劉俊婉 黃晨晨 潘云濤 王運紅 徐碩 毛香懿

1.北京工業(yè)大學(xué)經(jīng)濟與管理學(xué)院 北京 100124；

2.中國科學(xué)技術(shù)信息研究所 北京 100038；

3.中國林業(yè)科學(xué)研究院林業(yè)科技信息研究所 北京 100091

引言

國家重大戰(zhàn)略需求驅(qū)動下，多學(xué)科交叉會聚與多技術(shù)跨界融合不斷催生新學(xué)科、新技術(shù)和創(chuàng)新形態(tài)的產(chǎn)生。從國家急迫和長遠需要出發(fā)，加緊跨學(xué)科領(lǐng)域戰(zhàn)略布局，既是應(yīng)對變局也是開拓新局的需要[1]。隨著科學(xué)技術(shù)的不斷發(fā)展，許多復(fù)雜問題不僅僅需要單一方向的知識，而且需要多學(xué)科融合的知識才能解決[2]?？蒲许椖抠Y助在促進跨學(xué)科科研團隊的形成和發(fā)展過程中發(fā)揮著越來越顯著的作用。同時，科研基金對于新興和交叉學(xué)科領(lǐng)域的發(fā)展也起到重要的促進作用[3]。2020年，國家自然科學(xué)基金委員會專門成立了交叉科學(xué)部以促進跨學(xué)科科研團隊的發(fā)展。面上項目作為國家自然科學(xué)基金最主要和最基本的項目類型，其管理活動和基礎(chǔ)研究具有一定的普適性和代表性，能夠反映整體科學(xué)基金管理狀況[4]。21世紀以來，面上項目的平均資助強度增幅迅猛，從2001年的17.98萬提升至2019年的58.58萬，提高了3倍多[5,6]。國家自然科學(xué)基金作為資助基礎(chǔ)科學(xué)研究的主要渠道之一，是促進國家科技創(chuàng)新的重要資源，因此，對基金項目成果進行科學(xué)評價具有重要意義[7]。如何最大化發(fā)揮項目的激勵作用，提高科研團隊績效是諸多學(xué)者重點關(guān)注的焦點問題。

團隊負責(zé)人作為科研團隊的首席領(lǐng)導(dǎo)者和主要實施者，負責(zé)科研團隊的隊伍組建、成員遴選、項目決策和執(zhí)行等一系列活動[8]，其科研水平、工作能力及認知觀念是影響科研團隊項目成敗的關(guān)鍵因素，而負責(zé)人的特征屬性是提升團隊能力水平的重要因素[9]?，F(xiàn)有研究表明，團隊的領(lǐng)導(dǎo)風(fēng)格、團隊規(guī)模、團隊信任程度等會影響團隊績效[10,11]，不少學(xué)者還對團隊成員的年齡[12]、項目負責(zé)人的行為[13]、團隊的管理行為與績效之間的關(guān)系[14]進行了研究。前人的研究大多使用問卷調(diào)查、科學(xué)計量學(xué)和回歸分析等方法對團隊績效的影響因素進行評價和探究[9,12-14]。但總體來看，前人的研究側(cè)重于團隊績效影響的單因素分析，較少從多因素組合的角度對團隊績效的影響路徑進行研究，例如：從團隊負責(zé)人視角來看，哪些團隊負責(zé)人的特征屬性構(gòu)成科研團隊高績效產(chǎn)出的必要條件？哪些團隊負責(zé)人的特征屬性組合能夠?qū)е驴蒲袌F隊高績效產(chǎn)出？相對于傳統(tǒng)學(xué)科，跨學(xué)科科研團隊的績效影響因素是否存在差異？

有鑒于此，本研究以人工智能領(lǐng)域2017-2019年318個已結(jié)題的國家自然科學(xué)基金面上項目為樣本，將項目負責(zé)人及項目成員視作一個科研團隊單元，運用模糊集定性比較分析方法（fsQCA），深入探索團隊負責(zé)人特征屬性驅(qū)動跨學(xué)科科研團隊高績效產(chǎn)出的因果復(fù)雜關(guān)系，挖掘有效提升跨學(xué)科科研團隊績效的具體路徑。本項研究為跨學(xué)科科研團隊的建設(shè)提供了新的思路，為科技資源優(yōu)化配置、跨學(xué)科項目資助政策的實施以及交叉學(xué)科人才的發(fā)現(xiàn)與培養(yǎng)提供可信程度較高的量化依據(jù)和實證支撐。

