科学研究应该是一种集体活动:科学研究的创意来源需要学者们相互激发与讨论,过程需要学者们分工与协作;科学研究成果传播、扩散与应用需要建立在学者们知识分享行为基础之上。而且,随着科学发展与学科分化,个人力量在科研成果创造中的作用渐趋弱化,跨学科、跨专业、跨领域大型科研团队建设,成为很多大型科技攻关项目的必然选择。科研团队内部合作成为决定团队和谐、稳定、有效的关键因素。合作是团队运行的内在特征,与其说是一种选择,不如说是一种需要[1]。20世纪90年代以前,大部分科研成果都归属于一个作者,但近年来,研究人员在科学研究中相互合作已成为一种普遍现象,许多研究成果都由多位研究人员共同完成和署名。
通过组建有效的科研团队,可以促进科研资源共享,谋求协同科技创新,提高科学研究效率。科研团队的有效性,突出表现为团队内部成员之间的密切合作。为此,许多高校、研究机构等科研型组织纷纷制定政策、采取措施引导和激励团队建设与合作研究,但外在力量的干涉往往难以奏效[2]。换言之,科研团队内部合作,主要受内在力量的驱动。目前,关于这种内在力量的研究主要聚焦在两个方面:知识与性格。多项研究表明,团队成员间知识结构互补性是科研团队存在的价值,也是通过成员合作能够取得良好科研成效的根本原因[3,4]。此外,一些研究发现,科研团队稳固的关键在于成员之间志同道合和志趣相投[5,6];而另外一些学者则辩称,差异化、互补性性格有利于团队成员间加强交流与合作[7-9]。
于是,这又引发出一个新问题,即在知识维度,一个有效的科研团队,成员之间应该是知识互补还是强强联合;在性格维度,成员之间应该是性格互补还是志趣相投?当然,也许有学者会辩驳:这是一个错误问题。因为任何一个好的科研团队,既需要有共同的理想、智力、理念与态度,也务必要保持一定的差异性。在知性互补与强强联合之间保持平衡,是组建一个卓越科研团队的诀窍。那么,所要研究的科学问题就可以转化为:影响科研团队内部合作的关键因素到底是知性互补还是强强联合,抑或是二者的交互作用?
对于上述问题的回答,目前在相关领域鲜有研究成果。由此,本研究从知识和性格双重视角建立评价体系,以40个主持国家自然科学基金项目的科研团队为研究对象,探究科研团队内部合作决定因素,为科研团队建设提供理论依据。
因为强强联合对于科研团队有效性的影响作用显而易见,因此学者对这一命题的讨论比较鲜见。目前,在知识维度对科研团队合作的研究,都是基于互补性视角。例如,张朝孝等[10]通过构建博弈模型探究了团队合作与激励结构的关系,指出当团队成员间工作具有互补性时,合作对于团队的作用大于竞争的作用;Cassiman等[11]利用来自比利时制造企业社区创新调查数据研究发现,企业研发团队创新活动依赖于外部知识互补性;宝胜[12]揭示出知识创新过程中不同主体间合作共生的可能性,并重点研究了知识创新过程中以智力互补为特征的几种合作模式;李盛竹等[4]认为,科研合作的本质是科技创新所需不同生产要素间的优化组合,团队成员间合作实质上就是知识主体的知识结构互补;张喜征等[13]对小米手机产业链知识模块进行互补性划分,探究了跨组织协同创新过程中互补性知识配置过程。由此可见,知识互补对科研团队内部合作创新有着重要影响。
心理学认为,当个体遇到拥有自身所缺乏特质的另一个个体时,会产生好感和吸引力甚至羡慕情绪,性格互补也由此成为选择合作对象的驱动力之一。张朝孝等[10]研究发现,当团队生产具有互补性时,将不同性格员工安排在一起可以减少团队内耗;九州[9]指出,团队领导应该让互相欣赏的团队成员合作,互补性格会促进合作成果的产生;马培培等[14]提出,在构建科研团队时应让成员人格特质在团队中得到互补,个体性格不完美经过团队成员互补后可以使团队趋于完美;陈福军[15]对本科生参与“企业经营决策模拟”课程进行了基于性格互补的团队合作学习实验,发现基于性格互补的分组合作能够避免团队中的“搭便车”行为;孙庆等[16]指出,在性格互补基础上进行合理分工,能够充分发挥个体能动性和才能,而且利用性格互补能够增强团队内部交流,从而提高合作效率;Loanna等[17]使用基于人格的群体动态方法,研究了众包团队工作中两种主要类型任务的个性组合,发现团队成员性格差异是强有力的内在动因。
经济学上,强强联合是指大型企业为进一步增强竞争优势、获得垄断性超额经济利润而进行合作或并购的行为。反映在科研团队层面,强强联合既主张在特定知识领域内拥有丰富知识量的学者进行学术合作,又重点强调拥有共同伟大理想和类似高尚情操的学者们自行聚集在一起进行协同创新。经济学领域的强强联合,有一些研究成果可供参考。例如,陈德智等(2003)在结合企业创新实践基础上,探索了几种切实可行的企业间合作创新模式,发现大企业间的创新合作可以更大程度上实现优势互补;秦绍德[18]对上海医科大合并复旦大学进行案例分析,发现强强联合可以集中力量实现优势互补;肖红等[19]对我国中小型物流企业进行SWOT分析,指出强强联合可通过建构合作联盟和促进资源互补提升单个中小型企业竞争力。这些研究成果表面上看与本研究关系不甚紧密,但却反映了一条重要信息:强强联合或许只是过程和手段,而优势资源互补才是真实目的。推而广之,在科研团队层面,强强联合也许能够促进知性互补,进而促进科研团队内部合作成效提升。由此,本研究关于知性互补与强强联合存在交互性作用的研究假设就有了立论依据。
