不同合作模式下论文跨学科性对颠覆性创新的影响研究

摘 要： ［目的／ 意义］ 本研究旨在探索不同合作模式下论文跨学科性对颠覆性创新的影响。［ 方法／ 过程］以Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 核心合集２０００—２０１８ 年生物信息学领域的期刊论文为数据集， 本研究以参考文献学科情况为研究对象， 从多样性、均衡性、差异性及整体跨学科性４ 个维度量化论文跨学科性， 以Ｄ 指数量化颠覆性创新， 采用Ｌｏｇｉｓｔｉｃ 回归分析方法探讨不同合作模式下论文跨学科性对颠覆性创新的影响， 并通过调整引用时间窗对结论进行鲁棒性检验。［结果／ 结论］ ①在生物信息学领域， 论文跨学科性对颠覆性创新具有显著影响， 具体表现为：多样性和跨学科性对颠覆性创新产出有积极影响； 均衡性和差异性对颠覆性创新产出有消极影响。②不同合作模式下跨学科性对颠覆性创新影响方向基本一致， 但合作跨度的增加会加强多样性对颠覆性创新的积极影响、均衡性和差异性对颠覆性创新的消极影响， 削弱跨学科性对颠覆性创新的积极影响。

关键词： 跨学科性； 颠覆性创新； Ｄ 指数； 合作模式； Ｌｏｇｉｓｔｉｃ 回归分析

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０２．０１２

〔中图分类号〕Ｇ３０２ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２５） ０２－０１３３－１２

随着科学系统的复杂化， 越来越多的社会问题和科学研究都无法依靠单一学科的理念、知识、方法、工具进行解决［１］ ， 跨学科研究已经成为当代科学知识生产的主流模式， 不断地开拓着新的研究领域， 孕育出新的学科生长点和激动人心的颠覆性创新， 在促进科学研究的重大突破、知识创新以及重大社会问题的解决等方面发挥了十分重要的作用，不少学者开始探索跨学科性及其对创新成果的影响。此外， 互联网的发展和全球一体化的加剧使得科研工作者间的沟通和交流也越发频繁与畅通， 跨学科研究已不再是科学工作者凭借自身兴趣自发形成的研究行为， 学者之间的协同合作逐渐成为跨学科研究的主要模式。

现有的相关研究多注重探讨跨学科性与论文被引情况、学术影响力的关系， 较少有研究关注论文跨学科性对颠覆性创新的影响机制， 同时也忽略了合作因素对影响机制的干扰。因此， 本文以学术论文为研究对象， 以论文参考文献学科情况量化论文跨学科性， 探讨不同合作模式下论文跨学科性对颠覆性创新的影响机制。具体地， 包括如下创新点： ①重点关注颠覆性创新并采用Ｄ 指数［２］ 对其进行识别， 同时控制跨学科性对颠覆性创新影响过程中可能存在的干扰因素， 更加全面、具体地探讨和解读论文跨学科性对颠覆性创新的影响机制； ②考虑到科研合作模式对论文跨学科性与颠覆性创新关系的影响， 探讨不同合作模式下各影响机制的影响效果。

本文探讨了不同合作模式下论文跨学科性及其对颠覆性创新的影响。在理论方面， 丰富了论文跨学科性对创新影响机制的解读， 为进一步分析论文合作模式、跨学科研究及其影响机制奠定了理论基础。在实践方面， 对跨学科研究的学科均衡布局和科研工作者之间的合作优化有一定指导意义， 为科学突破和创新发展提供了重要的参考价值。

１ 相关研究

１. １ 跨学科性及其测度

现有关于跨学科性测度的研究， 多以学科、论文、作者、团队等为研究对象， 从１ 个或几个维度进行衡量， 其中最经典的是Ｓｔｉｒｌｉｎｇ Ａ［３］ 提出的跨学科性三维测度的论述， 即多样性（Ｖａｒｉｅｔｙ）、均衡性（Ｂａｌａｎｃｅ）和差异性（Ｄｉｓｐａｒｉｔｙ）。多样性是指所包含学科类别的数量， 均衡性是指元素在各学科类别中分配的均衡程度， 差异性是指各学科类别之间的差异程度。在其他属性相同的情况下， 多样性越强、均衡性越高、差异度越大， 说明跨学科程度越高［４］ ，这一理论为跨学科研究提供了坚实的理论参考， 图１为跨学科性三维特征示意图。在测度指标方面， 学者通常使用学科数量来衡量多样性［５］ ， 用基尼系数［６］ 、Ｓｈａｎｎｏｎ 信息熵［７］ 、Ｈｅｒｆｉｎｄａｈｌ 指标［８］ 、Ｂｒｉｌｌｏｕｉｎ 指标［９］ 等对均衡性进行测度， 使用学科距离对差异性进行测度［１０］ ， 也有学者将上述３ 个维度结合起来，提出综合性评级指标对跨学科性进行综合衡量， 如Ｒａｏ－Ｓｔｉｒｌｉｎｇ 指标［３］ 、２ＤＳ 指数［１１］ 、ＩＤＤ 指标［１２］ 、ＤＩＶ 指标［１３］ 等。

１. ２ 颠覆性创新及其测度

科学发展是不连续和非线性的， 如果某一科学活动打破了以往的科学研究框架， 推动科学共同体转向新的研究范式， 就产生了科学革命［１５］ ， 这种以变革性、不连续性为核心标准将创新分为颠覆性创新与渐进性创新的二分类模式受到了广泛认同，因此， 颠覆性创新的概念是相对于渐进性创新而存在的。颠覆性创新这一概念还存在许多不同的用词表述， 如“突破性创新” “变革性创新” “破坏性创新” “激进式创新” 等［１６］ ， 其本质都是指在科学或技术上改变了既有范式并产生重大突破的创新， 具有新颖性、重大突破性、前沿性、不连续性和革命性等特点［１７］ ， 而渐进性创新是指对原有科学技术的微小调整或改进的创新［１８］ ， 侧重于巩固和扩展， 具有连续性［２］ 。

关于颠覆性创新的测度， 学者多从颠覆性创新的特点出发提出相应测度指标， 如Ｆｕｎｋ Ｒ Ｊ 等［１９］最早于２０１７ 年， 基于专利引用网络提出了颠覆性指数ＤＩ 指标， 从后续专利对焦点专利及其前向引用专利的引用行为角度来衡量专利对原有技术的颠覆性程度。２０１９ 年， Ｗｕ Ｌ Ｆ 等［２］ 在此思想的基础上， 基于引文网络提出Ｄ 指数， 通过对焦点论文及其施引文献的引用信息对比， 来表征焦点论文的出现是否造成此前论文的被引出现不连续性， 从而实现颠覆性创新的识别和量化， 并从科学论文、技术专利和软件产品三类数据验证了该指标识别和区分颠覆性创新与渐进性创新的有效性。

