开放科学(资源服务)标识码(OSID)：
基础研究是对科学原理的深度探索，具有学科交叉、问题复杂、突破难度大、绩效考核难等特点。当前我国面临的科技发展“卡脖子”问题，很大程度上是因为基础研究无法实现突破而难以形成颠覆性原始创新所致。因此，深入探讨基础研究导向和驱动机制，坚决改革、创新和完善其管理模式，切实提升基础研究效果、效率和绩效，既是实现科技强国的必然路径，也是当务之急。
习近平总书记指出：“持之以恒加强基础研究。我国面临的很多“卡脖子”技术问题，根子是基础理论研究跟不上，源头和底层的东西没有搞清楚。”相对于发展速度和“两个一百年”发展目标，我国基础研究是不足且滞后的。不足首先体现在因发展初期底子薄、基础差而产生的投入不足，虽然现在这已经不再是突出问题，但又由此衍生出成果不足问题，也可称为滞后问题。滞后不但表现在基础研究突破及由此产生的颠覆性创新与发展相比滞后，也表现在解决投入不足问题后，与投入相比的产出成果不足和滞后。与不足问题相比，解决滞后问题更具复杂性、综合性和科学性。面对“卡脖子”问题，当务之急在于基础研究管理转型[1]。只有依靠转型找到合适的管理模式，提高科研合作深度和广度，才能实现资源互补，促进知识整合与传播，实现信息获取、交流[2]，为基础研究创造更好的科研生态，从而解决我国基础研究能力不足和滞后问题。
20世纪80年代，日本处于高速发展期，也曾面临基础研究与经济发展不适应的问题。为此，日本政府通过提升国家需求对基础研究的导向作用，实现管理方式转型。美国作为当今世界最大的基础研究强国，主要通过支持实验室自由探索与制定国家科技计划进行需求引导相结合的方式支持和推动基础研究。科研实力雄厚的德国，主要由政府主导并通过咨询委员会调配经费投入，重点支持科研机构、大科学工程和大科学基础设施发展基础研究[3]。上述国家基础研究管理模式虽然因国情不同存在一些差异，但都可以归纳为基于机构设施的自由探索和国家需求引导两个方面，这对我国基础研究管理转型具有重大借鉴意义。
我国基础研究管理转型必须立足于自身国情现状和发展需求，走中国特色自主创新道路。本文从我国现行基础研究相关政策和管理办法出发，基于国内、国际相关理论与实践经验，探讨并界定自由探索与需求攻关两种基础研究管理模式，并基于CNKI国家自然科学基金和“973计划”发文数据，从宏观网络整体、中观网络成分和微观网络基元3个尺度，对科研合作网络的度分布、最短路径、集聚系数、重要节点、成分特征以及网络模体Z-score与浓度进行分析，从而完善中国基础研究科研合作网络单点型、流线型、平衡型和核心型4种科研合作模式，最后提出管理建议。以期为解决我国基础研究“卡脖子”问题、促进基础研究管理模式完善与转型提供新的思路。
1.1.1 基础研究管理模式
根据国家统计局《全国科技经费投入统计公报》的定义，基础研究是指为了获得关于现象和可观察事实基本原理的新知识(揭示客观事物本质、运动规律，获得新发展、新学说)而进行的实验性或理论性研究，不以任何专门或特定应用或使用为目的。《国务院关于国家财政科技资金分配与使用情况的报告》指出，国家自然科学基金和国家重点基础研究发展计划(“973计划”)是我国最主要的两项旨在发展基础研究的科技计划。2016年科学计划改革后，“973计划”整合为国家重点研发计划的一部分。但鉴于两者管理理念相似，且“973计划”较刚开始运行的国家重点研发计划更为成熟，因此仍选取“973计划”作为本文典型研究对象。深入分析上述两项科技计划管理办法发现，其主要差异在于选题来源与人才队伍选拔机制。