1 文獻回顧

科研團隊績效受多種因素的影響，學(xué)者們對影響績效的因素進行了廣泛的研究。從團隊層面來看，De Jong等[11]的研究發(fā)現(xiàn)，團隊內(nèi)部信任與團隊績效呈正相關(guān)關(guān)系。Zhu等[15]的研究發(fā)現(xiàn)，團隊規(guī)模的大小與科研生產(chǎn)力之間存在倒U型關(guān)系。從成員個人層面看，部分團隊成員的屬性對團隊績效產(chǎn)生積極影響。例如，Hambrick等[16]使用OLS回歸技術(shù)研究發(fā)現(xiàn)，團隊成員的教育背景和工作經(jīng)歷的差異性與團隊績效存在相關(guān)關(guān)系。團隊領(lǐng)導(dǎo)者的行為是影響團隊績效的關(guān)鍵因素，領(lǐng)導(dǎo)者在團隊運行過程中表現(xiàn)出的領(lǐng)導(dǎo)行為對團隊產(chǎn)出有重要影響[13,17,18]。從對科研項目負責(zé)人屬性進行團隊績效研究的相關(guān)文獻來看，吳建南等[9]以問卷調(diào)查的方式獲取數(shù)據(jù)并進行回歸分析，發(fā)現(xiàn)項目負責(zé)人年齡與項目績效呈U型曲線關(guān)系；項目負責(zé)人職稱對科研項目績效有顯著的正向影響；項目負責(zé)人出國留學(xué)經(jīng)歷、擔(dān)任領(lǐng)導(dǎo)職務(wù)對項目績效關(guān)系有顯著的負向影響。在團隊運作方面，團隊合作質(zhì)量的提升不僅需要建立合理的領(lǐng)導(dǎo)制度，還需要發(fā)揮重大科研項目負責(zé)人的專業(yè)優(yōu)勢[8]。

自從定性比較分析方法（qualitative comparative analysis，簡稱QCA）出現(xiàn)以來，被應(yīng)用于社會科學(xué)的不同領(lǐng)域[19]。早期的研究主要集中在政治學(xué)和社會學(xué)[20]、商業(yè)和管理[21]等領(lǐng)域進行小樣本案例的定性比較分析。QCA方法旨在從整體視角，通過案例間的比較，找出條件組態(tài)與結(jié)果間的復(fù)雜因果關(guān)系，回答“條件的哪些組態(tài)可以導(dǎo)致期望的結(jié)果出現(xiàn)？哪些組態(tài)導(dǎo)致結(jié)果的不出現(xiàn)？”這類問題[22]。該方法可以更好地解釋問題的復(fù)雜現(xiàn)象，這也是該方法近年來在企業(yè)管理[23]、營銷管理[24]、情報圖書[25]等多個管理學(xué)領(lǐng)域廣泛應(yīng)用的原因之一。模糊集定性比較分析方法作為一種典型的QCA方法，可以幫助研究人員解釋不同因素組合導(dǎo)致相同結(jié)果的現(xiàn)象，這使得模糊集定性比較分析方法更加適合本文關(guān)于科研團隊績效評價的路徑研究。

通過回顧、梳理相關(guān)文獻，發(fā)現(xiàn)以往對于團隊負責(zé)人與團隊績效影響因素的分析研究中，方法多以問卷調(diào)查、科學(xué)計量學(xué)和回歸分析等方法進行評估和探究，討論的是單個影響因素的“凈效應(yīng)”，目前針對團隊負責(zé)人特征屬性組合與團隊績效關(guān)系的研究尚不多見。為此，本研究以人工智能領(lǐng)域跨學(xué)科科研團隊為研究對象，從團隊負責(zé)人的視角，運用模糊集定性比較分析方法探究跨學(xué)科科研團隊績效的多種影響因素組合，通過理論分析和實證研究挖掘跨學(xué)科科研團隊高績效產(chǎn)出的不同路徑。