１. ３ 跨学科性对创新的影响

在跨学科性对创新影响的研究中， 学者们通常从两个维度进行探讨和研究。一方面， 从学科多样性角度出发， 认为跨学科性对创新具有积极影响：创新源于知识重组［２０］ ， 而多样化的知识是创新的必要基础［２１］ ， 多样化的学科提供了更加丰富的知识元， 为知识重组提供了更多可能的组合， 从而有利于激发创新。另一方面， 从学科差异性角度出发，认为跨学科性对创新具有消极影响： 不同学科的研究范式、思维方式、方法技术具有差异， 这种差异可能成为跨学科知识融合的阻碍， 进而影响知识重组和创新生成。

１. ４ 合作与跨学科性的关系

科研合作是实现跨学科知识融合的重要途径，不同程度的科研合作可能对论文跨学科性造成不同影响。Ｑｉｎ Ｊ 等［２２］ 研究了科学论文的合作情况与其跨学科引用的关系， 发现相比于独著论文， 作者人数为５ 个以上的论文更倾向于引用跨学科文献， 来自不同机构或国家（地区）的合著作者比来自同一机构或国家（地区）的作者更倾向于引用跨学科文献。殷茜等［２３］ 探讨了学者科研合作特征与其跨学科性的关系， 发现合作规模、团体合作率、国际合作率与其跨学科性呈显著正相关。张琳等［２４］ 研究了ＷｏＳ 数据库中３３ 位高被引学者的研究成果， 发现合作机构数对参考文献学科多样性具有显著的影响， 且不同学科的机构合作有利于产出参考文献跨学科性高的科研成果。

２ 研究设计

２. １ 变量操作化

２. １."１ 自变量

本研究的自变量是论文跨学科性， 论文跨学科行为的本质是对跨学科知识的整合， 文献引用是知识整合的重要形式， 因此学者通常借助文献引用来衡量论文的跨学科性， 即根据参考文献所属学科属性来测度论文跨学科性。具体地， 采用Ｓｔｉｒｌｉｎｇ Ａ［３］提出的跨学科性三维测度论述， 将论文跨学科性细化为多样性、均衡性和差异性３ 个维度进行测度。

１） 多样性： 对论文参考文献所属学科类别取并集， 将集合中的数量Ｉ 作为多样性的值。

２） 均衡性： 劳德·香农（Ｃ．Ｅ．Ｓｈａｎｎｏｎ）将“熵”引入信息学并提出“信息熵” 的概念， 许多学者采用Ｓｈａｎｎｏｎ 信息熵指标度量各学科分布比例来反映学科分布均匀程度［２５］ ， 如式（１） 所示， 其中ｐｉ ＝ｘｉ ／ Ｘ， Ｘ ＝Σｘｉ ； ｘｉ 是属于第ｉ 个学科类别的参考文献的数量。

Ｂａｌａｎｃｅ ＝－Σｐｉ ｌｏｇ（ｐｉ ） （１）

３） 差异性： Ｌｅｙｄｅｓｄｏｒｆｆ Ｌ［２６］ 在期刊学科类别映射数据的基础上， 使用２０１９ 年ＪＣＲ 中ＳＣＩ－Ｅ 和ＳＳＣＩ 收录的期刊数据， 利用学科互引次数构建了学科互引矩阵， 计算了各学科向量的余弦值并生成学科相似度矩阵。本文参考Ｗａｎｇ Ｊ 等［１０］ 的方法，基于Ｌｅｙｄｅｓｄｏｒｆｆ Ｌ 等［６］ 构建的学科互引矩阵对学科差异性进行计算， 如式（２） 所示， 其中， ｎ 表示参考文献涉及学科类别的数量， Ｓｉｊ 表示学科ｉ 与ｊ之间的余弦相似度。

４） Ｒａｏ－Ｓｔｉｒｌｉｎｇ 指数： 如式（３） 所示， 其中ｐｉ 、ｐｊ 分别表示学科类别ｉ、ｊ 的占比， Ｓｉｊ表示学科ｉ 与ｊ 之间的余弦相似度。

ＲＳ ＝Σｉ≠ｊ ｐｉ ｐｊ（１－Ｓｉｊ ） （３）

２. １. ２ 因变量

本文以论文颠覆性创新作为因变量， 采用ＷｕＬ Ｆ 等［２］ 提出的Ｄ 指数对论文颠覆性创新程度进行量化。Ｗｕ Ｌ Ｆ 等［２］ 指出， 对于一篇焦点论文（图２中的菱形图标）来说， 存在３ 种类型的施引情况：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３ 种类型施引论文的数量， 即ｎｉ 、ｎｊ 、ｎｋ ， Ｄ 指数计算方式如式（４） 所示：

Ｄ ＝ ｎｉ －ｎｊ/ｎｉ ＋ｎｊ ＋ｎｋ （４）

可以发现， Ｄ 指数值介于－１～１， 若Ｄ＞０（ｎｉ ＞ｎｊ ）， 则表明焦点论文出现后， 后续论文更倾向于引用焦点论文而非此前论文， 引起了论文对此前论文引用行为的变化， 即焦点论文与早前研究存在一定程度的不连续性， 意味着该创新具有颠覆性， 属于颠覆性创新成果， 且Ｄ 值越接近１， 颠覆性越强； 若Ｄ＜０（ｎｉ ＜ｎｊ ）， 则表明其创新具有渐进性，且Ｄ 值越接近－１， 创新的渐进性越强； 若Ｄ ＝ ０，则表示“中立” 状态。

此外， 研究表明Ｄ 指数会受到引用时间窗（Ｃｉ⁃ｔａｔｉｏｎ Ｗｉｎｄｏｗ）的影响， 建议至少确保３ 年的引用时间［２７］ ， 因此， 本研究设置了３ 年引用时间窗， 即关注焦点论文自发表之日ｔ 至ｔ＋３ 年内的被引情况。

