不同合作模式下論文跨學科性對顛覆性創新的影響研究

摘 要： ［目的／ 意義］ 本研究旨在探索不同合作模式下論文跨學科性對顛覆性創新的影響。［ 方法／ 過程］以Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 核心合集２０００—２０１８ 年生物信息學領域的期刊論文為數據集， 本研究以參考文獻學科情況為研究對象， 從多樣性、均衡性、差異性及整體跨學科性４ 個維度量化論文跨學科性， 以Ｄ 指數量化顛覆性創新， 采用Ｌｏｇｉｓｔｉｃ 回歸分析方法探討不同合作模式下論文跨學科性對顛覆性創新的影響， 并通過調整引用時間窗對結論進行魯棒性檢驗。［結果／ 結論］ ①在生物信息學領域， 論文跨學科性對顛覆性創新具有顯著影響， 具體表現為：多樣性和跨學科性對顛覆性創新產出有積極影響； 均衡性和差異性對顛覆性創新產出有消極影響。②不同合作模式下跨學科性對顛覆性創新影響方向基本一致， 但合作跨度的增加會加強多樣性對顛覆性創新的積極影響、均衡性和差異性對顛覆性創新的消極影響， 削弱跨學科性對顛覆性創新的積極影響。

關鍵詞： 跨學科性； 顛覆性創新； Ｄ 指數； 合作模式； Ｌｏｇｉｓｔｉｃ 回歸分析

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

〔中圖分類號〕Ｇ３０２ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２５） ０２－０１３３－１２

隨著科學系統的復雜化， 越來越多的社會問題和科學研究都無法依靠單一學科的理念、知識、方法、工具進行解決［１］ ， 跨學科研究已經成為當代科學知識生產的主流模式， 不斷地開拓著新的研究領域， 孕育出新的學科生長點和激動人心的顛覆性創新， 在促進科學研究的重大突破、知識創新以及重大社會問題的解決等方面發揮了十分重要的作用，不少學者開始探索跨學科性及其對創新成果的影響。此外， 互聯網的發展和全球一體化的加劇使得科研工作者間的溝通和交流也越發頻繁與暢通， 跨學科研究已不再是科學工作者憑借自身興趣自發形成的研究行為， 學者之間的協同合作逐漸成為跨學科研究的主要模式。

現有的相關研究多注重探討跨學科性與論文被引情況、學術影響力的關系， 較少有研究關注論文跨學科性對顛覆性創新的影響機制， 同時也忽略了合作因素對影響機制的干擾。因此， 本文以學術論文為研究對象， 以論文參考文獻學科情況量化論文跨學科性， 探討不同合作模式下論文跨學科性對顛覆性創新的影響機制。具體地， 包括如下創新點： ①重點關注顛覆性創新并采用Ｄ 指數［２］ 對其進行識別， 同時控制跨學科性對顛覆性創新影響過程中可能存在的干擾因素， 更加全面、具體地探討和解讀論文跨學科性對顛覆性創新的影響機制； ②考慮到科研合作模式對論文跨學科性與顛覆性創新關系的影響， 探討不同合作模式下各影響機制的影響效果。

本文探討了不同合作模式下論文跨學科性及其對顛覆性創新的影響。在理論方面， 豐富了論文跨學科性對創新影響機制的解讀， 為進一步分析論文合作模式、跨學科研究及其影響機制奠定了理論基礎。在實踐方面， 對跨學科研究的學科均衡布局和科研工作者之間的合作優化有一定指導意義， 為科學突破和創新發展提供了重要的參考價值。

