开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
跨学科创新团队是新时期科技发展的重要特征之一，是解决人类自身发展过程中面临的复杂问题的重要组织形式。我国重大科研项目团队往往具有跨学科性质，如“两弹一星”工程、“载人航天”工程等科研团队。为了顺应时代发展，我国许多高校建立了跨学科创新团队，承载着国家基础研究、科技创新等重大科研任务，但现实中这些团队的运行状态并不理想，内部常常出现“搭便车”、“虚假接受、被动应付”等现象。对于高校跨学科创新团队，高质量的知识互动是团队破解复杂、疑难问题和实现创新性成果产出的关键[1, 2]。如何系统、全面地构建知识互动程度评价指标？如何建立科学的评价方法？这些问题亟待深入探究。
近年来，国内外学者关注到知识共享、知识交流、知识整合等与知识互动相关的评价问题，并取得了一定研究成果，主要体现在以下两方面：
(1)高校团队知识互动评价。张伟等[3]基于整体网视角，从网络黏性、中心性、核心—边缘、凝聚子群及结构洞等方面测量高校科研团队知识共享能力，并提出科研团队知识共享水平提升建议；林向义等[4]利用云评价模型，从成员知识获取、知识网络结构、知识共享技术、知识共享氛围、运作机制等方面对高校虚拟科研团队知识共享能力进行综合评价；孙德忠等[5]基于过程和要素两个层面，构建高校教师团队隐性知识共享能力评价模型。
(2)企业团队知识互动评价。Chen等[6]基于企业活动和联盟企业工人互动提出知识共享模糊信任评价方法，该方法刻画了知识请求企业与知识提供企业间的信任级别，使知识提供企业更愿意分享有价值的知识；陈赟等[7]将层次分析法和模糊数学理论结合起来，从个体共享知识的意愿和能力、团队内部知识共享关系、团队与外部知识共享关系、团队知识共享的物质基础、知识共享的制度驱动5个方面，对项目团队知识共享水平进行综合评价；李海峰等(2010)针对科技项目中的知识共享，提出基于可拓理论的知识共享综合评价算法。
此外，还有学者对不同情境下的知识流动、知识整合效果等进行评价。朱雪春等(2017)从知识流动水平、知识创新水平、知识运用水平和知识感知水平4个方面构建实践社群知识流动绩效评价指标体系；赵云[8]从耗散结构的4个基本条件出发，构建知识整合系统的熵模型，对知识整合效果进行量化评价。这些成果均为本文研究奠定了理论基础。但现有文献对知识互动尤其是跨学科团队知识互动评价关注较少，亟待深入探究。
鉴于高校跨学科创新团队知识互动程度评价的重要性和复杂性，本研究尝试从知识互动深度、互动广度、互动时间3个维度深入，旨在为团队互动评价提供参考借鉴。
定义1[9]：定义隶属函数满足如下形式的模糊数为三角模糊数，简记为：
(1)
其中，a1≤a2≤a3，a1称为下界，a2称为中间值，a3称为下界。当a1=a2=a3时，三角模糊数变为普通实数。
三角模糊数是将模糊不确定的语言变量转变为确定数值的一种方法，能有效确定具有模糊信息的因子权重，解决了因评价对象权重无法准确度量而只能用自然语言进行模糊评价的缺陷。
熵的概念源于热力学，之后被广泛应用于信息领域，用以度量信息和系统的不确定性。熵权法是一种客观赋权方法，基于各指标提供的信息量决定权重[10]。指标信息熵越小，表明指标值变异程度越大，提供的信息量越大，权重也越大；信息熵越大，指标的变异程度越小，提供的信息量越小，则权重越小[11]。因此，可以用熵权法计算各指标权重。
定义2[12]：在集合X上的函数g:P(X)→[0,1]，当其满足：
(1)g(φ)=0,g(X)=1；
(2)如果A⊂B⊂X，那么g(A)≤g(B)。
那么，函数g为模糊测度。此外，其满足条件(3)时，可称之为λ模糊测度。
(3)A,B⊂X,A∩B=∅,则g(A∪B)=g(A)+g(B)+λg(A)g(B)，λ∈(-1,∞)。
当函数g为λ模糊测度时，具有如下性质：
