跨學科知識融合對D指數的影響

呂冬晴，阮選敏，李 江，成 穎

（南京大學信息管理學院，南京 210023）

1 引 言

科學的不斷進步導致了學科專業的高度分化，單一學科在解決復雜的科學問題時往往力有不逮，因此，跨學科研究（interdisciplinary research，IDR）已成為必然之選[1]。美國科學院發布的《促進跨學科研究》報告將IDR定義為：由團隊或個人融合了多學科的觀點/概念/理論、工具/技術或者信息/數據的一種研究模式，其目的是達成學術界的基本認識或者為超出單一領域的科學研究問題提供解決方案。隨著IDR的廣泛開展，其研究成果的創新性引起了學界的關注[2]。

對于IDR與創新的關系，現有研究因量化方式、研究對象以及分析單元等的不同，得到了不盡一致的研究結果。在經濟、管理學領域，學者多采用量表對IDR與創新進行測度，結果發現人員職能多樣性會導致企業適應性的增強[3]，并有利于企業創新績效的提高[4]；不過部分研究未發現該效應[5]，甚至還發現了職能多樣化的團隊會增加成本[6]以及工作壓力[7]的證據。在文獻計量學領域，大多數研究將IDR具體化為科研成果的跨學科性，且多采用被引頻次量化論文的創新程度，二者間的正相關關系為多項研究所證實[8]，部分研究結果卻顯示了二者間的負相關關系[9]以及倒U形關系[10]。

不同類型的創新成果對于科學發展具有不同的意義，其中突破性創新作為科學發展的不連續性與變革性的象征[11]受到了各界的關注。現有研究發現，新舊技術領域間的知識耦合[12]與團隊多樣性[13]等是實現企業技術突破性創新的直接驅動力，企業知識多樣性對其技術產出的突破性具有間接促進效應[14]。不過，相關工作均以技術創新為研究對象，未能提供學界更為關注的科學論文跨學科性與突破性創新間相關關系的實證證據，而前期研究中缺乏能有效區分不同創新類型的測度指標是一個重要因素。

對此，Funk等[15]提出了CD指數，基本思想是將后繼研究者的引用視作對早期知識成果的“使用”，通過分析被引特征來判斷科研成果的創新程度，即若一項新成果的出現使前期成果變得“過時”而不再被使用，則新成果與既有知識體系之間存在斷層（不連續性），體現了新成果對既有知識體系的“擾動”（destabilization），表明該成果的創新具有突破性；反之，若后繼研究持續引用前期成果，則說明新成果是對既有知識體系的“鞏固”（consolidation），表明其更具漸進性創新的特點。Wu等[16]對CD指數進行了簡化，提出了D指數，并利用學術論文、專利以及軟件項目等多種數據檢驗了該指標在測度科研成果突破性與漸進性創新程度方面的可行性與有效性。

綜上，本研究擬深入探索IDR與創新之間的關系，尤其是IDR與突破性以及漸進性創新程度之間的關系。鑒于IDR的實質在于學科間知識的有機融合[17]，故本研究擬從知識融合視角圍繞跨學科性開展研究。因此，本研究以學術論文為研究對象，采用參考文獻多樣性指數量化跨學科性，通過能有效區分突破性與漸進性創新的D指數量化創新，主要采用Logistic回歸進行數據分析，且在分析過程中控制一系列跨學科團隊屬性與學術文獻計量屬性對結果的干擾，以期得出二者之間關系的凈效應。

2 相關研究

2.1 跨學科研究及其測度

“跨學科研究”這一術語自提出以來，陸續有學者及組織對其進行了探討，多數觀點認同其“集成、共享與合作的特點”[18]。Pessoa Junior等[19]發現，在社會以及自然科學中，跨學科學術論文的平均作者數為3.4人，而非跨學科則僅為1.3人。IDR也存在由獨立研究者完成的情況[20]。Locatelli等[21]進一步發現，隨著獨立學者跨學科程度的提高，其對與其他領域專家交流的需求也隨之下降。