受国家自然科学基金资助的创新研究群体是我国高水平科研团队的代表[20,21]。科学基金共享服务网公开了历年获得国家自然科学基金资助的项目,以及部分已经结题项目的结题报告。在结题报告中,公布了研究内容、项目执行过程、研究成果等信息,这些信息披露为本研究提供了收集数据的可能性。
鉴于信息披露起始时间为2006年,本研究将时间窗口设置为2006-2016年。考虑到不同学科科研团队在人员构成和成果呈现等方面存在较大差异,本研究将研究对象限定为受“管理科学部”基金项目资助的科研团队。考虑到收集和整理数据困难,进一步将检索关键词限定为“知识共享”,以缩小研究对象样本规模。最终,检索到40个科研团队,以此作为研究对象,探究科研团队内部合作内驱因素。40个科研团队在成员数量(实际参与人数)、项目资助类型、项目资助经费规模、项目结题时间4个属性上的表现情况如表1所示。
表1科研团队基本情况
科研团队成员数量项目资助类型项目资助经费强度项目结题时间科研团队成员数量项目资助类型项目资助经费强度项目结题时间科研团队1241152006科研团队218017.72013科研团队271152006科研团队22401452015科研团队341115.82007科研团队23150192014科研团队4131162007科研团队24140212014科研团队5141152007科研团队25180202014科研团队63172006科研团队2620.534.52016科研团队790152008科研团队2715020.52015科研团队817118.52009科研团队28200222015科研团队9141192009科研团队29110222015科研团队10201182010科研团队30161542016科研团队11171212010科研团队31130212015科研团队1281242011科研团队32131562016科研团队13251242011科研团队3320144.62016科研团队14231222011科研团队34281542016科研团队15231262012科研团队35321542016科研团队1631262012科研团队3661182016科研团队17151282012科研团队37120192016科研团队18151282013科研团队38140202016科研团队19301252013科研团队3970202016科研团队20241272013科研团队4060222016
注:项目资助类型中,1表示面上项目,0表示青年科学基金项目;0.5表示地区科学基金项目,仅有1项
根据评价学理论,构建评价指标体系时应遵循科学性、系统性、重要性、层次性、独立性、可比性、可行性、动态性等原则[22-24]。对于本研究而言,科研团队内部互补性和强强联合水平评价显然应该以知识和性格两个维度为起点,然后逐级往下扩展,形成具有科学性、系统性和层次性的指标体系。在这个指标体系构建过程中,难点在于如何利用科学基金共享服务网中公开的项目结题报告中的有限信息量,保证底层指标在数据获取上的可行性。这就要求在科学性与可行性之间寻找平衡,更多考虑设计工具性指标测量难以量化的知识和性格。
根据知识管理理论,将知识分为内涵知识和外显知识两个方面进行测量。根据心理学理论,将性格分为个体性格和集体性格两个方面进行测量。结合上述考虑,设计出面向科研团队内部合作的知性互补水平和强强联合水平评价指标体系,如表2所示。
(1)指标数据收集。首先,通过查阅40个科研团队结题报告,收集每个科研团队参与成员姓名以及在参与该项目研究过程中发表学术论文情况;其次,从CNKI、Web of Knowledge、Scopus等数据库中下载每个科研团队用来结题该科研项目的所有学术论文;最后,统计所有学术论文特征数据,阅读学术论文并根据编码统计论文中涉及的理论知识、方法知识和工具知识等情况,汇总得到每个科研团队每个成员的指标数据。
(2)科研团队知性互补指标数据测量。熵权法是一种根据指标数据差异性确定指标权重的方法,其差异性越大,权重越大[25]。在此定义上的互补性,实际上可通过差异性替代反映,即科研团队成员在知识与性格两维度指标上差异越大,科研团队互补性越强。因此,采用基于区间熵的熵权法计算各科研团队互补性数据。首先,将各科研团队每个成员指标数据进行无量纲化处理,使得数据落在[0,1]区间内;其次,将[0,1]区间分为5个均等长度区间,即[0,0.2)、[0.2,0.4)、[0.4,0.6)、[0.6,0.8)、[0.8,1],然后统计一个科研团队某一项指标落在每一个区间的成员数占总成员数量的比例;最后,按照这一比例进行熵权计算,得到的熵权结果就构成一个科研团队在各指标上知性互补测评数据。