若X={x1,x2,…,xn}为有限集合，且各变量xi的模糊密度函数为g(xi)，则有：
gλ(x1,x2,…,xn)
(2)
定义3[12]：设(X,2x,g)为模糊测度空间，h:X→[0,1]是X上的可测函数，A∈2k。那么，定义h在A上关于模糊测度g的Choquest模糊积分为：
(3)
其中，g(·)表示某集合的测度。
模糊积分法广泛用于多目标决策的问题中，该方法不像层次分析法那样，需要建立在评价指标间相互独立的假设基础上，并且能有效避免一致性检验的问题。模糊积分法不仅综合考虑涉及因素的模糊信息强度，而且强调因素之间相互关联、制约对整个评价结果的影响。因此，更适用于研究主观价值判断的评价问题和评价指标间具有相关的情况。
高校跨学科创新团队知识互动程度评价是一个复杂的过程，许多指标之间都具有相关性，并且这种相关性又大大增加了专家打分的模糊性，因此引入模糊积分法、三角模糊权重法和熵权法建立评价模型。三角模糊权重和熵权法的混合使用既能客服主观权重的人为影响，又能避免客观权重对数据的依赖性。
高校跨学科创新团队知识互动隶属于知识管理范畴，本文借鉴现有知识管理相关的概念，同时结合高校跨学科创新团队的特点，将高校跨学科创新团队知识互动的概念定义为：高校跨学科创新团队知识互动是指知识相互匹配且具有共同目标的两个或两个以上拥有不同知识体系的个人之间通过科技知识、关键信息、技能经验等各方面知识的交流、分享、碰撞、整合等，进而实现知识创新、攻克难题的活动和过程。对高校跨学科创新团队知识互动的内涵可以从以下方面阐释：
(1)知识互动的主体是知识相互匹配且具有共同目标的团队成员。为了达到良好的知识互动效果，进行知识互动的成员的知识必须相互匹配并可以融合。另外，团队成员必须有共同的目标愿景，保证团队知识互动的良好环境，进而使知识互动效果达到最大化。
(2)知识互动的核心内容是学科知识、技能经验、技巧和诀窍等。成员以自身的学科知识为主进行知识互动，通过学科知识的互补和碰撞实现知识创新。同时在知识互动过程中，技能、经验、诀窍等也非常重要，能为新任务在关键节点的突破起到一定作用。
(3)知识互动的途径是知识交流、分享、碰撞、整合等。面向重大科研任务的高校跨学科创新团队知识互动实际上是一个复杂的知识生产过程。随着任务的不断推进，知识交流、分享、碰撞、整合等知识活动得以循环往复地进行，只要团队任务没有完成，知识互动就会持续进行，并且知识互动的深度和广度都远远超过普通团队。
(4)知识互动的目标是以基础研究、科技创新等为主的重大、复杂科研任务。这种任务的目标定位一般是高质量、有突破性的创新性成果，通常是普通单一学科团队难以胜任的。另外，重大复杂任务涉及的知识领域多、知识面广、知识差异大、知识组合方式多样化，进而完成任务的创新机会也多。
高校跨学科创新团队知识互动程度是指团队知识互动所达到的状况。知识互动是一个复杂的过程，涉及到互动人员、互动内容、互动环境、互动形式等诸多因素，这些因素都会影响知识互动程度。为了更好的把握知识互动程度所涵盖的关键内容，根据Gallivan[12]将ERP消化吸收的程度细化为“宽度”和“深度”两个维度，本文对这一观点进行合理拓展，将高校跨学科创新团队知识互动程度分为知识互动深度、互动广度、互动时间3个维度：知识互动深度主要强调团队成员知识互动纵向上达到的深浅程度；知识互动广度主要强调团队知识互动横向上涉及的知识面；知识互动时间主要强调每次知识互动时间和总的知识互动时间。这3个维度很好地刻画并揭示了知识互动程度的本质特征。
高校跨学科团队知识互动评价指标选择应该遵循以下原则：①有效性。所选指标能准确反映知识互动程度，且能被定义和衡量；②简洁性。指标体系应适度，层次不宜过多，指标数也应适量；③针对性。指标应有所侧重，放弃影响很小的指标；④可操作性。指标应该容易被测量。通过文献检索、深入到跨学科团队调研和专家访谈的方法，按照科学性、合理性、定量和定性相结合的思路，本文提出并构建知识互动程度评价指标体系，具体见表1。