国家自然科学基金仅要求申请人有基础研究经验、高级职称或博士学位以及合格的依托单位，组织管理模式较为松散，在资助原则上更倾向于支持科研人员自由探索和自主选题，注重课题的学科覆盖程度，是对科学原理广度的探索，人才选拔机制是自荐申请制，可以将其界定为自由探索型基础研究管理模式。“973计划”旨在解决国家发展需求，由科技部征求各部门重大需求，并结合专家咨询建议，提出项目指南，选题来源于有关部门和专家提出的需求，优先支持国家重点研究基地及优秀研究团队。在实际执行中，具有优势力量邀请制和自荐申请制两种人才队伍选拔机制，参研门槛高，注重科研团队及其依托单位实力，是集国内顶尖人力物力“集中力量办大事”的体现，可以将其界定为需求攻关型基础研究管理模式。本文基于上述界定，深入研究自由探索型和需求攻关型管理模式的完善与转型。
1.1.2 基础研究科研合作网络
基础研究科研合作网络属于科研合作网络的子集。科研合作网络的概念和分析方法由Newman[4-5]首次提出，其认为通过访谈方法构建的社会网络，易受访问对象主观偏见影响，只有相互熟悉的学者才会合作论文，论文合著网络可以反映学者之间真实科研合作关系。基于此，其通过构建论文合著网络并应用社会网络方法分析对比生物医学、物理学和计算机3个领域，指出上述网络都服从幂律分布且具有较短的最短路径，但不同学科的合著网络之间具有显著差异。因此，本研究从科研合作网络角度分析基础研究，也即分析基础研究中的科研合作网络问题，更为客观反映基础研究项目自由探索和需求攻关双重特征下的真实合作关系，并将研究成果进一步应用于国家重大科研项目合作机制与组织管理模式中，实现从一般科研合作网络到基础研究科研合作网络，再到国家重大项目科研合作网络的递迁。
目前关于基础研究管理的研究主要集中在经验总结、绩效影响因素、基础研究与应用研究对比以及产学研成果转化等方面[6-9]，但主要停留在定性的政策探讨、经验总结和管理建议阶段，缺乏对我国基础研究管理模式及其中科研合作模式的系统梳理，也缺乏对我国现有不同基础研究科技计划之间的对比分析。
科研合作不仅对学者个体，对整个社会的科学进步也有着积极作用。目前学术界普遍认为科研合作可以带来更高的学术生产力，这从科研合作和论文成果数量增长两个方面都得到证实[1]。对于学者个体而言，科研合作有利于实现其科学理念[10]，合作论文通常更容易在高层次期刊刊登，可能产生更多被引，具有的影响力也更大[11]，科研合作可以给学者带来更好的职业发展，如终身教职、个人声誉等[12-13]。科研合作有助于个人、机构、学科和社会等各层次科学进步。
科研合作网络是挖掘多层次科研合作关系的有力工具，可以分为网络整体、网络成分、网络模体等多个层次[14]。在宏观层次上，目前相关研究主要集中于论文合著关系构建的科研合作网络，网络中通常采用作者[4-5]、机构[15]、地域[16]等不同主体作为节点，分析多层次、多角度的科研合作特征。在中观层次上，网络成分是从网络连通性角度探讨网络组成，通常将网络中最大关联子图定义为成分，成分内部各点之间相连，而成分与成分之间不相连，从有无角度体现学者间的联系，两点属于不同成分就意味着两个学者之间从未产生过任何科研合作关系，是广义的科研合作团体。在微观层次上，网络模体是解读科研合作关系的重要工具，Milo等[17]最早提出模体概念并将其定义为网络中反复出现且相互作用的基本模式，这些基本模式在真实网络中出现频率远高于同等规模的随机网络。模体从局部刻画给定网络中节点相互连接的特定模式，对自下而上研究网络全局构成具有重要作用，被誉为真实网络的基元[18]。在关于网络模体的研究中，学者普遍认为3节点和4节点子图对网络结构与功能的揭示尤为重要，这与学术合作的一般规模相一致[19]。模体的发现可采用软件实现，如fanmod软件使用Rand-ESU算法[20]，运算速度很快。