2 研究設(shè)計

2.1 研究方法

本文采用模糊集定性比較分析方法（fsQCA）進行分析[26,27]。一方面，fsQCA方法為揭示科研團隊績效的前置因素組合提供了有效的分析方法和工具，越來越多的學(xué)者已在管理學(xué)和跨學(xué)科領(lǐng)域中應(yīng)用該方法[28-30]。另一方面，fsQCA方法把研究對象視作條件變量不同組合方式的組態(tài)，通過集合分析對影響因素組合與結(jié)果的映射關(guān)系進行研究。本文旨在研究團隊負責(zé)人特征屬性組合對跨學(xué)科科研團隊績效的影響。以往的團隊研究仍使用傳統(tǒng)的回歸分析方法，認為團隊負責(zé)人的各個特征屬性之間是相互獨立的[9,14]，這往往忽略了各種因素之間相互依賴和相互作用引起的“化學(xué)反應(yīng)”[22]。跨學(xué)科科研團隊績效是多種影響因素共同作用的結(jié)果，基于fsQCA的組態(tài)分析可以探究導(dǎo)致團隊高績效的多種路徑，能夠挖掘團隊負責(zé)人不同特征屬性與團隊績效之間的非線性關(guān)系，并且可以很好解釋前因變量相互依賴等復(fù)雜的因果關(guān)系。

2.2 數(shù)據(jù)來源

人工智能本質(zhì)上是跨學(xué)科的領(lǐng)域[31]。隨著人工智能與各個學(xué)科的不斷發(fā)展和整合，人工智能的跨學(xué)科性質(zhì)變得更加明顯。進入21世紀后，更多的人工智能領(lǐng)域研究課題獲得國家自然科學(xué)基金重點和重大項目等各種國家基金計劃支持，并與中國國民經(jīng)濟和科技發(fā)展的重大需求相結(jié)合[32]。本文選擇人工智能領(lǐng)域的科研項目團隊作為跨學(xué)科科研團隊具有一定的代表性。

本文的數(shù)據(jù)來源于國家自然科學(xué)基金委2017-2019年結(jié)題的信息科學(xué)部人工智能領(lǐng)域的面上項目信息。數(shù)據(jù)獲取過程如下：首先登陸美國ACCDON公司旗下品牌的LetPub網(wǎng)站（https://www.letpub.com.cn），選擇首頁中的智庫資源子標題下的國家自然科學(xué)基金項目查詢功能。在國家自然科學(xué)基金項目查詢中，檢索2017-2019年結(jié)題的信息科學(xué)部人工智能領(lǐng)域已結(jié)題的面上項目信息。然后登陸國家自然科學(xué)基金共享服務(wù)網(wǎng)，在結(jié)題項目檢索中查找項目結(jié)題報告，從中抽取項目負責(zé)人的專業(yè)技術(shù)職稱、所屬機構(gòu)以及項目結(jié)題成果被SSCI/SCIE和EI檢索收錄的論文數(shù)量等信息。項目負責(zé)人的其他屬性數(shù)據(jù)（生理年齡、發(fā)文總數(shù)、職業(yè)年齡、總被引頻次、篇均被引頻次、h指數(shù)、g指數(shù)、p指數(shù)）均來自于AMiner網(wǎng)站（https://www.aminer.cn）和谷歌學(xué)術(shù)網(wǎng)站（https://scholar.google.com）。數(shù)據(jù)經(jīng)過手動篩選后，共獲取人工智能領(lǐng)域385個面上項目負責(zé)人的上述信息。剔除信息不完整的樣本，最終確定318個具備完整項目負責(zé)人屬性特征的項目團隊作為研究樣本。本文將國家自然科學(xué)基金面上項目的負責(zé)人及其項目成員界定為一個科研團隊單元，項目負責(zé)人視作團隊負責(zé)人，研究團隊負責(zé)人特征屬性組合對科研團隊績效的影響。

