跨学科知识融合对D指数的影响

吕冬晴，阮选敏，李 江，成 颖

（南京大学信息管理学院，南京 210023）

1 引 言

科学的不断进步导致了学科专业的高度分化，单一学科在解决复杂的科学问题时往往力有不逮，因此，跨学科研究（interdisciplinary research，IDR）已成为必然之选[1]。美国科学院发布的《促进跨学科研究》报告将IDR定义为：由团队或个人融合了多学科的观点/概念/理论、工具/技术或者信息/数据的一种研究模式，其目的是达成学术界的基本认识或者为超出单一领域的科学研究问题提供解决方案。随着IDR的广泛开展，其研究成果的创新性引起了学界的关注[2]。

对于IDR与创新的关系，现有研究因量化方式、研究对象以及分析单元等的不同，得到了不尽一致的研究结果。在经济、管理学领域，学者多采用量表对IDR与创新进行测度，结果发现人员职能多样性会导致企业适应性的增强[3]，并有利于企业创新绩效的提高[4]；不过部分研究未发现该效应[5]，甚至还发现了职能多样化的团队会增加成本[6]以及工作压力[7]的证据。在文献计量学领域，大多数研究将IDR具体化为科研成果的跨学科性，且多采用被引频次量化论文的创新程度，二者间的正相关关系为多项研究所证实[8]，部分研究结果却显示了二者间的负相关关系[9]以及倒U形关系[10]。

不同类型的创新成果对于科学发展具有不同的意义，其中突破性创新作为科学发展的不连续性与变革性的象征[11]受到了各界的关注。现有研究发现，新旧技术领域间的知识耦合[12]与团队多样性[13]等是实现企业技术突破性创新的直接驱动力，企业知识多样性对其技术产出的突破性具有间接促进效应[14]。不过，相关工作均以技术创新为研究对象，未能提供学界更为关注的科学论文跨学科性与突破性创新间相关关系的实证证据，而前期研究中缺乏能有效区分不同创新类型的测度指标是一个重要因素。

对此，Funk等[15]提出了CD指数，基本思想是将后继研究者的引用视作对早期知识成果的“使用”，通过分析被引特征来判断科研成果的创新程度，即若一项新成果的出现使前期成果变得“过时”而不再被使用，则新成果与既有知识体系之间存在断层（不连续性），体现了新成果对既有知识体系的“扰动”（destabilization），表明该成果的创新具有突破性；反之，若后继研究持续引用前期成果，则说明新成果是对既有知识体系的“巩固”（consolidation），表明其更具渐进性创新的特点。Wu等[16]对CD指数进行了简化，提出了D指数，并利用学术论文、专利以及软件项目等多种数据检验了该指标在测度科研成果突破性与渐进性创新程度方面的可行性与有效性。

综上，本研究拟深入探索IDR与创新之间的关系，尤其是IDR与突破性以及渐进性创新程度之间的关系。鉴于IDR的实质在于学科间知识的有机融合[17]，故本研究拟从知识融合视角围绕跨学科性开展研究。因此，本研究以学术论文为研究对象，采用参考文献多样性指数量化跨学科性，通过能有效区分突破性与渐进性创新的D指数量化创新，主要采用Logistic回归进行数据分析，且在分析过程中控制一系列跨学科团队属性与学术文献计量属性对结果的干扰，以期得出二者之间关系的净效应。

2 相关研究

2.1 跨学科研究及其测度

“跨学科研究”这一术语自提出以来，陆续有学者及组织对其进行了探讨，多数观点认同其“集成、共享与合作的特点”[18]。Pessoa Junior等[19]发现，在社会以及自然科学中，跨学科学术论文的平均作者数为3.4人，而非跨学科则仅为1.3人。IDR也存在由独立研究者完成的情况[20]。Locatelli等[21]进一步发现，随着独立学者跨学科程度的提高，其对与其他领域专家交流的需求也随之下降。