综上可知，我国对基础研究管理模式本身的探讨还不够深入，尤其是对不同科技计划之间的对比分析相对较少。根据上文所述，本文基于我国基础研究典型科技计划，总结基础研究类型并深入不同类型中探究自然形成的科研合作关系，从宏观、中观和微观3个尺度,采用拓扑结构、网络成分和网络模体3种复杂网络定量分析方法，挖掘我国基础研究的科研合作模式，对比分析我国基础研究典型管理模式的优缺点。研究思路与逻辑如图1所示。
图1 研究框架
本研究基于CNKI数据库，选择支持基金为国家自然科学基金和“973计划”的论文，文献分类为基础科学项下的流体力学，发表时间为2014—2018年。流体力学在航空航天等前沿领域应用广泛，航空航天领域的基础研究代表着我国科学研究顶尖水平。本文选取在航空航天领域具有代表性的流体力学学科作为样本，得到国家自然科学基金支持论文3 401篇和“973计划”支持论文293篇。
构建研究者之间的科研合作网络G，节点代表学者，连边代表学者之间的关系。
G={V,E}，V={v1,v2,…,vm}，E={e1,e2,…,en}
(1)
其中，V为学者节点的集合，m为网络内包含的学者数量，E为网络中边的集合，n为网络中存在的科研合作关系数量。采用CiteSpace软件，以累积的方式处理论文合作关系[21]，分别构建无权无向的国家自然科学基金和“973计划”基础研究科研合作网络，最终得到包含844个节点2 612条边的“973计划”基础研究科研合作网络，以及包含8 220个节点26 017条边的国家自然科学基金基础研究科研合作网络，并通过Pajek与MATLAB软件对网络特征参数进行计算和可视化。
2.1.1 度分布分析
网络中一个节点连接边的数目，称为节点度，科研合作网络中节点的度表示与该节点有过合作的人数。度分布衡量的是网络中度的弥散程度，用概率分布函数P(k)表示，代表随机从网络中选取一个节点，其度为k的概率。网络的无标度特征由Barabasi等[22]发现，是指度分布呈幂函数形式衰减。网络中大部分节点度都较小，度特别大的节点很少，体现出极强的网络异质性。
如图2所示，根据Pajek网络节点度计算，得出国家自然科学基金基础研究科研合作网络平均度为19.83，将节点的度分布进行幂函数曲线回归得到P(k)～6.713*k(-2.459)。可以发现，国家自然科学基金基础研究科研合作网络服从的幂律度分布指数在2～3附近，具有显著的无标度网络特征。如图3所示，“973计划”基础研究科研合作网络平均度为9.43，将其度分布进行幂函数曲线回归，得到拟合优度为0.588。结合观察可发现，“973计划”基础研究科研合作网络也具有无标度网络特征，且两种科技计划基础研究科研合作网络都存在富者愈富的“马太效应”，即少数学者有着大量科研合作，大多数学者仅有少量或没有科研合作，且因为无标度结构,依然倾向于与合作者较多的学者合作。
图2 国家自然科学基金基础研究科研合作网络度分布 图3 “973计划”基础研究科研合作网络的度分布
2.1.2 最短路径分析
网络平均最短路径长度为网络中所有节点对之间距离的平均值，即:
(2)
其中，dij为网络中节点vi与vj之间的距离，N为网络中节点数量。平均最短路径长度描述网络传输性能与效率，在科研合作网络中可以表征学者间的合作沟通效率。计算得出国家自然科学基金和“973计划”基础研究科研合作网络平均最短路径分别为3.2和1.2，两者最短路径都较短，说明学者联系密切，但“973计划”中学者联系相较国家自然科学基金更为紧密。
2.1.3 集聚系数分析