１ 相關研究

１. １ 跨學科性及其測度

現有關于跨學科性測度的研究， 多以學科、論文、作者、團隊等為研究對象， 從１ 個或幾個維度進行衡量， 其中最經典的是Ｓｔｉｒｌｉｎｇ Ａ［３］ 提出的跨學科性三維測度的論述， 即多樣性（Ｖａｒｉｅｔｙ）、均衡性（Ｂａｌａｎｃｅ）和差異性（Ｄｉｓｐａｒｉｔｙ）。多樣性是指所包含學科類別的數量， 均衡性是指元素在各學科類別中分配的均衡程度， 差異性是指各學科類別之間的差異程度。在其他屬性相同的情況下， 多樣性越強、均衡性越高、差異度越大， 說明跨學科程度越高［４］ ，這一理論為跨學科研究提供了堅實的理論參考， 圖１為跨學科性三維特征示意圖。在測度指標方面， 學者通常使用學科數量來衡量多樣性［５］ ， 用基尼系數［６］ 、Ｓｈａｎｎｏｎ 信息熵［７］ 、Ｈｅｒｆｉｎｄａｈｌ 指標［８］ 、Ｂｒｉｌｌｏｕｉｎ 指標［９］ 等對均衡性進行測度， 使用學科距離對差異性進行測度［１０］ ， 也有學者將上述３ 個維度結合起來，提出綜合性評級指標對跨學科性進行綜合衡量， 如Ｒａｏ－Ｓｔｉｒｌｉｎｇ 指標［３］ 、２ＤＳ 指數［１１］ 、ＩＤＤ 指標［１２］ 、ＤＩＶ 指標［１３］ 等。

１. ２ 顛覆性創新及其測度

科學發展是不連續和非線性的， 如果某一科學活動打破了以往的科學研究框架， 推動科學共同體轉向新的研究范式， 就產生了科學革命［１５］ ， 這種以變革性、不連續性為核心標準將創新分為顛覆性創新與漸進性創新的二分類模式受到了廣泛認同，因此， 顛覆性創新的概念是相對于漸進性創新而存在的。顛覆性創新這一概念還存在許多不同的用詞表述， 如“突破性創新” “變革性創新” “破壞性創新” “激進式創新” 等［１６］ ， 其本質都是指在科學或技術上改變了既有范式并產生重大突破的創新， 具有新穎性、重大突破性、前沿性、不連續性和革命性等特點［１７］ ， 而漸進性創新是指對原有科學技術的微小調整或改進的創新［１８］ ， 側重于鞏固和擴展， 具有連續性［２］ 。

關于顛覆性創新的測度， 學者多從顛覆性創新的特點出發提出相應測度指標， 如Ｆｕｎｋ Ｒ Ｊ 等［１９］最早于２０１７ 年， 基于專利引用網絡提出了顛覆性指數ＤＩ 指標， 從后續專利對焦點專利及其前向引用專利的引用行為角度來衡量專利對原有技術的顛覆性程度。２０１９ 年， Ｗｕ Ｌ Ｆ 等［２］ 在此思想的基礎上， 基于引文網絡提出Ｄ 指數， 通過對焦點論文及其施引文獻的引用信息對比， 來表征焦點論文的出現是否造成此前論文的被引出現不連續性， 從而實現顛覆性創新的識別和量化， 并從科學論文、技術專利和軟件產品三類數據驗證了該指標識別和區分顛覆性創新與漸進性創新的有效性。

１. ３ 跨學科性對創新的影響

在跨學科性對創新影響的研究中， 學者們通常從兩個維度進行探討和研究。一方面， 從學科多樣性角度出發， 認為跨學科性對創新具有積極影響：創新源于知識重組［２０］ ， 而多樣化的知識是創新的必要基礎［２１］ ， 多樣化的學科提供了更加豐富的知識元， 為知識重組提供了更多可能的組合， 從而有利于激發創新。另一方面， 從學科差異性角度出發，認為跨學科性對創新具有消極影響： 不同學科的研究范式、思維方式、方法技術具有差異， 這種差異可能成為跨學科知識融合的阻礙， 進而影響知識重組和創新生成。

１. ４ 合作與跨學科性的關系

科研合作是實現跨學科知識融合的重要途徑，不同程度的科研合作可能對論文跨學科性造成不同影響。Ｑｉｎ Ｊ 等［２２］ 研究了科學論文的合作情況與其跨學科引用的關系， 發現相比于獨著論文， 作者人數為５ 個以上的論文更傾向于引用跨學科文獻， 來自不同機構或國家（地區）的合著作者比來自同一機構或國家（地區）的作者更傾向于引用跨學科文獻。殷茜等［２３］ 探討了學者科研合作特征與其跨學科性的關系， 發現合作規模、團體合作率、國際合作率與其跨學科性呈顯著正相關。張琳等［２４］ 研究了ＷｏＳ 數據庫中３３ 位高被引學者的研究成果， 發現合作機構數對參考文獻學科多樣性具有顯著的影響， 且不同學科的機構合作有利于產出參考文獻跨學科性高的科研成果。