現有研究圍繞IDR成果的跨學科性提出了眾多測度指標。由于跨學科研究與合作的緊密關聯，跨學科作者合著被視為科研成果跨學科性最簡單、直接的表征[22]。不過，該方法存在兩點局限：一是作者合著并不必然涉及成員間的認知融合[22]，混淆了跨學科與多學科的區別，前者強調不同學科間知識的融合，后者則是對多學科共存的描述，是各獨立學科知識的集合[23]；二是作者的教育背景并不能決定其當前的研究內容[24]，因此，以作者最后學歷的學科歸屬量化跨學科性并不是一種理想的做法，而研究成果自身的學科屬性才是最貼近跨學科本質的表征[24]，Zuo等[20]的研究結果證實了上述觀點。

科學文獻間的引用關系指示了知識流動的方向，且在一定程度上表征了施引者對引文中所蘊含知識的融合[22]，因此，多項研究以文獻引用關系為基礎構建了一系列跨學科性測度指標，比如，PCDCD（percentage of cross-disciplinary citing docu‐ments）[25]和COC（citations outside category）[26]是分別從被引與引用視角構建的學科類目多樣性指標，用于測度科研成果中包含的參考文獻或施引文獻的學科類目的多樣化（variety）程度；經典的香農熵、布里淵指數、辛普森指數以及Gini系數等同時考慮了學科類目多樣性與均衡性（balance）[27]；另有部分指標進一步考慮了學科類別之間的差異性（disparity），如Rao二次熵[28]以及Rao-Stirling多樣性指數[27]等。總體而言，上述指標的測度內容均可以歸納于Stirling[27]提出的“多樣性”（diversity）范疇。此外，也有學者從網絡聚合（coherence）視角對學科的跨學科強度進行了測度，如中介中心性指標[29]以及依賴于學科合作關系建構的相關指標[30]等。

2.2 創新類型及其測度

Kuhn[31]指出，科學發展具有非線性特征，在常規科學活動中出現的反常與危機，打破了先前的科學研究框架，迫使科學共同體不得不摒棄舊研究范式轉向新范式，即科學革命。Foster[32]從技術發展視角提出了類似的觀點，認為不同技術發展軌跡之間存在間隙，代表了技術發展的不連續性，即原技術被替代的過程。基于此，以不連續性、變革性為核心的創新的二元分類模式——突破性創新（radi‐cal/discontinuous/competence-destroy innovation）與漸進 性（incremental/developing/competence-enhance in‐novation）創新受到了廣泛認同。其中，突破性創新的特點是其知識基礎完全不同于現有技術/產品的知識基礎，是對現有元素的全新重組[33]，其技術軌跡呈現出明顯偏離（departure）于現有技術軌跡的特點[32]。這種不連續性標志著新技術從根本上改變了同類產品的相關能力集，被認為是對原有技術秩序與知識結構的破壞（destroying）[11]。而漸進性創新則是沿著原有的技術路線，面向市場主流需求對技術性能進行微小改進（minor improvements）或簡單調整（adjustments）[34]。漸進性創新改進增強和擴展了底層技術，但仍依賴于先前技術的知識基礎，即其鞏固（enhance）了既有的技術秩序[11]。

學界圍繞創新測度指標進行了長期的探索。規范理論認為，每一次引用都可視為后繼研究者對被引工作的認同，且科學家會因害怕受到同行批評以及保護科學通信系統不致崩潰，從而盡全力避免粗心、不誠實的引用[35]，極少量存在的負面引用不足以對引文價值造成威脅[36]。因此，現有研究從不同視角構建了多種基于引用關系的創新測度指標。高被引是創新成果的基本特征，依據規范理論的指引，先前的研究中常將被引頻次視為創新的替代指標[37]。隨后，學界將研究的視角聚焦于創新成果的新穎性，即通過識別科研成果中引用的科學文獻或專利的非傳統組合進行測度[38]。鑒于新穎性等指標對突破性創新與漸進性創新的區分度較弱，Funk等[15]從后續專利對焦點專利（focal patent）及其前向引用專利的引用行為視角提出了測度專利創新程度的新思路。Wu等[16]將該思想應用于研究論文，提出了D指數，并借助對諾貝爾獎獲得者成果的分析、專家訪談等初步檢驗了該指標的有效性。