2.3 測量和校準

2.3.1 前因變量

研究表明，項目負責(zé)人的特征屬性（如年齡、教育、工作經(jīng)歷等）對科研項目研發(fā)的效率和成功至關(guān)重要[8,9,13,18]。因此，本文選取團隊負責(zé)人個人屬性中的社會屬性和學(xué)術(shù)能力作為前因變量。社會屬性包含學(xué)者所屬機構(gòu)等級、生理年齡、專業(yè)技術(shù)職稱、職業(yè)年齡；選取學(xué)者的發(fā)文總數(shù)、總被引頻次、篇均被引頻次、h指數(shù)、g指數(shù)、p指數(shù)作為團隊負責(zé)人的學(xué)術(shù)能力測度指標。

1）團隊負責(zé)人的所屬機構(gòu)等級。已有研究顯示，依托單位支持能夠?qū)茖W(xué)基金資助項目績效發(fā)揮調(diào)節(jié)作用[33]。因此本文參考2021年校友會中國大學(xué)排名[34]所對應(yīng)的星級排名，將團隊負責(zé)人所屬機構(gòu)等級分成8個級別。

2）團隊負責(zé)人的生理年齡。已有研究表明，項目負責(zé)人的生理年齡與項目產(chǎn)出息息相關(guān)[9]。故本文采用團隊負責(zé)人在項目結(jié)題時間的生理年齡作為前因變量之一。

3）團隊負責(zé)人的專業(yè)技術(shù)職稱。相關(guān)研究表明，項目負責(zé)人的專業(yè)技術(shù)職稱與項目績效呈正相關(guān)關(guān)系[9]，故本文選取結(jié)題年份團隊負責(zé)人的專業(yè)技術(shù)職稱作為前因變量之一。

4）團隊負責(zé)人的職業(yè)年齡。學(xué)術(shù)界對學(xué)者的職業(yè)年齡有兩種界定，一種是以學(xué)者發(fā)表第一篇論文時的年齡作為起始年來計算職業(yè)年齡[35]，另一種是以學(xué)者獲得博士學(xué)位的時間作為起始年來計算職業(yè)年齡[35]，本文選擇第二種方法來計算團隊負責(zé)人的職業(yè)年齡。

5）團隊負責(zé)人的發(fā)文總數(shù)。發(fā)文總數(shù)通過計算團隊負責(zé)人發(fā)表論文的總數(shù)得出。

6）團隊負責(zé)人的論文總被引頻次。論文總被引頻次是指團隊負責(zé)人所發(fā)表的全部論文被他人引用的次數(shù)總和。

7）團隊負責(zé)人的論文篇均被引頻次。論文篇均被引頻次是團隊負責(zé)人所發(fā)表論文總被引頻次除以發(fā)文總數(shù)得到的數(shù)值。

8）團隊負責(zé)人的h指數(shù)。h指數(shù)是用于評價學(xué)者科研產(chǎn)出的重要指標，由美國物理學(xué)家Hirsch[36]提出。學(xué)者的h指數(shù)（h-index）定義為該學(xué)者發(fā)表的n篇論文中有h篇論文每篇至少被引h次，能夠綜合反映學(xué)者的學(xué)術(shù)能力，本文選取h指數(shù)作為前因變量之一。

9）團隊負責(zé)人的g指數(shù)。為了改進h指數(shù)，比利時文獻計量學(xué)家Egghe[37]提出了g指數(shù)。g指數(shù)能夠反映學(xué)者的累計貢獻，例如某學(xué)者僅發(fā)表了少量高被引論文，其h指數(shù)較低，但可能有較高的g指數(shù)。因此g指數(shù)弱化了學(xué)者論文總發(fā)文量的影響，對職業(yè)年齡較小的學(xué)者更為公平。本文g指數(shù)參考Egghe[37]給出的計算方法如（公式1）所示：

其中，α為Lotkaian指數(shù)，α＞2；T是作者發(fā)文總數(shù)。

10）團隊負責(zé)人的p指數(shù)。p指數(shù)是為了修正h指數(shù)對于論文高被引、成果數(shù)量增加等缺乏靈敏度與區(qū)分度的問題而提出的指數(shù)，將h指數(shù)與論文數(shù)量及平均引用率之間建立關(guān)聯(lián)，在出版數(shù)量和質(zhì)量之間提供最佳平衡[35]。本文p指數(shù)采用Prathap[38]提出的計算方法如（公式2）所示：

