雑誌名同志社政策科学研究

(1)

トワーク分析によるアプローチ

著者中嶋学

雑誌名同志社政策科学研究

巻 20

号 1

ページ 43‑59

発行年 2018‑08‑10

権利同志社大学政策学会

URL http://doi.org/10.14988/pa.2018.0000000189

(2)

概　要

本稿は、共同研究のソーシャル

・

イノベーションへの貢献を促進することを意図して、チーム・サイエンスという形態の共同研究における研究者間の知識共有に影響を与える要因ついて検討を行っている。I-Chooseプロジェクトという国際共同研究プロジェクトにおける研究者間の対面による知識共有およびインターネットによる知識共有について、社会ネットワーク分析の知見に基づき近接性と同類性に注目して分析を行った結果、（1）研究者の多くが対面よりもインターネットにより定期的に知識共有しているものの、研究者間の距離が対面だけでなくインターネットによる知識共有の制約となっていること、（2）研究者間の研究分野の一致あるいは相違は知識共有に影響を与えていないこと、

（3）研究者間の言語の一致はインターネットに

よる知識共有には影響を与えないが、対面による知識共有は主要言語が同一の研究者間で行われていることが明らかとなった。これらの結果は、インターネットの活用によって知識共有に対する距離の制約を低減することはできるが完全に克服することはできないこと、また、研究分野や言語の境界を越えた知識共有が自動的に生じるわけではなく、チーム・サイエンスが多様性のメリットを活かし、ソーシャル

・

イノベーションへ貢献するためには、研究分野や言語の境界を越えた知識共有を促進するためのマネジメントが必要となることを示している。

1．はじめに

本研究の目的は、共同研究における研究者間の知識共有に影響を与える要因について検討することである。研究分野を問わず共同研究が増加しており、その重要性が高まっている。50年間にわたる約

2000

万の論文と約

200

万の特許について分析した研究では、研究分野を問わず共同研究が年々増加しており、量でも質でも個人による研究を圧倒するようになっていることが指摘されている（Wuchty et al. 2007）。また、共同研究が、研究分野、組織、国の境界を越えて行われるようになっていることも報告されている

（Cummming and Kiesler 2005; Fiore 2008; Jones et al. 2008; Stokols et al. 2008; Wagner and Leydesdoff 2005a, 2005b）。

共同研究には、例えば、同じ研究分野の研究者が

1

つの研究分野の研究を深めるために行うもの、異なる研究分野の研究者が知識共有し新たな研究分野に取り組むために行うもの、メンターが駆け出しの研究者や学生の育成のために行うものなど様々な形態があるが（Leahey

2016）、本稿では、「チーム・サイエンス（team science）」と呼ばれる形態の共同研究を対象と

する。チーム・サイエンスは、異なる研究分野の研究者が協働し、研究分野の境界を越えて知識共有することによって、1つの研究分野の範囲を越える共通問題に取り組む共同研究であり（Fiore 2008; Stokols et al. 2008）、ネットワーク組織¹という組織的な特長をもつ（Dimitrova

and Wellman 2015）。チーム・サイエンスは、保

共同研究における研究者間の知識共有

―社会ネットワーク分析によるアプローチ―

中嶋学

1ネットワーク組織は、「組織の内外において、ヨコの連携を活かしつつ、人材、資源、情報、ノウハウを最適に結合するような組織活動の形態である」と説明されている（若林 2009: 4）。

(3)

ミュニケーションが困難となる傾向がある。城山（2010: 83-84）は、自らの経験に基づき、

「安

全性に係わる社会技術研究及び関連研究で垣間見たことでいえば、外部からはなかなか区別の難しい原子力工学研究者と化学工学研究者、

あるいは法医学者、臨床医（内科医、外科医）

も、見ている対象、観点が異なり、しばしば相互のコミュニケーションは困難を極めていた。

また、人社プロジェクトの経験でいえば、例えばガバナンスといった概念の理解も、行政学・

政治学研究者、法学研究者、経済学研究者で異なり、用語の共通理解、翻訳もなかなか困難な側面があった」と述べている。そして、コミュニケーションが困難になると知識の共有および統合において問題が生じ、ソーシャル・イノベーションへ貢献できないという結果になってしまう。つまり、チーム・サイエンスは、ソーシャル・イノベーションへの貢献を可能にする多様性というメリットが、研究者間の知識の共有および統合という面においていてはデメリットになるというネットワーク組織に内在する多様性と統合のパラドックスを抱えているのである（Cummming and Kiesler 2005; Ospina and Saz-

Carranza 2010; Saz-Carranza and Ospina 2011）。

多様性と統合というパラドックスを抱えるチーム・サイエンスに参加している研究者間では、知識共有はどのように行われているのだろうか、研究分野の境界を越えて知識共有が行われているのだろうか、どのような要因が研究者間の知識共有に影響を与えるのだろうか。前述のように本稿の目的は、共同研究における研究者間の知識共有に影響を与える要因について検討することであるが、チーム・サイエンスに参加している研究者間の知識共有パターンおよびそのパターンに影響を与える要因を明らかにすることによって、チーム・サイエンスのプロセスに対する理解が深まり、その理解に基づきプロセスの改善・向上への方策を示すことができるであろう。さらに、チーム・サイエンスのプロセスの改善・向上によって、ソーシャル・イノベーションへの貢献が促進されることも期待できる。以下、本稿は次のように構成されてい健・医療、貧困、環境などの複雑な社会問題に

取り組むためには、研究分野の境界を越えた共同研究が必要不可欠であるという理由から活発に行われるようになっている（Börner et al. 2010;

Fiore 2008; Stokols et al. 2008）

²

。保健・医療分野

を例にとると、現在十分に明らかにされていない病気の原因を特定する必要がある、もし病気の原因が特定できたとしても、病気になる危険性のある人の行動を変容させる方法を特定する必要がある、もし行動を変容させる方法が特定できたとしても、危険性のある人が新たに増加しないように根本的な社会的原因を特定する必要があるというように、病気の原因を特定するための医療分野における共同研究にとどまらず、