现有研究围绕IDR成果的跨学科性提出了众多测度指标。由于跨学科研究与合作的紧密关联，跨学科作者合著被视为科研成果跨学科性最简单、直接的表征[22]。不过，该方法存在两点局限：一是作者合著并不必然涉及成员间的认知融合[22]，混淆了跨学科与多学科的区别，前者强调不同学科间知识的融合，后者则是对多学科共存的描述，是各独立学科知识的集合[23]；二是作者的教育背景并不能决定其当前的研究内容[24]，因此，以作者最后学历的学科归属量化跨学科性并不是一种理想的做法，而研究成果自身的学科属性才是最贴近跨学科本质的表征[24]，Zuo等[20]的研究结果证实了上述观点。

科学文献间的引用关系指示了知识流动的方向，且在一定程度上表征了施引者对引文中所蕴含知识的融合[22]，因此，多项研究以文献引用关系为基础构建了一系列跨学科性测度指标，比如，PCDCD（percentage of cross-disciplinary citing docu‐ments）[25]和COC（citations outside category）[26]是分别从被引与引用视角构建的学科类目多样性指标，用于测度科研成果中包含的参考文献或施引文献的学科类目的多样化（variety）程度；经典的香农熵、布里渊指数、辛普森指数以及Gini系数等同时考虑了学科类目多样性与均衡性（balance）[27]；另有部分指标进一步考虑了学科类别之间的差异性（disparity），如Rao二次熵[28]以及Rao-Stirling多样性指数[27]等。总体而言，上述指标的测度内容均可以归纳于Stirling[27]提出的“多样性”（diversity）范畴。此外，也有学者从网络聚合（coherence）视角对学科的跨学科强度进行了测度，如中介中心性指标[29]以及依赖于学科合作关系建构的相关指标[30]等。

2.2 创新类型及其测度

Kuhn[31]指出，科学发展具有非线性特征，在常规科学活动中出现的反常与危机，打破了先前的科学研究框架，迫使科学共同体不得不摒弃旧研究范式转向新范式，即科学革命。Foster[32]从技术发展视角提出了类似的观点，认为不同技术发展轨迹之间存在间隙，代表了技术发展的不连续性，即原技术被替代的过程。基于此，以不连续性、变革性为核心的创新的二元分类模式——突破性创新（radi‐cal/discontinuous/competence-destroy innovation）与渐进 性（incremental/developing/competence-enhance in‐novation）创新受到了广泛认同。其中，突破性创新的特点是其知识基础完全不同于现有技术/产品的知识基础，是对现有元素的全新重组[33]，其技术轨迹呈现出明显偏离（departure）于现有技术轨迹的特点[32]。这种不连续性标志着新技术从根本上改变了同类产品的相关能力集，被认为是对原有技术秩序与知识结构的破坏（destroying）[11]。而渐进性创新则是沿着原有的技术路线，面向市场主流需求对技术性能进行微小改进（minor improvements）或简单调整（adjustments）[34]。渐进性创新改进增强和扩展了底层技术，但仍依赖于先前技术的知识基础，即其巩固（enhance）了既有的技术秩序[11]。

学界围绕创新测度指标进行了长期的探索。规范理论认为，每一次引用都可视为后继研究者对被引工作的认同，且科学家会因害怕受到同行批评以及保护科学通信系统不致崩溃，从而尽全力避免粗心、不诚实的引用[35]，极少量存在的负面引用不足以对引文价值造成威胁[36]。因此，现有研究从不同视角构建了多种基于引用关系的创新测度指标。高被引是创新成果的基本特征，依据规范理论的指引，先前的研究中常将被引频次视为创新的替代指标[37]。随后，学界将研究的视角聚焦于创新成果的新颖性，即通过识别科研成果中引用的科学文献或专利的非传统组合进行测度[38]。鉴于新颖性等指标对突破性创新与渐进性创新的区分度较弱，Funk等[15]从后续专利对焦点专利（focal patent）及其前向引用专利的引用行为视角提出了测度专利创新程度的新思路。Wu等[16]将该思想应用于研究论文，提出了D指数，并借助对诺贝尔奖获得者成果的分析、专家访谈等初步检验了该指标的有效性。