２ 研究設計

２. １ 變量操作化

２. １."１ 自變量

本研究的自變量是論文跨學科性， 論文跨學科行為的本質是對跨學科知識的整合， 文獻引用是知識整合的重要形式， 因此學者通常借助文獻引用來衡量論文的跨學科性， 即根據參考文獻所屬學科屬性來測度論文跨學科性。具體地， 采用Ｓｔｉｒｌｉｎｇ Ａ［３］提出的跨學科性三維測度論述， 將論文跨學科性細化為多樣性、均衡性和差異性３ 個維度進行測度。

１） 多樣性： 對論文參考文獻所屬學科類別取并集， 將集合中的數量Ｉ 作為多樣性的值。

２） 均衡性： 勞德·香農（Ｃ．Ｅ．Ｓｈａｎｎｏｎ）將“熵”引入信息學并提出“信息熵” 的概念， 許多學者采用Ｓｈａｎｎｏｎ 信息熵指標度量各學科分布比例來反映學科分布均勻程度［２５］ ， 如式（１） 所示， 其中ｐｉ ＝ｘｉ ／ Ｘ， Ｘ ＝Σｘｉ ； ｘｉ 是屬于第ｉ 個學科類別的參考文獻的數量。

Ｂａｌａｎｃｅ ＝－Σｐｉ ｌｏｇ（ｐｉ ） （１）

３） 差異性： Ｌｅｙｄｅｓｄｏｒｆｆ Ｌ［２６］ 在期刊學科類別映射數據的基礎上， 使用２０１９ 年ＪＣＲ 中ＳＣＩ－Ｅ 和ＳＳＣＩ 收錄的期刊數據， 利用學科互引次數構建了學科互引矩陣， 計算了各學科向量的余弦值并生成學科相似度矩陣。本文參考Ｗａｎｇ Ｊ 等［１０］ 的方法，基于Ｌｅｙｄｅｓｄｏｒｆｆ Ｌ 等［６］ 構建的學科互引矩陣對學科差異性進行計算， 如式（２） 所示， 其中， ｎ 表示參考文獻涉及學科類別的數量， Ｓｉｊ 表示學科ｉ 與ｊ之間的余弦相似度。

４） Ｒａｏ－Ｓｔｉｒｌｉｎｇ 指數： 如式（３） 所示， 其中ｐｉ 、ｐｊ 分別表示學科類別ｉ、ｊ 的占比， Ｓｉｊ表示學科ｉ 與ｊ 之間的余弦相似度。

ＲＳ ＝Σｉ≠ｊ ｐｉ ｐｊ（１－Ｓｉｊ ） （３）

２. １. ２ 因變量

本文以論文顛覆性創新作為因變量， 采用ＷｕＬ Ｆ 等［２］ 提出的Ｄ 指數對論文顛覆性創新程度進行量化。Ｗｕ Ｌ Ｆ 等［２］ 指出， 對于一篇焦點論文（圖２中的菱形圖標）來說， 存在３ 種類型的施引情況：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３ 種類型施引論文的數量， 即ｎｉ 、ｎｊ 、ｎｋ ， Ｄ 指數計算方式如式（４） 所示：

Ｄ ＝ ｎｉ －ｎｊ/ｎｉ ＋ｎｊ ＋ｎｋ （４）

可以發現， Ｄ 指數值介于－１～１， 若Ｄ＞０（ｎｉ ＞ｎｊ ）， 則表明焦點論文出現后， 后續論文更傾向于引用焦點論文而非此前論文， 引起了論文對此前論文引用行為的變化， 即焦點論文與早前研究存在一定程度的不連續性， 意味著該創新具有顛覆性， 屬于顛覆性創新成果， 且Ｄ 值越接近１， 顛覆性越強； 若Ｄ＜０（ｎｉ ＜ｎｊ ）， 則表明其創新具有漸進性，且Ｄ 值越接近－１， 創新的漸進性越強； 若Ｄ ＝ ０，則表示“中立” 狀態。