行動を変容させるための行動科学や、病気の発生に影響を与える社会的な要因を明らかにするための社会科学の貢献が求められるので（Syme

2008）、研究分野の境界を越えて知識共有する

チーム・サイエンスが必要となるのである。

本稿がチーム・サイエンスを対象とする理由は、チーム・サイエンスが、ソーシャル・イノベーションへ貢献する可能性をもつからである。ソーシャル・イノベーションは、「社会問題に対する既存の解決方法よりも効果的、効率的、持続可能、公正であり、そして、その価値が個人ではなく社会全体に及ぶ新規の解決方法（筆者訳）」（Phills et al. 2008: 36）と定義され、政府、市場、市民社会のアクターがそれぞれ、あるいは、協働して、ソーシャル

・

イノベーションにより既存の解決方法では対応できない複雑な社会問題に対応することを求められている中で（谷本他 2013）、チーム・サイエンスは、

前述の保健・医療分野の例のように、異なる研究分野の研究者が研究分野の境界を越えて知識共有することによって、複雑な社会問題に対して新規の効果的な解決策を創出できる可能性をもっているのである。

しかしながら、チーム・サイエンスは、研究分野の境界を越えて知識共有することで、ソーシャル・イノベーションへ貢献することが可能になる一方で、異なる研究分野の研究者間では、研究対象、理論、方法などの相違によりコ

2 日本においては、「対象となる素材を共有しつつ、異なった分野間での共同研究を目指す」というプロジェクト型共同研究（城山 2010:

74）が、2000年代から増加していると指摘されている（城山 2010）。

(4)

どのノード間の比較的に継続的な繋がりを表わす（Brass et al. 2004; Marin and Wellman 2011;

Wasserman and Faust 1994）。つまり、ノードと

紐帯は、研究対象に応じて研究者によって選択されるのであり、本稿の場合でいえば、後述するように、ノードは研究者、紐帯は研究者間の知識共有ということになる。

社会ネットワーク分析における理論は、ネットワークを独立変数とする「ネットワークによる理論（network theory）」とネットワークを従属変数とする「ネットワークについての理論（theory of networks）」に大別される

（Borgatti and Foster 2003; Borgatti and Halgin 2011; Borgatti and Lopez-Kidwell 2011）。ネットワークによる

理論は、紐帯を導管として捉え、例えば、紐帯を通して得られる資源によって行為者のパフォーマンスを説明する「フロー

・

モデル

（ﬂow

model）」と、紐帯を接着剤として捉え、

例え

ば、同じパターンの紐帯をもつ行為者は同じ役割に結び付けられることから行為者間の類似性を説明する「ボンド・モデル（bond model）」

に分けられる（Borgatti and Foster 2003; Borgatti

and Halgin 2011; Borgatti and Lopez-Kidwell 2011;

Borgatti et al. 2009）

⁵

。ネットワークについての

理論は、ネットワークによる理論と比べて未発達であるが、ネットワーク形成に影響を与えるメカニズムとして、行為者が出会う可能性という機会に基づく説明と効用の増加・減少という便益に基づく説明の

2

つに分けることができる（Borgatti and Foster 2003; Borgatti et

al. 2009）。機会に基づくネットワーク形成メカ

ニズムと便益に基づくネットワーク形成メカニズムの代表的なものが、それぞれ「近接性

（propinquity）」と「

同類性（homophily）」であり、どちらもノードが個人であれ組織であれ国であれ、ネットワーク形成に影響を与える要因である（Kadushin 2012＝

2015）。近接性とは、

「同じ時間に同じ場所にいる」（Kadushin 2012

＝

2015: 15）ことであり、ネットワーク形成の

る。次章では、先行研究の検討を行い、本稿の問題意識を明確にする。第

3

章では、データ収集や分析方法などの研究方法について説明し、

第

4

章では分析結果を説明する。最後の第

5

章においては、分析結果についての考察を行い、

そして、本稿の結論を提示する。

2．先行研究

2. 1　チーム・サイエンスの科学と社会ネットワーク分析

多様性と統合というパラドックスを抱えるチーム・サイエンスのプロセスおよび成果を向上させ、複雑な社会問題の解決に貢献する知識を産出することを目的とする研究分野が、

「チーム・サイエンスの科学（Science of Team Science）」と呼ばれる研究分野である（Börner et al. 2010; Falk-Krzesinski et al. 2010; Falk- Krzesinski et al. 2011; Stokols et al. 2008）

³

。チー

ム・サイエンスの科学では、研究者が研究分野の境界を越えて共同研究を行い共同研究の目的を達成するためには、研究者間の知識共有が必要であるという理解に基づき、研究者間の知識共有、コミュニケーション、関係性などを理解するためのツールとして、社会ネットワーク分析が重要なツールとされている（Börner et al.

2010; Leischow et al. 2008; Stokols et al. 2008）

⁴

。

社会ネットワーク分析は、「さまざまな『関係』のパターンをネットワークとしてとらえ、

その構造を記述・分析する方法」（安田 1997:

2）であり、その最大の特徴は、行為者間の繋

がりあるいは繋がりのパターンに焦点をあてる点である（Brass et al. 2004; Marin and Wellman

2011; Wasserman and Faust 1994）。ネットワーク

は「ノード（node）」と「紐帯（tie）」により構成され、ノードは、個人、組織、国などを表わし、

紐帯は、友人関係、資源依存関係、同盟関係な

3チーム・サイエンスの科学は、核となるべき問題領域が確定していない萌芽的な段階にあるが、チーム・サイエンスが成功するための条件やプロセスを理解すること、ならびに、科学的発見、教育効果、および政策提言などのチーム・サイエンス成果を向上させることを目的とする研究分野であると説明されている（Falk-Krzesinski et al. 2010; Falk-Krzesinski et al. 2011; Stokols et al. 2008）。