2.3 跨学科与创新的关系

创新源于认知重组[39]，跨学科团队中多元的知识与技能，异质的思维与逻辑方式，为认知重组提供了更多可能的组合；然而，认知距离在有利于新思想迸发的同时，也增加了不可理解性的风险，即在认知重组过程中，受认知距离的影响，跨学科团队的协调成本显著高于“常规”的学科合作[40]，成员间的认知差异与分歧甚至会阻碍协作，使其难以重组所需的知识[41]。

多样性对创新的积极效应。Simonton[42]指出，许多重大科学创新都通过认知的自由结合过程产生。在此过程中，个体与个体间的思维碰撞会产生多种不同的认知组合，而这些认知组合会被选择性地保留，类似于进化的过程，即最佳变异认知组合会被保留，并实现突破。由于跨学科研究通常依托于团队协作，以解决复杂的科学问题，因此，在团队组建过程中涉及人员选择，如考虑成员之间涉及研究目的或任务相关的知识、技能的多样性，以进行有效分工与协作[1]。此外，跨学科团队还涉及人口统计学特征的异质性，如年龄、性别差异等[43]。前期研究表明，由来自不同学科人员组成的团队具有信息处理的优势，其认知多样性与知识专业化有利于扩展小组成员可以使用的与任务相关的资源，从而提高团队绩效[44]。该特征对于需要高水平信息处理和具有独创性的研发团队而言尤为重要。例如，Rogers Hollingsworth[45]发现，在生物医学领域，那些产生突破性发现的团队通常具备学科多样性的特征，且其组织结构多呈现为利于促进跨领域交流与思想融合的形态。Huang等[46]通过问卷调查法证实团队中的学科多样性、认知异质性以及组织多样性等（如企业、高校等）均对创新绩效具有显著的积极影响。

协调成本对创新的消极效应。跨学科合作面临着诸多难以回避的挑战。比如，团队成员具有受其自身学科和经验影响的不同心理模型[4]，其在工作模式与启发方法上的差异会阻碍协作，因此，成员可能无法有效利用他们的专业知识[47]，从而难以重组解决问题所需的知识。由此可见，跨学科合作会产生可观的协调成本。通过非正式和参与性机制[48]开展的协调活动是提高团队创新绩效的重要手段，有利于实现任务相关信息在团队的及时扩散[49]。Cummings等[50]发现，团队涉入的机构数越多，却伴随着协调活动的显著减少，即距离和组织边界对诸如高频的自发沟通以及解决问题等协调机制产生了负面影响，如面对面会议、课程培训以及研讨会等。同时，跨学科团队中人员职能背景多样性的增强，也意味着成员间知识和经验交集的减少[47]，从而协调变得更加必要，却也更加困难。此外，团队成员间与任务无关的差异，如人口统计属性的多样性（种族、年龄等）也会进一步引发沟通问题，并在解决对立想法和达成团队内部共识方面遇到困难[44]。Nooteboom[40]认为，组织需要促进成员之间的心理对齐，进而达成成员间的相互理解与职责协调，最终实现共同目标。

2.4 述评

目前，IDR与创新的关系研究受到了学界的广泛关注，在理论与实证方面均取得了较丰硕的研究成果，但仍存在一些具有重要科学意义且值得探索的研究问题。比如，现有研究大多未区分不同创新类型，少量有关突破性创新的实证研究也主要聚焦于技术领域，尚未见学术论文跨学科性对其突破性创新程度影响的实证研究。同时，跨学科研究主要依托于团队合作，且已有充分的证据表明，合作特征对团队创新绩效存在显著影响。然而，除个别研究以作者数作为团队规模的替代指标对结果进行控制之外，其他研究多未将合作特征作为控制变量，从而提示后继研究有必要对作者、机构和国家等合作特征以及基金资助等影响创新绩效的因素进行控制。因此，本研究拟以D指数这一能有效区分突破性与渐进性创新的定量指标为因变量，从知识融合视角探索学术论文的跨学科性对其创新程度的影响，并控制合作等特征的干扰，以充分挖掘二者的净效应。