2.3 跨學科與創新的關系

創新源于認知重組[39]，跨學科團隊中多元的知識與技能，異質的思維與邏輯方式，為認知重組提供了更多可能的組合；然而，認知距離在有利于新思想迸發的同時，也增加了不可理解性的風險，即在認知重組過程中，受認知距離的影響，跨學科團隊的協調成本顯著高于“常規”的學科合作[40]，成員間的認知差異與分歧甚至會阻礙協作，使其難以重組所需的知識[41]。

多樣性對創新的積極效應。Simonton[42]指出，許多重大科學創新都通過認知的自由結合過程產生。在此過程中，個體與個體間的思維碰撞會產生多種不同的認知組合，而這些認知組合會被選擇性地保留，類似于進化的過程，即最佳變異認知組合會被保留，并實現突破。由于跨學科研究通常依托于團隊協作，以解決復雜的科學問題，因此，在團隊組建過程中涉及人員選擇，如考慮成員之間涉及研究目的或任務相關的知識、技能的多樣性，以進行有效分工與協作[1]。此外，跨學科團隊還涉及人口統計學特征的異質性，如年齡、性別差異等[43]。前期研究表明，由來自不同學科人員組成的團隊具有信息處理的優勢，其認知多樣性與知識專業化有利于擴展小組成員可以使用的與任務相關的資源，從而提高團隊績效[44]。該特征對于需要高水平信息處理和具有獨創性的研發團隊而言尤為重要。例如，Rogers Hollingsworth[45]發現，在生物醫學領域，那些產生突破性發現的團隊通常具備學科多樣性的特征，且其組織結構多呈現為利于促進跨領域交流與思想融合的形態。Huang等[46]通過問卷調查法證實團隊中的學科多樣性、認知異質性以及組織多樣性等（如企業、高校等）均對創新績效具有顯著的積極影響。

協調成本對創新的消極效應。跨學科合作面臨著諸多難以回避的挑戰。比如，團隊成員具有受其自身學科和經驗影響的不同心理模型[4]，其在工作模式與啟發方法上的差異會阻礙協作，因此，成員可能無法有效利用他們的專業知識[47]，從而難以重組解決問題所需的知識。由此可見，跨學科合作會產生可觀的協調成本。通過非正式和參與性機制[48]開展的協調活動是提高團隊創新績效的重要手段，有利于實現任務相關信息在團隊的及時擴散[49]。Cummings等[50]發現，團隊涉入的機構數越多，卻伴隨著協調活動的顯著減少，即距離和組織邊界對諸如高頻的自發溝通以及解決問題等協調機制產生了負面影響，如面對面會議、課程培訓以及研討會等。同時，跨學科團隊中人員職能背景多樣性的增強，也意味著成員間知識和經驗交集的減少[47]，從而協調變得更加必要，卻也更加困難。此外，團隊成員間與任務無關的差異，如人口統計屬性的多樣性（種族、年齡等）也會進一步引發溝通問題，并在解決對立想法和達成團隊內部共識方面遇到困難[44]。Nooteboom[40]認為，組織需要促進成員之間的心理對齊，進而達成成員間的相互理解與職責協調，最終實現共同目標。

2.4 述評

目前，IDR與創新的關系研究受到了學界的廣泛關注，在理論與實證方面均取得了較豐碩的研究成果，但仍存在一些具有重要科學意義且值得探索的研究問題。比如，現有研究大多未區分不同創新類型，少量有關突破性創新的實證研究也主要聚焦于技術領域，尚未見學術論文跨學科性對其突破性創新程度影響的實證研究。同時，跨學科研究主要依托于團隊合作，且已有充分的證據表明，合作特征對團隊創新績效存在顯著影響。然而，除個別研究以作者數作為團隊規模的替代指標對結果進行控制之外，其他研究多未將合作特征作為控制變量，從而提示后繼研究有必要對作者、機構和國家等合作特征以及基金資助等影響創新績效的因素進行控制。因此，本研究擬以D指數這一能有效區分突破性與漸進性創新的定量指標為因變量，從知識融合視角探索學術論文的跨學科性對其創新程度的影響，并控制合作等特征的干擾，以充分挖掘二者的凈效應。