表1 知识互动程度评价指标体系
指标一级指标二级指标知识互动深度x1触及任务目标本质的程度x11成员之间的反馈程度x12平均反馈次数x13知识互动程度知识互动广度x2知识覆盖度x21知识扩展度x22互动人员平均数量x23知识互动时间x3每次互动时间x31总互动时间x32
高校跨学科创新团队知识互动深度是对团队知识互动程度纵向上的一种测度，意在强调团队成员知识互动的深浅程度。根据万力勇等[13]关于QQ群交流背景下的研究可知，互动深度主要是指互动内容深度，分为深度、中度和浅度互动；同时，Teasley[14]认为深度交流主要是指理解他人的想法，并与自己的想法对比，商议合作、建立共识。因此，依据指标设计原则，本文提出触及任务目标本质的程度、成员之间的反馈程度、平均反馈次数3个测量指标，这3个指标很好地涵盖了知识互动深度的关键内容。
(1)触及任务目标本质的程度。知识互动的目的是在团队需要解决疑难问题或完成任务时，团队成员可以作出决策，并提供可以支持其决策的相关专业性知识。在知识互动初期，团队互动内容相对浅显，只是停留在问题的表面。随着互动深入，团队成员对疑难问题有了更深层次的理解，互动内容也更加接近任务目标的本质。然而，有时团队成员之间虽然进行了大量知识互动，但由于一些原因，导致互动内容偏离了任务目标，对团队要解决的问题贡献度也不大。因此，触及任务目标本质的程度能很好地测度知识互动深度。
(2)成员之间的反馈程度。成员之间的反馈程度也反映了知识互动深度。比格斯(Biggs)在《Teaching for Quality Learning at University》一书中指出：“好对话可带来塑造、阐述和加深理解的活动[15]。”深度互动也有在互动中深度学习的含义，包括理解团队其他团队成员的意见、比较自己与他人的意见、集体商议及合作建立共识[15]。整个互动过程需要对他人的意见作出反应，包括解释、提问和批判等[16]。成员之间的回应程度可以分为3个层次：简单回应；分享自己的感受，结合发言者的见解总结自己对问题的看法；可以进行独立思考，经过自己的理解和分析有针对性地提出自己的观点。
(3)平均反馈次数。互动深度也要有一定的适宜度，过浅或过深的知识互动都影响知识互动效果。如果团队成员互动过浅，会导致未把握问题本质就盲目下结论，引发一系列问题；如果互动过深，在已经有很好的问题解决方案情况下，还要一味地探究更深层次的问题，是对资源的一种浪费。
高校跨学科创新团队知识互动广度是对团队知识互动程度横向上的一种测度，意在强调知识互动所涉及的知识面。王伟廉[17]认为广度是指知识的广博程度。因此，依据指标设计原则，本文提出覆盖度、扩展度、互动人员平均数量三个二级指标反映知识互动广度，并且这3个指标能很好地涵盖知识互动广度的关键内容。
(1)知识覆盖度。成员互动所涉及到的知识对所要解决问题的覆盖度在一定程度上体现了知识互动的广度。如果互动成员的知识总和包含所要解决的问题，说明成员的现有知识有很好的覆盖度，该问题可以通过知识互动加以解决，而不需要成员学习新的知识。如果互动成员的知识总和包含于团队要解决的问题，说明团队成员要从团队外部学习新知识，使团队知识得到扩充，进而解决疑难问题。成员现有的知识是包含所要解决的问题还是包含于所要解决的问题，都直接体现了知识互动广度。
(2)知识扩展度。成员在互动过程中，通过成员之间知识的交流、共享和思维碰撞，会基于自身已有知识产生新知识。这些新知识往往正是团队解决疑难问题的关键性知识，是团队整体功能涌现的结果。在团队知识互动过程中，充分调动成员发散性思维可以为团队解决问题提供多种好想法，拓宽解决问题的思路，进而扩展知识互动广度。
