区年功序列制度;稳定弱势地区初次就业的高校毕业生并为企业吸引高级人才提供制度支持。

[Luo Shougui, Wang Aimin, Gao Ruxi.

Analyses of factors of high-level talents’ migration and significance of establishing anti-selection mechanisms among regions

. Scientia Geographica Sinica, 2009, 29(6): 779-786.]

Magsci      [本文引用: 1]      摘要

区域人才筛选是人力资源市场化配置中的马太效应,其空间表现为受区域之间经济梯度力的作用,高级人才从小城市向大城市或从落后地区向发达地区的逆向流动。对440份调查问卷的分析表明,强势地区对高级人才筛选力量十分强大,这种流动在人才年龄段上表现为双峰特征,与家庭状况密切相关,但与距离基本无关。由于区域人才筛选严重影响区域和谐发展,影响民族团结、社会安定及人口质量,必须致力于建立一种反区域人才筛选机制,将弱势区域的经济开发与人才开发有机结合起来;对弱势地区高级人才建立地区年功序列制度;稳定弱势地区初次就业的高校毕业生并为企业吸引高级人才提供制度支持。
[6] Kainth G S.

Push and pull factors of migration: A case study of brick kiln migrant workers in Punjab

. Mpra Paper, 2010, 1(1): 82-116.

[本文引用: 1]     

[7] Kaur B, Singh J M, Garg B R, et al.

Causes and impact of labour migration: A case study of Punjab agriculture

. Agricultural Economics Research Review, 2011, 24: 459-466.

[本文引用: 1]     

[8] 周春山, 杨高, 王少剑.

深圳农民工集聚空间的演变特征及影响机制

. 地理科学, 2016, 36(11): 1643-1653.

URL      [本文引用: 1]     

[Zhou Chunshan, Yang Gao, Wang Shaojian.

The characters and influencing mechanism of spatial-temporal variations of migrant workers in Shenzhen

. Scientia Geographica Sinica, 2016, 36(11): 1643-1653.]

URL      [本文引用: 1]     

[9] 高更和, 曾文凤, 刘明月.

省际流动农民工回流区位及影响因素: 以河南省12个村为例

. 经济地理, 2017, 37(6): 151-155.

[本文引用: 1]     

[Gao Genghe, Zeng Wenfeng, Liu Mingyue.

Backflow location and influence factors of inter-provincial migrant workers: A case study for 12 villages in Henan province

. Economic Geography, 2017, 37(6): 151-155.]

[本文引用: 1]     

[10] Kidd M P, O'Leary N, Sloane P.

The impact of mobility on early career earnings: A quantile regression approach for UK graduates

. Economic Modelling, 2017, 62: 90-102.

https://doi.org/10.1016/j.econmod.2017.01.011      URL      [本文引用: 1]     

[11] Tang A Z R, Rowe F, Corcoran J, et al.

Where are the overseas graduates staying on? Overseas graduate migration and rural attachment in Australia

. Applied Geography, 2014, 53(53): 66-76.

https://doi.org/10.1016/j.apgeog.2014.06.004      URL      [本文引用: 1]     

[12] Krabel S, Flöther C.

Here today, gone tomorrow? Regional labour mobility of German university graduates

. Regional Studies, 2014, 48(10): 1609-1627.

https://doi.org/10.1080/00343404.2012.739282      URL      [本文引用: 1]     

[13] 陈明星, 郭莎莎, 陆大道, .

新型城镇化背景下京津冀城市群流动人口特征与格局

. 地理科学进展, 2018, 37(3): 363-372.

[本文引用: 1]     

[Chen Mingxing, Guo Shasha, Lu Dadao, et al.

Characteristics and spatial patterns of floating population in the Beijing-Tianjin-Hebei urban agglomeration under the background of new urbanization

. Progress in Geography, 2018, 37(3): 363-372.]

[本文引用: 1]     

[14] 刘涛, 齐元静, 曹广忠.