表2评价指标体系
一级指标二级指标底层指标编号名称定义知识内涵知识外显知识X11理论知识成员发表论文中所使用理论知识的数量X12方法知识成员发表论文中所使用方法知识的数量X13工具知识成员发表论文中所使用工具知识的数量X21学科专业成员所属学科专业(主要学科人数/团队总人数)X22学历结构成员学历X23职称结构成员职称性格个体性格集体性格X31发表意愿成员发表论文数量X32追求卓越成员发表高水平论文数量/成员发表论文总数量X33交流偏好成员发表会议论文数量X41团队忠诚成员发表论文总数/团队发表论文总数X42合作精神成员合作发表论文总数/成员发表论文总数X43沟通能力成员与团队内其他成员合作人数/团队总人数
注:①底层指标均是从单个成员个体角度进行界定与测量,科研团队指标数据需要在此基础上进行再次加工才能获得;②理论知识、方法知识、工具知识在具体测量时均进行了编码化处理,以保证这些指标的可计量性;③学科专业这一指标比较特殊,在衡量互补性时,采用的定义是成员所属学科专业,但在观察强强联合这一特征时,成员所属学科专业因无法反映强弱之别,而采用主要学科人数/团队总人数这一指标反映团队成员在主体学科专业上的聚集程度;④性格维度所有底层指标,全部设计替代性工具变量加以量化观测;⑤指标中的高水平论文,在本研究中定义为SCI、SSCI检索的期刊论文以及国家自然科学基金委管理科学部指定的重要期刊论文
(3)科研团队强强联合指标数据测量。强强联合意味着在一个科研团队中,指标得分较大的团队成员所占比例较大。由此,采用落在较大值区间[0.6,0.8)、[0.8,1]的团队成员数占总成员数量的比例累加建构反映团队强强联合程度的统计量。
依次完善上述3个步骤,得到40个科研团队反映知性互补与强强联合的指标数据。
(1)采用基于区间熵的熵权法测量各科研团队知性互补指标数据和指标权重。熵权法是一种应用较普遍的客观赋权方法,它适合于评价对象数量较多且指标数据可量化获取的情形,其原理是指标数据差异性越大、对应指标权重越大,越有利于放大评价对象间的差异,提高评价结果分辨率[26,27]。显然,熵权法适合本研究情景需要,可用于测量指标权重,指标权重测量结果如表3所示。
(2)采用TOPSIS方法测量科研团队知性互补水平和强强联合水平。TOPSIS是一种同时选择正理想方案和负理想方法,其是以两个方案为基准点,测量评价对象与两个基准点间的距离,并以距离比表征评价结果的一种评价方法[28,29]。TOPSIS方法因同时选择双基点且采用欧氏距离测量差距而在评价结果科学性与准确性方面具有一定优势,它适合于本研究对知性互补水平和强强联合水平进行测评。
(3)采用引入交互项的多元线性回归分析方法,检验科研团队合作研究成效与团队知性互补水平及强强联合水平间的关系,由此验证研究假设,回答本研究提出的科学问题。
在数据收集与处理基础上,采用TOPSIS方法,测量得到40个科研团队知性互补水平和强强联合水平,如表4所示。
表3指标权重
评价目的X11X12X13X21X22X23X31X32X33X41X42X43知性互补水平测量0.0850.0880.0880.0710.0680.0880.0860.0880.0780.0890.0850.086强强联合水平测量0.0620.0810.0850.0850.1030.1020.0760.1020.0750.0760.0970.055
由表4可知,40个科研团队知性互补水平都集中在0.4~0.5之间,说明科研团队在知识和性格两个维度上互补性发展较均衡;而强强联合水平分布在0.1~0.4之间,相比而言,强强联合水平离散程度更大,表明科研团队间的强弱比较重点体现在高端科研人员上,即强强联合水平会带来科研团队异质性。两个评价结果都不超过0.5,表明我国科研团队在知性互补和强强联合两方面都有成长空间,未来可通过加强两方面水平促进更好的团队内部合作。
从表4中40个科研团队在知性互补水平和强强联合水平上的排序情况可以看出,两种排序在一些科研团队中存在一致性,而在另一些科研团队中则出现了背离。这意味着,科研团队知性互补与强强联合既可能存在某种联系,又可能存在本质区别。因此,结合两方面探索科研团队内部合作驱动因素有其必要性。
表4科研团队知性互补与强强联合水平