集聚系数用于衡量网络集团化程度，较高的集聚系数可以增强学者之间的信任，促进其协作、资源共享和风险共担。如果学者vi与vj有合作，学者vj与vk有合作，则节点(vi,vj,vk)为一个三元组，那么学者vi与vk很可能也有合作。如果学者vi与vk存在合作，则称节点(vi,vj,vk)为一个闭环三元组。网络集聚系数为所有三元组中闭环三元组数目，即：
(3)
由Pajek计算得出国家自然科学基金和“973计划”科研合作网络集聚系数分别为0.33和0.45，说明“973计划”基础研究科研合作网络中学者三元组之间存在闭环的概率大于国家自然科学基金基础研究科研合作网络，“973计划”基础研究科研合作网络中学者集团化程度更加显著。
小世界特征由Watts&Strogatz[23]提出，该特征能够促进知识和信息流动，提高网络创新能力。结合最短路径与集聚系数特征分析可知，两类科技计划基础研究科研合作网络都具有小世界特性，可以有效推动科研创新。两类科技计划基础研究科研合作网络中进行科研合作的学者之间都有较亲近的社会关系，跨越性科研合作较少。相较于国家自然科学基金，“973计划”基础研究科研合作网络中学者更倾向于进行科研合作，集团化程度显著且与合作对象的社会关系更亲密、直接。
2.1.4 重要节点分析
复杂网络中节点评价指标主要分为两类：一类从社会网络角度出发，包括中心性等指标；另一类从鲁棒性角度出发，通过删除网络中某些节点衡量网络变化，包括网络分离子图数量、网络效率变化、最大子图节点数等指标。对于科研合作网络中重要节点的识别，以保持网络完整性的中心性指标为主 [24-27]。
节点度即与该节点相连的边数，直接体现与某点直接相连点的数量，点度中心性是点的度与其最大可能度的比值，衡量节点在其邻居节点当中的中心程度。点的介数是网络中所有最短路径中经过该点数量的比例，反映节点或边在整个网络中连接两个子图或社团的作用和影响力，介数中心性即是对这种中介作用的衡量。接近度是测量节点通过最短路径与其它节点的接近程度，刻画网络中节点通过网络到达其它节点的难易程度，反映节点通过网络对其它节点施加影响的能力，也反映节点在网络中居于中心位置的程度。
表1列出了根据中心性识别得出国家自然科学基金和“973计划”基础研究科研合作网络中的重要学者，其中仅薛创和李明两位学者在两个网络中同时出现，说明两类科技计划中科研主干力量有很大不同，在有限精力下，学者倾向于仅全力参与一类重大科技项目研究工作。从论文发表数和学者数量看，参加国家自然科学基金的学者多于“973计划”，两者人均论文发表数相差不大，国家自然科学基金仅较“973计划”高出0.6篇/人。进一步检索重要学者所属单位发现，两类科技计划中重要学者绝大多数来自北京应用物理与计算数学研究所和中国工程物理研究院两家单位，同时“973计划”重要学者中还有较多来自中国空气动力研究与发展中心。总体看，两类科技计划重要学者隶属单位以科研机构为主，其中国家自然科学基金参与单位更为多样，包含更多高等院校。
表1 基础研究科研合作网络重要学者
排名“973计划”基础研究科研合作网络接近度中心性介数中心性度中心性国家自然科学基金基础研究科研合作网络接近度中心性介数中心性度中心性1戴振生王运涛戴振生李 平薛 创张 莹2叶文华李志辉叶文华柏劲松李 明薛 创3张维岩彭傲平张维岩李 蕾彭晓星缪文勇4范征锋郭 龙范征锋肖良华季 斌丁永坤5薛 创刘 刚薛 创刘金宏王 裴江少恩6康洞国张家忠康洞国邹立勇孙海权曹柱荣7曹柱荣王晓川曹柱荣王 翔邓小刚沈胜强8刘慎业李 明刘慎业肖 波赫 新王国玉9郑无敌李四新郑无敌袁 帅陈 力柏劲松10徐小文姜 楠徐小文刘 坤张朝辉李 军