(3)互动人员平均数量。知识互动广度也需要有一定的适宜度，知识互动范围过窄或过宽都会影响知识互动效果。团队成员如果互动过窄，研究问题就不能被全面考虑，会有一些遗漏的问题，从而导致互动效果不理想。相反，如果成员互动过宽，各个方面都要涉猎一些，又抓不住问题的核心，从而导致互动以失败告终。
高校跨学科创新团队知识互动时间是对团队进行知识互动所用时间长度的测量。因此，本文从每次知识互动时间和总互动时间两个方面对知识互动时间进行测量。
(1)每次互动时间。团队成员之间的互动对知识互动效果有影响。如果每次互动时间只有几分钟，成员对研究问题还没有展开深入探讨就结束了，将不能达到互动效果；如果每次互动时间较长，易导致成员产生厌烦心理，不能有效激发出成员灵感，从而浪费了时间和精力。所以，需根据成员状态，灵活安排每次互动时间。
(2)总的互动时间。总的互动时间是指知识互动频率和每次互动时间的乘积。对于跨学科团队来说，团队不仅要考虑每次互动时间，还要考虑知识互动总时间。根据任务的不同，团队进行知识互动的频率既不能太频繁，也不能太低。如果互动频率过低，将导致成员之间接触较少，团队内不能实现深入的互动；如果互动频率过高，将压缩团队成员独立思考与解决问题的时间，同样影响知识互动效果。所以，在保证每次互动时间的基础上，团队负责人要合理安排互动频率，同时，保证知识互动总时间。
需要指出的是，知识互动时间并不是越短越好，而是在保证知识互动深度和互动广度的前提下，越短越好。本文更强调互动深度、互动广度和互动时间三者的综合情况。
与其它评价指标体系相比，高校跨学科创新团队知识互动程度评价指标体系有其自身的特点：测度跨学科创新团队知识互动程度的指标有定量指标和定性指标，需要分别进行处理；跨学科团队知识互动程度评价的定性评价指标较多，不可避免地带有不确定性和模糊性，难以用客观值将其描述清楚；指标间具有相互作用，每个知识互动评价因素都可能对知识互动程度值产生影响，因此指标权重确定较为困难。下面介绍指标值确定方法。
4.1.1 定性指标值确定
定性指标采用专家打分法，由于打分过程中对指标的描述具有模糊性，因此，本文采用三角模糊数表示语意变量以描述主观评价值。借鉴国外对能力等级划分的经验[18-19]，制定表2所示的跨学科团队知识互动程度评价等级划分标准。
令：
(4)
其中，
为三角模糊数，可表示为
为第l位专家对第i个定性指标xi给予的语意值； m为评价指标个数；q为评价专家人数。
综合各专家意见，计算出定性指标的模糊值，公式如下：
(5)
其中，
为综合q位专家后的对应指标模糊值，⊕和⊗为模糊算子。再将模糊值转化为清晰数，公式如下：
(6)
表2 知识互动程度评价指标语义变量与对应的三角模糊数
语义变量三角模糊数非常差(VL)(0,0,1)较差(JL)(0,1,3)差(L)一般(M)好(G)很好(JG)非常好(VG)(1,3,5)(3,5,7)(5,7,9)(7,9,10)(9,10,10)
4.1.2 评价指标无量纲处理
由于原始数据指标值的量纲不同，不能直接比较，因此必须进行预处理，使其具有可比性。本文采用极值化方法进行处理，公式如下：
(7)
式中x表示原始数据，xmax表示最大值，xmin表示最小值。
在多属性综合评价中，指标权重的确定是影响评价效果的决定性因素。计算权重常用的方法有层次分析法、数据包络法、专家打分法等。然而，人为判断都存在模糊性、不确定性和个人偏好。为了消除主观权重的人为片面性和客观权重对数据的依赖性，本文采用基于三角模糊数的主观权重和基于熵权的客观权重混合方法确定指标权重，进而将得到的混合权重作为对应指标的模糊测度。
4.2.1 三角模糊权重计算
首先采用专家打分法建立初始评价矩阵。由于专家用具体的数值评价指标的重要程度较为困难，因此用语义变量代替评价指标，然后将评价矩阵转换成三角模糊数，如表3所示。评价集M采用如下评价方式，M=[非常不重要，较不重要，不重要，一般，重要，较重要，非常重要]=[FI, JI, I, M, Z, JZ, FZ].