4 2010年に行われた第1回目のチーム・サイエンスの科学の国際会議では、社会ネットワーク分析のワークショップが行われている

（Falk-Krzesinski et al. 2010）。

5ボンド・モデルは、Borgatti and Foster （2003）においては「structurelist view」、Borgatti and Lopez-Kidwell（2011）においては「network architecture model」と呼ばれている。

(5)

New Media）」と呼ばれるプログラムがあり、

GRAND

の参加者はプロジェクトへの参加が求

められているのだが、そのプロジェクト・レベルの分析を行った貴重な研究がある

（Dimitrova et al. 2013）。その研究では、研究成果を実際

に産出するという活動の焦点があるために、

GRAND

全体よりもプロジェクト・レベルにお

いて研究者間の仕事上のコミュニケーションやアドバイスなどの繋がりが密になっていること、また、GRAND全体では仕事上のコミュニケーションやアドバイスが対面と電子メールによって同程度行われているのに対し、プロジェクト・レベルにおいては対面よりも電子メールによって仕事上のコミュニケーションやアドバイスがより頻繁に行われていることが報告されている（Dimitrova et al. 2013）。対面よりも電子メールによって仕事上のコミュニケーションやアドバイスがより頻繁に行われる理由は、プロジェクト・レベルでは緊密なコミュニケーションが必要であり、また、プロジェクトに参加している研究者間の距離が近いとは限らないので、電子メールによるコミュニケーションがより頻繁に行われるためとされている。つまり、

研究者間の対面による知識共有については近接性の影響がある一方で、電子メールによる知識共有については近接性の影響がないということが示唆されている。果たして、電子メールを含むインターネットの活用によって距離の離れた組織や国の研究者間の知識共有は促進されるのであろうか。対面では距離が研究者間の知識共有に影響しても、インターネットでは影響しないのであろうか。そこで本稿の第

1のリサーチ・

クエスチョンは、

「研究者間の距離は、

プロジェクト・レベルにおける研究者間の対面による知識共有およびインターネットによる知識共有にどのような影響を与えるのだろうか」である。

Dimitrova et al.（2013）は、プロジェクト・レベルにおける研究者間のネットワークを分析した貴重な研究であるが、同類性が研究者間のネットワーク形成に与える影響については検討していない。そこで、プロジェクト・レベルの研究から、少し範囲を広げて、研究機関や大学などの組織内あるいは組織間における研究者間のネットワークを検討した研究をみていきたい。これらの研究は、近接性が研究者間のネットワーク形成に影響を与えるという点で一致し機会を提供するという点で、ネットワーク形成

の基本的な規定要因である（Rogers and Kincaid

1981）。つまり、会う機会がなければ、ネット

ワークが形成されることはないのである。同類性とは、類似した行為者は良好な社会的関係を形成しやすくなる、つまり、「類は友をよぶ」というメカニズムであり（McPherson et al.

2001）、

類似した

2

者間では、コミュニケーショ

ンが容易になり、行動の予見性が高まり、そして信頼の形成が促進されることにより、良好な社会的関係が形成されることになる（Brass et

al. 2004）。

本稿の問題関心は共同研究における研究者間の知識共有であり、つまり、研究者というノード間における知識共有という紐帯の形成を検討することなので、ネットワークについての理論に基づくことになる。ネットワークについての理論では、近接性と同類性がネットワーク形成の基本的なメカニズムだと考えられるが、チーム・サイエンスがソーシャル・イノベーションへ貢献するためには、研究者は異なる研究分野の研究者と研究分野の境界を越えて知識共有する必要があり、また、共同研究は組織あるいは国の境界を越えて行われるので（Cummming

and Kiesler 2005; Jones et al. 2008; Wagner and Leydesdoff 2005a, 2005b）、研究者は距離の離れ

た場所にいる研究者と知識共有する必要がある。

つまり、チーム・サイエンスにおいては、ネットワーク形成の基本的なメカニズムである近接性および同類性に相反するネットワーク形成が求められるのである。それでは、社会ネットワーク分析を用いた先行研究では、近接性と同類性が研究者間の繋がりに与える影響についてどのように論じられているのであろうか。以下で先行研究を検討していきたい。

2. 2　社会ネットワーク分析を用いた共同研究の先行研究

社会ネットワーク分析を用いた先行研究で、

研究成果を実際に産出する基礎的な活動単位であるプロジェクト・レベルにおける研究者間のネットワークを対象とした研究は限られている。カナダにおいて研究分野およびセクターを越えて全国から

ICT

関連の研究者が参加している「GRAND（Graphics, Animation and

(6)

先行研究では同じ研究分野という同類性が研究者間のネットワーク形成に与える影響が検討されているが、それに加えて、国際的な共同研究が増加している中で（Wagner and Leydesdoff

2005a, 2005b）、同じ言語という同類性が研究

者間のネットワーク形成に影響を与える可能性が示唆されている（Lungeanu and Contractor

2015）

⁶

。前述のように、異なる研究分野では用

語の理解が異なりコミュニケーションが困難となることが指摘されているが（城山 2010）、異なる言語の研究者間においても同様の問題が生じる。例えば、アカウンタビリティという用語について、アングロ・サクソン諸国とそれ以外の国では理解が異なることが指摘されている

（山本 2013）

⁷

。チーム・サイエンスに異なる言

語あるいは国の研究者が参加し知識共有することは、異なる研究分野の研究者が知識共有するのと同様に、多様性というメリットをもたらし、

ソーシャル・イノベーションへの貢献の可能性を高めるであろう。プロジェクト

・

レベルでは、

同じ言語という同類性は影響を与えるのであろうか。多様性のメリットが活かされるように、

言語の境界を越えて知識共有されているのであろうか。また、対面による知識共有とインターネットによる知識共有では、同じ言語という同類性の影響は異なるのであろうか。そこで、本稿の第

3

のリサーチ・クエスチョンは、「研究者間での言語の一致あるいは相違は、プロジェクト・レベルにおける研究者間の対面による知識共有およびインターネットによる知識共有にどのような影響を与えるのだろうか」である。

2. 3　小括

本章のここまでの内容を小括しておきたい。

チーム・サイエンスのプロセスおよび成果の改善・向上を目的とするチーム・サイエンスの科学では、研究者間のネットワークを理解するためのツールとして社会ネットワーク分析が重視されている。しかし、プロジェクト

・

レベルのチーている。つまり、距離の近い研究者間でネッ

トワークが形成されることが報告されている

（Long et al. 2015; Okimoto 2015; Sciabolazza et al.