此外， 研究表明Ｄ 指數會受到引用時間窗（Ｃｉ?ｔａｔｉｏｎ Ｗｉｎｄｏｗ）的影響， 建議至少確保３ 年的引用時間［２７］ ， 因此， 本研究設置了３ 年引用時間窗， 即關注焦點論文自發表之日ｔ 至ｔ＋３ 年內的被引情況。

２. １. ３ 控制變量

本文在探究論文跨學科性對顛覆性創新的影響時， 充分考慮了論文作者數、參考文獻數、論文頁數、所屬期刊的影響因子ＪＩＦ（本文采用下載時的最新數值， 即２０２３ 年ＪＩＦ 數值）、５ 年內被引次數、基金資助情況、合作模式等因素對研究結果的干擾。①作者數（Ａ）： 多作者合作的論文往往比單一作者產出的論文更具影響力， 這種影響力在不同學科領域可能存在差異。②參考文獻數（Ｒ）： 參考文獻反映了論文對其他論文知識的吸收和整合， 參考文獻數越多， 可能對論文的創新程度越有影響。③論文頁數（Ｐ）： 論文的篇幅反映了論文的信息承載量，論文信息量越大， 頁數越多， 其創新程度可能越高。④ＪＩＦ（Ｊ）： 論文所屬期刊的影響因子越高， 可能意味著論文有更高的影響力。⑤５ 年被引（Ｃ）： 論文５ 年內被引次數越高， 說明論文影響力越大， 這可能反映了論文創新程度更高。⑥基金資助情況（Ｆ）：論文受到基金資助可能意味著論文本身受到更多關注， 有更高的價值， 本文設置兩個虛擬變量， 即有基金資助（Ｆ１）和無基金資助（Ｆ２）對基金資助情況來進行區分。⑦合作模式（ＣＴ）： 論文的合作模式可能會影響論文的創新程度， 本文將論文的合作模式分為４ 類并設置相應的虛擬變量： 獨著模式（ＣＴ１）表示論文由１ 個作者完成， 機構內合作（ＣＴ２）表示同一機構的內部合作， 跨機構合作（ＣＴ３）表示同一國家／ 地區內不同機構間的合作， 跨國合作（ＣＴ４）表示不同國家／ 地區之間的合作。

２. ２ 數據來源與處理

生物信息學是一門以生物學、數學和信息學為基礎的交叉學科， 主要通過運用數學和信息學等多領域的技術方法對生物信息進行提取、加工、存儲、解釋和分析， 來挖掘大量生物數據中包含的生物學意義， 是一個跨學科與合作化程度較高的領域。因此， 以生物信息學領域論文作為數據基礎來探討不同合作模式下論文跨學科性及其對創新程度的影響具有典型性與可行性。

因此，本文以生物信息學為例，參考操玉杰等［２８］的做法， 以Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ 為檢索詞在期刊引證報告（Ｊｏｕｒｎａｌ Ｃｉｔａｔｉｏｎ Ｒｅｐｏｒｔｓ， ＪＣＲ）中檢索到１３ 本期刊， 在Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 核心合集中檢索相應的期刊ＩＳＳＮ 號， 檢索式如下： “（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）”，并設置檢索時間為２０００—２０１８ 年， 共檢索到３１ ９６２篇文獻， 下載文獻數據及其ＰｕｂＭｅｄ ＩＤ、出版年份、作者、地址、機構、參考文獻數、頁數、ＩＳＳＮ 碼、被引頻次、基金資助信息、ＷｏＳ 類別等字段信息，為保證相關變量的可得性和指標的可計算性， 剔除了部分殘缺數據， 最終得到１２ ４３２條論文數據（子數據集１）， 作為生物信息學領域的目標文獻， 并提取相應的控制變量信息。進一步地， 獲取子數據集１ 中目標文獻的參考文獻及其所屬期刊名稱， 通過Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 官網在ＪＣＲ（２０２０ 年）公布的２０ ９９４本期刊信息及期刊學科類別， 來確定參考文獻的學科屬性， 進而結合指標公式實現目標文獻自變量的計算。最后， 獲取子數據集１ 中目標文獻、子數據集２ 中參考文獻的施引文獻， 通過相應的引用頻次并結合指標公式實現目標文獻因變量的計算。

