技術(shù)團隊知識多樣性及其對創(chuàng)新績效的影響研究

石 靜，孫建軍，2

（1. 南京大學信息管理學院，南京 210023；2. 南京大學數(shù)據(jù)智能與交叉創(chuàng)新實驗室，南京 210023）

0 引 言

“大科學”時代，科技創(chuàng)新的規(guī)模、復雜性和成本不斷提高[1]，推動創(chuàng)新中的個人工作模式向團隊工作模式轉(zhuǎn)變。團隊創(chuàng)新形式占比提高、團隊規(guī)模擴大，已經(jīng)成為現(xiàn)代科技創(chuàng)新的重要特征之一[2-3]。

關(guān)于團隊創(chuàng)新的研究較多。從研究對象來看，以科學研究團隊為主，對技術(shù)團隊的關(guān)注相對較少，這是由于大部分研究的實施者來自科學界。從研究內(nèi)容來看，早期的團隊研究主要聚焦于團隊識別與特征分析，通常是將創(chuàng)新成果的合作者視為一個團隊，結(jié)合作者-作者合著關(guān)系、作者-成果歸屬關(guān)系等建立關(guān)聯(lián)網(wǎng)絡(luò)，在此基礎(chǔ)上分析網(wǎng)絡(luò)連通性、平均路徑長度、節(jié)點分布規(guī)律等指標[4]。但技術(shù)創(chuàng)新與科學創(chuàng)新不同：首先，科學與技術(shù)在研究目的、對象、語詞、邏輯與社會規(guī)范上有本質(zhì)區(qū)別[5]，科學研究目的是探究自然社會的基礎(chǔ)結(jié)構(gòu)、性能和規(guī)律，更追求全新、原創(chuàng)的知識；技術(shù)研究則更關(guān)注人工自然系統(tǒng)，側(cè)重已有知識的應(yīng)用。這使得科學與技術(shù)具有各自獨特的知識積累結(jié)構(gòu)和創(chuàng)新模式[6]，因此，創(chuàng)新團隊也相應(yīng)地具有不同的行為規(guī)律。其次，技術(shù)創(chuàng)新主要依賴科技企業(yè)，而非高校等學術(shù)機構(gòu)，企業(yè)中的創(chuàng)新團隊往往規(guī)模更大，為搶占技術(shù)產(chǎn)權(quán)獲得競爭優(yōu)勢，往往在同一主題下同時進行多個相關(guān)方向研究，不放過任何一個可能的突破口，這使得技術(shù)團隊在定義上就與多數(shù)研究中的“合著者”有區(qū)別。因此，技術(shù)團隊創(chuàng)新是一個新的研究場景。

近年來，隨著研究的深入，學者開始關(guān)注團隊結(jié)構(gòu)及其對創(chuàng)新成果的影響，知識多樣性是衡量團隊知識構(gòu)成特征的重要指標。根據(jù)研究視角的不同，團隊多樣性的研究可以分為以下幾類：社會心理學視角的研究，側(cè)重創(chuàng)新過程中團隊成員之間的交互行為，更關(guān)注人口多樣性；系統(tǒng)學視角，側(cè)重團隊系統(tǒng)整體構(gòu)成與各部分的功能，更關(guān)注功能多樣性；知識創(chuàng)新視角，更側(cè)重基于原有知識的知識再生產(chǎn)過程，更關(guān)注知識多樣性。從知識視角出發(fā)，本文將科技創(chuàng)新視為一個基于已有知識的知識再生產(chǎn)過程，研究知識多樣性及其對團隊創(chuàng)新績效的影響。具體來看，一個團隊可能由于引入新成員而引入新的知識，也可能由于原有成員學習了新知識而引入新的知識；與原有知識的關(guān)系不同，新增知識可能是與原本知識很相似，也有可能與其相距甚遠，這些新增知識會最終體現(xiàn)在團隊整體的知識結(jié)構(gòu)變化中，改變團隊知識多樣性。在技術(shù)團隊創(chuàng)新情境下，這種知識多樣性的變化及其對整體創(chuàng)新績效的影響仍然不清晰。因此，本文在已有團隊知識結(jié)構(gòu)研究的基礎(chǔ)上，考慮這一問題情境的特征，提出一種新方法用于識別技術(shù)團隊、構(gòu)建團隊知識網(wǎng)絡(luò)、測度知識多樣性，進一步探究其對團隊創(chuàng)新績效各個維度的影響。