其中，C為總被引頻次，N為總發(fā)文數(shù)。

2.3.2 結(jié)果變量

學(xué)術(shù)界對績效有許多定義，通過前人的研究[12,16,39]可知，績效產(chǎn)出的研究主要集中在學(xué)者個人以及主題領(lǐng)域的影響力。SSCI/SCIE數(shù)據(jù)庫為美國科學(xué)信息研究所（ISI）所創(chuàng)，其權(quán)威性受到國內(nèi)外學(xué)術(shù)界的認可[40]，EI期刊論文與SCI、ISTP、SSCI以及A&HCI同屬于第二級A類學(xué)術(shù)論文[41]。因此本文將項目結(jié)題時發(fā)表的被SSCI/SCIE和EI檢索收錄的論文數(shù)量[42]作為結(jié)果變量來衡量科研團隊的績效。

2.3.3 變量賦值及校準

首先對變量進行賦值，將文本語言轉(zhuǎn)換為數(shù)學(xué)語言，涉及到文本變量分別為團隊負責(zé)人的“專業(yè)技術(shù)職稱”和“所屬機構(gòu)等級”。其中設(shè)定專業(yè)技術(shù)職稱為三類，賦值分別是：正高級別（正教授、正研究員）設(shè)為3，副高級別（副教授、副研究員）設(shè)為2，講師設(shè)為1；同時參考2021年校友會大學(xué)排名對團隊負責(zé)人所屬機構(gòu)等級從1到8進行賦值。

參考Fiss[27]和Ragin[20]的研究以及本文特定的研究對象，將所屬機構(gòu)等級的校準錨點分別設(shè)為8、4.5、1，將專業(yè)技術(shù)職稱的校準錨點分別設(shè)為3、2、1，剩下變量的校準錨點分別設(shè)為樣本數(shù)據(jù)的上四分位數(shù)、中位數(shù)與下四分位數(shù)。分別對應(yīng)完全不隸屬（模糊評分＝0.05）、交叉點（模糊評分=0.5）以及完全隸屬（模糊評分=0.95），各變量具體校準點及描述性統(tǒng)計如表1所示。

表1 各變量校準錨點及描述性統(tǒng)計

3 實證結(jié)果與分析

3.1 必要條件分析

遵循QCA規(guī)范的操作步驟，第一步進行單個前因變量的必要性分析，即當結(jié)果發(fā)生時，如果某個相互獨立的單個前因變量總是存在，那么這個前因變量就是結(jié)果的必要條件[43]。本研究根據(jù)Schnecider和Wagemann[29]的建議，設(shè)定必要條件的一致性系數(shù)門檻為0.9。當前因變量的一致性大于0.9時，意味著有90%以上的案例符合一致性條件，表明前因變量被認為是結(jié)果變量的必要條件。覆蓋度數(shù)值大小描述了前因變量對結(jié)果變量的解釋力，解釋力的強弱通過覆蓋度數(shù)值的大小表明，一般來說，解釋力大于0.3，證明變量的選取是有意義的[30]。使用fsQCA3.0軟件[44]，得到的分析結(jié)果如表2所示。

表2 單個前因變量的必要性檢測

從表2的數(shù)據(jù)可以看出，團隊負責(zé)人專業(yè)技術(shù)職稱的一致性為0.956，大于0.9。說明318個科研團隊案例中，95.6%的高績效產(chǎn)出的團隊負責(zé)人都具有“教授”職稱，高職稱對SCI和EI論文產(chǎn)出具有顯著的正向塑造作用。本文的研究發(fā)現(xiàn)與針對項目負責(zé)人專業(yè)技術(shù)職稱的相關(guān)研究結(jié)果類似，即高職稱對科研項目高績效產(chǎn)出起到促進作用[9,45]。

其他的單個前因變量的一致性均小于0.9，說明除了“團隊負責(zé)人職稱”變量之外，不存在作為高SSCI/SCIE和EI論文產(chǎn)出必要條件的單個前因變量，即多個條件組合共同作用才能使科研團隊產(chǎn)生較高的績效。