科研团队知性互补强强联合水平排序水平排序科研团队知性互补强强联合水平排序水平排序科研团队10.485320.29133科研团队210.484330.31918科研团队20.486310.31620科研团队220.484350.30826科研团队30.463400.31421科研团队230.481370.33911科研团队40.491250.34310科研团队240.491270.3588科研团队50.495190.4082科研团队250.505130.23936科研团队60.482360.3646科研团队260.53110.3813科研团队70.498170.29730科研团队270.492240.23437科研团队80.469380.30129科研团队280.508120.4211科研团队90.51540.31123科研团队290.504140.31719科研团队100.487300.33412科研团队300.497180.3765科研团队110.51360.30925科研团队310.503150.32315科研团队120.494230.32217科研团队320.491260.33213科研团队130.484340.31122科研团队330.468390.31124科研团队140.494210.30528科研团队340.500160.32316科研团队150.487290.21739科研团队350.489280.14240科研团队160.51630.3637科研团队360.52420.25934科研团队170.51450.33014科研团队370.509100.30527科研团队180.495200.3764科研团队380.51280.3449科研团队190.51190.29631科研团队390.51370.23338科研团队200.494220.29532科研团队400.509110.24035
(1)合作研究成效度量。为探究强强联合与知性互补水平对科研团队内部合作研究成效的影响,需要首先对40个科研团队合作研究成效进行度量。在管理科学部资助的国家自然科学基金项目中,合作研究成效主要是以学术论文形式呈现,而度量学术论文应该从质和量两个方面加以考虑。其中,量是指一个科研团队发表学术论文的数量;质是指一个科研团队发表高水平学术论文的数量。高水平学术论文是指被SCI、SSCI检索的国际期刊论文以及发表在国家自然科学基金委指定重要学术期刊上的论文。为提高数据可比性,将质与量两方面考量指标进行比例化处理,即除以所有科研团队在对应指标上的最大值。进而,考虑到一个科研团队在合作研究发表论文时应该兼顾质与量,由此为这两方面的度量指标赋予相等权重,构造出测量科研团队合作研究成效的统计量。即,第i个科研团队的合作研究成效为:
合作研究成效i=
(1)
经过统计与数据整理,得到40个科研团队合作研究成效,如表5所示。
表5科研团队合作研究成效
科研团队成效排序科研团队成效排序科研团队成效排序科研团队成效排序科研团队10.5338科研团队110.32915科研团队210.41512科研团队310.14832科研团队20.18328科研团队120.09635科研团队220.5924科研团队320.20427科研团队31.0001科研团队130.5239科研团队230.27521科研团队330.37914科研团队40.27919科研团队140.5447科研团队240.39013科研团队340.6672科研团队50.20825科研团队150.6543科研团队250.26323科研团队350.45810科研团队60.09036科研团队160.03840科研团队260.07937科研团队360.07538科研团队70.28517科研团队170.10034科研团队270.17530科研团队370.20826科研团队80.43511科研团队180.32916科研团队280.28118科研团队380.26324科研团队90.15831科研团队190.26922科研团队290.17729科研团队390.04839科研团队100.5885科研团队200.27920科研团队300.5506科研团队400.10633
(2)合作研究成效回归分析。以科研团队知性互补水平、强强联合水平为自变量,以合作研究成效为因变量,构建多元线性回归方程,考察科研团队合作研究成效影响因素与强度关系。考虑到知性互补水平和强强联合水平的兼容性与交互性,将二者交互项引入回归方程;考虑到科研团队成员数量、项目资助类型、项目资助经费规模等因素可能影响团队合作研究成效,将其作为控制变量纳入回归方程。采用SPSS软件对变量数据进行中心化处理,尽量消除变量间的共线性问题。同时,进行异方差检验,采用加权最小二乘法消除异方差性问题,回归分析结果如表6所示。
表6回归分析结果(因变量:合作研究成效)