中国流动人口空间格局演变机制及城镇化效应: 基于2000和2010年人口普查分县数据的分析

. 地理学报, 2015, 70(4): 567-581.

[本文引用: 1]     

[Liu Tao, Qi Yuanjing, Cao Guangzhong.

China's floating population in the 21st century: Uneven landscape, influencing factors, and effects on urbanization

. Acta Geographica Sinica, 2015, 70(4): 567-581.]

[本文引用: 1]     

[15] 肖宝玉, 朱宇.

福建省城镇流动人口的空间分异格局—基于六普数据的分析

. 人文地理, 2014, 29(4): 85-91.

URL      [本文引用: 1]      摘要

文章基于第六次人口普查数据,运用数理统计、空间自相关和GIS等方法,分析了福建省城镇流动人口的空间分异格局。研究发现,福建省城镇流动人口在沿海多而密集、以区外流动为主,开放性和活跃性明显,而在内陆则少而稀疏、以区内流动为主,封闭性和粘滞性突出,但沿海和内陆均存在内部异质性;大城市流动人口密集且来源地广泛、对人口城镇化影响大,中等城市流动人口规模较小,小城镇对区内流动人口有一定吸纳能力。文章还探讨了城镇流动人口空间分异特征的驱动机制、对区域社会经济发展和城镇化的影响,并提出相关政策建议。

[Xiao Baoyu, Zhu Yu.

Patterns of spatial differentiation of the urban floating population in Fujian province: An analysis of the sixth population census data

. Human Geography, 2014, 29(4): 85-91.]

URL      [本文引用: 1]      摘要

文章基于第六次人口普查数据,运用数理统计、空间自相关和GIS等方法,分析了福建省城镇流动人口的空间分异格局。研究发现,福建省城镇流动人口在沿海多而密集、以区外流动为主,开放性和活跃性明显,而在内陆则少而稀疏、以区内流动为主,封闭性和粘滞性突出,但沿海和内陆均存在内部异质性;大城市流动人口密集且来源地广泛、对人口城镇化影响大,中等城市流动人口规模较小,小城镇对区内流动人口有一定吸纳能力。文章还探讨了城镇流动人口空间分异特征的驱动机制、对区域社会经济发展和城镇化的影响,并提出相关政策建议。
[16] Kerr S P, Kerr W R, Ozden C, et al.

Global talent flows

. Social Science Electronic Publishing, 2017, 30(4): 83-106.

[本文引用: 1]     

[17] 姜怀宇, 徐效坡, 李铁立.

1990年代以来中国人才分布的空间变动分析

. 经济地理, 2005, 25(5): 702-706.

[本文引用: 1]     

[Jiang Huaiyu, Xu Xiaopo, Li Tieli.

An analysis to the spatial disparities of talent in China, 1990-2002

. Economic Geography, 2005, 25(5): 702-706.]

[本文引用: 1]     

[18] Cowling M.

The Geographical Distribution of UK Talent: Causes and Consequences

. Brighton: Institute for Employment Studies, 2009.

[本文引用: 1]     

[19] 马海涛.

基于知识流动的中国城市网络研究进展与展望

. 经济地理, 2016, 36(11): 207-213.

[本文引用: 1]     

[Ma Haitao.

Research progress and prospects of city networks based on knowledge flow in China

. Economic Geography, 2016, 36(11): 207-213.]

[本文引用: 1]     

[20] 吴殿廷, 李东方, 刘超, .

高级科技人才成长的环境因素分析: 以中国两院院士为例

. 自然辩证法研究, 2003, 19(9): 54-63.

[本文引用: 1]     

[Wu Dianting, Li Dongfang, Liu Chao, et al.

Analysis of the environmental factors affecting the growth and development of the high-class talents in science and technology: Based on Chinese Academy of Sciences and Engineering members

. Studies in Dialectics of Nature, 2003, 19(9): 54-63.]

[本文引用: 1]     

[21] 吴殿廷, 赵江, 刘鸽, .