3.2 充分條件分析

進一步對實現(xiàn)科研團隊高績效的組態(tài)進行充分性分析。根據(jù)Ragin[20]提出的一致性系數(shù)門檻應(yīng)盡可能接近1.0，結(jié)合數(shù)據(jù)性質(zhì)和案例數(shù)量，本研究將充分條件一致性門檻設(shè)定為0.8，可接受案例數(shù)為1。使用fsQCA3.0軟件[44]分別輸出復(fù)雜解、簡約解和中間解，參考已有文獻，本文對中間解進行分析[46]。表3中展示的是通過fsQCA3.0軟件分析得出的中間解，可以觀察到每種構(gòu)型中團隊負責(zé)人屬性的出現(xiàn)或缺失情況。一共有6種組態(tài)，每種組態(tài)結(jié)果如表4所示。參考Ragin和Fiss[47]的研究結(jié)果表述方式，●和·表示前因變量出現(xiàn)，?和?表示前因變量不出現(xiàn)；●和?表示核心條件，·和?表示邊緣條件，“——”表示前因變量出現(xiàn)與否對結(jié)果沒有影響。

表3 中間解的實證結(jié)果

表4 產(chǎn)生高績效的條件組態(tài)

整體來看，如表3和表4所示，可以發(fā)現(xiàn)，有6種團隊負責(zé)人特征因素組合可以導(dǎo)致科研團隊高績效的產(chǎn)出，這些組態(tài)構(gòu)成科研團隊高績效的充分條件。這6種組態(tài)的一致性和總體一致性均大于0.8，說明6種組態(tài)均能正向?qū)е驴蒲袌F隊績效的提高。同時，模型解的總體覆蓋度為0.494，表明所得結(jié)果解釋了約49%導(dǎo)致科研團隊高績效的原因。在上述的6種組態(tài)中，團隊負責(zé)人的所屬機構(gòu)等級特征屬性全部以不存在的形式出現(xiàn)，所以不會對科研團隊高績效產(chǎn)生顯著性影響；團隊負責(zé)人的生理年齡、h指數(shù)、p指數(shù)、g指數(shù)特征屬性分別在導(dǎo)致科研團隊高績效產(chǎn)出的4種組態(tài)中以存在的形式出現(xiàn)，它們作為核心條件均出現(xiàn)4次以上，說明這4個特征屬性對導(dǎo)致科研團隊高績效產(chǎn)出有正向驅(qū)動作用。在影響科研團隊高績效產(chǎn)生中，發(fā)揮作用較小的特征屬性是團隊負責(zé)人的職業(yè)年齡和論文篇均被引頻次，職業(yè)年齡在導(dǎo)致科研團隊高績效產(chǎn)出的3種組態(tài)中以不存在的形式出現(xiàn)、2種組態(tài)中以邊緣條件的形式出現(xiàn)以及1種組態(tài)中存在與否對結(jié)果沒有影響；論文篇均被引頻次在導(dǎo)致科研團隊高績效產(chǎn)出的1種組態(tài)中以不存在的形式出現(xiàn)、4種組態(tài)中以邊緣條件的形式出現(xiàn)以及1種組態(tài)中存在與否對結(jié)果沒有影響。

根據(jù)表4產(chǎn)生高績效的各條路徑要素組成及團隊負責(zé)人特征屬性，可以概括成“年長智慧型”和“青年才俊型”兩種模式，以下對其進行分析和闡述。

3.2.1 年長智慧型

年長智慧型模式的前因變量構(gòu)型存在4種，4種構(gòu)型的一致性都在80%以上，對被解釋的結(jié)果即產(chǎn)生高績效有著很高的解釋力。其中，組態(tài)1的一致性為0.83，唯一覆蓋率是6種組態(tài)中最高的，組態(tài)2的一致性僅次于組態(tài)1。

組 態(tài) 1：～org*age*sa*pap*cit*h*g*～p， 即團隊負責(zé)人的所屬機構(gòu)等級低*生理年齡大*職業(yè)年齡大*發(fā)文總數(shù)高*論文總被引頻次高*h指數(shù)高*g指數(shù)高*p指數(shù)低時，會導(dǎo)致科研團隊高績效產(chǎn)出；