２. １. ３ 控制变量

本文在探究论文跨学科性对颠覆性创新的影响时， 充分考虑了论文作者数、参考文献数、论文页数、所属期刊的影响因子ＪＩＦ（本文采用下载时的最新数值， 即２０２３ 年ＪＩＦ 数值）、５ 年内被引次数、基金资助情况、合作模式等因素对研究结果的干扰。①作者数（Ａ）： 多作者合作的论文往往比单一作者产出的论文更具影响力， 这种影响力在不同学科领域可能存在差异。②参考文献数（Ｒ）： 参考文献反映了论文对其他论文知识的吸收和整合， 参考文献数越多， 可能对论文的创新程度越有影响。③论文页数（Ｐ）： 论文的篇幅反映了论文的信息承载量，论文信息量越大， 页数越多， 其创新程度可能越高。④ＪＩＦ（Ｊ）： 论文所属期刊的影响因子越高， 可能意味着论文有更高的影响力。⑤５ 年被引（Ｃ）： 论文５ 年内被引次数越高， 说明论文影响力越大， 这可能反映了论文创新程度更高。⑥基金资助情况（Ｆ）：论文受到基金资助可能意味着论文本身受到更多关注， 有更高的价值， 本文设置两个虚拟变量， 即有基金资助（Ｆ１）和无基金资助（Ｆ２）对基金资助情况来进行区分。⑦合作模式（ＣＴ）： 论文的合作模式可能会影响论文的创新程度， 本文将论文的合作模式分为４ 类并设置相应的虚拟变量： 独著模式（ＣＴ１）表示论文由１ 个作者完成， 机构内合作（ＣＴ２）表示同一机构的内部合作， 跨机构合作（ＣＴ３）表示同一国家／ 地区内不同机构间的合作， 跨国合作（ＣＴ４）表示不同国家／ 地区之间的合作。

２. ２ 数据来源与处理

生物信息学是一门以生物学、数学和信息学为基础的交叉学科， 主要通过运用数学和信息学等多领域的技术方法对生物信息进行提取、加工、存储、解释和分析， 来挖掘大量生物数据中包含的生物学意义， 是一个跨学科与合作化程度较高的领域。因此， 以生物信息学领域论文作为数据基础来探讨不同合作模式下论文跨学科性及其对创新程度的影响具有典型性与可行性。

因此，本文以生物信息学为例，参考操玉杰等［２８］的做法， 以Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ 为检索词在期刊引证报告（Ｊｏｕｒｎａｌ Ｃｉｔａｔｉｏｎ Ｒｅｐｏｒｔｓ， ＪＣＲ）中检索到１３ 本期刊， 在Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 核心合集中检索相应的期刊ＩＳＳＮ 号， 检索式如下： “（ＩＳ＝１３６７－４８０３） ＯＲ （ＩＳ＝１１７７－９３２２） ＯＲ （ＩＳ＝ １４７１－２１０５） ＯＲ （ＩＳ ＝ １５７４－８９３６） ＯＲ （ＩＳ＝ ０２１９－７２００） ＯＲ （ＩＳ＝ １４６７－５４６３）ＯＲ （ＩＳ＝１１７６－９３４３） ＯＲ （ＩＳ＝１６７２－０２２９） ＯＲ （ＩＳ＝０８８７－３５８５） ＯＲ （ＩＳ＝ １７４８－５６７３） ＯＲ （ＩＳ ＝ １５４５－５９６３） ＯＲ （ＩＳ＝２１９２－６６６２） ＯＲ （ＩＳ＝１６１３－４５１６）”，并设置检索时间为２０００—２０１８ 年， 共检索到３１ ９６２篇文献， 下载文献数据及其ＰｕｂＭｅｄ ＩＤ、出版年份、作者、地址、机构、参考文献数、页数、ＩＳＳＮ 码、被引频次、基金资助信息、ＷｏＳ 类别等字段信息，为保证相关变量的可得性和指标的可计算性， 剔除了部分残缺数据， 最终得到１２ ４３２条论文数据（子数据集１）， 作为生物信息学领域的目标文献， 并提取相应的控制变量信息。进一步地， 获取子数据集１ 中目标文献的参考文献及其所属期刊名称， 通过Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 官网在ＪＣＲ（２０２０ 年）公布的２０ ９９４本期刊信息及期刊学科类别， 来确定参考文献的学科属性， 进而结合指标公式实现目标文献自变量的计算。最后， 获取子数据集１ 中目标文献、子数据集２ 中参考文献的施引文献， 通过相应的引用频次并结合指标公式实现目标文献因变量的计算。

３ 研究结果

３. １ 描述性统计

３. １. １ 变量统计分析

表３ 是各连续变量的描述性统计结果。可以发现： ２０００—２０１８ 年生物信息学领域的论文中， 平均每篇论文参考文献涉及１２. ２２０ 个学科， 标准差相对较大， 说明每篇论文参考文献涉及学科数量存在较大差异； 论文参考文献的学科均衡性均值为２.９９６，表明生物信息学领域论文参考文献中的学科分布相对较均匀分散。论文参考文献的学科差异性均值为０. ５１２， 说明生物信息学领域论文参考文献涉及的学科较为相似， 学科距离相对较小； 论文整体跨学科性均值为０. ３３７， 标准差较小， 说明生物信息学领域论文跨学科性相对较小且论文之间跨学科性相差较小。对于控制变量来说， 平均每篇论文包含４. ５８０个作者， 说明生物信息学领域论文多以合作为主。论文参考文献数的均值为３３. ３２０， 且标准差较大， 说明不同论文引用参考文献的数量相差较大。论文平均页数在１０ 页左右， 且标准差较大， 说明论文之间的篇幅差距较大。论文５ 年被引数均值为７９. ３９０，且标准差６５３. ９７６， 说明各个论文之间的被引均值差距非常大。此外， 论文Ｄ 指数均值为０. ００１， 说明生物信息学领域的论文具有一定的颠覆性创新特征， 但多数论文的颠覆性程度相对较小。

图３（ａ）反映了生物信息学领域２０００—２０１８ 年论文的发文情况， 可以发现， 自２０００ 年以来， 生物信息学领域发文量持续增长并在２０１０ 年达到顶峰，随后每年发文量基本保持在９００ 篇左右。图３（ｂ）反映了２０００—２０１８ 年生物信息学领域论文所包含的国家（地区）数情况， 可以发现， 绝大多数属于非跨国合作的论文， 其中跨国合作的论文以２～３ 个国家（地区）的合作为主。图３（ｃ）反映了２０００—２０１８ 年生物信息学领域论文所包含的机构数情况， 可以发现， 绝大多数论文拥有３ 个以内的机构数， 以机构内合作和２～３ 个机构的跨机构合作为主。图３（ｄ）反映了２０００—２０１８ 年生物信息学领域论文受基金资助的情况， 可以发现， 该领域有７０％的论文都有相应的基金资助， 基金资助情况较好。