成分是网络中最大关联子图，从有无角度反映科研团体合作特征。如图4所示，根据成分分析将国家自然科学基金基础研究科研合作网络分为1 091个成分，其中以学者张永辉为代表的最大成分含有2 567个节点，其规模占所有节点的31.23%，最小为46个单个学者构成的成分，占所有成分的4.2%，3人以上构成的成分为863个，占所有成分的79%。“973计划”基础研究科研合作网络如图5所示，可以分为163个成分，其中以学者张顺玉为代表的最大成分包含39个节点，其规模占所有节点的4.6%，最小为4个单个节点构成的成分，占所有成分的2.5%，3人以上构成的成分为135个，占所有成分的82.8%。对比分析发现，“973计划”基础研究科研合作网络中成分分布较为均匀，更有组织性，游离于群体之外的单个节点相对较少，学者更倾向于进行科研合作；国家自然科学基金基础研究科研合作网络合作关系则呈现两级分化态势，倾向于合作的学者组成大规模圈子，倾向于独自探索的学者也占较大比例，同时还存在一定比例的小型团队。
图4 国家自然科学基金科研合作网络
图5 “973计划”科研合作网络
模体从局部刻画给定网络相互连接的特定模式，是微观基元合作模式的反映。模体的重要性主要有Z-score和浓度两个度量指数。其中，Z-score反映模体在真实网络和随机网络中出现频率的差距，计算方法为：
(4)
其中，Nreali为实际网络中模体i出现的频率，Nrandi表示生成的随机网络中模体i出现的频率，〈Nrandi〉为Nrandi的平均值，σrandi为Nrandi的标准差。
模体浓度的定义基于子图浓度。拥有N个节点的第i种子图浓度为实际出现的网络中第i种子图数量与网络中所有N个节点子图总数量之比，计算方法为：
(5)
其中，Ni为第i种子图数量。本研究采用fanmod和MATLAB软件构建1 000个随机网络，得出显著性水平p<0.05的3节点与4节点子图，然后对“973计划”和国家自然科学基金科研合作网络进行模体浓度与Z-score计算，结果如表2所示。“973计划”科研合作网络模体中具有更多完备子图型模体(1-3-1、1-4-1)，且浓度均为70%以上，显示出更强的科研合作紧密度，项目中学者平等地与其他学者合作，呈现出强烈的强强联合态势，但核心学者的地位不突出。与之相对，国家自然科学基金科研合作网络模体中也存在完备子图型模体(1-3-1、1-4-1)，但浓度仅为36.53%和9.05%，在4节点模体中，突出核心学者作用的2-4-1模体浓度最大为38.76%,表明强强联合现象相对较少，核心学者的地位更为突出。
表2 网络模体形式
“973计划”序号模体浓度(%)Z-score国家自然科学基金序号模体浓度(%)Z-score1-3-175.396 078.22-3-136.5328 1171-4-172.59undefined2-4-138.7611 1061-4-215.14388.722-4-29.05undefined1-4-31.795 247.32-4-33.54611 400
注：Z-score的undefined值表明该模体在随机网络中出现频率为0，即Z-score值为无穷大
网络结构决定网络中学者知识共享与交流模式，根据上述多层次分析可以发现，中国基础研究科研合作网络中主要科研合作模式有单点型、流线型、平衡型、核心型4种。
(1)单点型：学者独立科研并发表文章，人才吸收能力更强，科研合作程度较低。单点型科研合作模式在国家自然科学基金和“973计划”科研合作网络中都有所体现，但在前者中占比更高。说明独立学者更倾向于参与自由探索型基础研究项目，自由探索型基础研究管理模式在吸收人才力量方面表现更佳，能给小型团队带来更多资助机会，但小型团队被吸收进项目体系后，仍然缺少建立科研合作的途径，科研合作程度不高。相比之下，需求攻关型基础研究管理对于人才的吸纳作用较弱，但科研合作程度更高。