1 相關(guān)研究綜述

1.1 團隊創(chuàng)新績效研究

團隊是指由兩人或兩人以上組成的、一組可區(qū)分的人，動態(tài)地、相互依賴地和適應(yīng)性地共同針對一個有價值的目標、對象或使命進行互動的組織[7]。本文關(guān)注圍繞特定的技術(shù)研發(fā)任務(wù)的項目團隊，具體涉及發(fā)現(xiàn)問題、制定決策、采取行動等環(huán)節(jié)，是技術(shù)創(chuàng)新活動在團隊層面的體現(xiàn)，其團隊成員往往知識多樣、技能互補，創(chuàng)新目標較為復雜、創(chuàng)造性強，是現(xiàn)代技術(shù)研發(fā)的主體。對技術(shù)團隊的創(chuàng)新能力進行評估不僅能夠考核工作成果、優(yōu)化資源配置，更能夠直接逆向指導團隊建設(shè)、優(yōu)化團隊管理、提高團隊創(chuàng)造力，為團隊領(lǐng)導者與創(chuàng)新政策制定者提供參考。

但團隊創(chuàng)新能力評估是一個綜合復雜的問題，可以從多個視角和維度開展，如團隊創(chuàng)造力、創(chuàng)新效率等。團隊創(chuàng)新績效由于定義清晰、操作性強，可以通過直接衡量團隊創(chuàng)新成果反映創(chuàng)新目標的完成情況，因此，團隊創(chuàng)新績效成為主流評價指標，在研究和實踐領(lǐng)域得到廣泛應(yīng)用。Lovelace 等[8]將團隊創(chuàng)新績效看作團隊績效的創(chuàng)新性方面，具體包括創(chuàng)新產(chǎn)品的數(shù)量、創(chuàng)新性等。其中，數(shù)量測度是使用最早、認可性最強的指標，但隨著研究的深入，學者發(fā)現(xiàn)以創(chuàng)新性為代表的創(chuàng)新質(zhì)量也是不容忽視的測度維度。創(chuàng)新質(zhì)量反映了團隊創(chuàng)新產(chǎn)品在技術(shù)領(lǐng)域中、經(jīng)濟市場中受到的認可程度，是團隊創(chuàng)新績效的重要方面，也有學者將其表述為原創(chuàng)性、重要性、新穎性等[9]。

具體的測度方法主要包括主觀法和客觀法。其中，主觀法主要是由特定專家、團隊領(lǐng)導或成員對創(chuàng)新績效進行主觀評價，主要用于創(chuàng)新過程等隱性成果的評價，受到操作者與評價者個人能力的影響較大?？陀^法主要是以通過創(chuàng)新成果的統(tǒng)計與評價為主，如直接對團隊專利的數(shù)量以及被引情況進行測度等[10]，主要適用于有明確的、可識別的創(chuàng)新成果的情況，能夠較為客觀地反映創(chuàng)新績效，更具可比性。