变量与参数模型1模型2模型3模型4常数项0.0070.0010.0580.064成员数量0.595∗∗∗0.772∗∗∗0.633∗∗∗0.640∗∗∗资助类型-0.010-0.002-0.090-0.099经费规模0.093-0.0060.0570.058知性互补水平-0.323∗∗∗-0.296∗∗-0.293∗∗强强联合水平0.197∗0.1520.168交互项:知性互补水平∗强强联合水平-0.028R20.6750.6310.6950.696Adj R20.6380.5890.6500.640F18.210∗∗∗14.991∗∗∗15.506∗∗∗12.574∗∗∗Durbin-Watson2.1982.0962.0412.012
注:*** p<0.01;**p<0.05;*p<0.10,下同
从表6中可以发现:①知识互补水平对科研团队内部合作研究成效具有显著解释力,但其作用方向为负,即知识互补水平越高,科研团队内部合作研究成效越低;②强强联合水平对科研团队内部合作研究成效也有较强解释力,而其作用方向为正,即强强联合水平越高,团队合作研究成效也越高;③在科研团队内部,知识互补水平和强强联合水平不能够同时形成显著解释力,而且二者交互作用对合作研究成效的影响也不显著。此外,控制变量中成员数量对科研团队合作研究成效具有非常显著的影响,而项目资助类型和资助经费规模影响不显著。
(3)人均合作研究成效回归分析。表6显示,科研团队内部合作研究成效绝大部分都由控制变量成员数量解释,而且这一控制变量甚至还与知性互补水平、资助类型、经费规模等变量有较强的相关性,见表7。因此,表6中结果与结论的准确性有待深入检验。为此,将成员数量这一控制变量引入因变量设计,对因变量加以改造,将其重新设置为人均合作研究成效,即人均合作研究成效=合作研究成效/成员数量。
表7自变量间相关系数矩阵
变量12345知性互补水平11.000-0.144-0.451∗∗∗-0.304∗∗-0.019强强联合水平2-0.1441.0000.0010.272∗0.223成员数量3-0.451∗∗∗0.0011.0000.376∗∗0.341∗∗资助类型4-0.304∗∗0.272∗0.376∗∗1.0000.261经费规模5-0.0190.2230.341∗∗0.2611.000
以人均合作研究成效为因变量,以知性互补水平、强强联合水平为自变量,以项目资助类型、项目资助经费规模为控制变量,重新构建回归分析模型,得到拟合结果如表8所示。
表8回归分析结果(因变量:人均合作研究成效)
变量与参数模型5模型6模型7模型8常数项-0.098-0.207-0.185-0.235资助类型0.1500.3180.2840.362经费规模-0.394∗∗-0.346∗∗-0.342∗∗-0.386∗∗知性互补水平-0.029-0.054-0.055强强联合水平-0.308∗-0.312∗-0.513∗∗∗交互项:知性互补水平∗强强联合水平0.387∗∗R20.1470.2320.2350.342Adj R20.0760.1680.1470.245F2.0743.630∗∗2.685∗∗3.533∗∗∗Durbin-Watson1.9322.0802.0802.007
从表8中可以得出新结论:知性互补水平对科研团队人均合作研究成效的影响不显著,而强强联合水平负向影响科研团队人均合作研究成效;知性互补水平与强强联合水平的交互作用对科研团队人均合作研究成效具有显著积极影响。同时,还可得出一条极具价值的附加性结论:国家自然科学基金项目资助经费强度对科研团队人均合作研究成效具有显著负向影响。这一结论颠覆了过去一些学者从总量上认为科研经费资助强度有利于促进科研团队绩效的看法[30],能够更好地引导政府对合理资助科研团队进行反思。
近年来,我国在科学研究经费方面的投入持续加大,与此同时学术论文数量在世界排名持续上升。高校研究经费投入主要来源于国家自然科学基金委项目支持。以主持国家自然科学基金项目为依托而组建的科研团队,成为我国高校科研创新的主体单元。但是,很多科研团队都面临一些问题,如形存实亡,即署名在申报书和结项报告上的成员众多,而实际执行和完成项目的人却很少[31]。如何组建一个名副其实且成效显著的科研团队,成为高校和很多项目负责人亟需解决的问题。而学者们过去提出的解决方案,大多集中在两个方面:①知识网络视角。主张加强科研团队内部和外部关系网络建设[32],以此支撑团队成员间或者跨团队知识共享、经验交流、资源整合与协同创新等[33-34];②运营管理视角。强调高校、院系、领导、团队负责人[35]以及组织文化、制度建设、信息平台等支持[36-37]对科研团队建设的激励性作用。前者是基于自组织视角,后者是基于他组织视角。然而,这两方面的探索都有偏宏观的缺陷,而针对团队建设中最重要的因素——科研人员,却缺乏深入探讨。即便目前有少部分研究触及到科研人员这一层面,但也几乎都从科研人员与科研团队匹配方向加以探究,而且这种匹配都是基于知识结构互补视角[37-38]。作为人类个体,科研人员在人格心理、沟通心理等方面反映出的特征被长期忽视,而事实上,科研团队文化、凝聚力、合作水平等更多与成员心理有关[39],而非单一由知识结构决定。在科研团队建设与管理中缺乏微观关注,这或许是我国很多科研团队难以持续有效的根本原因。