图４ 反映了２０００—２０１８ 年生物信息学领域样本论文的跨学科性的分布区间， 偏度为０. ４６３， 接近于正态分布， 这表明生物信息学领域论文的跨学科性分布相对均匀， 极端值相对较少。图５ 反映了２０００—２０１８ 年生物信息学领域样本论文的Ｄ 指数的分布区间， 其分布呈现出明显的右偏分布（偏度为１４. ２６４）， 仅２５. ４％的论文表现出颠覆性（Ｄ＞０），且几乎集中于零值附近， 区分度较小。总体而言，在生物信息学领域， 论文的渐进性创新特征更为显著（中位数、众数均小于均值）， 长尾在右说明存在一定的颠覆性创新程度较高的极端案例。

３. １. ２ 合作模式统计分析

表４ 展示了生物信息学领域２０００—２０１８ 年的样本论文在不同合作模式下各变量的统计对比情况：独著论文（ＣＴ１）共３６４ 篇， 约占样本总数的２.９％；机构内合作（ＣＴ２）的论文共３ ４９９篇， 约占样本总数的２８. １％； 跨机构合作（ＣＴ３）的论文共５ ６２７篇，约占样本总数的４５.２％； 跨国合作（ＣＴ４）的论文共２ ９４２篇， 约占样本总数的２３. ６％。随着合作跨度的增加， 论文学科多样性、学科均衡性、学科差异性以及整体跨学科性都呈现明显的递增态势， 这说明合作跨度的增加在一定程度上有利于论文各个维度跨学科性的提升。合作跨度越大， 论文作者数和受到基金资助的比例越呈现明显递增的态势， 说明基金的资助有利于促成跨度更大的合作。此外， 跨国合作论文的ＪＩＦ 指数最高， 参考文献数均值最大，这说明跨国合作的论文可能吸收和整合了更多来自其他论文的知识， 且更有可能发表在拥有较高影响力的期刊上。出人意料的是， 相比于其他合作模式，独著论文拥有最高的Ｄ 指数和被引频次均值， 即独著论文表现出更强的颠覆性创新程度和影响力。

３. ２ Ｌｏｇｉｓｔｉｃ 回归分析

由于论文的Ｄ 值高度集中于零附近， 难以清晰捕捉颠覆性／ 渐进性随跨学科性变化的趋势。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， 将样本分为颠覆性创新（Ｄ＞０）和渐进性创新（Ｄ≤０）， 并采用Ｌｏｇｉｓｔｉｃ 回归进一步分析跨学科性对论文创新程度影响的净效应。

３. ２. １ 论文跨学科性对颠覆性创新的影响

Ｌｏｇｉｓｔｉｃ 回归结果如表５ 所示。Ｎａｇｅｌｋｅｒｋｅ Ｒ２ 与Ｃｏｘ＆Ｓｎｅｌｌ Ｒ２ 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。ＮａｇｅｌｋｅｒｋｅＲ２ 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Ｎａｇｅｌｋｅｒｋｅ Ｒ２ 为０.１０６， 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。

在自变量中： ①学科多样性对Ｄ 指数具有显著积极影响， 系数为１. ９３４， 即随着论文参考文献学科多样性的增加， 其论文颠覆性创新程度越高；②学科均衡性对Ｄ 指数具有显著消极影响， 系数为－３.３８３， 即论文参考文献的学科分布越集中， 其论文颠覆性创新程度越高， 学科分布越均匀分散，论文颠覆性创新程度越低； ③学科差异性对Ｄ 指数具有显著消极影响， 系数为－１. ４８９， 即论文参考文献的学科差距越大， 论文颠覆性创新程度越低； ④论文整体跨学科性对Ｄ 指数具有显著积极影响， 系数为３.２３３， 即论文参考文献跨学科性越大， 论文颠覆性创新程度越高。在自变量中， 学科均衡性对Ｄ 指数的影响力最大， 跨学科性次之。

在控制变量中： ①作者数、５ 年被引数对Ｄ 指数有显著积极影响； ②参考文献数、论文页数、ＪＩＦ对Ｄ 指数有显著消极影响； ③有无基金资助对论文Ｄ 指数无显著影响； ④相比于跨国合作模式来说，独著模式、机构内合作和跨机构合作更有利于论文Ｄ 指数的提升， 其中独著模式的论文有更高的概率成为颠覆性创新。

３. ２. ２ 不同合作模式论文跨学科性对颠覆性创新的影响

表６ 展示了不同合作模式下论文参考文献跨学科性对Ｄ 指数的影响情况。独著模式（ＣＴ１）论文的自变量对Ｄ 指数的影响效果均不显著。机构内合作（ＣＴ２）论文的学科多样性对Ｄ 指数影响不显著，学科均衡性和学科差异性对Ｄ 指数有显著负向影响，整体跨学科性对Ｄ 指数有显著正向影响。跨机构合作（ＣＴ３）论文以及跨国合作（ＣＴ４）论文的学科多样性、整体跨学科性对Ｄ 指数都具有显著正向影响， 学科均衡性和差异性对Ｄ 指数都具有显著负向影响。这说明无论哪种合作模式， 其论文的跨学科性对颠覆性创新的影响方向都一致。但随着合作跨度的增加， 论文的学科多样性、均衡性、差异性对Ｄ 指数的影响系数也逐渐增加， 整体跨学科性对Ｄ 指数的影响系数逐渐减小。

３. ３ 鲁棒性检验

为了进一步验证上述回归结果的稳健性， 本文通过调整引用时间窗的方法对论文参考文献跨学科性对颠覆性创新的影响结果进行验证。具体地， 使用保留３ 年引用时间窗与保留５ 年引用时间窗的Ｌｏｇｉｓｔｉｃ 回归结果进行对比， 鲁棒性检验结果如表７所示。检验结果发现， 采用不同长度的引用时间窗，论文参考文献跨学科性（多样性、均衡性、差异性３ 个维度以及整体跨学科性）对Ｄ 指数的影响方向一致， 系数变化较小， 其余控制变量对Ｄ 指数的影响方向基本一致， 系数变化较小。因此， 认为上述回归结果稳健。

４ 结论与启示

４."１ 结 论

４. １. １ 论文跨学科性对颠覆性创新的影响

学科多样性对颠覆性创新具有积极影响： 从知识整合的视角来说， 论文参考文献的学科种类越多，代表论文汇集了更多学科的知识、技能、经验和视角， 可能形成的知识组合就更加丰富多元， 这有利于重组出更多新颖的知识组合， 进而推动颠覆性创新。