1.2 知識多樣性及其影響研究

團隊多樣性衡量團隊成員在特定屬性上的差異，會對團隊績效產(chǎn)生不同程度的影響，根據(jù)關(guān)注屬性的類別差異，可以分為人口多樣性、認知多樣性、功能多樣性、知識多樣性等。其中，知識多樣性（knowledge diversity）關(guān)注成員在與任務(wù)目標有關(guān)的知識屬性差異，反映團隊知識類別的豐富性、平衡性和差異性方面的異質(zhì)化特征，也反映團隊知識組成的種類范圍、分布模式和異質(zhì)化程度[11]，這種“高度工作相關(guān)”的多樣性往往會對更需創(chuàng)造力或創(chuàng)新性的任務(wù)產(chǎn)生重要影響[12]。在現(xiàn)代技術(shù)創(chuàng)新過程中，知識主題廣泛，任務(wù)更為復雜，技術(shù)團隊需要吸引更多知識異質(zhì)個體參與其中，構(gòu)建更加多元化的成員任務(wù)網(wǎng)絡(luò)，拓寬團隊知識的來源，為創(chuàng)新目標提供豐富資源[13]。

已有研究對知識多樣性與團隊績效的關(guān)系有不同的結(jié)論。持積極態(tài)度的學者占大多數(shù)，以信息決策、知識創(chuàng)新理論為主，認為知識多樣性為團隊提供異質(zhì)化信息與看待問題的視角，使得團隊產(chǎn)生更加科學可行的決策[14]。同時，多來源的信息更有可能產(chǎn)生多樣化的解決方案，能夠?qū)F隊創(chuàng)新成果的數(shù)量有積極影響，這一點已在汽車、化工、電子、生物制藥等多個領(lǐng)域得到證實[15]。此外，成員知識與經(jīng)驗的多樣化能夠促進知識共享、利用與吸收[13]，對團隊創(chuàng)新成果的創(chuàng)新性維度有顯著提升，異質(zhì)化團隊比同質(zhì)化團隊往往能產(chǎn)出更具獨創(chuàng)性的成果[16]。對知識多樣性對團隊績效影響持消極態(tài)度的學者主要是從社會分類、組織協(xié)調(diào)理論出發(fā)，關(guān)注知識多樣性背后隱含的專業(yè)背景、職業(yè)經(jīng)驗、認知偏好差異，認為知識多樣性違背“相似相吸”原則，導致成員之間攜帶敵對情緒，缺乏彼此認可感和團隊歸屬感，從而影響團隊的認知協(xié)調(diào)和知識整合過程，對團隊績效產(chǎn)生負面影響[17]。

上述觀點的分歧主要是由于不同學者在探究兩者關(guān)系時考慮的問題情境不同，而知識多樣性及其作用機制與問題情境關(guān)系很大[12]。學科背景和外部環(huán)境因素，帶來了不同的理論視角和不同的情境特征，如團隊氛圍、任務(wù)類型、知識結(jié)構(gòu)等，從而對創(chuàng)新績效產(chǎn)生不同的作用。因此，對知識多樣性與創(chuàng)新績效關(guān)系的探究必須結(jié)合具體情境具體分析；當前，關(guān)于技術(shù)團隊創(chuàng)新這一情境下的相關(guān)研究仍然較少，兩者之間的關(guān)系也尚待探究。

2 實驗設(shè)計

2.1 數(shù)據(jù)獲取與處理

專利作為重要的創(chuàng)新成果，是技術(shù)團隊知識特征與創(chuàng)新能力的綜合反映，因此，本文選擇專利作為技術(shù)團隊創(chuàng)新情境下知識多樣性與創(chuàng)新績效關(guān)系探究的數(shù)據(jù)基礎(chǔ)，進一步選擇在生物制藥領(lǐng)域這個專利較多、體系較成熟的領(lǐng)域中進行實證。已有研究通常是將同一專利的合作者作為團隊，這種方法已經(jīng)受到一些質(zhì)疑[18]。技術(shù)創(chuàng)新往往是圍繞特定主題的系列活動，單一專利中的合作者可能只是團隊的一小部分，沒有出現(xiàn)在同一專利中的申請人也不一定不在同一團隊。因此，本文采用Salas 等[7]對團隊的定義，認為團隊是具有特定目標，在一定時限內(nèi)持續(xù)合作的群體，提出一種新的方法識別技術(shù)團隊。