2017）。その一方で、チーム・サイエンスにおい

て研究分野の境界を越えた知識共有が重要視されていることから、同じ研究分野という同類性が研究者間のネットワーク形成に与える影響が検討されているが、この同類性の影響については一貫した傾向がみられない。例えば、Harris

et al.（2015）は、研究センターに所属している

研究者間のネットワークを分析し、一般的な協働経験を紐帯として捉えた場合は、同じ研究分野の研究者間でネットワークが形成される傾向があるのに対し、共著論文の執筆、共同のプレゼンテーション、共同の補助金申請といった具体的な活動を紐帯として捉えた場合には、同じ研究分野という同類性の影響がみられないことを報告している。また、共著論文の執筆を紐帯として捉えた場合は、同じ研究分野の研究者間でネットワークが形成される傾向があるのに対し、共同の補助金申請を紐帯として捉えた場合には、同じ研究分野という同類性の影響がみられないことを報告している研究もある（Dhand

et al. 2016; Luke et al. 2015）。このように組織内

あるいは組織間における研究者間のネットワーク形成を検討した研究では、同じ研究分野という同類性の影響が検討されているものの、一貫した傾向は見出されていない。それでは、プロジェクト・レベルでは、同じ研究分野という同類性はどのような影響を与えるのであろうか。

多様性のメリットが活かされるように、研究分野の境界を越えて知識共有されているのであろうか。対面による知識共有とインターネットによる知識共有では、同じ研究分野という同類性の影響は異なるのであろうか。そこで、本稿の第

2

のリサーチ・クエスチョンは、「研究者間での研究分野の一致あるいは相違は、プロジェクト・レベルにおける研究者間の対面による知識共有およびインターネットによる知識共有にどのような影響を与えるのだろうか」である。

6この研究は、新規の研究分野における研究者間の共著論文執筆を紐帯として捉えて分析し、同じ国の研究間でネットワークが形成されるという結果から、近接性が研究者間のネットワーク形成に影響を与えると結論付けている。ただし、近接性ではなく、同じ言語や同じ文化という同類性がネットワーク形成に影響している可能性があると述べている。

7山本（2013: 48）は、アカウンタビリティという用語の理解の相違について、「アカウンタビリティの原語にある懲罰的な意味を含む責任概念で理解されているのはアングロ・サクソン諸国に限定的である」と述べている。

(7)

使用する。I-Chooseプロジェクトは、消費者に対し、商品の生産過程（例えば、労働条件、賃金）

や生産による影響（例えば、環境への影響）などの情報提供を可能にする情報システムを構築することを目的としており、最終的には、この情報システムの構築によって、環境的に持続可能で経済的に公正な商品・サービスの選択が可能になることを目的としている。I-Chooseプロジェクトには、米国、カナダ、メキシコから複数の研究分野にわたる

13

名の研究者が参加している。

この

13

名を対象に、2012年

4

月にインターネットを通じて、調査票を用いたデータ収集を行った。

回収率は

100

パーセントであった。

3. 2　分析方法

本稿では、13名の研究者間の知識共有を紐帯として捉え、その知識共有パターンというネットワーク構造を分析するために、指数ランダムグラフ・モデル（Exponential Random Graph

Modeling: ERGM）を用いる。ERGM

は、ノード

間に紐帯が存在する確率を推定するネットワーク・データのための統計分析手法であり（Harris

2014; Lusher et al. 2013; Robins et al. 2007）、本稿

の場合では、研究者間の知識共有という紐帯が存在する確率が推定されることになる。

ERGMでは、ノード間に紐帯が存在する確率を推定するために、ネットワーク構造、行為者の属性、2者間関係の属性という

3

つのタイプの変数を用いることができる。ネットワーク構造としては、行為者の属性および

2

者間関係の属性とは独立して紐帯の有無に影響を与える「互酬性（reciprocity）」¹⁰や「推移性（transivity）」¹¹などの変数が用いられる。行為者の属性は、例えば、影響力の大きい研究者は多くの研究者と知識共有するというように、行為者の属性と紐帯の有無の関係を捉えるために使用される。2者ム・サイエンスを、社会ネットワーク分析を用

いて検討した先行研究は少ない。これは、研究成果を実際に産出する基礎的な活動単位がプロジェクト・レベルであることを考えると、埋められるべきリサーチ・ギャップである。そこで、本稿はプロジェクト・レベルを対象として、

社会ネットワーク分析においてネットワーク形成の基本的なメカニズムとされる近接性と同類性に注目して、近接性と同類性が研究者間の知識共有に与える影響について明らかにするために、次の

3

つのリサーチ・クエスチョンに取り組む⁸

。

RQ1：研究者間の距離は、プロジェクト・レベ

ルにおける研究者間の対面による知識共有およびインターネットによる知識共有にどのような影響を与えるのだろうか。

RQ2：研究者間での研究分野の一致あるいは相

違は、プロジェクト・レベルにおける研究者間の対面による知識共有およびインターネットによる知識共有にどのような影響を与えるのだろうか。

RQ3：研究者間での言語の一致あるいは相違

は、プロジェクト・レベルにおける研究者間の対面による知識共有およびインターネットによる知識共有にどのような影響を与えるのだろうか。

3．研究方法 3. 1　データ収集

上記の

3

つのリサーチ・クエスチョンに取り組むために、米国のニューヨーク州立大学の付属研究機関である

Center for Technology in Government

を拠点とする

I-Choose

⁹と呼ばれる国際共同研究プロジェクトから収集したデータを

8 本稿が、仮説検証ではなく、探索的なリサーチ・クエスチョンに取り組む理由は次の2つである。（1）チーム・サイエンスにおいては、

ネットワーク形成の基本的なメカニズムである近接性および同類性に相反するネットワーク形成が求められているため、ネットワークについての理論、つまり近接性および同類性というメカニズムに基づき、研究者間の知識共有パターンを予測し仮説を導出することができない。（2）本稿の分析対象であるプロジェクト・レベルのチーム・サイエンスという形態の共同研究を社会ネットワーク分析を用いて検討した先行研究が少ないため、実証研究に基づいて仮説を導出することができない。