3 研究方法

3.1 變量操作化

1）因變量——學術論文的創新程度

本研究擬以學術論文為研究對象，采用Wu等[16]提出的D指數對論文的突破性與漸進性創新程度進行量化。具體而言，對于一篇焦點論文（focal paper，圖1中的菱形圖標），存在三種類型的施引文獻：僅引用焦點論文（五邊形圖標，i）、僅引用焦點論文的參考文獻（三角形圖標，k）、同時引用焦點論文及其參考文獻（正方形圖標，j）；統計一定時期內三種類型施引文獻的數量，即ni、nj、nk，并按公式

圖1 D指數示意圖

計算D指數。D值介于-1～1，若D＞0（ni＞nj），則表明焦點論文與早前研究存在一定程度的不連續性，即創新具有突破性，且D值越接近于1，突破性越強；若D＜0（ni＜nj），則表明其創新具有漸進性，且D值越接近于-1，創新的漸進性越強；若D=0，則表示“中立”狀態。此外，Bornmann等[51]指出，D指數受引文時間窗（citation window）的影響，其建議至少確保3年的引用時間，因此，本研究選取5年時間窗，即僅關注焦點論文自發表之日t至t+5年內的施引文獻。

Wu等[16]利用WoS數據庫學術文獻全集，利用文獻的D值分布，論證了采用D指數表征學術文獻創新水平的合理性與有效性：①公認的具有高突破性的論文D值排于樣本前1%，漸進性創新類論文D值位于后3%；②平均而言，諾貝爾獲獎論文D值居前2%；③綜述型文獻的平均D值為負，排于后47%，而實證研究型文獻的平均D值為正，位于前23%。此外，其還通過對各個領域的專家進行調研，識別出一批高突破性論文與高漸進性論文，專家評選結果與D指數得分的一致性進一步驗證了D指數的合理性。

2）自變量——學術論文的跨學科性

本研究擬從知識整合視角量化學術論文的跨學科性。論文參考文獻的學科多樣性是衡量跨學科知識整合的有效路徑[17]，因此，本研究采用Chakraborty等[52]基于香農熵提出的參考文獻多樣性指標（refer‐ence diversity index，RDI）對單篇科學論文的跨學科性進行量化，

其中，RDI(X)表示焦點論文的跨學科性；j表示其參考文獻中的所屬學科數量；pi表示屬于學科i的參考文獻占總參考文獻的比例。

3）控制變量

跨學科合作普遍存在的現象啟示本研究在探索跨學科知識融合對學術論文創新程度的影響時，應充分考慮團隊合作特征對研究結果的干擾。目前已有多項研究表明，團隊特征（如規模、機構或國家多樣性等）對研究成果的影響力、質量、新穎性等具有顯著影響[38]。然而，現有研究在探索跨學科與影響力、創新之間的關系時，盡管得到了具有統計意義的結論，但多數并未控制合作特征的影響，削弱了結論的說服力；有少量研究考慮了團隊規模對研究結果的干擾，即僅將作者數作為控制變量之一[53]，忽略了更多維的團隊屬性，本研究擬彌補前期研究在該方面的不足。首先，不同層次的合作主體在團隊中扮演著不同的角色，且對團隊績效的影響存在差異[54]，因此，本研究分別統計單篇科學論文中包含的作者數、機構數和國家數作為控制變量，分別對個體合作、機構合作以及國家合作進行量化。其次，對于利益相關者而言，合作是獲得外部資金資助的重要條件[55]，且有研究表明，充足的預算是開展協調工作的根本支撐和重要激勵[50]，故本研究進一步將基金資助納為控制變量。

除合作屬性之外，本研究還考慮了文獻屬性對D指數的影響。一方面，從D指數計算公式看，焦點論文的參考文獻數量以及相應時間窗內（本研究設置為5年）的被引數量可能對其產生影響，因此同時將二者作為控制變量納入分析；另一方面，考慮到本研究所使用的D指數是基于引文數據構建的，而引文會受到出版年份和期刊質量的影響已成為學界的共識，因此，本研究將論文出版年份和所屬期刊的影響因子也納為控制變量。相關變量說明如表1所示。