本文的數(shù)據(jù)來自全球?qū)＠麛?shù)據(jù)庫（Worldwide Patent Statistical Database，PATSTAT）（2020），選取生物制藥領(lǐng)域2017—2019 年的合作專利數(shù)據(jù)（專利發(fā)明人≥2）構(gòu)建發(fā)明人合作網(wǎng)絡(luò)，使用最大連通圖識別算法識別技術(shù)團隊；關(guān)聯(lián)這些團隊成員在2000—2016 年的專利申請數(shù)據(jù)，構(gòu)建團隊知識網(wǎng)絡(luò)，測度團隊知識多樣性，技術(shù)細節(jié)請見本課題組前期的研究工作《科技創(chuàng)新團隊的知識網(wǎng)絡(luò)構(gòu)建與知識測度研究》[19]。已有研究證明，90%的科技創(chuàng)新團隊規(guī)模在10～40 人，且團隊規(guī)模會帶來成果新穎性的邊際遞減，新穎性在大約10 人的團隊中就已經(jīng)增長緩慢，之后急劇下降[20]。據(jù)此，本文將團隊規(guī)模限制為2～30 人，最終得到團隊5720 支。

2.2 變量定義與測度

（1）知識多樣性：是團隊層面的知識測度，由成員個體特征組成的高水平組合性指標，包括豐富性（variety）、平衡性（balance）和差異性（disparity）3 個維度[21]，Stirling[11]提出一種統(tǒng)一框架，給出了非參數(shù)計量公式用于測度學科多樣性。本文將其遷移用于測度知識多樣性：

其中，sij代表技術(shù)知識i與j的技術(shù)相似度；pi代表技術(shù)i在整體知識中的占比；pj代表技術(shù)j在整體知識中的占比。

國際專利IPC 分類號（international patent classification）是目前國際通用的專利文獻分類和檢索工具，其根據(jù)專利和實用新型所涉不同技術(shù)領(lǐng)域，對專利和實用新型進行分類，可以較好地反映專利涉及的知識。本文使用4 位IPC 分類號表征知識，一個專利可以有多個IPC 分類號，一個IPC 分類下也可以有多個專利。式(1)中的sij表示技術(shù)相似度，為提升準確性，本文結(jié)合常見的兩種測度思路——知識流動[22]和技術(shù)耦合[23]，前者基于知識引用關(guān)系，后者基于知識共現(xiàn)關(guān)系測度相似度——分別測度后取均值作為最終的sij。最終計算的多樣性指數(shù)經(jīng)標準化后位于0～1，數(shù)值越大，代表團隊知識多樣性水平越高。

（2）團隊創(chuàng)新績效：是團隊運用新方法、新程序來應(yīng)用和創(chuàng)造知識，以獲得創(chuàng)新成果的表現(xiàn)，涉及多個維度的特征。本文采用客觀方法、利用團隊層面的創(chuàng)新成果觀測數(shù)據(jù)，從創(chuàng)新數(shù)量（innovation productivity）、創(chuàng)新質(zhì)量（innovation quality）和創(chuàng)新廣度（innovation scope） 3 個維度測度創(chuàng)新績效，分別對應(yīng)專利申請數(shù)量、專利被引數(shù)量、申請專利所在4 位IPC 分類數(shù)量3 個指標。在3.3.2 節(jié)中使用替換測度指標的方法驗證結(jié)果穩(wěn)定性，替代的測度指標分別是專利授權(quán)量、專利授權(quán)比例和授權(quán)專利所在IPC 分類去重數(shù)量。