结合知识与心理(本研究用个体性格表征)两方面的互补性观点,本研究提出知性互补的研究切入点,能够弥补已有研究中缺乏心理层面探索的缺陷。然而,除互补性观点外,还有一种竞争性强强联合观点认为,只有知识水平与科研能力在差异不大情况下才能够更好地交流与合作,也更有协作的资源基础和心理意愿[40]。在现实中,国家资助的一些重大、重点项目,如创新研究群体项目也确实有着强强联合的特点。而且,知性互补与强强联合在团队建设实践中表现得并不矛盾,强强联合往往有利于推动知性互补。由此,本研究整合这两种竞争性观点加以实证讨论,对于加强科研团队建设有重要的启示性价值。
本研究从知识和性格两个维度建立评价体系,选取获得国家自然科学基金委管理科学部项目经费资助且已结项的40个科研团队为评价对象,测度科研团队知性互补水平和强强联合水平。进而,以成员数量、项目资助类型、项目资助经费强度为控制变量,建构知性互补水平、强强联合水平之于团队内部合作研究成效多元线性回归分析模型,探究科研团队内部合作研究成效内驱力与实现机制。根据研究结果,得出以下结论:
(1)知性互补和强强联合是决定科研团队合作的两个维度,两者负相关但不完全对立。科研团队在知性互补水平方面发展较均衡,但在强强联合方面差异性巨大。在知性互补水平和强强联合水平方面,科研团队有着较大的调整空间,通过调整知性互补或强强联合谋求更高的合作研究成效是可行的。
(2)知性互补水平对科研团队合作研究成效具有显著负向影响,强强联合水平对科研团队合作研究成效具有显著正向影响。知性互补与强强联合的平衡及协调,在科研团队总体合作研究成效提升方面不能起到显著作用。“人多力量大”这一规律,在揭示科研团队合作研究成效发生机制上显著成立:实际参与成员数量越多的科研团队,发表论文数量更多、质量更好。
(3)知性互补水平对科研团队人均合作研究成效作用不显著,强强联合水平对人均合作成效具有显著负向影响,知性互补与强强联合交互作用对人均合作研究成效具有显著正向影响。这意味着,“人多力量大”只是提升了科研团队总体研究成效,但对于个体成效却是反向效果,即参与成员越多,平均到每个成员上发表论文的数量和质量均有所下降。此外,一条非常重要的结论就是,对于实现和提升科研团队成员平均合作研究成效而言,统筹平衡团队知性互补水平与强强联合水平非常有必要。在知性互补与强强联合两方面达成某种平衡与互促,是未来科研团队建设与发展应该遵循的规律。
(4)科研团队总体合作研究成效显著依赖于团队成员数量,科研团队人均实现合作研究成效与项目资助经费强度显著负相关。这意味着两条比较消极的结论:我国科研团队研究成效大多依靠人数堆积,而这种堆起来的研究成效分摊到人头上却是低水平的。而且,政府在科研项目上资助的经费越多,科研团队人均实现的研究成效越低,即项目经费支持与激励作用在一定程度上是失效的。
(1)科研团队组建需要从成员知识和性格两个维度加以考虑。团队成员在知识和性格两方面的互补性,以及在这两个维度上的强强联合,可以作为建设科研团队的原则。
(2)增强科研团队总体合作研究成效,可以一方面增加团队实际参与人数,另一方面需要提升科研团队内部强强联合程度。换言之,科研团队人数越多、学术能力越强,越容易实现总体合作研究成效,这对于科研团队负责人而言具有重要价值。
(3)提升科研团队人均实现合作研究成效,可以适度降低团队强强联合水平,将重点放到平衡、协调团队知性互补与强强联合方面,从一种更加均衡的视角组建更加可持续发展的科研团队。既然项目资助经费强度对人均合作研究成效的激励作用失效,那么政府在科研项目立项资助时,可适当增加经费资助项目数量,而非着力增大单个项目经费资助额度,这对于高校和政府在科研团队管理和立项资助等方面具有重要意义。
当然,本研究还存在一些不足。例如:科研团队样本数量只有40个,可能影响研究结论的准确性;少部分科研团队在结题报告中呈现的科研成果较少,无法通过公开渠道获得,可能带来少量信息损失;理论知识、方法知识、工具知识等指标辨别与编码依赖于研究者的主观看法和判定,可能导致一定程度的主观性问题。因此,未来研究可通过扩大样本规模、规范数据获取与处理过程等,从知性互补和强强联合两个方面对科研团队内部合作研究成效内驱力进行深入而有效的研究,以形成更加准确的结论和更有价值的启示。
[1] BEAVER D, ROSEN R.Studies in scientific collaboration. Part I[J]. The professional origins of scientific co-authorship[J]. Scientometrics,1978, 1(1) : 65-84.