学科均衡性对颠覆性创新具有消极影响： 对于一篇论文来说， 由于受到篇幅和研究内容的限制，只能实现对有限学科知识的融合， 如何在各个学科之间分配论文的“注意力”， 就体现了论文参考文献在各学科领域分布的均衡程度， 即学科均衡性。当学科均衡性较大时， 论文注意力在各学科之间分配较分散均匀， 这意味着该论文涉及知识不存在核心主导学科， 各学科知识占据的比重势均力敌， 而过于分散的注意力导致论文对各个学科知识的研究和参考不够深入， 只能形成微小的创新和改进， 不利于颠覆性创新的生成。相反地， 当学科均衡性较小时， 论文注意力在各学科之间分配较为集中， 该论文参考的知识存在核心学科， 在对核心学科知识深入理解的基础上借鉴少量外部学科知识， 有利于引发新的突破和创新， 从而促进论文的颠覆性创新。

学科差异性对颠覆性创新有消极影响： 一定程度的学科差异有利于知识的互补和创新， 但当学科差异性越大时， 意味着学科知识的异质性越强， 学科之间的知识结构、方法体系、思维视角等方面的差距就越大， 知识重组与整合的过程就变得更加困难， 从而限制了颠覆性创新的生成。

跨学科性对颠覆性创新有积极影响： 创新源于认知重组［２９］ ， 跨学科则强调对不同学科知识的整合［３０］ ， 因此跨学科是创新诞生的温床。单一的学科知识、工具、技能和思维方式难以实现知识的持续碰撞与有效互补， 而跨学科性能在一定程度上为创新的诞生提供多元化的知识技能和思维视角， 提升创造力和新颖性， 增加知识重新组合的可能性， 最终诞生出最佳的知识组合， 促进颠覆性创新的生成。

４. １. ２ 不同合作模式论文跨学科性对颠覆性创新的影响

随着合作跨度的增加， 论文的学科多样性、均衡性、差异性对Ｄ 指数的影响系数也逐渐增加： 跨国合作（ＣＴ４）的作者来自不同国家（地区）， 往往在思维方式、学科背景、知识经验等方面有较大差异，这种差异为合作增加了更加多元化的知识技能和思维视角， 增加了学科知识多样性本身的价值， 因此在一定程度上能够提升学科多样性对论文颠覆性创新程度的促进作用。随着合作跨度的增加， 作者之间在地理位置、组织机构制度等方面的差距越来越大， 知识技能的侧重点也有所不同， 一定程度上增加了学科知识的分散程度， 因此加剧了学科均衡性对颠覆性创新的不利影响。同时， 随着合作跨度的增加， 作者的地理位置、机构制度， 甚至语言交流、文化思维等方面差距越来越大， 作者之间合作的便利性逐渐降低， 沟通成本增加， 将学科知识间的差异进一步放大化， 因此加剧了学科差异性对颠覆性创新的不利影响。

随着合作跨度的增加， 论文整体跨学科性对Ｄ指数的影响系数逐渐减小： 论文参考文献整体的跨学科性对颠覆性创新具有正向影响， 但随着合作跨度的增加， 作者在地理位置、机构制度、思维认知、学科背景等方面的差异都为作者之间的合作联系带来不便， 增加了合作壁垒， 这在一定程度上阻碍了整体跨学科性对颠覆性创新的促进作用。

４. ２ 启 示

本文以生物信息学领域的论文为研究对象， 以文献引用来衡量论文跨学科性， 并将其细化为多样性、均衡性、差异性和跨学科性整体４ 个维度， 用Ｄ 指数量化颠覆性创新， 探索了不同合作模式下论文的跨学科性对颠覆性创新的影响。研究结果为跨学科研究、学术合作以及创新发展提供的启示包括：①在跨学科研究方面： 鼓励学者选择多元化的、学科距离适度的学科知识进行融合， 将注意力集中于少数几个核心学科， 避免跨学科研究在多个学科之间注意力分布的过度均衡， 以增加跨学科研究产出颠覆性创新成果的可能性。②在合作模式方面： 相关研究人员应遵循合作适度原则， 对于跨度相对较小的合作模式来说， 如同机构内合作， 可以选择多样化的学科进行跨学科研究， 充分发挥多元知识的碰撞组合为科学创新带来的积极作用； 但对于合作跨度较大的合作模式， 尤其是跨国合作， 合作者应将注意力集中于主要核心学科， 同时选择研究范式、理论方法等较为相似的学科进行研究， 避免合作跨度的增加将均衡性和差异性对颠覆性创新的负面影响进一步放大。③在创新发展方面： 重点关注具有主要核心学科知识支撑， 且将多个学科距离较小的学科知识进行融合的跨学科研究， 此类研究可能更具有成为颠覆性创新的潜力， 这些特征在一定程度上可以作为识别颠覆性创新的早期弱信号。

参考文献

［１］ Ｒｈｏｔｅｎ Ｄ． Ｒｉｓｋｓ ａｎｄ Ｒｅｗａｒｄｓ ｏｆ ａｎ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙ Ｒｅｓｅａｒｃｈ Ｐａｔｈ［Ｊ］． Ｓｃｉｅｎｃｅ， ２００４， ３０６ （５７０４）： ２０４６．

［２］ Ｗｕ Ｌ Ｆ， Ｗａｎｇ Ｄ Ｓ， Ｅｖａｎｓ Ｊ Ａ． Ｌａｒｇｅ Ｔｅａｍｓ Ｄｅｖｅｌｏｐ ａｎｄ ＳｍａｌｌＴｅａｍｓ Ｄｉｓｒｕｐｔ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ［ Ｊ］． Ｎａｔｕｒｅ， ２０１９， ５６６（７７４４）： ３７８－３８２．

［３］ Ｓｔｉｒｌｉｎｇ Ａ． Ａ Ｇｅｎｅｒａｌ Ｆｒａｍｅｗｏｒｋ Ｆｏｒ ａｎａｌｙｓｉｎｇ Ｄｉｖｅｒｓｉｔｙ ｉｎ Ｓｃｉｅｎｃｅ，Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｓｏｃｉｅｔｙ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｏｃｉｅｔｙ Ｉｎｔｅｒｆａｃｅ，２００７， ４ （１５）： ７０７－７１９．