３ 研究結果

３. １ 描述性統計

３. １. １ 變量統計分析

表３ 是各連續變量的描述性統計結果。可以發現： ２０００—２０１８ 年生物信息學領域的論文中， 平均每篇論文參考文獻涉及１２. ２２０ 個學科， 標準差相對較大， 說明每篇論文參考文獻涉及學科數量存在較大差異； 論文參考文獻的學科均衡性均值為２.９９６，表明生物信息學領域論文參考文獻中的學科分布相對較均勻分散。論文參考文獻的學科差異性均值為０. ５１２， 說明生物信息學領域論文參考文獻涉及的學科較為相似， 學科距離相對較小； 論文整體跨學科性均值為０. ３３７， 標準差較小， 說明生物信息學領域論文跨學科性相對較小且論文之間跨學科性相差較小。對于控制變量來說， 平均每篇論文包含４. ５８０個作者， 說明生物信息學領域論文多以合作為主。論文參考文獻數的均值為３３. ３２０， 且標準差較大， 說明不同論文引用參考文獻的數量相差較大。論文平均頁數在１０ 頁左右， 且標準差較大， 說明論文之間的篇幅差距較大。論文５ 年被引數均值為７９. ３９０，且標準差６５３. ９７６， 說明各個論文之間的被引均值差距非常大。此外， 論文Ｄ 指數均值為０. ００１， 說明生物信息學領域的論文具有一定的顛覆性創新特征， 但多數論文的顛覆性程度相對較小。

圖３（ａ）反映了生物信息學領域２０００—２０１８ 年論文的發文情況， 可以發現， 自２０００ 年以來， 生物信息學領域發文量持續增長并在２０１０ 年達到頂峰，隨后每年發文量基本保持在９００ 篇左右。圖３（ｂ）反映了２０００—２０１８ 年生物信息學領域論文所包含的國家（地區）數情況， 可以發現， 絕大多數屬于非跨國合作的論文， 其中跨國合作的論文以２～３ 個國家（地區）的合作為主。圖３（ｃ）反映了２０００—２０１８ 年生物信息學領域論文所包含的機構數情況， 可以發現， 絕大多數論文擁有３ 個以內的機構數， 以機構內合作和２～３ 個機構的跨機構合作為主。圖３（ｄ）反映了２０００—２０１８ 年生物信息學領域論文受基金資助的情況， 可以發現， 該領域有７０％的論文都有相應的基金資助， 基金資助情況較好。

圖４ 反映了２０００—２０１８ 年生物信息學領域樣本論文的跨學科性的分布區間， 偏度為０. ４６３， 接近于正態分布， 這表明生物信息學領域論文的跨學科性分布相對均勻， 極端值相對較少。圖５ 反映了２０００—２０１８ 年生物信息學領域樣本論文的Ｄ 指數的分布區間， 其分布呈現出明顯的右偏分布（偏度為１４. ２６４）， 僅２５. ４％的論文表現出顛覆性（Ｄ＞０），且幾乎集中于零值附近， 區分度較小。總體而言，在生物信息學領域， 論文的漸進性創新特征更為顯著（中位數、眾數均小于均值）， 長尾在右說明存在一定的顛覆性創新程度較高的極端案例。