表1 變量說明

3.2 數據收集與處理

神經科學是專門研究大腦和神經系統的結構、功能、發育、異常以及其對行為和認知功能影響的學科[56]，涉及多個學科領域，包括生物醫學（如臨床神經病學、精神病學、認知和行為科學）、基礎生物學（如遺傳學和分子生物學）、心理學、化學、物理、數學和計算機科學等[57]。作為跨學科與合作化程度較高的領域[58]，研究神經科學論文的跨學科性以及其對創新程度的影響具有典型性與可行性。因此，本研究以Web of Science（WoS）為數據源，收集了WoS中神經科學領域發表于1975—2011年的研究型論文（即文獻類型僅限“Article”，共672591篇）。時間截至2011年是為了預留充分的被引時間，引文數據覆蓋至2016年。

在數據處理過程中，出于指標的可計算性要求，研究者從初始數據集中剔除了174429篇論文，排除標準如下：①不包含WoS索引的參考文獻（后文提及的參考文獻僅指焦點論文中索引于WoS的參考文獻子集）；②焦點論文與其參考文獻均為零被引；③作者地址信息缺失；④論文所屬期刊未列于2018版期刊引證報告。最終，本研究共納入論文498162篇，并按照表1計算其各個指標。

在指標計算過程中，有三個問題需要說明：①計算RDI時，本研究依據論文所屬期刊的學科類別來判定焦點論文中參考文獻的學科歸屬。在WoS學科分類中，期刊可能隸屬于多個學科，本研究采用“全計數”統計方法，即若參考文獻a發表于期刊b，期刊b在WoS中被歸為學科i和學科j，那么屬于學科i和j的參考文獻數量均加一。②盡管機構名稱未規范化導致同一機構實體存在多種名稱變體，但本研究所統計的機構數不涉及消歧問題，原因在于：就單篇論文而言，其作者對特定機構的名稱使用具有統一性。③本研究使用機構、國家數分別量化機構、國家層面的合作，存在一種極端案例：一個作者可能隸屬于多個機構，甚至就職于不同國家的機構，即作者數為1，但機構數或國家數大于1。根據Katz等[59]的觀點，不同機構之間可以通過該“共享”人員實現合作，因此，仍可將該“獨著”論文視為機構或國家合作的成果。

4 研究結果

4.1 描述性統計

表2是各連續變量的描述性統計結果。由表2可見，1975—2011年，在神經科學領域，平均每篇論文中包含4.5個作者，涉及1.8個機構和1.2個國家，由此可以看出，機構和國家層面的合作規模遠小于個體層面。另外，在本數據集中，僅有14.5%的論文受到基金資助，明顯低于前期研究報告的神經科學領域論文基金資助率（2009—2013年）[60]，主要原因可能是本研究中論文時間跨度大，而早期科學研究項目受到的財政支持十分有限。樣本論文的參考文獻數和5年被引的最大值分別高達639和2094，平均值分別為34.5和19.2，且標準差相對較高，說明焦點論文的引用和被引數據均存在較大差異。焦點論文所屬期刊的平均期刊影響因子為4.7，標準差為3.054，一定程度上也說明了焦點論文質量分布不均。

表2 變量描述統計性結果

樣本論文的平均跨學科性（即RDI的均值）為0.8，偏度為-0.345，接近于正態分布（圖2），表明神經科學領域論文的跨學科性分布相對均勻，多數論文的跨學科強度處于[0.6,1.0]，極端值相對較少。樣本的平均D值為-0.003，其分布呈現出明顯的右偏分布（偏度為19.559），僅8.3%的論文表現出突破性（D＞0），幾乎均集中于“零值”（圖3），區分度較小。總體而言，在神經科學領域，論文的漸進性創新特征更為顯著（中位數、眾數均小于均值），長尾在右則說明存在一定的突破性創新程度較高的極端案例。此外，圖4展示了不同年份焦點論文的平均RDI與D值，可以看出，早期神經科學整體的跨學科性與突破性均呈現波動上升趨勢，近年來穩步增強；但相對而言，總體突破性創新水平仍然較低。圖5初步描繪了論文的跨學科性與其創新程度的關系，由于論文的D值高度集中于零附近，難以清晰捕捉突破性/漸進性隨跨學科變化的趨勢。因此，考慮到D值非正態、聚集于零值的分布特征，本研究將D指數轉換為分類型變量，即以零為界，將樣本分為突破性組（D≥0）和漸進性組（D＜0），并采用Logistic回歸進一步分析跨學科對論文創新程度影響的凈效應。