［４］ Ｌａｒｉｖｉｅｒｅ Ｖ， Ｇｉｎｇｒａｓ Ｙ． Ｏｎ ｔｈｅ Ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ Ｉｎｔｅｒｄｉｓｃｉｐｌｉ⁃ｎａｒｉｔｙ ａｎｄ Ｓｃｉｅｎｔｉｆｉｃ Ｉｍｐａｃｔ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｍｅｒｉｃａｎ Ｓｏｃｉｅｔｙｆｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ， ２０１０， ６１ （１）： １２６－１３１．

［５］ Ｐｏｒｔｅｒ Ａ Ｌ， Ｃｈｕｂｉｎ Ｄ Ｅ． Ａｎ Ｉｎｄｉｃａｔｏｒ ｏｆ Ｃｒｏｓｓ－Ｄｉｓｃｉｐｌｉｎａｒｙ Ｒｅ⁃ｓｅａｒｃｈ ［Ｊ］． Ｓｃｉｅｎｔｏｍｅｔｒｉｃｓ， １９８５， ８ （３）： １６１－１７６．

［６］ Ｌｅｙｄｅｓｄｏｒｆｆ Ｌ， Ｒａｆｏｌｓ Ｉ． Ｉｎｄｉｃａｔｏｒｓ ｏｆ ｔｈｅ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｉｔｙ ｏｆ Ｊｏｕｒ⁃ｎａｌｓ： Ｄｉｖｅｒｓｉｔｙ， Ｃｅｎｔｒａｌｉｔｙ， ａｎｄ Ｃｉｔａｔｉｏｎｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｉｎｆｏｒｍｅ⁃ｔｒｉｃｓ， ２０１１， ５ （１）： ８７－１００．

［７］ Ｓｈａｎｎｏｎ Ｃ Ｅ． Ａ Ｍａｔｈｅｍａｔｉｃａｌ Ｔｈｅｏｒｙ ｏｆ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ［Ｊ］． ＢｅｌｌＳｙｓｔｅｍ Ｔｅｃｈｎｉｃａｌ Ｊｏｕｒｎａｌ， １９４８， ２７ （４）： ６２３－６５６．

［８］ Ｇｒａｎｔ Ｒ Ｍ， Ｊａｍｍｉｎｅ Ａ Ｐ， Ｔｈｏｍａｓ Ｈ． Ｄｉｖｅｒｓｉｔｙ， Ｄｉｖｅｒｓｉｆｉｃａｔｉｏｎ，ａｎｄ Ｐｒｏｆｉｔａｂｉｌｉｔｙ ａｍｏｎｇ Ｂｒｉｔｉｓｈ Ｍａｎｕｆａｃｔｕｒｉｎｇ Ｃｏｍｐａｎｉｅｓ， １９７２－８４［Ｊ］． Ａｃａｄｅｍｙ ｏｆ Ｍａｎａｇｅｍｅｎｔ Ｊｏｕｒｎａｌ， １９８８， ３１ （４）： ７７１－８０１．

［９］ Ｂｒｉｌｌｏｕｉｎ Ｌ． Ｓｃｉｅｎｃｅ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｈｅｏｒｙ ［Ｍ］． Ｎｅｗ Ｙｏｒｋ： Ａｃａ⁃ｄｅｍｉｃ Ｐｒｅｓｓ， １９５６．

［１０］ Ｗａｎｇ Ｊ， Ｔｈｉｊｓ Ｂ， Ｇｌａｎｚｅｌ Ｗ． Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｉｔｙ ａｎｄ Ｉｍｐａｃｔ： Ｄｉｓ⁃ｔｉｎｃｔ Ｅｆｆｅｃｔｓ ｏｆ Ｖａｒｉｅｔｙ， Ｂａｌａｎｃｅ， ａｎｄ Ｄｉｓｐａｒｉｔｙ ［ Ｊ］． Ｐｌｏｓ Ｏｎｅ，２０１５， １０ （５）： ｅ０１２７２９８．

［１１］ Ｚｈａｎｇ Ｌ， Ｒｏｕｓｓｅａｕ Ｒ， Ｇｌäｎｚｅｌ Ｗ． Ｄｉｖｅｒｓｉｔｙ ｏｆ Ｒｅｆｅｒｅｎｃｅｓ ａｓ ａｎＩｎｄｉｃａｔｏｒ ｏｆ ｔｈｅ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｉｔｙ ｏｆ Ｊｏｕｒｎａｌｓ： Ｔａｋｉｎｇ Ｓｉｍｉｌａｒｉｔｙ ｂｅ⁃ｔｗｅｅｎ Ｓｕｂｊｅｃｔ Ｆｉｅｌｄｓ ｉｎｔｏ Ａｃｃｏｕｎｔ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｓｓｏｃｉａｔｉｏｎｆｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， ２０１６， ６７ （５）： １２５７－１２６５．

［１２］ Ｂｒｏｍｈａｍ Ｌ， Ｄｉｎｎａｇｅ Ｒ， Ｈｕａ Ｘ． Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙ Ｒｅｓｅａｒｃｈ Ｈａｓ Ｃｏｎ⁃ｓｉｓｔｅｎｔｌｙ Ｌｏｗｅｒ Ｆｕｎｄｉｎｇ Ｓｕｃｃｅｓｓ ［Ｊ］． Ｎａｔｕｒｅ， ２０１６， ５３４ （７６０９）：６８４－６８７．

［１３］ Ｌｅｙｄｅｓｄｏｒｆｆ Ｌ， Ｗａｇｎｅｒ Ｃ Ｓ， Ｂｏｒｎｍａｎｎ Ｌ． Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｉｔｙ ａｓＤｉｖｅｒｓｉｔｙ ｉｎ Ｃｉｔａｔｉｏｎ Ｐａｔｔｅｒｎｓ Ａｍｏｎｇ Ｊｏｕｒｎａｌｓ： Ｒａｏ－Ｓｔｉｒｌｉｎｇ Ｄｉｖｅｒｓｉ⁃ｔｙ， Ｒｅｌａｔｉｖｅ Ｖａｒｉｅｔｙ， ａｎｄ ｔｈｅ Ｇｉｎｉ Ｃｏｅｆｆｉｃｉｅｎｔ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｉｎ⁃ｆｏｒｍｅｔｒｉｃｓ， ２０１９， １３ （１）： ２５５－２６９．