中国杰出体育竞技人才成长因素的地理分析: 以奥运冠军为例

. 地理科学, 2007, 27(6): 779-784.

Magsci      [本文引用: 1]      摘要

在建立奥运冠军数据库的基础上,用多元统计分析的方法总结出奥运冠军分布的时空特征,考察了影响奥运冠军成长的地理环境因素。奥运冠军籍贯分布东多西少;南北平分秋色,但力量型项目主要集中在东北和华北,技术型项目主要集中在江浙、中南和西南。父母生理素质的遗传为子女的成长提供了客观可能,但后天的刻苦训练更为重要;经济不落后的地区,有资金支持体育竞技项目,杰出体育竞技人才培养得较多;家庭经济不太好,父母才舍得让子女从事体育竞技项目,子女才肯于吃苦,更可能在力量型项目上夺得冠军。教练是影响杰出体育竞技人才成材的最关键人物;不同的自然地理环境造就不同类型的运动员;社会舆论对运动员既是压力也是动力,国家政策上的支持及对外交流,也是一个优秀运动员成长的不可缺少因素。

[Wu Dianting, Zhao Jiang, Liu Ge, et al.

Geographical analysis on development factors of splendid athletes in China: Taking Olympic champions as examples

. Scientia Geographica Sinica, 2007, 27(6): 779-784.]

Magsci      [本文引用: 1]      摘要

在建立奥运冠军数据库的基础上,用多元统计分析的方法总结出奥运冠军分布的时空特征,考察了影响奥运冠军成长的地理环境因素。奥运冠军籍贯分布东多西少;南北平分秋色,但力量型项目主要集中在东北和华北,技术型项目主要集中在江浙、中南和西南。父母生理素质的遗传为子女的成长提供了客观可能,但后天的刻苦训练更为重要;经济不落后的地区,有资金支持体育竞技项目,杰出体育竞技人才培养得较多;家庭经济不太好,父母才舍得让子女从事体育竞技项目,子女才肯于吃苦,更可能在力量型项目上夺得冠军。教练是影响杰出体育竞技人才成材的最关键人物;不同的自然地理环境造就不同类型的运动员;社会舆论对运动员既是压力也是动力,国家政策上的支持及对外交流,也是一个优秀运动员成长的不可缺少因素。
[22] Berke O.

Exploratory disease mapping: Kriging the spatial risk function from regional count data

. International Journal of Health Geography, 2004, 3(10): 18-20.

https://doi.org/10.1186/1476-072X-3-18      URL      [本文引用: 1]     

[23] 潘坤友, 曹有挥, 魏鸿雁, .

我国航空货运网络结构研究

. 经济地理, 2007, 27(4): 653-657.

[本文引用: 1]     

[Pan Kunyou, Cao Youhui, Wei Hongyan, et al.

The study on distributing pattern and network structure of air freight airports in China

. Economic Geography, 2007, 27(4): 653-657.]

[本文引用: 1]     

[24] 任泉香, 朱竑, 李鹏.

近现代中国女性人才的地理分布和区域分异

. 地理学报, 2007, 62(2): 211-220.

[本文引用: 1]     

[Ren Quanxiang, Zhu Hong, Li Peng.

Geographical distribution and regional differentiation of female talents in modern and contemporary China

. Acta Geographica Sinica, 2007, 62(2): 211-220.]

[本文引用: 1]     

[25] 杨强, 李丽, 王运动, .

1935-2010年中国人口分布空间格局及其演变特征

. 地理研究, 2016, 35(8): 1547-1560.

[本文引用: 1]     

[Yang Qiang, Li Li, Wang Yundong, et al.

Spatial distribution pattern of population and characteristics of its evolution in China during 1935-2010

. Geographical Research, 2016, 35(8): 1547-1560.]

[本文引用: 1]     

[26] 李瑞, 吴殿廷, 鲍捷, .