已有研究證明，團隊創(chuàng)新在大小團隊中的表現(xiàn)差異較大[20]。為驗證技術(shù)團隊中知識多樣性的效應(yīng)是否也受到團隊規(guī)模的影響，進一步將團隊規(guī)模作為調(diào)節(jié)變量加入模型。此外，為排除其他情境因素對興趣變量的影響，將團隊技術(shù)年齡、團隊創(chuàng)新產(chǎn)量和團隊創(chuàng)新質(zhì)量等作為控制變量，全部變量及其描述如表1 所示。

表1 變量描述

3 實證結(jié)果和分析

3.1 描述性統(tǒng)計與相關(guān)性分析

分析團隊規(guī)模與知識多樣性的分布情況，團隊知識多樣性均值在0.59，分布較為均勻，但團隊規(guī)模分布差異較大。為進一步探究不同規(guī)模團隊中知識多樣性的分布與影響，依據(jù)團隊規(guī)模的上四分位點、下四分位點（25%：3；75%：6）將團隊劃分為大、中、小團隊，如圖1 所示。整體上看，知識多樣性在各種規(guī)模的團隊中分布均較為均勻，小規(guī)模團隊中的知識多樣性相對較低。

圖1 不同規(guī)模團隊的知識多樣性分布

各個變量的描述性統(tǒng)計信息如表2 所示。全部團隊的專利申請量均值為16.55，分布差距較大，專利授權(quán)量均值為6.11，整體授權(quán)比僅為16%。從專利范圍來看，授權(quán)專利的范圍也比申請專利的范圍小，這說明很多團隊拓展創(chuàng)新廣度的嘗試成功率較低。團隊平均技術(shù)年齡差距較小，均值為5.37，且分布均勻，但不同團隊的創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量的差距較大。

表2 變量描述性統(tǒng)計和相關(guān)性分析

圖2 展示了知識多樣性與創(chuàng)新績效的相關(guān)關(guān)系。從圖2 中可以看到，知識多樣性與創(chuàng)新績效的數(shù)量、質(zhì)量、廣度3 個維度均呈現(xiàn)正相關(guān)關(guān)系。

圖2 知識多樣性與團隊創(chuàng)新績效相關(guān)性

圖3 展示了不同規(guī)模團隊中兩者的相關(guān)關(guān)系。從圖3 中可以看到，知識多樣性與團隊創(chuàng)新績效的正相關(guān)關(guān)系在不同規(guī)模團隊中并沒有顯著差別，相比于小規(guī)模團隊，在大規(guī)模團隊中知識多樣性對團隊創(chuàng)新數(shù)量與創(chuàng)新廣度的提升更為明顯。

3.2 回歸結(jié)果分析

本文選擇廣義線性模型估計知識多樣性對創(chuàng)新績效的影響，表3 展示了回歸結(jié)果，模型1-1～模型1-3 匯報知識多樣性與團隊創(chuàng)新數(shù)量的關(guān)系。模型1-2 顯示知識多樣性對團隊創(chuàng)新數(shù)量具有顯著的正向效應(yīng)（p<0.01），當控制住其他可能影響績效的團隊特征后，這種正向效應(yīng)降低16%（模型1-3）。從創(chuàng)新質(zhì)量維度看，知識多樣性也具有顯著正向效應(yīng)（β=0.38，p<0.01，模型1-5），即使控制其他特征后這種效應(yīng)也沒有減弱，說明這種知識多樣性對創(chuàng)新質(zhì)量帶來的提升難以被其他團隊屬性替代。從創(chuàng)新廣度看，知識多樣性可以顯著提升團隊創(chuàng)新的范圍（β=0.54，p<0.01，模型1-8），控制變量后效應(yīng)減弱15%，仍然顯著。