最初的评价矩阵F可以表示为如下形式：
其中，n是评价专家人数，m是评价指标个数。同定性指标数值的确定一样，综合n位专家给出的对应指标评价结果，然后将模糊值转化成清晰数，再将所得权重
规范化，如下式。
(9)
表3 权重评价语义变量与对应的三角模糊数
语义变量三角模糊数非常不重要(FI)(0,0,1)较不重要(JI)(0,1,3)不重要(I)一般(M)重要(Z)较重要(JZ)非常重要(FZ)(1,3,5)(3,5,7)(5,7,9)(7,9,10)(9,10,10)
进而得到三角模糊数权重：Wg=(g1,g2,…,gm)。
4.2.2 熵权计算
首先，计算信息熵ej，公式如下：
(10)
其中，
n为评价对象个数，m为评价指标个数。由于ln的函数自变量大于零，为了消除影响，将pij=0的数据向右平移0.01。
其次，计算第j个指标的权重：
(11)
进而得到熵权为：W′=(w1′,w2′,…,wm′)。
4.2.3 混合权重计算
将三角模糊权重Wg和熵权W′按线性方法组合：
(12)
其中，θ为客观权重占组合权重的比例，1-θ为主观权重占组合权重的比例，即可得到组合权重W=(w1,w2,…wm)。
模糊积分法的具体步骤如下：
(1)将经过标准化处理过的指标f(xi)按从大到小的顺序重新排列，不失一般性，即：
f(x1)≥f(x2)≥…≥f(xi)…≥f(xm)
(13)
(2)以混合权重作为各个指标的模糊密度函数g(xi)，进而根据λ的性质，按如下公式可以求得λ值。
(14)
(3)计算对应指标的模糊测度gλ(Xm)，有：
(15)
(4)计算模糊积分综合评价值，有：
(16)
在确定底层指标取值和模糊测度的基础上，应用模糊积分法计算高校跨学科创新团队在某一项目上的知识互动程度综合测评值。详细计算步骤如下，具体计算流程如图1所示。
图1 评价方法流程
步骤1：确定高校跨学科创新团队知识互动程度在二级指标上的取值；
步骤2：分别计算三角模糊权重和熵权，将由两种方法得到的权重重新组合，进而得到混合权重，也就是模糊密度；
步骤3：依据公式(14)和公式(15)计算一级指标的λ值和模糊测度；
步骤4：依据公式(15)计算一级指标的模糊积分；
步骤5：依据步骤2的数据和公式(14)、(15)计算综合指标的λ值和模糊测度；
步骤6：依据公式(15)计算综合指标的模糊积分；
步骤7：依据步骤4和步骤6得到的数据对高校跨学科团队知识互动深度、互动广度、互动时间以及知识互动程度的综合指标进行排序和分析。
下文将结合具体实例，验证上述方法的科学性和可操作性。
以H大学跨学科团队为例，该团队集成了飞行器设计、力学、信息与通信工程、控制理论与应用、计算机、人机环境工程、自动化测试等多个相关学科、专业的科研人员。针对该团队的4个项目互动过程，分别邀请每个项目负责人和参与项目互动的研究骨干(共6人)，对研发项目过程中的知识互动程度进行评价。
评估指标规范化数据如表4所示。以项目1为例，专家给出的指标重要程度得分语义变量如表5所示，表6是根据表5语义变量转化的三角模糊数，按上文所述算法可以得到三角模糊权重和熵权如表7所示。此处取θ=0.5，即取二者平均加权得到混合权重，进而计算各级指标的模糊密度。
表4 评估指标规范化数据
指标项目1项目2项目3项目4x110.578 40.584 20.320 01x12010.280 00.524 5x130.235 310.320 00.666 7x210.352 90.831 70.473 30.470 6x220.411 80.415 80.240 00.235 3x230.632 40.772 300.465 7x310.117 700.040 00x3210.891 110.882 4
表5 专家给出的指标重要程度得分
指标专家1专家2专家3专家4专家5专家6x11FZFZFZFZFZFZx12FZJZFZFZFZFZx13MZMZZZx21MIMZZMx22JZFZZFZJZJZx23MIZMMZx31ZMMZZZx32IMIZMI
按照模型计算一级指标的λ值、模糊测度，以及对应的一级指标模糊积分，结果如表8所示。依据一级指标模糊积分和对应的模糊密度，得到综合指标的λ=-0.094 6以及模糊测度，并通过模糊积分计算综合得分。各项目互动深度、互动广度、互动时间以及综合得分、对应排名如表9所示。从表中可以看出，项目2的互动深度和互动广度最优，虽然互动时间排序靠后，但综合排序并未受其影响，互动程度综合排序最优。
表6 基于表5的转换数据