圖2 RDI分布

圖3 D指數分布

圖4 RDI與D值隨時間變化趨勢

圖5 RDI與D指數關系散點圖

4.2 Logistic回歸分析

Logistic回歸結果如表3所示。NagelkerkeR2與Cox&SnellR2統計量是Logistic回歸中常用的擬合優度指標，用于反映回歸模型對被解釋變量變差的解釋程度，而前者實質上是對后者的修正。Nagelker‐keR2的取值范圍在0～1，越接近于1，說明模型的擬合優度越高。本研究回歸模型的NagelkerkeR2為0.178，表明最終納入方程的自變量和控制變量對D指數具有一定的解釋意義。具體而言，RDI對D指數具有顯著積極影響，且系數（B）高達0.617，即論文的跨學科性越強，其突破性創新程度越高。在Logistic回歸中，相對風險比EXP(B)相較于回歸系數B更為直觀。例如，RDI的EXP(B)為1.853，說明每增加一個單位RDI，論文的突破性水平是原來的1.853倍。

表3 Logistic回歸結果

對于本研究納入的控制變量而言，作者數與D指數呈顯著負相關，說明團隊規模越大，越不利于產出突破性創新成果；機構數與D指數呈顯著正相關，而國家數與D指數為顯著負相關，表明機構和國家在團隊協作中扮演著不同的角色，且跨國合作對突破性創新產生的消極效應（B=-0.151）明顯高于跨機構合作帶來的積極效應（B=0.018）。出人意料的是，相較于未獲得基金資助的研究，受到資助的成果反而具有更低的突破性。此外，論文的參考文獻數量、5年被引都與D指數呈顯著負相關，且二者對D指數的效應強度均較弱，而論文所屬期刊的質量對其突破性并無顯著影響。

5 討 論

5.1 論文跨學科知識整合

本研究在控制團隊合作特征與文獻基礎特征的前提下，以神經科學為例，探索了跨學科知識融合對論文創新程度的凈效應，發現論文的跨學科性與D指數之間存在強相關關系，即隨著學科知識多樣性的增強，極大地增加了產出突破性創新成果的可能性。

從重組理論出發，科學家在解決問題的過程中涉及知識搜索行為的兩個維度，一是縱向重用其現有知識的深度（搜索深度，或本地搜索），二是橫向探索新知識的廣度（搜索廣度，也稱為重組搜索）[61-62]。隨著搜索工作的深入，個體在領域內積累的經驗與知識儲備就越深厚，有利于其識別領域內反常現象，從而為實現高水平創新提供了突破口[63]。然而，個體重復使用相同的知識元素來解決問題，盡管可以減少出錯的可能性，但會使其陷入思維定式，耗盡其在提出新穎解決方案方面的創造力[64]，從而形成機械化研究模式[62]。與本地搜索相反，大范圍地進行搜索可以通過增加知識變體以豐富知識庫，從而為解決問題提供更多可能的知識組合[65]，即廣度搜索可以通過釋放更多重組可能性來激發創新思維[62]。簡而言之，對于突破機會的發現依賴于研究者在其領域內進行深度搜索，然而，為了避免長期沉浸于狹窄領域而觸發思維僵化最終只能產出漸進式成果，需要廣泛涉獵異質、多元知識并進行重組以激發創造力。事實上，對于個體而言，其搜索行為存在自相矛盾的現象：個體在領域內進行搜索是為了確定要打破哪些規則，而當其在領域外進行搜索時卻往往會遵守該領域的內部規則[66]，因此，從這個角度來說，突破性創新難以由獨立個體實現。