表3 回歸結(jié)果

團隊規(guī)模對創(chuàng)新績效的影響主要體現(xiàn)在數(shù)量、廣度維度，且影響較?。欢鴮?chuàng)新質(zhì)量沒有顯著影響，也就是說，團隊成員的增加可能在一定程度上促進團隊在更廣闊的領(lǐng)域有更多的產(chǎn)出，但并不會顯著提升創(chuàng)新質(zhì)量。對團隊規(guī)模的調(diào)節(jié)效應(yīng)分析，團隊規(guī)模能在一定程度上增強知識多樣性與團隊績效的正向效應(yīng)，但也僅限于數(shù)量和廣度維度。圖4 展示了團隊規(guī)模的調(diào)節(jié)效應(yīng)，可以直觀地看到，在創(chuàng)新數(shù)量與廣度方面，隨著團隊規(guī)模的增大，知識多樣性每增加一個單位，帶來了更多創(chuàng)新績效的提升。

圖4 創(chuàng)新數(shù)量與創(chuàng)新廣度的調(diào)節(jié)效應(yīng)

3.3 穩(wěn)健性檢驗

為了驗證研究結(jié)果的可靠性與準確性，本文分別采用改變樣本容量與變量替換兩種方法進行穩(wěn)健性檢驗。

3.3.1 傾向評分匹配

匹配是在條件獨立假設(shè)上發(fā)展出的用于控制協(xié)變量的研究策略，方法是對每個協(xié)變量的特定值所決定的個體計算處理組與控制組的平均差異，然后用加權(quán)平均的方法將平均因果效應(yīng)匯總到總的因果效應(yīng)中[24]。本節(jié)選擇傾向評分匹配（propensity score matching，PSM）方法進行數(shù)據(jù)匹配，構(gòu)建實驗組和對照組，減少系統(tǒng)性誤差。以技術(shù)年齡、創(chuàng)新數(shù)量與創(chuàng)新質(zhì)量為協(xié)變量，這些屬性值在團隊建立時就已經(jīng)確定，滿足條件獨立假設(shè)，可以賦予匹配結(jié)果因果解釋。為方便清晰觀測主效應(yīng)與調(diào)節(jié)效應(yīng)，進一步對團隊進行篩選，將知識多樣性高于均值一個標準差（0.83）的1089 支團隊與低于均值一個標準差（0.34）的1147 支團隊作為樣本數(shù)據(jù)。采用最鄰近匹配（nearest neighbor matching，NNM） 方法，以傾向評分為依據(jù)，在對照組樣本中向前或向后尋找最接近實驗組樣本得分的對象，并形成配對。最終得到392 對團隊，匹配效果良好。圖5 展示了匹配分布效果，表4 展示了匹配前后指標對比。

圖5 PSM匹配效果

對匹配后的784 支團隊做回歸分析，結(jié)果如表5 所示。對比表3 中全樣本的回歸結(jié)果，系數(shù)略有變動，但知識多樣性對創(chuàng)新績效的正向效應(yīng)、團隊規(guī)模在數(shù)量與廣度維度的調(diào)節(jié)效應(yīng)均顯著（圖6），充分證明了回歸結(jié)果的穩(wěn)健性。

圖6 團隊規(guī)模調(diào)節(jié)效應(yīng)