9 I-Chooseプロジェクトの詳細は、次のウェブサイトを参照。http://www.ctg.albany.edu/projects/ichoose

10 互酬性とは、例えば、研究者iが研究者jに有益な知識を提供した場合に、お返しに研究者jが研究者iに対して有益な知識を提供するという関係性である。

11 推移性とは、例えば、研究者iと研究者jが知識共有し、かつ、研究者jと研究者kが知識共有している場合に、研究者iと研究者kとの間でも知識共有が行われるという、いわば、友達の友達は友達であるという関係性である。

(8)

名の研究者間の知識共有ネットワークである。

ロースター方式¹²を用いて、13名の研究者間の

「対面による知識共有」

および

「インターネッ

トによる知識共有」という

2

種類のネットワーク

・

データを収集した。

13

1

ヶ月に

1

回程度以上している場合¹³ は定期的な知識共有が行われているとみなし、

「対面による知識共有」および「インターネッ

トによる知識共有」という研究者の知識共有に関する

2

2

つの変数が作成された。

3. 3. 2　説明に用いる変数

前述のように、ERGMでは、ネットワーク構造、行為者の属性、2者間関係の属性とい間関係の属性は、例えば、研究者

i

と研究者

j

の研究分野が同じである場合に知識共有が行われるというように、2者間の関係性と紐帯の有無の関係を捉えるために使用される。

ERGMでは、ネットワーク構造、行為者の属性、2者間関係の属性という変数が、ノード間の紐帯の有無に与える影響が次のように推定される。観察されたネットワークを再現するために、モデルに組み込まれた変数に基づいて大量のネットワークのシュミレーションが行われる

（本稿では 100,000

回）。モデルに組み込まれた変数に基づいて、観察されたネットワークが再現された場合に、そのモデルは

「収斂（converge）」

したとみなされ、モデルに組み込まれた変数が、

偶然に生じるよりも頻繁に、観察されたネットワークにおいて生じるかを判断するための推定値と標準誤差が算出される（Harris 2014; Lusher

et al. 2013; Robins et al. 2007）。変数の推定値が

プラス方向に統計的に有意な場合、例えば、同じ研究分野という

2

者間関係の属性の場合では、

同じ研究分野の研究者間で知識共有が行われる傾向があることを意味し、その一方で、変数の推定値がマイナス方向に統計的に有意な場合、

同じ研究分野の研究者間で知識共有が行われない傾向があることを意味する。ただし、ERGM による分析において推定値が統計的に有意であることは、その変数が偶然に生じるよりも頻繁あるいは稀に観察されたネットワーク（本稿の場合では、I-Chooseプロジェクトにおける

13

名の研究者間の知識共有ネットワーク）において生じていることを意味しているのであり、他のネットワークに対して一般化できることを意味しない。本研究では、ERGMによる分析を行うために、R の statnetパッケージ（Handcok et al.

2003）を使用した。

3. 3　使用する変数

3. 3. 1　説明の対象となる変数

本稿において説明の対象となる変数は、13

12 ロースター方式とは、例えば「誰と知識共有しますか」という質問と名前のリストが提供され、回答者が、知識共有する人の名前を選択するという方式である。

13 質問に対し「2」、「3」、「4」、「5」、「6」あるいは「7」を選択した場合。

(9)

は

0

あるいは

1

の

2

値をとり、研究者

i

と研究者

j

が同じ言語を選択している場合に「1」となり、研究者

i

と研究者

j

が異なる言語を選択している場合に「0」となる。

制御変数をみていくと、「参加期間」変数は、プロジェクトが開始された

2009

年

7

月からデータ収集が行われた時点の間で、プロジェクトに参加している期間を尋ねている。平均は

24.5

ヶ月で、標準偏差は

9.2

ヶ月となっている。

「参加期間」を制御変数として使用する理由は、

参加期間が長くなれば、他の参加者と接触する機会が増えること、また、プロジェクトに関する知識が増えることで、知識共有に影響を与える可能性があるためである。次に「影響力」変数は、それぞれの研究者のプロジェクトにおける影響を把握するために、回答者に「表に記載された方々の中から、プロジェクトに対して最も影響力がある方を

5

名選択してください。ただし、『影響力』は、プロジェクトに関して、

自分の望むように、他者を信じ、考え、行動させる能力を意味します」と尋ね、その結果として、それぞれの研究者が選択された回数であり、

それぞれの研究者が他の研究者から影響力があるとみなされている程度を表わしている。平均は

5.4

で、標準偏差は

4.2

となっている。「影響力」を制御変数として使用する理由は、チーム・サイエンスにおけるリーダーの重要性が指摘されており（Gray 2008）、そして、リーダーシップが影響力を発揮するプロセスであることから（Sparrowe and Liden 1997）、影響力が知識共有に影響を与える可能性があるためである。

「英語」変数は、I-Choose

プロジェクトで用いられている言語が英語なので、英語を主要言語とする研究者が知識共有の際に主導的な役割を果たす可能性があることから制御変数としており、英語を主要言語とする

7

名を「1」、他の言語を主要言語とする

6

名を「0」とする

2

値変数である。2者間関係の属性である「共同研究の経験」変数は、

13

行

13

列の対称行列であり、

I-Choose

プロジェクト以前に、研究者

i

と研究

者

j

が共同研究を行った経験があれば「1」、なければ「0」となっている。「共同研究の経験」

を制御変数として使用する理由は、以前に共同う

3

つのタイプの変数をモデルに組み込むこと

ができる。本研究では、ネットワーク構造として

2

つの変数（「辺の数（edges）」、「推移性

（geometrically weighted edge-wise shared partner:

GWESP）」）、行為者の属性として 3

つの変数

（「参加期間」、「影響力」、「英語」）、2

者間関係の属性として

4

つの変数（「距離」、「同一の研究分野」、「同一の言語」、「共同研究の経験」）

の合計

9

j

が所属する組織間の距離が近いことを意味する。

次に、リサーチ・クエスチョン

2

では、研究分野が同じであることが知識共有に影響を与えるか否かが問われている。回答者は、「経済学」、

「工学」、「情報科学」、「経営学」、「政治学」、

「行政学」、「その他」の 7

つの選択肢から研究分野を選択し、5名が情報科学、3名が経営学、

2

名が政治学、1名が行政学、2名がその他を選択している。「同一の研究分野」変数は、13 行

13

列の対称行列であり、行列の各要素（i, j）

は

0

あるいは

1

の

2

値をとり、研究者

i

と研究者

j

が同じ研究分野を選択している場合に「1」

となり、研究者

i

と研究者

j

が異なる専門分野を選択している場合に「0」となる¹⁴

。

リサーチ・クエスチョン

3

では、言語が同じであることが知識共有に影響を与えるか否かが問われており、このために使用されるのが「同一の言語」変数である。回答者は、

「英語」、「フ

ランス語」、「スペイン語」、「その他」の

4

つの選択肢から主要な使用言語を選択し、7名が英語、1名がフランス語、2名がスペイン語、3 名がその他を選択している。「同一の言語」は、

13

行

13

列の対称行列であり、行列の各要素

（i, j）

14ただし、政治学と行政学を同一の研究分野とした。

クの密度は

0.615

であり、ノードあたりの平均

次数が

7.385

となっている。これは、対面より

もインターネットによって定期的に知識共有している研究者が多いことを意味している。また、

図

1

の「対面による知識共有」ネットワークでは紐帯のない研究者が

3

名いるのに対し、図

2

の

「インターネットによる知識共有」

ネットワークでは紐帯のない研究者は存在していない。集中化を比較すると、

「対面による知識共有」ネッ

トワークの集中化が

0.371、「インターネットに

よる知識共有」ネットワークの集中化が

0.455

となっており、「インターネットによる知識共有」ネットワークのほうが特定の研究者に紐帯が集中している。「対面による知識共有」ネットワークよりも「インターネットによる知識共有」ネットワークの密度が高いので、特定の研究者がハブとなることで研究者間の知識共有を効率化している可能性がある。

本稿の問題関心である研究分野の一致あるい研究を行った経験があれば、その経験に基づき

コミュニケーションおよび知識共有が容易になると考えられるからである。

最後に、ネットワーク構造に関する

2

つの変数については、「辺の数」変数は、通常の回帰分析の切片にあたるもので、ERGMにおけるモデル化の際に通常使用される変数である。

「推

移性」変数はネットワークに一般的にみられる構造的特徴を捉える変数であり（Harris 2014）、

前述のように、友達の友達は友達であるという関係性を捉える変数である。

4．分析結果

4. 1　ソシオグラムおよびネットワーク指標による分析

ERGMによる分析を行う前に、13名の研究者間の「対面による知識共有」ネットワークおよび「インターネットによる知識共有」ネットワークを、視覚的にネットワークを表現する

「ソ

シオグラム（sociogram）」とネットワーク指標を用いて分析しておきたい¹⁵

。図 1

および図

2

は、それぞれ、

「対面による知識共有」

ネットワークおよび

「インターネットによる知識共有」

ネットワークのソシオグラムである。それぞれの図におけるノードは研究者を表わしている。ノードの形は研究分野を表わしており、四角は情報科学、上方三角形は経営学、丸は政治

・

行政学、

下方三角形はその他となっている。ノードの色は主要言語を表わしており、黒が英語、濃いグレーがスペイン語、薄いグレーがフランス語、

白がその他となっている。ノードの大きさは、

影響力を反映しており、ノードのサイズが大きいほど影響力が大きいことを意味している。また、ノード間の紐帯は、図

1

であれば、紐帯で結ばれた研究者が定期的に対面による知識共有を行っていることを意味しており、図

2

であれば、紐帯で結ばれた研究者が定期的にインターネットによる知識共有を行っていることを意味している。表

1

は、それぞれのネットワークに

15 ネットワーク指標の計算は、社会ネットワーク分析のためのプログラムであるUCINET（Borgatti et al. 2002）を用いて行った。また、

ソシオグラムの作成は、NetDraw（Borgatti 2002）を用いて行った。

16 密度、次数、中心化についての詳しい説明は、金光（2003）、Wasserman and Faust（1994）、安田（2001）を参照。

(11)

者の紐帯が少ない傾向を読み取ることができるが、これは、フランス語を主要言語とする研究者がカナダの研究機関に所属しており、スペイン語を主要言語とする研究者がメキシコの大学に所属していることから生じる近接性の影響を反映している可能性がある。最後に、ノードの大きさは研究者の影響力を反映しているが、大きいノードほど、つまり影響力の大きい研究者ほど多くの紐帯をもつ傾向があることが窺える。

からフランス語およびスペイン語を主要言語とする研究

図 1　「対面による知識共有」ネットワーク

図 2　「インターネットによる知識共有」ネットワーク

(12)

トによる知識共有にどのような影響を与えるのだろうか」というリサーチ・クエスチョン

2

については、「対面による知識共有」ネットワークと「インターネットによる知識共有」ネットワークのいずれについても、「同一の研究分野」

変数は統計的に有意となっていないので、研究者間での研究分野の一致あるいは相違は、知識共有が行われるか否かに対して影響を与えていないことになる。

「研究者間での言語の一致あるいは相違は、

プロジェクト・レベルにおける研究者間の対面による知識共有およびインターネットによる知識共有にどのような影響を与えるのだろうか」

というリサーチ・クエスチョン

3

については、

「同一の言語」変数は、「対面による知識共有」

ネットワークについてプラス方向に

1％水準で

統計的に有意となっているが、「インターネットによる知識共有」ネットワークについては統計的に有意となっていない。つまり、対面による知識共有は主要言語が同じ研究者間で行われる傾向があるのに対して、研究者間での言語の一致あるいは相違はインターネットによる知識共有には影響を与えていないことになる。