单点型科研合作模式在两种管理模式中的占比差异是人才队伍选拔机制不同所致。自由探索型基础研究主要是自下而上的申请审核制，而需求攻关型基础研究管理则包含自上而下的优势力量邀请制和自下而上的自荐申请制两种，并且由于其举全国之力的性质及任务时效性限制，注重参研团队实力，因而更倾向于优势力量邀请制。以独立学者为代表的小型团队通常没有广泛的知名度，也达不到被项目机构邀请的条件，是在原始性创新中容易被忽略的重要力量，这也导致需求攻关型基础研究管理对人才的吸纳作用不足。
(2)流线型：各节点一个接一个呈线形结构(见图6)，网络结构不稳定，不利于知识交流与共享，是科研合作程度不高的重要体现。当前项目科研活动中，存在项目申请书与结题报告合作的现象，具体表现为各方共同申请项目、撰写申请书，实际任务却单干、毫无交流，结题时将报告汇在一起完成项目合作，这种表层的科研合作缺少科学灵感之间的相互碰撞，自然无法体现出科研合作对基础研究与科学发展的促进作用。流线型科研合作模式在两种基础研究管理模式中都有所体现且占比相当，均存在科研合作程度不高的问题。
图6 流线型科研合作模式
(3)平衡型：子图中不存在核心作者，或核心学者地位不突出，如图7所示。平衡型合作模式体现人才强强联合，鲁棒性较高，科研合作稳定深入，有利于多方交流合作，不易因个别人才流失导致网络瓦解。平衡型合作模式是“973计划”学者普遍采用的合作模式，需求攻关型基础研究管理形成的科研合作网络中，人才合作更平衡，网络鲁棒性也更强，这与需求攻关型基础研究“集中力量办大事”的特点密切相关，其人才队伍选拔方式决定了参与人员科研能力更受普遍认可，从而易于产生强强联合的合作局面。相较需求攻关型，自由探索型基础研究管理中平衡型科研合作模式较少，应加强合作引导，从管理角度出发，帮助团队发掘潜在科研合作对象，以达成更多平衡型科研合作。
图7 平衡型科研合作模式
(4)核心型：子图中包含核心学者，非核心学者倾向于与核心学者开展合作，非核心学者之间合作较少，如图8所示。核心型科研合作模式中，交流合作主要依赖于核心学者，鲁棒性较低，但该模式属于典型的导师-学生模式，具有较强的人才培养作用。核心型科研合作模式是国家自然科学基金中学者主要的合作模式，而“973计划”中则较少。对比发现，需求攻关型基础科研合作网络鲁棒性更高，而自由探索型基础研究科研合作更重视核心学者地位，自由探索型基础研究在现实科研生活中也是高校团队的首选，具有更强的人才培养作用。
图8 核心型科研合作模式
根据选题来源和人才队伍选拔机制可以将我国基础研究分为需求攻关型与自由探索型两种管理模式。从基础研究科研合作网络整体层次看，两种基础研究管理模式下的科研主干力量具有很大不同，学者倾向于仅全力参与一类重大科技项目研究工作，重要学者多数隶属于科研院所。其中，自由探索型基础研究管理模式参研人员更多，重要学者隶属于高校的比重更大，人均发文数略高于需求攻关型。两类基础研究管理模式下的科研合作网络均具有无标度和小世界特征，有助于推动科研创新，但需求攻关型基础研究管理下的科研合作网络中，学者联系相较自由探索型基础研究管理更为紧密，合作倾向更强，集团化程度更高。从中观网络成分层次看，需求攻关型基础研究管理模式下的科研合作团体规模更均匀、更有组织性；自由探索型基础研究管理模式下，科研合作团体规模分布则呈现两级分化态势，倾向于合作的学者组成大规模圈子，倾向于独自探索和组成小型团体的学者也占较大比例。在微观基元层次，需求攻关型基础研究管理模式下的科研合作关系更多呈现强强联合，而自由探索型则更加突出核心学者的作用。