３. １. ２ 合作模式統計分析

表４ 展示了生物信息學領域２０００—２０１８ 年的樣本論文在不同合作模式下各變量的統計對比情況：獨著論文（ＣＴ１）共３６４ 篇， 約占樣本總數的２.９％；機構內合作（ＣＴ２）的論文共３ ４９９篇， 約占樣本總數的２８. １％； 跨機構合作（ＣＴ３）的論文共５ ６２７篇，約占樣本總數的４５.２％； 跨國合作（ＣＴ４）的論文共２ ９４２篇， 約占樣本總數的２３. ６％。隨著合作跨度的增加， 論文學科多樣性、學科均衡性、學科差異性以及整體跨學科性都呈現明顯的遞增態勢， 這說明合作跨度的增加在一定程度上有利于論文各個維度跨學科性的提升。合作跨度越大， 論文作者數和受到基金資助的比例越呈現明顯遞增的態勢， 說明基金的資助有利于促成跨度更大的合作。此外， 跨國合作論文的ＪＩＦ 指數最高， 參考文獻數均值最大，這說明跨國合作的論文可能吸收和整合了更多來自其他論文的知識， 且更有可能發表在擁有較高影響力的期刊上。出人意料的是， 相比于其他合作模式，獨著論文擁有最高的Ｄ 指數和被引頻次均值， 即獨著論文表現出更強的顛覆性創新程度和影響力。

３. ２ Ｌｏｇｉｓｔｉｃ 回歸分析

由于論文的Ｄ 值高度集中于零附近， 難以清晰捕捉顛覆性／ 漸進性隨跨學科性變化的趨勢。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， 將樣本分為顛覆性創新（Ｄ＞０）和漸進性創新（Ｄ≤０）， 并采用Ｌｏｇｉｓｔｉｃ 回歸進一步分析跨學科性對論文創新程度影響的凈效應。

３. ２. １ 論文跨學科性對顛覆性創新的影響

Ｌｏｇｉｓｔｉｃ 回歸結果如表５ 所示。Ｎａｇｅｌｋｅｒｋｅ Ｒ２ 與Ｃｏｘ＆Ｓｎｅｌｌ Ｒ２ 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。ＮａｇｅｌｋｅｒｋｅＲ２ 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Ｎａｇｅｌｋｅｒｋｅ Ｒ２ 為０.１０６， 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。

在自變量中： ①學科多樣性對Ｄ 指數具有顯著積極影響， 系數為１. ９３４， 即隨著論文參考文獻學科多樣性的增加， 其論文顛覆性創新程度越高；②學科均衡性對Ｄ 指數具有顯著消極影響， 系數為－３.３８３， 即論文參考文獻的學科分布越集中， 其論文顛覆性創新程度越高， 學科分布越均勻分散，論文顛覆性創新程度越低； ③學科差異性對Ｄ 指數具有顯著消極影響， 系數為－１. ４８９， 即論文參考文獻的學科差距越大， 論文顛覆性創新程度越低； ④論文整體跨學科性對Ｄ 指數具有顯著積極影響， 系數為３.２３３， 即論文參考文獻跨學科性越大， 論文顛覆性創新程度越高。在自變量中， 學科均衡性對Ｄ 指數的影響力最大， 跨學科性次之。

在控制變量中： ①作者數、５ 年被引數對Ｄ 指數有顯著積極影響； ②參考文獻數、論文頁數、ＪＩＦ對Ｄ 指數有顯著消極影響； ③有無基金資助對論文Ｄ 指數無顯著影響； ④相比于跨國合作模式來說，獨著模式、機構內合作和跨機構合作更有利于論文Ｄ 指數的提升， 其中獨著模式的論文有更高的概率成為顛覆性創新。

３. ２. ２ 不同合作模式論文跨學科性對顛覆性創新的影響

表６ 展示了不同合作模式下論文參考文獻跨學科性對Ｄ 指數的影響情況。獨著模式（ＣＴ１）論文的自變量對Ｄ 指數的影響效果均不顯著。機構內合作（ＣＴ２）論文的學科多樣性對Ｄ 指數影響不顯著，學科均衡性和學科差異性對Ｄ 指數有顯著負向影響，整體跨學科性對Ｄ 指數有顯著正向影響。跨機構合作（ＣＴ３）論文以及跨國合作（ＣＴ４）論文的學科多樣性、整體跨學科性對Ｄ 指數都具有顯著正向影響， 學科均衡性和差異性對Ｄ 指數都具有顯著負向影響。這說明無論哪種合作模式， 其論文的跨學科性對顛覆性創新的影響方向都一致。但隨著合作跨度的增加， 論文的學科多樣性、均衡性、差異性對Ｄ 指數的影響系數也逐漸增加， 整體跨學科性對Ｄ 指數的影響系數逐漸減小。