次に、制御変数についてみていくと、「辺の数」、「推移性」、「影響力」が

2

つのネットワーク対して同様の影響を与えているのに対して、

「英語」は 2

つのネットワークに対して異なる影響を与えている。また、

「参加期間」

および

「共

同研究の経験」は、いずれのネットワークについても統計的に有意ではない。

ネットワーク構造に関する変数からみていくと、「辺の数」は、「対面による知識共有」ネットワークと「インターネットによる知識共有」

ネットワークの両方についてマイナス方向に

1％水準で統計的に有意となっている。「辺の数」

は、ネットワーク形成に対する一般的な性向を捉えており、この結果は、例えば次に説明する

「推移性」などの何らかの条件がない限り、研

4. 2　ERGM による分析

ソシオグラムおよびネットワーク指標を用いた分析は、I-Chooseプロジェクトに参加している研究者間の知識共有パターンを概観するには有効なツールであるが、研究者間の知識共有に影響を与える要因を理解するうえで限界がある。これらの分析では、複数の要因のなかで、

どの要因が研究者間の知識共有に影響を与えているかを明らかにすることができないのである。例えば、図

1

および図

2

から、フランス語およびスペイン語を主要言語とする研究者の紐帯が少ない傾向を読み取ることができるが、これは、フランス語を主要言語とする研究者がカナダの研究機関に所属しており、スペイン語を主要言語とする研究者がメキシコの大学に所属していることから生じる近接性の影響によるものなのか、それとも、言語による影響なのかが判然としないのである。そこで、紐帯の有無に対する複数の要因の影響を同時に捉えることのできる

ERGM

による分析結果をみていきたい

（表 2）。

まず、「研究者間の距離は、プロジェクト・

レベルにおける研究者間の対面による知識共有およびインターネットによる知識共有にどのような影響を与えるのだろうか」というリサーチ・クエスチョン

1

に係わる「距離」変数からみていくと、「距離」は「対面による知識共有」

ネットワークと「インターネットによる知識共有」ネットワークの両方についてマイナス方向

に

5％水準で統計的に有意となっている。この

結果は、研究者間の距離が遠くなると、対面による知識共有だけでなくインターネットによる知識共有も行われなくなる傾向があることを示している。

次に、「研究者間での研究分野の一致あるいは相違は、プロジェクト・レベルにおける研究者間の対面による知識共有およびインターネッ

対面による知識共有インターネットによる知識共有

密度 0.269 0.615

平均次数 3.231 7.385

集中化 0.371 0.455

表 1　ネットワーク指標

(13)

る知識共有」ネットワークにおいて、「同一の言語」がプラス方向に統計的に有意であることを踏まえると、英語を主要言語とする研究者は英語を主要言語とする他の研究者と知識共有を行うが、他の言語を主要言語とする研究者とは、

対面による知識共有を行わない傾向があることが窺える。

研究者間の知識共有に対する

9

つの変数の影響をみてきたが、9つの変数を用いたモデルは

「対面による知識共有」ネットワークと「イン

ターネットによる知識共有」ネットワークともに収斂しており、観察されたネットワークの再現に成功している。図

3

および図

4

は、「モデルからシュミレーションによって多数生成されたネットワークにおける統計量の分布を求め、

観察されたネットワークの統計量との比較をする」（鈴木 2017: 191）ことで、観察されたネットワークの再現に成功しているか否かを評価するための「当てはまりの診断図（goodness of ﬁt

diagnostics plot）」である。図 3

および図

4

における黒い線は、観察されたネットワークの統計量を表わしており、グレーの線は

95％の信頼

区間を表わしている。「対面による知識共有

」

ネットワークと「インターネットによる知識共究者間で知識共有が行われないことを示唆して

いる。「推移性」は、前述のように、友達の友達は友達であるという関係性を捉えており、

「対

面による知識共有」ネットワークについてプラ

ス方向に

5％水準で統計的に有意、「インター

ネットによる知識共有」ネットワークについてプラス方向に

10％水準で統計的に有意となっ

ている。この結果は、2つのネットワークともに、研究者間で閉じたネットワークが形成される傾向があることを示唆している。

「影響力」

は、

「対面による知識共有」ネットワークについて

プラス方向に

10％水準で統計的に有意、「イン

ターネットによる知識共有」ネットワークについてプラス方向に

1％水準で統計的に有意と

なっている。この結果は、影響力の大きな研究者ほど対面とインターネットの両方によって多くの研究者と知識共有を行っていることを示している。

「英語」は 2

つのネットワークに対して異なる影響を与えており、「対面による知識共有」

ネットワークについては、マイナス方向に

1％

水準で統計的に有意となっているが、

「インター

ネットによる知識共有」ネットワークについては、統計的に有意となっていない。「対面によ

対面による知識共有インターネットによる知識共有

辺の数 -2.4027***

（.2356） -1.7130***

（.1339）

推移性 .7815**

（.3013） 1.1132*

（.5732）

距離 -.0005**

（.0002） -.0008**

（.0003）

同一の研究分野 .5990

（.6968） 1.3017

（.8218）

同一の言語 1.2335***

（.3220） .6072

（.5798）

参加期間 .0009

（.0236） -.0316

（.0496）

影響力 .1110*

（.0606） .2488***

（.0804）

英語 -1.5959***

（.4311） -.8194

（.6748）

共同研究の経験 .4676

（.6677） -.3127

（.7151）

表 2　ネットワーク形成に影響を与える要因

注: *=p< .10, **=p< .05, ***=p< .01；括弧内の数字は標準誤差

(14)