具体而言，我国基础研究科研合作模式主要可以分为单点型、流线型、平衡型和核心型4种。自由探索型基础研究管理更多的是单点型、流线型和核心型科研合作，更突出核心学者地位且注重人才的吸收培养。需求攻关型基础研究管理则以平衡型和流线型科研合作模式为主，科研合作更平衡、鲁棒性更高，体现人才强强联合，不易因个别人才流失造成合作交流瓦解，但吸纳与培养人才的作用略显不足。此外，两种科研管理模式都存在流线型科研合作模式，体现出科研合作广度和深度不够，仍然具有较大提升空间。
本研究界定了自由探索与需求攻关型两种基础研究管理模式，发掘两种不同基础研究管理模式下自主形成的科研合作网络中蕴含4种科研合作模式，并对比两类基础研究管理模式在促进科研合作方面的优缺点。结论对科研管理和基础研究管理理论具有一定补充意义，有助于科研人员对我国基础研究管理模式和科研合作模式进行系统性了解，也有助于相关管理部门理清我国基础研究管理和科研合作现状，对解决我国基础研究“卡脖子”问题，完成管理转型，走出中国特色自主创新道路具有一定指导意义。
需求攻关型基础研究管理模式形成的科研合作网络，鲁棒性强、合作紧密、集团化程度高、组织均匀、合作平衡，集中了顶尖的人力物力，具有更严格的组织管理，在国家重大需求下集中突破核心科学问题，是中国速度在科研领域的体现，也是应对当前科技发展困局的短期解决方案。但该模式依赖于有关部门和专家的眼界判断，课题覆盖程度较低，难以应对未来发展的复杂变化。
自由探索型基础研究管理模式形成的科研合作网络，核心学者地位突出、整体结构松散、小型团队多，有助于广泛吸纳和培养人才，科学家好奇心驱动的自由选题也可以增加课题覆盖广度，从人才储备和课题覆盖两方面降低不确定性影响，从而保障我国基础研究能力的可持续发展，是应对当前科技发展困局的长期解决方案。但由于当前基础研究“卡脖子”问题存在明确的短板与需求，自由探索型基础研究缺乏针对性，无法快速补足弱项，因此一定时期内我国经济技术发展仍会受制于人。
基于此，以长期方案为基础，短期方案为补充，两者相结合才能走出中国特色自主创新道路，解决基础研究“卡脖子”问题。在管理办法转型上，应更加突出自由探索型基础研究管理的人才培养作用，一方面，丰富基础研究资助层次，降低申请门槛，创造条件引导学者进行基础研究；另一方面，在项目层面突出同行交流合作和专家的作用，提倡通过交流解决科学问题，提升学者研究水平。而对于需求攻关型基础研究，则应该更加突出其集中顶尖人才解决重大问题的特点，给予顶尖人才充分的科研空间，提供科研条件与设施保障，优化绩效考评指标，以代表作而非发文量等不符合基础研究客观规律的量化指标评价科研进展与成果。同时，两种基础研究管理模式都要提升科研合作深度与广度，相关管理单位和依托单位应为参研学者提供更多跨学科交流、国际合作机会，注重运用里程碑节点控制等手段促进实打实的科研合作，从体制机制角度提升基础研究科研水平，促进我国基础研究成果迸发。
[1] 汪品先. 转型——我国基础研究的当务之急[J]. 科技导报, 2020, 38(10): 38-40.
[2] LEAHEY E. From sole investigator to team scientist:trends in the practice and study of research collaboration[J]. Annual Review of Sociology,2016,42(1):81-100.
[3] 钱万强,林克剑,闫金定,等. 主要发达国家基础研究发展策略及对我国的启示[J]. 科技管理研究,2017,37(12):37-41.