組態(tài) 2：～org*age*～sa*～pap*cit*ac*h*g*p，即團隊負責(zé)人的所屬機構(gòu)等級低*生理年齡大*職業(yè)年齡小*發(fā)文總數(shù)低*論文總被引頻次高*論文篇均被引頻次高*h指數(shù)高*g指數(shù)高*p指數(shù)高時，會導(dǎo)致科研團隊高績效產(chǎn)出；

組態(tài) 3：～org*age*sa*～pap*ac*h*～g*p，即團隊負責(zé)人的所屬機構(gòu)等級低*生理年齡大*職業(yè)年齡大*發(fā)文總數(shù)低*論文篇均被引頻次高*h指數(shù)高*g指數(shù)低*p指數(shù)高時，會導(dǎo)致科研團隊高績效產(chǎn)出；

組態(tài) 4：～org*age*～pap*～cit*ac*～h*～g*p，即團隊負責(zé)人的所屬機構(gòu)等級低*生理年齡大*發(fā)文總數(shù)低*論文總被引頻次低*論文篇均被引頻次高*h指數(shù)低*g指數(shù)低*p指數(shù)高時，會導(dǎo)致科研團隊高績效產(chǎn)出。

可以發(fā)現(xiàn)在年長智慧型中，高生理年齡作為核心條件出現(xiàn)4次，高h指數(shù)和高p指數(shù)作為核心條件均出現(xiàn)3次，說明年長智慧型的團隊負責(zé)人的生理年齡、h指數(shù)和p指數(shù)特征屬性是導(dǎo)致科研團隊高績效產(chǎn)出的主要影響因素。已有研究表明，隨著年齡增長個人會獲得更多經(jīng)驗與資源，學(xué)術(shù)生產(chǎn)率和學(xué)術(shù)影響力持續(xù)提升[48]。h指數(shù)和p指數(shù)都是通過發(fā)文總量、引用量計算數(shù)值結(jié)果，p指數(shù)是在h指數(shù)的基礎(chǔ)上進一步優(yōu)化了的評價指標，能夠彌補h指數(shù)的靈敏度弱與區(qū)分度低的缺陷。將h指數(shù)和p指數(shù)結(jié)合起來使用，不僅可以利用h指數(shù)衡量科研人員高品質(zhì)論文集合的大小，而且可以利用p指數(shù)測評其整體綜合實力的強弱，進而更全面地反映科研人員的績效水平[49]。

3.2.2 青年才俊型

青年才俊型的前因變量構(gòu)型存在2種，2種構(gòu)型的一致性都在82%以上，對被解釋的結(jié)果即產(chǎn)生高績效有著很高的解釋力。

組態(tài) 5：～org*～age*～sa*pap*～cit*～ac*h*g*～p，即團隊負責(zé)人的所屬機構(gòu)等級低*生理年齡小*職業(yè)年齡小*發(fā)文總數(shù)高*論文總被引頻次低*論文篇均被引頻次低*h指數(shù)高*g指數(shù)高*p指數(shù)低時，會導(dǎo)致科研團隊高績效產(chǎn)出；

組態(tài)6：～org*～age*～sa*pap*cit*ac*～h*g*p，即團隊負責(zé)人的所屬機構(gòu)等級低*生理年齡小*職業(yè)年齡小*發(fā)文總數(shù)高*論文總被引頻次高*論文篇均被引頻次高*h指數(shù)低*g指數(shù)高*p指數(shù)高時，會導(dǎo)致科研團隊高績效產(chǎn)出。

在青年才俊型中，新時期的青年人具有較大的潛能，對新的知識與技術(shù)產(chǎn)生較強的興趣，并且具有較強的可塑造性和很強的優(yōu)勢[50]。通過分析可以發(fā)現(xiàn)，組態(tài)5和組態(tài)6相比，團隊負責(zé)人特征屬性中的h指數(shù)和p指數(shù)間存在替代關(guān)系，論文總被引頻次和論文篇均被引頻次間存在互補關(guān)系。說明前因變量間有明顯的替代或互補關(guān)系，某些影響因素并不需要同時存在便可以與其他前因變量一樣導(dǎo)致科研團隊高績效產(chǎn)出，這種現(xiàn)象與前人研究相似[51,52]。例如黃鐘儀等人[51]發(fā)現(xiàn)對于創(chuàng)新產(chǎn)出影響的政府補貼解釋視角和能力孵化解釋視角之間具有明顯的替代關(guān)系。此外，高發(fā)文總數(shù)和高g指數(shù)作為核心條件出現(xiàn)2次，說明青年才俊型的團隊負責(zé)人的發(fā)文總數(shù)和g指數(shù)特征屬性是導(dǎo)致科研團隊高績效產(chǎn)出的主要影響因素。g指數(shù)越大，該學(xué)者的學(xué)術(shù)影響力越大、學(xué)術(shù)成就越高，通常作為h指數(shù)的補充或提高指標[53]。