［１４］ Ｒａｆｏｌｓ Ｉ， Ｍｅｙｅｒ Ｍ． Ｄｉｖｅｒｓｉｔｙ ａｎｄ Ｎｅｔｗｏｒｋ Ｃｏｈｅｒｅｎｃｅ ａｓ Ｉｎｄｉｃａｔｏｒｓｏｆ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｉｔｙ： Ｃａｓｅ Ｓｔｕｄｉｅｓ ｉｎ Ｂｉｏｎａｎｏｓｃｉｅｎｃｅ ［Ｊ］． Ｓｃｉｅｎｔｏ⁃ｍｅｔｒｉｃｓ， ２０１０， ８２ （２）： ２６３－２８７．

［１５］ Ｋｕｈｎ Ｔ Ｓ． Ｔｈｅ Ｓｔｒｕｃｔｕｒｅ ｏｆ Ｓｃｉｅｎｔｉｆｉｃ Ｒｅｖｏｌｕｔｉｏｎｓ ［ Ｍ］． Ｃｈｉｃａ⁃ｇｏ： Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｉｃａｇｏ Ｐｒｅｓｓ， １９６２．

［１６］ 苏成， 赵志耘， 赵筱媛， 等． 颠覆性技术新阐释： 概念、内涵及特征［Ｊ］． 情报学报， ２０２１， ４０ （１２）： １２５３－１２６２．

［１７］ 庄子银， 贾红静， 肖春唤． 突破性创新研究进展［ Ｊ］． 经济学动态， ２０２０， （９）： １４５－１６０．

［１８］ Ｄｅｗａｒ Ｒ Ｄ， Ｄｕｔｔｏｎ Ｊ Ｅ． Ｔｈｅ Ａｄｏｐｔｉｏｎ ｏｆ Ｒａｄｉｃａｌ ａｎｄ ＩｎｃｒｅｍｅｎｔａｌＩｎｎｏｖａｔｉｏｎｓ： Ａｎ Ｅｍｐｉｒｉｃａｌ Ａｎａｌｙｓｉｓ ［Ｊ］． Ｍａｎａｇｅｍｅｎｔ Ｓｃｉｅｎｃｅ， １９８６，３２ （１１）： １４２２－１４３３．

［１９］ Ｆｕｎｋ Ｒ Ｊ， Ｏｗｅｎ－Ｓｍｉｔｈ Ｊ． Ａ Ｄｙｎａｍｉｃ Ｎｅｔｗｏｒｋ Ｍｅａｓｕｒｅ ｏｆ Ｔｅｃｈ⁃ｎｏｌｏｇｉｃａｌ Ｃｈａｎｇｅ ［Ｊ］． Ｍａｎａｇｅｍｅｎｔ Ｓｃｉｅｎｃｅ， ２０１７， ６３ （３）： ７９１－８１７．

［２０］ 吕冬晴， 阮选敏， 李江， 等． 跨学科知识融合对Ｄ 指数的影响［Ｊ］． 情报学报， ２０２２， ４１ （３）： ２６３－２７４．

［２１］ 石静， 孙建军． 科技创新团队的知识网络构建与知识测度研究［Ｊ］． 情报学报， ２０２２， ４１ （９）： ９００－９１４．

［２２］ Ｑｉｎ Ｊ， Ｌａｎｃａｓｔｅｒ Ｆ Ｗ， Ａｌｌｅｎ Ｂ． Ｔｙｐｅｓ ａｎｄ Ｌｅｖｅｌｓ ｏｆ Ｃｏｌｌａｂｏｒａ⁃ｔｉｏｎ ｉｎ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙ Ｒｅｓｅａｒｃｈ ｉｎ ｔｈｅ Ｓｃｉｅｎｃｅｓ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆｔｈｅ Ａｍｅｒｉｃａｎ Ｓｏｃｉｅｔｙ ｆｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ， １９９７， ４８ （ １０）：８９３－９１６．

［２３］ 殷茜， 李泽霞． 基于社会网络的学者科研合作与其跨学科性的关系研究———以天体物理学领域学者为例［ Ｊ］． 知识管理论坛， ２０２３， ８ （３）： １９３－２０１．

［２４］ 张琳， 孙蓓蓓， 黄颖． 跨学科合作模式下的交叉科学测度研究———以ＥＳＩ 社会科学领域高被引学者为例［ Ｊ］． 情报学报，２０１８， ３７ （３）： ２３１－２４２．

［２５］ 熊文靓， 付慧真． 交叉科学测度理论， 进展与展望［ Ｊ］． 图书情报工作， ２０２２， ６６ （２１）： １３２－１４４．

［２６］ Ｌｅｙｄｅｓｄｏｒｆｆ Ｌ． Ａ Ｍｅｔｈｏｄ ｆｏｒ Ｇｅｎｅｒａｔｉｎｇ Ｏｖｅｒｌａｙ Ｍａｐｓ ｏｎ ｔｈｅ Ｂａｓｉｓｏｆ Ａｇｇｒｅｇａｔｅｄ Ｊｏｕｒｎａｌ－Ｊｏｕｒｎａｌ Ｃｉｔａｔｉｏｎ Ｒｅｌａｔｉｏｎｓ ｉｎ ２０１５ ［ＥＢ／ ＯＬ］．ｈｔｔｐ：／ ／ ｗｗｗ．ｌｅｙｄｅｓｄｏｒｆｆ．ｎｅｔ／ ｗｃ１５／ ｉｎｄｅｘ．ｈｔｍ， ２０２４－０５－１８．

［２７］ Ｂｏｒｎｍａｎｎ Ｌ， Ｔｅｋｌｅｓ Ａ． Ｄｉｓｒｕｐｔｉｏｎ Ｉｎｄｅｘ Ｄｅｐｅｎｄｓ ｏｎ Ｌｅｎｇｔｈ ｏｆＣｉｔａｔｉｏｎ Ｗｉｎｄｏｗ ［Ｊ］． Ｅｌ Ｐｒｏｆｅｓｉｏｎａｌ ｄｅ ｌａ Ｉｎｆｏｒｍａｃｉóｎ， ２０１９， ２８（２）： ２４．

［２８］ 操玉杰， 王施运， 毛进， 等． 词汇位置功能视角下的交叉领域知识生长研究［Ｊ］． 情报学报， ２０２３， ４２ （４）： ３９３－４０６．

［２９］ Ｓｃｈｉｌｌｉｎｇ Ｍ Ａ． Ａ “Ｓｍａｌｌ－Ｗｏｒｌｄ” Ｎｅｔｗｏｒｋ Ｍｏｄｅｌ ｏｆ Ｃｏｇｎｉｔｉｖｅ Ｉｎ⁃ｓｉｇｈｔ ［Ｊ］． Ｃｒｅａｔｉｖｉｔｙ Ｒｅｓｅａｒｃｈ Ｊｏｕｒｎａｌ， ２００５， １７ （２／３）： １３１－１５４．

