【数据量更新】中国科研工作者跳槽研究数据库(CAMRD)
- 2026-05-17 14:31:48
一、数据简介
追踪学术流动，解析科研人才动力机制！
在中国科研生态快速演化的背景下，科研人才流动是科研创新与学术产出的关键驱动力。但跳槽相关研究在高教研究中一直较为稀缺，系统化、可量化的科研工作者跳槽数据长期缺失，研究者难以在微观层面分析科研人员跨机构流动对知识创造、学术网络与科研绩效的影响。
基于此，CnDataSeed团队整理并构建了《中国科研工作者跳槽研究数据库》，覆盖科研跳槽作者及其发表文章的全量信息，实现从个人科研行为到学术成果的精确映射。
该数据库不仅保留科研人员年度跳槽记录与学术产出详情，还通过标准化指标生成反映科研流动频率、跨机构协作网络、学术绩效变化及机构吸引力的核心变量，为分析科研人才流动对创新产出和学术网络演化的影响提供坚实数据基础。相比传统文献计量或机构统计，它能够揭示科研人员行为异质性与机构间学术竞争与协作模式的微观差异，支持学术生产力、科研政策与高等教育管理的精细化研究。
《中国科研工作者跳槽研究数据库》适用于科学计量、创新经济学、科研管理、人才政策研究等领域。研究者可以基于该数据库量化分析人才流动对学术产出、机构竞争力与科研网络结构的作用，实现从个体行为到系统性科研成果的全链条映射，为政策评估、机构治理与科研战略优化提供高质量实证支撑。
二、数据概览
数据组成：
数据字段：
数据表格：
三、相关处理—文献数据获取
高效数据请求
详情页与引API 的并行获取，减少文献数据的请求时间，提高整体获取效率。
asyncdefparse_article_detail_with_citation(self, article_url, article_id):asyncwith aiohttp.ClientSession() as session:# 获取文章详情 article_data = await self._get_article_detail(session, article_url, article_id)# 同一 session 请求引用数据if article_data and article_data.get('paramkcmslink'): citation = await self._get_citation_with_session( session, article_url, article_data['paramkcmslink'] )if citation: article_data.update(citation)return article_data内容解析获取
我们通过代码匹配数据结构，抽取核心学术元数据，并进行结构化处理（含作者-单位映射）。
soup = BeautifulSoup(html, 'html.parser')title = soup.select_one('div.wx-tit h1').get_text(strip=True)abstract = soup.select_one('input#abstract_text')['value']keywords = [a.get_text(strip=True) for a in soup.select('p.keywords a')]# 作者 + 单位上标解析for link in soup.select('h3#authorpart span a'): name, sup = self._parse_author_name_and_affiliations(link.get_text())四、相关研究
部分相关研究示例
Vaccario, G., Verginer, L. & Schweitzer, F. Reproducing scientists’ mobility: a data-driven model. Sci Rep 11, 10733 (2021). https://doi.org/10.1038/s41598-021-90281-9
更多相关研究：
[1]Sugimoto, C., Robinson-Garcia, N., Murray, D. et al. Scientists have most impact when they're free to move. Nature 550, 29–31 (2017). https://doi.org/10.1038/550029a
[2]Markova YV, Shmatko NA, Katchanov YL. Synchronous international scientific mobility in the space of affiliations: evidence from Russia. Springerplus. 2016 Apr 19;5:480. doi: 10.1186/s40064-016-2127-3. PMID: 27217995; PMCID: PMC4837756.
六、获取方式
数据编号
D1765
DataSeed大数据库
扫码添加会员助理，备注【跳槽】
https://cndataseed.com/
点击左下角“阅读原文”，获取更多数据