3 研究方法

3.1 变量操作化

1）因变量——学术论文的创新程度

本研究拟以学术论文为研究对象，采用Wu等[16]提出的D指数对论文的突破性与渐进性创新程度进行量化。具体而言，对于一篇焦点论文（focal paper，图1中的菱形图标），存在三种类型的施引文献：仅引用焦点论文（五边形图标，i）、仅引用焦点论文的参考文献（三角形图标，k）、同时引用焦点论文及其参考文献（正方形图标，j）；统计一定时期内三种类型施引文献的数量，即ni、nj、nk，并按公式

图1 D指数示意图

计算D指数。D值介于-1～1，若D＞0（ni＞nj），则表明焦点论文与早前研究存在一定程度的不连续性，即创新具有突破性，且D值越接近于1，突破性越强；若D＜0（ni＜nj），则表明其创新具有渐进性，且D值越接近于-1，创新的渐进性越强；若D=0，则表示“中立”状态。此外，Bornmann等[51]指出，D指数受引文时间窗（citation window）的影响，其建议至少确保3年的引用时间，因此，本研究选取5年时间窗，即仅关注焦点论文自发表之日t至t+5年内的施引文献。

Wu等[16]利用WoS数据库学术文献全集，利用文献的D值分布，论证了采用D指数表征学术文献创新水平的合理性与有效性：①公认的具有高突破性的论文D值排于样本前1%，渐进性创新类论文D值位于后3%；②平均而言，诺贝尔获奖论文D值居前2%；③综述型文献的平均D值为负，排于后47%，而实证研究型文献的平均D值为正，位于前23%。此外，其还通过对各个领域的专家进行调研，识别出一批高突破性论文与高渐进性论文，专家评选结果与D指数得分的一致性进一步验证了D指数的合理性。

2）自变量——学术论文的跨学科性

本研究拟从知识整合视角量化学术论文的跨学科性。论文参考文献的学科多样性是衡量跨学科知识整合的有效路径[17]，因此，本研究采用Chakraborty等[52]基于香农熵提出的参考文献多样性指标（refer‐ence diversity index，RDI）对单篇科学论文的跨学科性进行量化，

其中，RDI(X)表示焦点论文的跨学科性；j表示其参考文献中的所属学科数量；pi表示属于学科i的参考文献占总参考文献的比例。

3）控制变量

跨学科合作普遍存在的现象启示本研究在探索跨学科知识融合对学术论文创新程度的影响时，应充分考虑团队合作特征对研究结果的干扰。目前已有多项研究表明，团队特征（如规模、机构或国家多样性等）对研究成果的影响力、质量、新颖性等具有显著影响[38]。然而，现有研究在探索跨学科与影响力、创新之间的关系时，尽管得到了具有统计意义的结论，但多数并未控制合作特征的影响，削弱了结论的说服力；有少量研究考虑了团队规模对研究结果的干扰，即仅将作者数作为控制变量之一[53]，忽略了更多维的团队属性，本研究拟弥补前期研究在该方面的不足。首先，不同层次的合作主体在团队中扮演着不同的角色，且对团队绩效的影响存在差异[54]，因此，本研究分别统计单篇科学论文中包含的作者数、机构数和国家数作为控制变量，分别对个体合作、机构合作以及国家合作进行量化。其次，对于利益相关者而言，合作是获得外部资金资助的重要条件[55]，且有研究表明，充足的预算是开展协调工作的根本支撑和重要激励[50]，故本研究进一步将基金资助纳为控制变量。

除合作属性之外，本研究还考虑了文献属性对D指数的影响。一方面，从D指数计算公式看，焦点论文的参考文献数量以及相应时间窗内（本研究设置为5年）的被引数量可能对其产生影响，因此同时将二者作为控制变量纳入分析；另一方面，考虑到本研究所使用的D指数是基于引文数据构建的，而引文会受到出版年份和期刊质量的影响已成为学界的共识，因此，本研究将论文出版年份和所属期刊的影响因子也纳为控制变量。相关变量说明如表1所示。