跨學科研究中的團隊合作是其對論文突破性創新水平具有強正向影響的內在原因。一方面，跨學科團隊的組建是一個選擇，而并非隨機過程，即團隊成員往往是由具備解決問題所需的專業背景與技能的個體組成[1]，具有識別創新突破口的能力，因此滿足突破性創新對搜索深度的要求。另一方面，團隊允許未掌握各種知識的個人通過與其他成員之間的互動而接觸到這些知識[67]，該知識共享過程可視為對信息的重組搜索，從而有助于提高團隊創造力并激發創新思維。從協調成本的角度來說，當需要整合的知識范圍越廣時，建立共識所需的成本就越高，導致最終知識整合的成本有可能超過獲得新知識的收益。不過，在創新實踐中，并不會出現此類超負荷的現象。例如，Katila等[61]以企業為研究對象，發現其成員搜索廣度對技術產品創新性的影響是線性遞增效應，而非預期的倒U形效應。同樣地，在本研究的樣本中，跨學科性強度區間為[0,1.5]，其平均強度明顯高于前期研究中所關注領域的跨學科性[68]，但也未捕捉到尾部區域突破性強度的遞減效應（圖5）。究其原因可能是當科學家在廣度搜索中感知到高風險時，受責任感驅使，往往會為了減少不確定性而進行深度搜索，說明廣度搜索是在可控范圍內進行的，而這種趨勢在創新活動中尤為突出[61]。

5.2 個體、機構及國家合作

本研究發現，在神經科學領域，論文中包含的作者與國家數量對D指數具有顯著的負效應，而機構數卻具有顯著的積極效應。該發現與Wu等[16]的研究結論一致，即小團隊更有可能產出突破性創新成果。從個體層面而言，作者數表征了團隊規模[44]。當合作中涉及的機構、國家數量恒定時，規模的增加表明團隊中人員的同質性越來越大，從而形成近親合作（in-breeding collaboration）[69]。相關研究證實，團隊配置的相似性對團隊發展并無益處[70]，不僅會阻礙內部人員流動性和學術發展[69]，在大團隊中還會出現“搭便車”現象——消耗團隊資源而不產生收益[71]。

跨機構合作和跨國合作在一定程度上既為團隊帶來了人員多樣性，又增加了團隊之間的地理距離，且相較而言，跨國合作在這兩方面上的特征均更為突出。一方面，來自不同機構或國家的成員長期沉浸在不同的文化環境中，形成了多元的思維和行為方式[59]，這有利于在知識交流中碰撞出創造性思維；另一方面，有研究表明，團隊中人員的文化信仰、種族等“表面多樣性”（surface diversity）[13]會使成員之間的信任度降低，進而影響團隊內部親密關系的建立[72]，并阻礙成員之間的互動與交流。例如，Lungeanu等[73]指出，個體傾向于與自身具有相同特征和價值觀的人進行合作，因為這有助于避免在規劃過程中出現可能的分歧。此外，隨著成員之間距離的增加，溝通成本也會增加，這會阻止團隊利用其多樣性優勢，即距離和組織界限會限制團隊為了解決問題而自發開展的協調工作[50]。Kelley等[74]指出，開發突破性技術的團隊成員通常具有地理上的鄰近性。類似地，Funk等[15]發現，地域特征呈現出分散性的團隊，更有可能創造出漸進性而非突破性性的技術發明。

本研究得到的機構數與D指數呈顯著正相關，這一結果啟示，機構合作在“跨邊界（學科、組織邊界等）研究具有的優勢與其存在的高昂協調成本”[75]這一張力中，達到了理想的平衡狀態，即資源優化配置的結果。相反地，由于成員之間巨大的社會和地理距離導致的高協調成本，可能使協調活動所產生的認知整合和相互理解收益不堪重負[76]，從而更多國家參與的合作可能只會強化跨國合作的負面效應，不利于突破性創新成果的產出。正如Wagner等[77]所指出的，如果各國過度依賴于合作而不是建立自己的研究能力，會對國家發展產生長期的負面影響。由此引發的一個重要問題是，在創新團隊的組建過程中，如何設定合理的團隊規模，以盡可能控制協調成本的同時，最大化認知多樣性帶來的創造力收益。Wu等[16]的發現提示，總體上，當團隊多于3人時，隨著規模的進一步增大，科學論文的D值下降速度顯著增加。聚焦于神經科學領域，本研究繪制的學術論文D值隨規模變化曲線（圖6、圖7）顯示，從個體層面而言，當團隊人員控制在7人以內時，論文的整體創新性能穩定維持在較高水平；從機構層面而言，當科研合作過程中涉及3～5個機構時，其創新績效相對較高；從國家層面而言，國內合作的創新優勢較為明顯，且當國家數超過5時，論文的整體創新程度較低（尾部由于樣本量過小，受極端值影響引起了異常波動）。需要說明的是，該曲線描繪的個體、機構以及國家層面團隊規模與創新水平的關系是諸多因素共同作用的結果。