数を用いたモデルは観察されたネットワークの再現に成功していると評価することができる。

つまり、上記の

ERGM

による分析結果が信頼性の高いものであると評価することができる。

有」ネットワークともに、

「次数（degree）」、「辺

単位他者共有

（edge-wise shared partners）」、「ノー

ド間最短距離（minimum geodesic distance）」のいずれの統計量においても、黒い線がほぼ

95％の信頼区間内にあるので、本稿の 9

つの変

図 3　「対面による知識共有」ネットワークの当てはまりの診断図

図 4　「インターネットによる知識共有」ネットワークの当てはまりの診断図

(15)

促進するためであると考えられる（Feld 1981）。

しかしながら、研究分野の相違が知識共有に影響を与えていないという結果は、積極的に研究分野の境界を越えた知識共有が行われているわけではないことも意味しており、研究分野の境界を越えた知識共有により多様性のメリットを活かすためには、何らかの方策が必要となることを示唆している。

第

3

点目は、研究者間での言語の一致あるいは相違はインターネットによる知識共有には影響を与えていないが、対面による知識共有は主要言語が同一の研究者間で行われる傾向があり、主要言語が異なる研究者間では行われにくい傾向があるということである。前述のように、対面によるコミュニケーションは曖昧性の高い知識・情報の共有に最も適していることから（Olsen and

Olsen 2000）、対面による知識共有では曖昧性の

高い知識をやりとりする高度なコミュニケーションが求められるので、研究者間での言語の相違が対面による知識共有の妨げとなっている可能性がある。ここでもまた、言語の境界を越えた知識共有により多様性のメリットを活かすためには、何らかの方策が必要となることが示唆されている。

以上の

3

点を踏まえて、チーム・サイエンス、

特に研究成果を実際に産出する基礎的な活動単位であるプロジェクト・レベルにおける研究者間の知識共有についての本稿の結論は、（1）インターネットの活用によって知識共有に対する距離の影響を低減することはできるが完全に克服することはできない、（2）研究分野や言語の境界を越えた知識共有が自動的に生じるわけではないので、チーム・サイエンスが多様性のメリットを活かし、ソーシャル・イノベーションに貢献するためには、研究分野や言語の境界を越えた知識共有を促進するためのマネジメントが必要となるということである。

それでは、距離および主要言語の相違が研究者間の知識共有にマイナスの影響を与えていた

I-Choose

プロジェクトでは、どのように研究者

間の距離および言語の壁を越えた知識共有を促進することができるであろうか¹⁷

。ERGM

によ 5．考察と結論

ここまで、多様性と統合というパラドックスを抱えるチーム・サイエンスにおける研究者間の知識共有に影響を与える要因について、特に研究成果を実際に産出する基礎的な活動単位であるプロジェクト

・レベルを対象として、社会ネットワーク

分析の知見に基づき近接性と同類性の影響に注目して検討を行ってきた。I-Chooseプロジェクトに参加している

13

名の研究者間の「対面による知識共有」ネットワークと「インターネットによる知識共有」ネットワークという

2

種類のネットワークを分析した結果、研究者間の距離という近接性、

および、同一の研究分野と同一の言語という同類性が研究者間の知識共有に与える影響について以下の

3

点が明らかとなった。

第1点目は、対面よりもインターネットによって定期的に知識共有している研究者が多いものの、研究者間の距離が、「対面による知識共有」

ネットワークだけでなく、距離による制約が少ないと考えられる「インターネットによる知識共有」ネットワークにも影響を与えることである。研究者間の距離がインターネットによる知識共有に対してもマイナスの影響を与える理由としては、チーム・サイエンスに参加している研究者は、曖昧性の高い知識・情報を共有する必要があり、対面によるコミュニケーションが曖昧性の高い知識・情報の共有に最も適しているので（Olsen and Olsen 2000）、インターネットによる知識共有は対面による知識共有に取って代わる代替手段ではなく補完手段となり、その結果として対面による知識共有と同様に距離の制約を受けることになるためと推測される。

第

2

点目は、研究者間の研究分野の一致あるいは相違が、知識共有に影響を与えていないことである。この結果は、研究分野の相違は少なくとも知識共有の妨げとなっていないことを意味している。その理由としては、本稿が対象としたプロジェクト・レベルでは、目標や成果が比較的に具体的であり活動の焦点が明確であることが、研究者間の知識共有を含む相互作用を

17ここで注意しなければならないのは、前述のように、ERGMによる分析において推定値が統計的に有意であることは、その変数が偶然に生じるよりも頻繁あるいは稀に観察されたネットワーク、本稿の場合では、I-Chooseプロジェクトにおける13名の研究者間の知識共有ネットワークにおいて生じていることを意味しているのであり、他のネットワークに対して一般化できることを意味しないということである。つまり、

ここで述べる研究者間の知識共有を促進するための方策は、I-Chooseプロジェクト以外に必ずしも適用できるわけではないということである。

(16)

から収集したデータを使用しており、本研究で得られた結果の一般化については慎重でなければならないということである。一般化のためには他の事例において同様の分析を行う必要がある。例えば、I-Chooseプロジェクトには社会科学分野の研究者が多く参加しているので、自然科学分野の研究者が多く参加する研究プロジェクト、あるいは、I-Chooseプロジェクトと異なる規模の研究プロジェクトにおいて同様の分析を行うことは、本研究で得られた結果が一般化できるか否かを検討するうえで有意義であろう。また、米国を拠点とする研究プロジェクトから収集したデータを使用しているので、日本を拠点とする研究プロジェクトでは、同様の結果が得られるのかについてもデータを収集し検討する必要があるだろう。第

2

に、対面よりもインターネットによって定期的に知識共有している研究者が多いものの、研究者間の距離は、

つの事例

18距離についても同様であり、米国の大学に所属している研究者iが同じ米国の大学に所属している研究者jと知識共有しており、この米国の大学に所属している研究者jがメキシコの大学に所属している研究者kと知識共有していると、米国の大学に所属している研究者iとメキシコの大学に所属している研究者kの間でも知識共有が行われる可能性が高くなる。

雑誌名 同志社政策科学研究

トワーク分析によるアプローチ

著者 中嶋 学