表1 变量说明

3.2 数据收集与处理

神经科学是专门研究大脑和神经系统的结构、功能、发育、异常以及其对行为和认知功能影响的学科[56]，涉及多个学科领域，包括生物医学（如临床神经病学、精神病学、认知和行为科学）、基础生物学（如遗传学和分子生物学）、心理学、化学、物理、数学和计算机科学等[57]。作为跨学科与合作化程度较高的领域[58]，研究神经科学论文的跨学科性以及其对创新程度的影响具有典型性与可行性。因此，本研究以Web of Science（WoS）为数据源，收集了WoS中神经科学领域发表于1975—2011年的研究型论文（即文献类型仅限“Article”，共672591篇）。时间截至2011年是为了预留充分的被引时间，引文数据覆盖至2016年。

在数据处理过程中，出于指标的可计算性要求，研究者从初始数据集中剔除了174429篇论文，排除标准如下：①不包含WoS索引的参考文献（后文提及的参考文献仅指焦点论文中索引于WoS的参考文献子集）；②焦点论文与其参考文献均为零被引；③作者地址信息缺失；④论文所属期刊未列于2018版期刊引证报告。最终，本研究共纳入论文498162篇，并按照表1计算其各个指标。

在指标计算过程中，有三个问题需要说明：①计算RDI时，本研究依据论文所属期刊的学科类别来判定焦点论文中参考文献的学科归属。在WoS学科分类中，期刊可能隶属于多个学科，本研究采用“全计数”统计方法，即若参考文献a发表于期刊b，期刊b在WoS中被归为学科i和学科j，那么属于学科i和j的参考文献数量均加一。②尽管机构名称未规范化导致同一机构实体存在多种名称变体，但本研究所统计的机构数不涉及消歧问题，原因在于：就单篇论文而言，其作者对特定机构的名称使用具有统一性。③本研究使用机构、国家数分别量化机构、国家层面的合作，存在一种极端案例：一个作者可能隶属于多个机构，甚至就职于不同国家的机构，即作者数为1，但机构数或国家数大于1。根据Katz等[59]的观点，不同机构之间可以通过该“共享”人员实现合作，因此，仍可将该“独著”论文视为机构或国家合作的成果。

4 研究结果

4.1 描述性统计

表2是各连续变量的描述性统计结果。由表2可见，1975—2011年，在神经科学领域，平均每篇论文中包含4.5个作者，涉及1.8个机构和1.2个国家，由此可以看出，机构和国家层面的合作规模远小于个体层面。另外，在本数据集中，仅有14.5%的论文受到基金资助，明显低于前期研究报告的神经科学领域论文基金资助率（2009—2013年）[60]，主要原因可能是本研究中论文时间跨度大，而早期科学研究项目受到的财政支持十分有限。样本论文的参考文献数和5年被引的最大值分别高达639和2094，平均值分别为34.5和19.2，且标准差相对较高，说明焦点论文的引用和被引数据均存在较大差异。焦点论文所属期刊的平均期刊影响因子为4.7，标准差为3.054，一定程度上也说明了焦点论文质量分布不均。

表2 变量描述统计性结果

样本论文的平均跨学科性（即RDI的均值）为0.8，偏度为-0.345，接近于正态分布（图2），表明神经科学领域论文的跨学科性分布相对均匀，多数论文的跨学科强度处于[0.6,1.0]，极端值相对较少。样本的平均D值为-0.003，其分布呈现出明显的右偏分布（偏度为19.559），仅8.3%的论文表现出突破性（D＞0），几乎均集中于“零值”（图3），区分度较小。总体而言，在神经科学领域，论文的渐进性创新特征更为显著（中位数、众数均小于均值），长尾在右则说明存在一定的突破性创新程度较高的极端案例。此外，图4展示了不同年份焦点论文的平均RDI与D值，可以看出，早期神经科学整体的跨学科性与突破性均呈现波动上升趋势，近年来稳步增强；但相对而言，总体突破性创新水平仍然较低。图5初步描绘了论文的跨学科性与其创新程度的关系，由于论文的D值高度集中于零附近，难以清晰捕捉突破性/渐进性随跨学科变化的趋势。因此，考虑到D值非正态、聚集于零值的分布特征，本研究将D指数转换为分类型变量，即以零为界，将样本分为突破性组（D≥0）和渐进性组（D＜0），并采用Logistic回归进一步分析跨学科对论文创新程度影响的净效应。