[4] NEWMAN M E J. Network construction and fundamental results[J]. Physical Review E,2001,64(1):1-8.
[5] NEWMAN M E J. Shortest paths,weighted networks,and centrality[J]. Physical Review E,2006,73(3):039906.
[6] 吴善超. 科研环境对基础研究绩效的影响机制研究[D]. 杭州:浙江大学,2015.
[7] 张小筠. 基于增长视角的政府R&D投资选择:基础研究或是应用研究[J]. 科学学研究,2019,37(9):1598-1608.
[8] 高杰,丁云龙,胡亚伟. 中外基础研究创新团队资助管理机制比较研究[J]. 科技进步与对策,2018,35(8):100-105.
[9] 饶子和. 从“973计划”到国家新型基础研究支持体系[J]. 中国基础科学,2017,19(4):17-18.
[10] BIKARD M,MURRAY F,GANS J S. Exploring trade-offs in the organization of scientific work:collaboration and scientific reward[J]. Management Science,2015,61(7):1473-1495.
[11] LEE S,BOZEMAN B. The impact of research collaboration on scientific productivity[J]. Social Studies of Science,2005,35(5):673-702.
[12] CLARK B Y,LLORENS J J. Investments in scientific research:examining the funding threshold effects on scientific collaboration and variation by academic discipline[J]. Policy Studies Journal,2012,40(4):698-729.
[13] KLUG M,BAGROW J P. Understanding the group dynamics and success of teams[J]. Royal Society Open Science,2016,3(4):160007.
[14] 刘亮,罗天,曹吉鸣. 基于复杂网络多尺度的科研合作模式研究方法[J]. 科研管理,2019,40(1):191-198.
[15] 赵蓉英,王旭,亓永康. 我国世界一流大学建设高校间科研合作网络研究:基于CNKI和WoS数据的对比[J]. 情报理论与实践,2018,41(10):1-7.
[16] 韩童茜,王立梅,许鑫. 长三角城市群科研合作网络演化研究:基于SCIE和SSCI论文的实证分析[J]. 情报理论与实践,2020,43(10):151-156.
[17] MILO R,SHEN-ORR S,ITZKOVITZ S,et al. Network motifs:simple building blocks of complex networks[J]. Science,2002,298(5594):824-827.
[18] MA N,LI H J,WANG Y H,et al. Interaction pattern features and driving forces of intersectoral CO2 emissions in China:a network motif analysis[J]. Resources,Conservation and Recycling,2019,149:391-412.
[19] WUCHTY S,JONES B F,UZZI B. The increasing dominance of teams in production of knowledge[J]. Science,2007,316(5827):1036-1039.
[20] WERNICKE S,RASCHE F. Fanmod:a tool for fast network motif detection[J]. Bioinformatics,2006,22(9):1152-1153.
[21] 李杰,陈超美. CiteSpace 科技文本挖掘及可视化[M]. 北京:首都经济贸易大学出版社,2017.
[22] BARABASI,ALBERT. Emergence of scaling in random networks[J]. Science,1999,286(5439):509-512.
[23] WATTS D J,STROGATZ S H. Collective dynamics of 'small-world' networks[J]. Nature,1998,393(6684):440-442.
[24] HOWELL N,BURT R S,MINOR M J. Applied network analysis:a methodological introduction[J]. Cahiers Canadiens De Sociologie,1985,10(2):209.
[25] BIHARI A,PANDIA M K. Key author analysis in research professionals' relationship network using citation indices and centrality[J]. Procedia Computer Science,2015,57:606-613.
[26] ZHENG J,GONG J Y,LI R,et al. Community evolution analysis based on co-author network:a case study of academic communities of the journal of "Annals of the Association of American Geographers"[J]. Scientometrics,2017,113(2):845-865.
[27] 李文兰,王野,李立,等. 基于多属性决策合著网络关键节点识别研究[J]. 情报理论与实践,2017,40(9):95-100.