非正式的学术交流合作至关重要有助于开展优质的社会科学研究。这包括与同事交流，在论文投稿前加以完善。
我们的最新研究探讨了非正式学术交流合作的价值，凸显了社会网络在学术界的重要性。
我们的发现表明，每增加一位提供反馈的评论者，研究论文的科学影响力就会提升。影响力以论文发表期间获得的引用次数衡量。考察论文发表于顶尖期刊的概率时，结论也相同。
但我们这篇论文真正的新意在于：就影响力而言，来自网络中更居核心位置、联系更广泛人士的反馈，比来自较不居于核心、联系较少人士的反馈更有价值。当然，这并不意味着只要征求资历最深的同事的意见就行。资历并非关键，关键在于学者或研究人员的联系网络有多广。
这是一项重要发现。我们的研究结果应当促使大学管理者积极推动科学家之间、院系之间以及大学之间的合作，并将建立人脉和征求反馈纳入博士生培养。
联系网络至关重要
那么，在这里如何定义“联系广泛”？
研究人员之所以在社交网络中联系广泛，是因为他们与其他联系广泛的研究人员相连。我们的研究采用了一个听起来或许有些循环论证的概念，即所谓的特征向量中心性。该概念认为，如果你认识重要人物，那么你在该领域很可能也很重要。这与同一个原理使谷歌的搜索算法能够识别相关网站。
但正如我们已经指出的，我们的研究发现与“重要性”或地位无关。特征向量中心性高的学者不一定最有名，也不一定资历最深；他们也未必都隶属于最负盛名的大学。然而，他们在社交网络中占据着有影响力的位置。关键在于人际联系。可以把他们看作意见领袖。
特征向量中心性较高的学者所提供的反馈，对论文发表成功的影响远大于孤立者的反馈。联系广泛的评论者可能会向作者推荐新兴的新话题，或指出最值得投入的未来研究方向。
为得出这些结论，我们首次全面描绘了金融经济学家之间的社交网络结构，将已发表论文的作者与致谢中提及的评论者联系起来。这种方法颇具新意，因为它涵盖了所有为论文作出贡献的人，而不仅仅是作者。
我们的创新方法是将致谢作为主要数据来源。在金融经济学领域，作者通常会在致谢中说明哪些同事提供了有益反馈。我们从六本主要的金融经济学期刊收集了5,800多篇研究论文，其中约90%在致谢中提到了同事提供的有益意见。
整理数据后，我们构建了网络。两名研究人员若曾合著论文，或一方在论文中致谢另一方，就视为彼此相连。这个网络涵盖约7,500名研究人员，并显示他们之间的信息流动。随后，我们计算了每个人在网络中的位置，并根据其特征向量中心性进行排名。
这类分析有助于揭示仅考察个别研究人员时难以发现的模式和结构。
随后，我们利用一项准自然实验——顶级学术会议的讨论人分配——来验证我们的核心论点：从同事那里获得反馈，若该同事在其专业领域的社交网络中特征向量中心性更高，论文的科学影响力就会提升得更多。
在我们的网站上，我们开发了一款互动工具，金融经济学家可以在数据库中查找自己。
在一篇配套论文中，我们探讨了哪些因素决定金融经济学家的特征向量中心性最高。具体来说，我们将他们的特征向量中心性排名与个人特征进行对比。我们发现，引用次数或发表论文数量等传统作者指标，无法解释哪些研究人员具有较高的特征向量中心性。
其中一个原因显然是，引用次数存在许多问题，无法准确反映真正的学术实力。另一个原因是，除非掌握整个网络，否则通常很难识别意见领袖。
经济学社会学的新发现
我们的分析并不全面，研究仍在继续。但可以明确的是，了解知识流动有助于理解科学家之间的生产力差异。
希望这些研究结果能促使大学管理者积极推动科学家之间、院系之间以及大学之间的合作。
我们的研究结果也支持更全面衡量科学影响力的呼吁，而不应仅以引用次数为依据。
最后，鉴于学术会议是建立人脉的重要机会，我们的研究发现凸显了为学者提供充足差旅经费的重要性。