圖6 D值平均數隨規模變化曲線

圖7 D值中位數隨規模變化曲線

5.3 基金資助

本研究發現，就神經科學而言，受到基金資助的論文成果，其D值反而顯著低于無基金資助的論文。由于本研究數據集的時間跨度（1975—2011年）較大且相對較早，因此，一種可能的解釋是，在早期，極具突破性創新的科學研究計劃可能會被資助機構拒之門外。首先，確定研究提案是否受到資助的主流方式是同行評議，而同行評議中可能存在的認識論層面的偏見與利益沖突，會影響極具超前性的研究提案的接受度[78]。有研究發現，專家同行評議偏愛具有可預測性結果的項目，因此，傾向于資助較為安全、主流的標書[79]，而突破性研究可能會由于其具有不可預測性、高風險的特征而不被青睞[80]。盡管部分基金資助機構制定的資助標準明確提及了對科研項目創新性的要求（包括新穎的概念、方法和對現有技術的挑戰），但多數機構更側重于研究的實用性與可行性[81]。早期有學者對跨學科研究在同行評議中的待遇表示擔憂，因為評審專家都傾向于支持自身學科領域中的主流研究[82]，因此，跨科學研究提案獲得資助的比例普遍較低[83]。不過，這一現象在近年來有所改變，跨學科研究逐漸成為解決復雜科學問題的有效手段，學界普遍認識到跨學科研究的重要性[1]，出現了以“通過支持和鼓勵最優秀、真正有創造力的科學家、學者和工程師在他們的研究中冒險并承擔風險，從而激發科學卓越……鼓勵科學家超越既定的知識邊界和學科界限”為使命的科研資助機構（如European Research Council，ERC）[84]。在后來的實證研究中也并未發現同行評議過程中存在對跨學科研究的偏見[85]。

6 結 論

本研究探索了跨學科知識融合對學術文獻創新程度的凈影響效應，采集了WoS中的神經科學數據，通過控制一系列的團隊屬性和文獻特征，主要采用Logistic回歸分析方法開展研究工作。研究結果發現，論文的跨學科性對其D值具有較強的積極影響；參與跨學科合作的機構越多，越有利于產出突破性論文，但團隊規模越大、涉及的國家越多，則更有可能產出漸進性創新成果；未受到基金資助的論文往往具有更高水平的突破性。

研究結果為科研人員和相關管理決策部門提供的啟示包括：①為促進突破性創新活動，應鼓勵跨學科知識融合，并為認知重組提供更多資源。②在組建跨學科團隊時應充分考慮規模和機構、國家多樣化的影響。就本研究結果而言，在神經科學領域，建議提倡小規模、跨機構合作；盡管跨國合作與論文D值呈負相關，但國際合作對于促進科研成果的影響力，增強國際話語權具有重要意義，故應謹慎地限制國際合作。③政府、機構為科研活動提供經費支持的初衷是保護科學家的積極性與創造性，促進科學技術的創新發展，本研究發現的基金資助與D指數的負相關關系也警示了相關組織機構應對資助過程中申請、評審等環節中存在問題進行反思與調整。

本研究存在一定的不足之處：①計算D指數時，僅統計了索引于WoS的參考文獻，由于D指數受參考文獻數量影響，因此，缺失的參考文獻在一定程度上可能會對結果產生影響；②本研究的發現僅適用于神經科學領域，大量證據表明，跨學科與合作對其成果影響力的作用因學科而異，因此，論文跨學科性對其突破性創新水平的積極效應在其他領域中的適用性有待后繼研究的進一步檢驗。