表5 PSM匹配數(shù)據(jù)回歸結(jié)果

3.3.2 變量替換

本節(jié)對因變量進行替換，使用專利授權(quán)數(shù)量替代專利申請數(shù)量測度創(chuàng)新數(shù)量，使用專利授權(quán)比替代專利被引量測度創(chuàng)新質(zhì)量，使用授權(quán)專利的IPC類別數(shù)量替代申請專利的IPC 類別數(shù)量測度創(chuàng)新廣度，數(shù)據(jù)仍采用PSM 匹配得到的392 對團隊，模型回歸結(jié)果如表6 所示。從整體來看，主效應(yīng)顯著性依然很強，但系數(shù)有所降低。尤其是在創(chuàng)新質(zhì)量方面，系數(shù)從0.36（模型2-4）降低至0.07（模型3-4）。授權(quán)比例與被引數(shù)量均可作為創(chuàng)新質(zhì)量的合理測度方法，但反映了質(zhì)量的不同方面。專利授權(quán)需要滿足3 個基本條件：新穎性、創(chuàng)造性與實用性，但是只有獲得授權(quán)的專利才有可能被引用，因此，被引量是更嚴格、滯后且動態(tài)變化的指標。當使用專利授權(quán)的相關(guān)指標測度時，團隊規(guī)模的調(diào)節(jié)效應(yīng)發(fā)生了較大變化，由增強變?yōu)闇p弱，并且在3 個維度上都顯著。也就是說，隨著團隊規(guī)模增大，知識多樣性對團隊創(chuàng)新績效的正向效應(yīng)隨之減弱，圖7展示了調(diào)節(jié)效應(yīng)。對比圖6 和圖7，新的測度方式中，相比于大團隊，知識多樣性更有利于小團隊的創(chuàng)新績效提升。

圖7 PSM匹配數(shù)據(jù)的調(diào)節(jié)效應(yīng)

表6 穩(wěn)健性檢驗回歸結(jié)果

4 結(jié)論與展望

4.1 結(jié)論與討論

本文利用連通子圖識別算法從專利合作者網(wǎng)絡(luò)中識別技術(shù)創(chuàng)新團隊，進而構(gòu)建團隊知識網(wǎng)絡(luò)，對知識多樣性進行測度，探究知識多樣性與團隊創(chuàng)新績效的關(guān)系。研究結(jié)果表明，知識多樣性對創(chuàng)新數(shù)量、創(chuàng)新質(zhì)量與創(chuàng)新廣度均有顯著的正向影響；使用改變樣本容量、變量替換的方法對結(jié)果進行穩(wěn)健性檢驗，這種正向效應(yīng)均顯著。

團隊規(guī)模的調(diào)節(jié)效應(yīng)較為復雜，它會增強知識多樣性對創(chuàng)新數(shù)量和廣度的正向效應(yīng)，但替換團隊創(chuàng)新績效的測度指標后，這種調(diào)節(jié)效應(yīng)變?yōu)樨撓?。這種現(xiàn)象與替換前后測度指標所反映的特征存在差異有關(guān)，模型1-1～模型1-9 和模型2-1～模型2-6 使用專利申請數(shù)量、被引數(shù)量、專利申請廣度進行績效測度，模型3-1～模型3-6 使用專利授權(quán)數(shù)量、授權(quán)比例、專利授權(quán)廣度進行測度，后者指標均與專利授權(quán)相關(guān)，側(cè)重于反映創(chuàng)新成果的創(chuàng)造性、新穎性與實用性，而前者側(cè)重創(chuàng)新成果在各維度的數(shù)量特征。這反映了團隊規(guī)模對創(chuàng)新績效影響的復雜性，當團隊創(chuàng)新目標以創(chuàng)新性、新穎性與實用性為主時，知識多樣性在小規(guī)模團隊中能夠發(fā)揮更大的積極作用，這與其他學者關(guān)于大規(guī)模團隊中創(chuàng)新質(zhì)量降低的結(jié)論相似[19,25]。