［３０］ Ｗａｎｇ Ｘ， Ｗａｎｇ Ｚ， Ｈｕａｎｇ Ｙ， ｅｔ ａｌ． Ｍｅａｓｕｒｉｎｇ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｉｔｙｏｆ ａ Ｒｅｓｅａｒｃｈ Ｓｙｓｔｅｍ： Ｄｅｔｅｃｔｉｎｇ Ｄｉｓｔｉｎｃｔｉｏｎ Ｂｅｔｗｅｅｎ ＰｕｂｌｉｃａｔｉｏｎＣａｔｅｇｏｒｉｅｓ ａｎｄ Ｃｉｔａｔｉｏｎ Ｃａｔｅｇｏｒｉｅｓ ［Ｊ］． Ｓｃｉｅｎｔｏｍｅｔｒｉｃｓ， ２０１７， １１１（３）： ２０２３－２０３９．

［３１］ Ｊｅｈｎ Ｋ Ａ， Ｎｅａｌｅ Ｎ． Ｗｈｙ Ｄｉｆｆｅｒｅｎｃｅｓ Ｍａｋｅ ａ Ｄｉｆｆｅｒｅｎｃｅ： Ａ ＦｉｅｌｄＳｔｕｄｙ ｏｆ Ｄｉｖｅｒｓｉｔｙ， Ｃｏｎｆｌｉｃｔ， ａｎｄ Ｐｅｒｆｏｒｍａｎｃｅ ｉｎ Ｗｏｒｋｇｒｏｕｐｓ ［Ｊ］．Ａｄｍｉｎｉｓｔｒａｔｉｖｅ Ｓｃｉｅｎｃｅ Ｑｕａｒｔｅｒｌｙ， １９９９， ４４ （４）： ７４１－７６３．

［３２］ Ｍｂ Ａ， Ｓｆ Ｂ， Ｈｄｙ Ｃ． Ｄｏｅｓ Ｇｒｅａｔｅｒ Ｄｉｖｅｒｓｉｆｉｃａｔｉｏｎ Ｉｎｃｒｅａｓｅ Ｉｎｄｉ⁃ｖｉｄｕａｌ Ｐｒｏｄｕｃｔｉｖｉｔｙ？ Ｔｈｅ Ｍｏｄｅｒａｔｉｎｇ Ｅｆｆｅｃｔ ｏｆ Ａｔｔｅｎｔｉｏｎ Ａｌｌｏｃａｔｉｏｎ［Ｊ］． Ｒｅｓｅａｒｃｈ Ｐｏｌｉｃｙ， ２０２１， ５０ （６）： １－１５．

［３３］ Ｋｅｌｌｅｙ Ｄ Ｊ， Ａｌｉ Ａ， Ｚａｈｒａ Ｓ Ａ． Ｗｈｅｒｅ ｄｏ Ｂｒｅａｋｔｈｒｏｕｇｈｓ ＣｏｍｅＦｒｏｍ？ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ Ｈｉｇｈ－Ｐｏｔｅｎｔｉａｌ Ｉｎｖｅｎｔｉｏｎｓ ［ Ｊ］． Ｊｏｕｒｎａｌｏｆ Ｐｒｏｄｕｃｔ Ｉｎｎｏｖａｔｉｏｎ Ｍａｎａｇｅｍｅｎｔ， ２０１３， ３０ （６）： １２１２－１２２６．

［３４］ Ｇｉｂｂｏｎｓ Ｄ， Ｏｌｋ Ｐ Ｍ． Ｉｎｄｉｖｉｄｕａｌ ａｎｄ Ｓｔｒｕｃｔｕｒａｌ Ｏｒｉｇｉｎｓ ｏｆ Ｆｒｉｅｎｄ⁃ｓｈｉｐ ａｎｄ Ｓｏｃｉａｌ Ｐｏｓｉｔｉｏｎ ａｍｏｎｇ Ｐｒｏｆｅｓｓｉｏｎａｌｓ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｐｅｒ⁃ｓｏｎａｌｉｔｙ ａｎｄ Ｓｏｃｉａｌ Ｐｓｙｃｈｏｌｏｇｙ， ２００３， ８４ （２）： ３４０－３５１．

［３５］ Ｋａｔｚ Ｊ Ｓ， Ｍａｒｔｉｎ Ｂ Ｒ． Ｗｈａｔ ｉｓ Ｒｅｓｅａｒｃｈ Ｃｏｌｌａｂｏｒａｔｉｏｎ？ ［Ｊ］． Ｒｅ⁃ｓｅａｒｃｈ Ｐｏｌｉｃｙ， １９９７， ２６ （１）： １－１８．

［３６］ Ｔｕｓｈｍａｎ Ｍ Ｌ， Ａｎｄｅｒｓｏｎ Ｐ． Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｄｉｓｃｏｎｔｉｎｕｉｔｉｅｓ ａｎｄＯｒｇａｎｉｚａｔｉｏｎａｌ Ｅｎｖｉｒｏｎｍｅｎｔｓ ［Ｊ］． Ａｄｍｉｎｉｓｔｒａｔｉｖｅ Ｓｃｉｅｎｃｅ Ｑｕａｒｔｅｒｌｙ，１９８６， ３１ （３）： ４３９－４６５．

［ ３７］ Ｆｏｓｔｅｒ Ｒ Ｎ． Ｗｏｒｋｉｎｇ ｔｈｅ Ｓ－ｃｕｒｖｅ： Ａｓｓｅｓｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｔｈｒｅａｔｓ［Ｊ］． Ｒｅｓｅａｒｃｈ Ｍａｎａｇｅｍｅｎｔ， １９８６， ２９ （４）： １７－２０．

［３８］ 孙佳佳． 学术期刊跨学科性与影响力的关系研究———以ＣＳＳ⁃ＣＩ 图情档期刊为例［Ｊ］． 中国科技期刊研究， ２０２３， ３４ （６）：７８６－７９８．

［３９］ 刘仲林． 交叉科学时代的交叉研究［Ｊ］． 科学学研究， １９９３，１１ （２）： ９－１６．

（责任编辑： 郭沫含）

基金项目： 国家社会科学基金重大项目“前沿交叉领域识别与融合创新路径预测方法研究” （项目编号： ２３＆ＺＤ２２５）。