3.3 穩(wěn)健性檢驗

檢查分析結(jié)果的穩(wěn)健性是QCA分析的關(guān)鍵步驟。參考Fiss[27]的做法，調(diào)整前因變量中團隊負責(zé)人的所屬機構(gòu)等級與專業(yè)技術(shù)職稱特征屬性的校準標準，按照新的校準標準重新進行校準與運算，發(fā)現(xiàn)二次實驗輸出的結(jié)果與之前的結(jié)果基本吻合。表明科研團隊績效的影響因子具有良好的穩(wěn)健性，對于科研團隊高績效有著比較穩(wěn)健的解釋力。

4 結(jié)論

本研究分析了人工智能領(lǐng)域2017-2019年已結(jié)題的318個國家自然科學(xué)基金面上項目的績效影響因素組合。研究發(fā)現(xiàn)團隊負責(zé)人的專業(yè)技術(shù)職稱特征屬性構(gòu)成科研團隊高績效的必要條件；提高科研團隊績效的6個組態(tài)可以歸納為2種模式，分別為年長智慧型和青年才俊型；提高科研團隊績效的不同組合的前因變量之間存在替代或互補關(guān)系，青年才俊型中的團隊負責(zé)人特征屬性中的h指數(shù)和p指數(shù)間存在替代關(guān)系，論文總被引頻次和論文篇均被引頻次間存在互補關(guān)系；總體來看，每個條件組合都不強調(diào)團隊負責(zé)人的所屬機構(gòu)等級特征屬性對科研團隊績效的影響，科研團隊高績效的形成并不依賴于固定的前因變量組合，不同的團隊負責(zé)人特征屬性經(jīng)過合理組合能夠產(chǎn)生多條等效路徑。

本文將fsQCA方法引入跨學(xué)科科研團隊績效影響因素的研究中，加深了對影響科研團隊績效的復(fù)雜因果機制的認識，明確了科研團隊中團隊負責(zé)人特征屬性與團隊績效的關(guān)系及其聯(lián)動效果。此外，本文進一步將科研團隊績效的影響因素研究轉(zhuǎn)移到項目負責(zé)人視角，突破了以往文獻基于領(lǐng)導(dǎo)行為[8]、成員功能[54]、合作質(zhì)量[55]等維度研究科研團隊績效的局限?，F(xiàn)有研究對項目負責(zé)人視角下跨學(xué)科科研團隊績效影響因素路徑的研究相對較少，而fsQCA作為一種對主流定量研究中“凈效應(yīng)”思維的補充，可以為認識和解釋跨學(xué)科科研團隊績效產(chǎn)出影響因素的因果復(fù)雜關(guān)系提供一種整體的視角[51]。通過團隊負責(zé)人特征屬性多因素組合對科研團隊績效的影響路徑來看，年長智慧型和青年才俊型學(xué)者帶領(lǐng)的科研團隊高績效產(chǎn)出的可能性較大，但在人才選拔或評價過程中，依然要恪守“能力第一，年齡無歧視”的原則[56]，只有這樣，才能保證科技資源的優(yōu)化配置和人才評價及遴選的客觀性。本研究也存在一定不足之處，目前研究對象僅是信息科學(xué)部下屬的一個典型的交叉學(xué)科領(lǐng)域的團隊樣本，數(shù)據(jù)樣本僅限于國家自然科學(xué)基金結(jié)題的面上項目，下一步研究可以在更多的領(lǐng)域和不同類型的團隊進行研究。對于團隊項目績效的評價，未來可增加替代計量相關(guān)指標進行拓展研究。