表7 選取了不同知識多樣性和規(guī)模的團隊進行展示，其中節(jié)點代表不同領(lǐng)域的知識，連邊代表團隊中不同類型知識在創(chuàng)新成果中的共現(xiàn)頻率。從圖7 中可以看到，高多樣性團隊的知識網(wǎng)絡(luò)涉及知識的數(shù)量、豐富性、差異性均較大，即使在只有兩個人的小型團隊Team_63 中也涉及A、B、C、E、G共5 個大類的知識，致力于各種電路中的絕緣設(shè)施研發(fā)，其創(chuàng)新績效也不亞于大規(guī)模團隊。而在多樣性較低的團隊中，涉及的知識大類數(shù)量、類型一般均較少，但網(wǎng)絡(luò)密度較高，例如，在Team_51 中僅涉及單個大類、5 個小類的知識，但網(wǎng)絡(luò)呈現(xiàn)全連接結(jié)構(gòu)。此外，多樣性較低的團隊知識通常具有明顯的核心與外圍結(jié)構(gòu)，Team_4078 和Team_731 都是如此，前者以“醫(yī)療、牙科或廁所制劑”的化學知識為核心，如化學化合物或藥物制劑中的肽、微生物或酶等，而其他有機化學知識和生物化學知識作為輔助；后者則更側(cè)重雜環(huán)化合物與大分子化合物。從整體上看，高多樣性的確能夠帶來更多的產(chǎn)量，但并不一定意味著更高的質(zhì)量與價值，反而能夠在中小規(guī)模團隊中創(chuàng)造較好的整體績效。這為以技術(shù)創(chuàng)新為目標的團隊建設(shè)提供了參考，要想較為全面地提升績效，增強知識多樣性的同時，控制團隊規(guī)模是較好的選擇；當團隊規(guī)模較大時，則需要盡可能地聚焦有限領(lǐng)域，過分追求知識多樣性可能只能片面地提高成果數(shù)量。

表7 各組團隊相關(guān)指標及知識網(wǎng)絡(luò)示例

同時，不同測度方法帶來的結(jié)果差異也給研究者以警醒，即使采用相同的理論模型，也可能因概念測度方法的不同、數(shù)據(jù)統(tǒng)計口徑的差異，帶來截然不同的結(jié)果。Bruns 等[26]的研究發(fā)現(xiàn)，哪怕是最簡單地將專利數(shù)量作為創(chuàng)新測度標準，也會因?qū)＠阉鞑呗?、專利質(zhì)量標準的選擇不同，而得出不同的政策影響評估結(jié)果。這在一定程度上解釋了相關(guān)研究中，知識多樣性與創(chuàng)新績效關(guān)系的結(jié)果差異。

4.2 貢獻與展望

從理論上來看，本文有助于更好地理解技術(shù)團隊創(chuàng)新行為。技術(shù)研發(fā)具有復雜性與綜合性，團隊合作可以聚合不同的知識資源，降低研發(fā)風險，已經(jīng)成為主流的技術(shù)創(chuàng)新方式。已有研究對于知識多樣性與團隊績效關(guān)系的研究結(jié)論莫衷一是，尤其是針對技術(shù)團隊的研究較少。本文從知識創(chuàng)新的視角對相關(guān)研究進行拓展，大小團隊之分并不僅僅在于成員的多少，在知識創(chuàng)新過程中，大團隊往往意味著更多樣化、異質(zhì)化的知識，這些知識彼此交叉融合，更易激發(fā)創(chuàng)新。研究結(jié)果證明，在技術(shù)創(chuàng)新過程中，這種知識多樣性對團隊創(chuàng)新數(shù)量、質(zhì)量與廣度均存在顯著正向影響。大團隊中有關(guān)創(chuàng)新產(chǎn)量維度的指標被增強，但在小團隊中有關(guān)創(chuàng)造性、新穎性的指標被增強。從實踐角度來看，團隊管理者有必要平衡好知識結(jié)構(gòu)與創(chuàng)新目標的關(guān)系，在具體創(chuàng)新場景的參照下，有針對性地優(yōu)化知識結(jié)構(gòu)，更好地指導團隊創(chuàng)新活動。

本文存在以下兩個方面的局限性。首先，在團隊知識網(wǎng)絡(luò)構(gòu)建中采用集合方法，但團隊知識并不是成員個人知識的簡單加和，因此可能存在偏差；其次，本文僅在生物醫(yī)藥領(lǐng)域進行實證，研究結(jié)論是否能在廣泛的技術(shù)創(chuàng)新領(lǐng)域得到支持有待商榷。未來研究仍需要進一步在不同技術(shù)領(lǐng)域驗證方法的普適性。