高级科学人才集聚成长的时空格局演化及其驱动机制: 基于中国科学院院士的典型分析

. 地理科学进展, 2013, 32(7): 1123-1138.

https://doi.org/10.11820/dlkxjz.2013.07.015      Magsci      [本文引用: 1]      摘要

以中国科学院1192 名院士为典型群体, 运用基尼系数、集中化指数和空间自相关识别和剖析了高级科学人才成长的时空规律及其演化机制。结果表明:① 中科院院士国内籍贯或出生地、国内最高学历(位)获取地和国内长期工作地, 在东中西3 大地带均呈现出较强的不平衡性;② 自20 世纪50 年代以来, 中科院院士在上述3 地的大部分省域表现出地理空间上显著的正的空间自相关性, 其国内籍贯或出生地、国内最高学历(位)获取地和国内长期工作地均呈现出集聚逐渐弱化的空间演化态势;③ 中科院院士在上述3 地带的HH集聚省域数量随年代推进分别呈现出先增后减、变化不大和逐渐增加态势, 主要分布于中国东部沿海省域及其邻近省域;④ 从20 世纪50 年代至今, 中科院院士在上述3 地带时空格局演化跃迁较多的是类型Ⅳ(省域本身及其邻居均保持了相同水平), 近半省域表现出了空间上的连续稳定性, 而类型Ⅰ、Ⅱ和Ⅲ在数量上也有所差异, 且存在部分省域跃迁明显的现象;⑤自然环境、经济基础、政治环境和文化教育的差异和变化不同程度的影响着中科院院士的总体空间分布和时空格局演化。

[Li Rui, Wu Dianting, Bao Jie, et al.

Evolution of temporal and spatial pattern and driving mechanisms of agglomerative growth of senior science talents: A case study of academicians of CAS

. Progress in Geography, 2013, 32(7): 1123-1138.]

https://doi.org/10.11820/dlkxjz.2013.07.015      Magsci      [本文引用: 1]      摘要

以中国科学院1192 名院士为典型群体, 运用基尼系数、集中化指数和空间自相关识别和剖析了高级科学人才成长的时空规律及其演化机制。结果表明:① 中科院院士国内籍贯或出生地、国内最高学历(位)获取地和国内长期工作地, 在东中西3 大地带均呈现出较强的不平衡性;② 自20 世纪50 年代以来, 中科院院士在上述3 地的大部分省域表现出地理空间上显著的正的空间自相关性, 其国内籍贯或出生地、国内最高学历(位)获取地和国内长期工作地均呈现出集聚逐渐弱化的空间演化态势;③ 中科院院士在上述3 地带的HH集聚省域数量随年代推进分别呈现出先增后减、变化不大和逐渐增加态势, 主要分布于中国东部沿海省域及其邻近省域;④ 从20 世纪50 年代至今, 中科院院士在上述3 地带时空格局演化跃迁较多的是类型Ⅳ(省域本身及其邻居均保持了相同水平), 近半省域表现出了空间上的连续稳定性, 而类型Ⅰ、Ⅱ和Ⅲ在数量上也有所差异, 且存在部分省域跃迁明显的现象;⑤自然环境、经济基础、政治环境和文化教育的差异和变化不同程度的影响着中科院院士的总体空间分布和时空格局演化。
[27] 李扬, 刘慧, 汤青.

1985-2010年中国省际人口迁移时空格局特征

. 地理研究, 2015, 34(6): 1135-1148.

[本文引用: 1]     

[Li Yang, Liu Hui, Tang Qing.

Spatial-temporal patterns of China's interprovincial migration during 1985-2010

. Geographical Research, 2015, 34(6): 1135-1148.]

[本文引用: 1]     

[28] Zhou Yang, Guo Yuanzhi, Liu Yansui.

High-level talent flow and its influence on regional unbalanced development in China

. Applied Geography, 2018, 91: 89-98.

https://doi.org/10.1016/j.apgeog.2017.12.023      URL      [本文引用: 1]     

/