[2] FU CUILIAN, CHEN FANG.Research of the collaborative mode of education of postgraduates provided by government, business, university, and research institute of China[J]. Образование в странах мира, 2014, 6(3): 110-114.
[3] JOS J WINNINK, ROBERT J W TIJSSEN, ANTHONY F J VAN RAAN.Theory-changing breakthroughs in science: the impactof research teamwork on scientific discoveries[J]. Journal of The Association for Information Science and Technology, 2016 , 67(5): 1210-1223.
[4] 李盛竹, 付小红. 促进知识互补效应的我国产学研合作科研创新激励机制研究[J]. 科学管理研究, 2014, 32(3): 52-55.
[5] SIMON GCHTE, CHRISTIAN THÖNI. Social learning and voluntary cooperation among like-minded people[J]. Journal of the European Economic Association, 2005, 3(2/3): 303-314.
[6] OH I S, KIM S, VAN IDDEKINGE C H. Taking it to another level: do personality-based human capital resources matter to firm performance[J]. Journal of Applied Psychology, 2015, 100(3): 935-47.
[7] GONZALEZ-MULÉ E, DEGEEST D S, MCCORMICK B W,et al. Can we get some cooperation around here? the mediating role of group norms on the relationship between team personality and individual helping behaviors[J]. Journal of Applied Psychology, 2014, 99(5): 988-999.
[8] KRISTOF-BROWN A, BARRICK M R, STEVENS C K. When opposites attract: a multi-sample demonstration of complementary person-team fit on extraversion[J]. Journal of Personality, 2010, 73(4): 935-958.
[9] 九州. 更具战斗力团队的性格搭配法则[J]. 中外管理, 2011(11): 122-123.
[10] 张朝孝, 蒲勇健. 团队合作与激励结构的关系及博弈模型研究[J]. 管理工程学报, 2004, 18(4): 12-16.
[11] BRUNO CASSIMAN, REINHILDE VEUGELERS.In search of complementarity in the innovation strategy: internal R&D and external knowledge acquisition[J]. Management Science, 2006, 52(1): 68-82.
[12] 宝胜. 论知识创新的 “智力互补型 ” 合作模式[J]. 科技管理研究, 2008, 28(9): 229-230.
[13] 张喜征, 刘水林, 谢悦,等. 知识互补性视角下跨组织协同创新知识配置研究——以小米手机产业链为例[J]. 科技进步与对策, 2016, 33(11): 136-141.
[14] 马培培, 洪林. 科研团队中集体角色的构建[J]. 中国高校科技, 2012 (9): 30-31.
[15] 陈福军. 大五人格性格互补分组对合作学习“搭便车”行为的控制研究[J]. 人力资源管理, 2014 (10): 43-45.