图2 RDI分布

图3 D指数分布

图4 RDI与D值随时间变化趋势

图5 RDI与D指数关系散点图

4.2 Logistic回归分析

Logistic回归结果如表3所示。NagelkerkeR2与Cox&SnellR2统计量是Logistic回归中常用的拟合优度指标，用于反映回归模型对被解释变量变差的解释程度，而前者实质上是对后者的修正。Nagelker‐keR2的取值范围在0～1，越接近于1，说明模型的拟合优度越高。本研究回归模型的NagelkerkeR2为0.178，表明最终纳入方程的自变量和控制变量对D指数具有一定的解释意义。具体而言，RDI对D指数具有显著积极影响，且系数（B）高达0.617，即论文的跨学科性越强，其突破性创新程度越高。在Logistic回归中，相对风险比EXP(B)相较于回归系数B更为直观。例如，RDI的EXP(B)为1.853，说明每增加一个单位RDI，论文的突破性水平是原来的1.853倍。

表3 Logistic回归结果

对于本研究纳入的控制变量而言，作者数与D指数呈显著负相关，说明团队规模越大，越不利于产出突破性创新成果；机构数与D指数呈显著正相关，而国家数与D指数为显著负相关，表明机构和国家在团队协作中扮演着不同的角色，且跨国合作对突破性创新产生的消极效应（B=-0.151）明显高于跨机构合作带来的积极效应（B=0.018）。出人意料的是，相较于未获得基金资助的研究，受到资助的成果反而具有更低的突破性。此外，论文的参考文献数量、5年被引都与D指数呈显著负相关，且二者对D指数的效应强度均较弱，而论文所属期刊的质量对其突破性并无显著影响。

5 讨 论

5.1 论文跨学科知识整合

本研究在控制团队合作特征与文献基础特征的前提下，以神经科学为例，探索了跨学科知识融合对论文创新程度的净效应，发现论文的跨学科性与D指数之间存在强相关关系，即随着学科知识多样性的增强，极大地增加了产出突破性创新成果的可能性。

从重组理论出发，科学家在解决问题的过程中涉及知识搜索行为的两个维度，一是纵向重用其现有知识的深度（搜索深度，或本地搜索），二是横向探索新知识的广度（搜索广度，也称为重组搜索）[61-62]。随着搜索工作的深入，个体在领域内积累的经验与知识储备就越深厚，有利于其识别领域内反常现象，从而为实现高水平创新提供了突破口[63]。然而，个体重复使用相同的知识元素来解决问题，尽管可以减少出错的可能性，但会使其陷入思维定式，耗尽其在提出新颖解决方案方面的创造力[64]，从而形成机械化研究模式[62]。与本地搜索相反，大范围地进行搜索可以通过增加知识变体以丰富知识库，从而为解决问题提供更多可能的知识组合[65]，即广度搜索可以通过释放更多重组可能性来激发创新思维[62]。简而言之，对于突破机会的发现依赖于研究者在其领域内进行深度搜索，然而，为了避免长期沉浸于狭窄领域而触发思维僵化最终只能产出渐进式成果，需要广泛涉猎异质、多元知识并进行重组以激发创造力。事实上，对于个体而言，其搜索行为存在自相矛盾的现象：个体在领域内进行搜索是为了确定要打破哪些规则，而当其在领域外进行搜索时却往往会遵守该领域的内部规则[66]，因此，从这个角度来说，突破性创新难以由独立个体实现。