３. ３ 魯棒性檢驗

為了進一步驗證上述回歸結果的穩健性， 本文通過調整引用時間窗的方法對論文參考文獻跨學科性對顛覆性創新的影響結果進行驗證。具體地， 使用保留３ 年引用時間窗與保留５ 年引用時間窗的Ｌｏｇｉｓｔｉｃ 回歸結果進行對比， 魯棒性檢驗結果如表７所示。檢驗結果發現， 采用不同長度的引用時間窗，論文參考文獻跨學科性（多樣性、均衡性、差異性３ 個維度以及整體跨學科性）對Ｄ 指數的影響方向一致， 系數變化較小， 其余控制變量對Ｄ 指數的影響方向基本一致， 系數變化較小。因此， 認為上述回歸結果穩健。

４ 結論與啟示

４."１ 結 論

４. １. １ 論文跨學科性對顛覆性創新的影響

學科多樣性對顛覆性創新具有積極影響： 從知識整合的視角來說， 論文參考文獻的學科種類越多，代表論文匯集了更多學科的知識、技能、經驗和視角， 可能形成的知識組合就更加豐富多元， 這有利于重組出更多新穎的知識組合， 進而推動顛覆性創新。

學科均衡性對顛覆性創新具有消極影響： 對于一篇論文來說， 由于受到篇幅和研究內容的限制，只能實現對有限學科知識的融合， 如何在各個學科之間分配論文的“注意力”， 就體現了論文參考文獻在各學科領域分布的均衡程度， 即學科均衡性。當學科均衡性較大時， 論文注意力在各學科之間分配較分散均勻， 這意味著該論文涉及知識不存在核心主導學科， 各學科知識占據的比重勢均力敵， 而過于分散的注意力導致論文對各個學科知識的研究和參考不夠深入， 只能形成微小的創新和改進， 不利于顛覆性創新的生成。相反地， 當學科均衡性較小時， 論文注意力在各學科之間分配較為集中， 該論文參考的知識存在核心學科， 在對核心學科知識深入理解的基礎上借鑒少量外部學科知識， 有利于引發新的突破和創新， 從而促進論文的顛覆性創新。

學科差異性對顛覆性創新有消極影響： 一定程度的學科差異有利于知識的互補和創新， 但當學科差異性越大時， 意味著學科知識的異質性越強， 學科之間的知識結構、方法體系、思維視角等方面的差距就越大， 知識重組與整合的過程就變得更加困難， 從而限制了顛覆性創新的生成。

跨學科性對顛覆性創新有積極影響： 創新源于認知重組［２９］ ， 跨學科則強調對不同學科知識的整合［３０］ ， 因此跨學科是創新誕生的溫床。單一的學科知識、工具、技能和思維方式難以實現知識的持續碰撞與有效互補， 而跨學科性能在一定程度上為創新的誕生提供多元化的知識技能和思維視角， 提升創造力和新穎性， 增加知識重新組合的可能性， 最終誕生出最佳的知識組合， 促進顛覆性創新的生成。

４. １. ２ 不同合作模式論文跨學科性對顛覆性創新的影響

隨著合作跨度的增加， 論文的學科多樣性、均衡性、差異性對Ｄ 指數的影響系數也逐漸增加： 跨國合作（ＣＴ４）的作者來自不同國家（地區）， 往往在思維方式、學科背景、知識經驗等方面有較大差異，這種差異為合作增加了更加多元化的知識技能和思維視角， 增加了學科知識多樣性本身的價值， 因此在一定程度上能夠提升學科多樣性對論文顛覆性創新程度的促進作用。隨著合作跨度的增加， 作者之間在地理位置、組織機構制度等方面的差距越來越大， 知識技能的側重點也有所不同， 一定程度上增加了學科知識的分散程度， 因此加劇了學科均衡性對顛覆性創新的不利影響。同時， 隨著合作跨度的增加， 作者的地理位置、機構制度， 甚至語言交流、文化思維等方面差距越來越大， 作者之間合作的便利性逐漸降低， 溝通成本增加， 將學科知識間的差異進一步放大化， 因此加劇了學科差異性對顛覆性創新的不利影響。