指标专家1专家2专家3专家4专家5专家6x11(9,10,10)(9,10,10)(9,10,10)(9,10,10)(9,10,10)(9,10,10)x12(9,10,10)(7,9,10)(9,10,10)(9,10,10)(9,10,10)(9,10,10)x13(3,5,7)(5,7,9)(3,5,7)(5,7,9)(5,7,9)(5,7,9)x21(3,5,7)(1,3,5)(3,5,7)(5,7,9)(5,7,9)(3,5,7)x22(7,9,10)(9,10,10)(5,7,9)(9,10,10)(7,9,10)(7,9,10)x23(3,5,7)(1,3,5)(5,7,9)(3,5,7)(3,5,7)(5,7,9)x31(5,7,9)(3,5,7)(3,5,7)(5,7,9)(5,7,9)(5,7,9)x32(1,3,5)(3,5,7)(1,3,5)(5,7,9)(3,5,7)(1,3,5)
表7 三角模糊权重与熵权
一级指标二级指标三角模糊权重熵权混合权重二级指标的模糊密度一级指标的模糊密度x1x110.175 50.043 70.109 6g(x11)0.4131x120.172 50.236 00.204 3g(x12)x130.113 00.085 50.099 3g(x13)x2x210.095 20.030 50.062 9g(x21)0.288 7x220.158 20.021 30.089 8g(x22)x230.095 20.177 00.136 1g(x23)x3x310.113 00.470 90.292 0g(x31)0.331 1x320.077 30.001 00.039 2g(x32)
表8 项目1模糊积分
指标指标得分模糊密度λ值模糊测度模糊积分x110.578 40.109 61.0900.109 60.089 549x130.235 30.099 30.220 8x1200.204 30.474 2x230.632 40.136 117.57 70.136 10.405 664x220.411 80.089 80.440 7x210.352 90.062 90.990 9x3210.039 258.6670.039 20.152 608x310.117 70.292 01.002 7
表9 4个项目分数及排名
项目互动深度互动深度排序互动广度互动广度排序互动时间互动时间排序综合得分综合排序10.089 540.405 720.152 610.201 1320.412 510.540 310.034 930.332 5130.141 620.075 140.077 720.103 4440.316 730.314 030.034 640.228 62
高校跨学科创新团队知识互动程度评价是团队发展面临的一个重要问题，客观、准确的评价有利于团队知识互动质量提高和创新性成果产出。本文首先建立知识互动评价指标体系，包括知识互动深度、互动广度和互动时间3个维度；然后，利用三角模糊权重和熵权法确定评价指标权重，进一步利用模糊积分法构建知识互动程度评价模型。
本文具有一定的理论与实践贡献。在理论上，本文界定了高校跨学科创新团队知识互动及知识互动程度的内涵，创新性地从知识互动深度、知识互动广度、知识互动时间3个维度构建知识互动程度评价指标体系；综合利用三角模糊权重和熵权法确定权重，既保留了原始信息，又充分利用了信息不确定性的影响；考虑到指标具有模糊性及指标间的相互作用，利用λ模糊测度和模糊积分构建评价模型，有效地对高校跨学科创新团队知识互动程度进行了评价。在实践上，为改善团队知识互动效果提供了有力依据。利用该模型，既可以分别比较团队知识互动中的互动深度、互动广度、互动时间这3个单向指标，又可以综合比较团队知识互动程度，进而有侧重地提高团队知识互动效果，此外，本研究对科技创新具有重要的意义和价值。根据跨学科团队知识互动程度评价结果，可以有针对性地改善团队知识互动深度、广度，进而发现新方法、新思路、新理论，并将成果应用并实践，最终实现突破性创新。
本研究也存在一定局限性：首先，本文提出的方法需要满足3个应用条件，即知识互动程度能从知识互动深度、互动广度、互动时间3个维度测度，要满足知识互动程度的指标体系，并且评价数据具有可获得性；其次，本文提出的评价模型仅在高校跨学科团队中得到检验，未来可以将该模型应用于其它跨学科团队，以得到更具普适性的结论；最后，在权重确定方面，取三角模糊权重与熵权的平均加权计算组合权重，未来研究可以将这两种权重按不同赋值进行组合，研究评价结果的异同。
[1] SAFOUTIN M J, THURSTON D L. A communications-based technique for interdisciplinary design[J]. IEEE Transactions on Engineering Management，1993, 40(4): 360-372.