跨学科研究中的团队合作是其对论文突破性创新水平具有强正向影响的内在原因。一方面，跨学科团队的组建是一个选择，而并非随机过程，即团队成员往往是由具备解决问题所需的专业背景与技能的个体组成[1]，具有识别创新突破口的能力，因此满足突破性创新对搜索深度的要求。另一方面，团队允许未掌握各种知识的个人通过与其他成员之间的互动而接触到这些知识[67]，该知识共享过程可视为对信息的重组搜索，从而有助于提高团队创造力并激发创新思维。从协调成本的角度来说，当需要整合的知识范围越广时，建立共识所需的成本就越高，导致最终知识整合的成本有可能超过获得新知识的收益。不过，在创新实践中，并不会出现此类超负荷的现象。例如，Katila等[61]以企业为研究对象，发现其成员搜索广度对技术产品创新性的影响是线性递增效应，而非预期的倒U形效应。同样地，在本研究的样本中，跨学科性强度区间为[0,1.5]，其平均强度明显高于前期研究中所关注领域的跨学科性[68]，但也未捕捉到尾部区域突破性强度的递减效应（图5）。究其原因可能是当科学家在广度搜索中感知到高风险时，受责任感驱使，往往会为了减少不确定性而进行深度搜索，说明广度搜索是在可控范围内进行的，而这种趋势在创新活动中尤为突出[61]。

5.2 个体、机构及国家合作

本研究发现，在神经科学领域，论文中包含的作者与国家数量对D指数具有显著的负效应，而机构数却具有显著的积极效应。该发现与Wu等[16]的研究结论一致，即小团队更有可能产出突破性创新成果。从个体层面而言，作者数表征了团队规模[44]。当合作中涉及的机构、国家数量恒定时，规模的增加表明团队中人员的同质性越来越大，从而形成近亲合作（in-breeding collaboration）[69]。相关研究证实，团队配置的相似性对团队发展并无益处[70]，不仅会阻碍内部人员流动性和学术发展[69]，在大团队中还会出现“搭便车”现象——消耗团队资源而不产生收益[71]。

跨机构合作和跨国合作在一定程度上既为团队带来了人员多样性，又增加了团队之间的地理距离，且相较而言，跨国合作在这两方面上的特征均更为突出。一方面，来自不同机构或国家的成员长期沉浸在不同的文化环境中，形成了多元的思维和行为方式[59]，这有利于在知识交流中碰撞出创造性思维；另一方面，有研究表明，团队中人员的文化信仰、种族等“表面多样性”（surface diversity）[13]会使成员之间的信任度降低，进而影响团队内部亲密关系的建立[72]，并阻碍成员之间的互动与交流。例如，Lungeanu等[73]指出，个体倾向于与自身具有相同特征和价值观的人进行合作，因为这有助于避免在规划过程中出现可能的分歧。此外，随着成员之间距离的增加，沟通成本也会增加，这会阻止团队利用其多样性优势，即距离和组织界限会限制团队为了解决问题而自发开展的协调工作[50]。Kelley等[74]指出，开发突破性技术的团队成员通常具有地理上的邻近性。类似地，Funk等[15]发现，地域特征呈现出分散性的团队，更有可能创造出渐进性而非突破性性的技术发明。

本研究得到的机构数与D指数呈显著正相关，这一结果启示，机构合作在“跨边界（学科、组织边界等）研究具有的优势与其存在的高昂协调成本”[75]这一张力中，达到了理想的平衡状态，即资源优化配置的结果。相反地，由于成员之间巨大的社会和地理距离导致的高协调成本，可能使协调活动所产生的认知整合和相互理解收益不堪重负[76]，从而更多国家参与的合作可能只会强化跨国合作的负面效应，不利于突破性创新成果的产出。正如Wagner等[77]所指出的，如果各国过度依赖于合作而不是建立自己的研究能力，会对国家发展产生长期的负面影响。由此引发的一个重要问题是，在创新团队的组建过程中，如何设定合理的团队规模，以尽可能控制协调成本的同时，最大化认知多样性带来的创造力收益。Wu等[16]的发现提示，总体上，当团队多于3人时，随着规模的进一步增大，科学论文的D值下降速度显著增加。聚焦于神经科学领域，本研究绘制的学术论文D值随规模变化曲线（图6、图7）显示，从个体层面而言，当团队人员控制在7人以内时，论文的整体创新性能稳定维持在较高水平；从机构层面而言，当科研合作过程中涉及3～5个机构时，其创新绩效相对较高；从国家层面而言，国内合作的创新优势较为明显，且当国家数超过5时，论文的整体创新程度较低（尾部由于样本量过小，受极端值影响引起了异常波动）。需要说明的是，该曲线描绘的个体、机构以及国家层面团队规模与创新水平的关系是诸多因素共同作用的结果。