隨著合作跨度的增加， 論文整體跨學科性對Ｄ指數的影響系數逐漸減小： 論文參考文獻整體的跨學科性對顛覆性創新具有正向影響， 但隨著合作跨度的增加， 作者在地理位置、機構制度、思維認知、學科背景等方面的差異都為作者之間的合作聯系帶來不便， 增加了合作壁壘， 這在一定程度上阻礙了整體跨學科性對顛覆性創新的促進作用。

４. ２ 啟 示

本文以生物信息學領域的論文為研究對象， 以文獻引用來衡量論文跨學科性， 并將其細化為多樣性、均衡性、差異性和跨學科性整體４ 個維度， 用Ｄ 指數量化顛覆性創新， 探索了不同合作模式下論文的跨學科性對顛覆性創新的影響。研究結果為跨學科研究、學術合作以及創新發展提供的啟示包括：①在跨學科研究方面： 鼓勵學者選擇多元化的、學科距離適度的學科知識進行融合， 將注意力集中于少數幾個核心學科， 避免跨學科研究在多個學科之間注意力分布的過度均衡， 以增加跨學科研究產出顛覆性創新成果的可能性。②在合作模式方面： 相關研究人員應遵循合作適度原則， 對于跨度相對較小的合作模式來說， 如同機構內合作， 可以選擇多樣化的學科進行跨學科研究， 充分發揮多元知識的碰撞組合為科學創新帶來的積極作用； 但對于合作跨度較大的合作模式， 尤其是跨國合作， 合作者應將注意力集中于主要核心學科， 同時選擇研究范式、理論方法等較為相似的學科進行研究， 避免合作跨度的增加將均衡性和差異性對顛覆性創新的負面影響進一步放大。③在創新發展方面： 重點關注具有主要核心學科知識支撐， 且將多個學科距離較小的學科知識進行融合的跨學科研究， 此類研究可能更具有成為顛覆性創新的潛力， 這些特征在一定程度上可以作為識別顛覆性創新的早期弱信號。

參考文獻

［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， Ｇｌ?ｎｚｅｌ 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］ 蘇成， 趙志耘， 趙筱媛， 等． 顛覆性技術新闡釋： 概念、內涵及特征［Ｊ］． 情報學報， ２０２１， ４０ （１２）： １２５３－１２６２．

［１７］ 莊子銀， 賈紅靜， 肖春喚． 突破性創新研究進展［ Ｊ］． 經濟學動態， 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］ 呂冬晴， 阮選敏， 李江， 等． 跨學科知識融合對Ｄ 指數的影響［Ｊ］． 情報學報， ２０２２， ４１ （３）： ２６３－２７４．

［２１］ 石靜， 孫建軍． 科技創新團隊的知識網絡構建與知識測度研究［Ｊ］． 情報學報， 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， 李澤霞． 基于社會網絡的學者科研合作與其跨學科性的關系研究———以天體物理學領域學者為例［ Ｊ］． 知識管理論壇， ２０２３， ８ （３）： １９３－２０１．

［２４］ 張琳， 孫蓓蓓， 黃穎． 跨學科合作模式下的交叉科學測度研究———以ＥＳＩ 社會科學領域高被引學者為例［ Ｊ］． 情報學報，２０１８， ３７ （３）： ２３１－２４２．

［２５］ 熊文靚， 付慧真． 交叉科學測度理論， 進展與展望［ Ｊ］． 圖書情報工作， 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， 王施運， 毛進， 等． 詞匯位置功能視角下的交叉領域知識生長研究［Ｊ］． 情報學報， 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］ 孫佳佳． 學術期刊跨學科性與影響力的關系研究———以ＣＳＳ?ＣＩ 圖情檔期刊為例［Ｊ］． 中國科技期刊研究， ２０２３， ３４ （６）：７８６－７９８．

［３９］ 劉仲林． 交叉科學時代的交叉研究［Ｊ］． 科學學研究， １９９３，１１ （２）： ９－１６．

（責任編輯： 郭沫含）

基金項目： 國家社會科學基金重大項目“前沿交叉領域識別與融合創新路徑預測方法研究” （項目編號： ２３＆ＺＤ２２５）。