[2] BLACKWELL G W. Multidisciplinary team research[M]. Interdisciplinary Analysis and Research, Chubin D E, London:Lomond, 1986.
[3] 张伟，张庆普，单伟. 整体网视角下高校科研团队知识共享能力测量研究——以某高校系统工程科研团队为例[J]. 科学学与科学技术管理，2012, 33(10): 170-180.
[4] 林向义，罗洪云，杨金保，等. 高校虚拟科研团队知识共享能力评价研究[J]. 情报科学，2014, 32(11): 102-107.
[5] 孙德忠，李亚平，喻登科. 高校教师隐性知识共享能力评价模型[J]. 情报科学，2015, 33(4): 46-52.
[6] CHEN T, CHEN Y, LIN C, et al. A fuzzy trust evaluation method for knowledge sharing in virtual enterprises[J]. Computers & Industrial Engineering. 2010, 59(4): 853-864.
[7] 陈赟，贺玲，欧阳雄赞. 项目团队知识共享水平的多层次模糊评价与应用[J]. 系统工程，2009, 27(4): 121-123.
[8] 赵云. 基于耗散结构理论的知识整合研究及效果评价[J]. 机械制造，2011, 49(1): 80-82.
[9] VALAMI H B. Cost efficiency with triangular fuzzy number input prices: an application of DEA[J]. Chaos Solutions & Fractals，2009, 42(3): 1631-1637.
[10] 章穗，张梅，迟国泰. 基于熵权法的科学技术评价模型及其实证研究[J]. 管理学报. 2010, 7(1): 34-42.
[11] 谢赤，钟赞. 熵权法在银行经营绩效综合评价中的应用[J]. 中国软科学. 2002(9): 109-111.
[12] M G. The application of fuzzy integrals in multicriteria decision making[J]. European Journal of Operational Research. 1996, 89(3): 445-456.
[13] 万力勇，赵呈领，廖伟伟，等. 基于QQ群的网络学习共同体社会互动研究[J]. 电化教育研究，2012, 33(9): 54-58.
[14] TEASLEY S. Talking about reasoning：how important is the peer in peer collaboration[M]. Discourse Tools and Reasoning：Essays in Situated Cognition, Resnick L, Säljö R, Pontecorvo C, et al, New York:Springer-Verlag, 1997.
[15] BIGGS J, TANG C. Teaching for quality learning at university[M]. UK: Open University Press, 2007.
[16] AZMITIA M, MONTGOMERY R. Friendship, transactive dialogues, and the development of scientific reasoning[J]. Social Development，1993, 2(3): 202-221.
[17] 王伟廉. 人才知识、能力结构中广度与深度关系研究[J]. 高等教育研究，2001(4): 68-71.
[18] CHEN S M. Fuzzy group decision making for evaluating the rate of aggregative risk in software development[J]. Fuzzy Sets and Systems，2001, 118(1): 75-88.
[19] CHEN C T. Applying linguistic decision-making method to deal with service quality evaluation problems[J]. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems，2001, 9S: 103-114.