[16] 孙庆, 李佳, 刘桐羽,等. 性格互补在大学生团队合作中的积极意义[J]. 黑龙江科学, 2015 (6): 191-193.
[17] IOANNA LYKOURENTZOU, ANGELIKI ANTONIOU, YANNICK NAUDET. Matching or crashing? personality-based team formation in crowdsourcing environments[J]. Computer Science, 2015, 2 (1): 1-14.
[18] 秦绍德. 并校五年不凡路 强强联合更趋强——上海医科大学并入复旦大学以后[J]. 中国高等教育, 2005 (24): 13-15.
[19] 肖红, 朱艳玲. 我国中小型物流企业发展分析[J]. 当代财经, 2007 (9): 74-79.
[20] 刘先红, 李纲. 国家自然科学基金连续资助期间科研团队的合作稳定性分析[J]. 中国科学基金, 2016(4): 372-378.
[21] 李纲, 刘先红. 科研团队中学术带头人的合作特征及其对科研产出的影响[J]. 情报理论与实践, 2016, 39(6): 70-75.
[22] 孟玉环. 高校科研项目质量管理有效性评价体系构建研究[J]. 科技进步与对策, 2012, 29(4): 115-118.
[23] 杜挺, 谢贤健, 梁海艳,等. 基于熵权TOPSIS和GIS的重庆市县域经济综合评价及空间分析[J]. 经济地理, 2014, 34(6): 40-47.
[24] 陈小锋, 毛羽, 苏延森. 政府投入类高校科研项目绩效评价指标体系构建及应用[J]. 科技进步与对策, 2016, 33(5): 117-121.
[25] WANG Q, YUAN X , ZHANG J. Assessment of the sustainable development capacity with the entropy weight coefficient method[J]. Sustainability, 2015, 7(10): 13542-13563.
[26] CHEN Y, ZHANG J, WANG J.Selection of the optimal reconfigurable scheme via extension theory with entropy weight evaluation method[J]. Advances in Information Sciences and Service Sciences, 2012, 4(17): 405-416.
[27] 夏绪梅, 贾博. 基于熵权法的高技术产业破坏性创新能力综合评价研究[J]. 科技进步与对策, 2014(14): 114-118.
[28] LI X, WANG K, LIU L, etc. Application of the entropy weight and TOPSIS method in safety evaluation of coal mines[J]. Procedia Engineering, 2011, 26(4): 2085-2091.
[29] 戚巍, 陈晓剑, 张岩,等. 基于TOPSIS的中国研究型大学学术绩效评价方法研究[J]. 中国高教研究, 2010(1): 15-19.
[30] 邓小朱. 科研经费与人员匹配对团队绩效的影响[J]. 科技进步与对策, 2015,32(23): 143-146.
[31] 张宝生, 张庆普. 基于耗散结构理论的跨学科科研团队知识整合机理研究[J]. 科技进步与对策, 2014,31(21): 132-136.
[32] 杨振华, 施琴芬. 高校科研团队的规模和沟通网络分析[J]. 科技进步与对策, 2008(4): 190-193.
[33] 赵丽梅, 孙艳华, 刘岩芳. 基于行为知识信息融合模型的高校科研团队内部知识整合流程研究[J]. 科技进步与对策, 2014,31(21): 125-132.
[34] 吴杨, 李晓强, 夏迪. 沟通管理在科研团队知识创新过程中的反馈机制研究[J]. 科技进步与对策, 2012,29(1): 7-10.
[35] 赵新宇, 尚玉钒, 席酉民,等. 权力视角下高校科研团队领导对下属创造力影响路径研究[J]. 科技进步与对策, 2015,32(20): 149-155.
[36] 刘利, 苏欣, 成栋. 沟通技术平台支持的高校科研团队创新行为影响因素研究——团队领导支持的跨层调节作用[J]. 科技进步与对策, 2018,35(10): 138-144.
[37] 杨云香. 科研团队成员差异互补研究[J]. 河南教育学院学报:哲学社会科学版, 2009,28(4): 128-131.
[38] 杜元伟, 刘新. 目标导向下知识超网络的关键主体识别方法研究[J]. 科技进步与对策, 2015,32(23): 129-134.
[39] 李林英, 徐礼平. 重大科研项目团队心理资本维度及与创新绩效的关系[J].科技进步与对策,2017,34(20):132-138.
[40] WEST M A, LYUBOVNIKOVA J. Real teams or pseudo teams? the changing landscape needs a better map[J]. Industrial & Organizational Psychology, 2012, 5(1): 25-28.