图6 D值平均数随规模变化曲线

图7 D值中位数随规模变化曲线

5.3 基金资助

本研究发现，就神经科学而言，受到基金资助的论文成果，其D值反而显著低于无基金资助的论文。由于本研究数据集的时间跨度（1975—2011年）较大且相对较早，因此，一种可能的解释是，在早期，极具突破性创新的科学研究计划可能会被资助机构拒之门外。首先，确定研究提案是否受到资助的主流方式是同行评议，而同行评议中可能存在的认识论层面的偏见与利益冲突，会影响极具超前性的研究提案的接受度[78]。有研究发现，专家同行评议偏爱具有可预测性结果的项目，因此，倾向于资助较为安全、主流的标书[79]，而突破性研究可能会由于其具有不可预测性、高风险的特征而不被青睐[80]。尽管部分基金资助机构制定的资助标准明确提及了对科研项目创新性的要求（包括新颖的概念、方法和对现有技术的挑战），但多数机构更侧重于研究的实用性与可行性[81]。早期有学者对跨学科研究在同行评议中的待遇表示担忧，因为评审专家都倾向于支持自身学科领域中的主流研究[82]，因此，跨科学研究提案获得资助的比例普遍较低[83]。不过，这一现象在近年来有所改变，跨学科研究逐渐成为解决复杂科学问题的有效手段，学界普遍认识到跨学科研究的重要性[1]，出现了以“通过支持和鼓励最优秀、真正有创造力的科学家、学者和工程师在他们的研究中冒险并承担风险，从而激发科学卓越……鼓励科学家超越既定的知识边界和学科界限”为使命的科研资助机构（如European Research Council，ERC）[84]。在后来的实证研究中也并未发现同行评议过程中存在对跨学科研究的偏见[85]。

6 结 论

本研究探索了跨学科知识融合对学术文献创新程度的净影响效应，采集了WoS中的神经科学数据，通过控制一系列的团队属性和文献特征，主要采用Logistic回归分析方法开展研究工作。研究结果发现，论文的跨学科性对其D值具有较强的积极影响；参与跨学科合作的机构越多，越有利于产出突破性论文，但团队规模越大、涉及的国家越多，则更有可能产出渐进性创新成果；未受到基金资助的论文往往具有更高水平的突破性。

研究结果为科研人员和相关管理决策部门提供的启示包括：①为促进突破性创新活动，应鼓励跨学科知识融合，并为认知重组提供更多资源。②在组建跨学科团队时应充分考虑规模和机构、国家多样化的影响。就本研究结果而言，在神经科学领域，建议提倡小规模、跨机构合作；尽管跨国合作与论文D值呈负相关，但国际合作对于促进科研成果的影响力，增强国际话语权具有重要意义，故应谨慎地限制国际合作。③政府、机构为科研活动提供经费支持的初衷是保护科学家的积极性与创造性，促进科学技术的创新发展，本研究发现的基金资助与D指数的负相关关系也警示了相关组织机构应对资助过程中申请、评审等环节中存在问题进行反思与调整。

本研究存在一定的不足之处：①计算D指数时，仅统计了索引于WoS的参考文献，由于D指数受参考文献数量影响，因此，缺失的参考文献在一定程度上可能会对结果产生影响；②本研究的发现仅适用于神经科学领域，大量证据表明，跨学科与合作对其成果影响力的作用因学科而异，因此，论文跨学科性对其突破性创新水平的积极效应在其他领域中的适用性有待后继研究的进一步检验。