石 靜，孫建軍，2

（1. 南京大學信息管理學院，南京 210023；2. 南京大學數據智能與交叉創(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變。團隊創(chuàng)新形式占比提高、團隊規(guī)模擴大，已經成為現代科技創(chuàng)新的重要特征之一[2-3]。

關于團隊創(chuàng)新的研究較多。從研究對象來看，以科學研究團隊為主，對技術團隊的關注相對較少，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，結合作者-作者合著關系、作者-成果歸屬關系等建立關聯網絡，在此基礎上分析網絡連通性、平均路徑長度、節(jié)點分布規(guī)律等指標[4]。但技術創(chuàng)新與科學創(chuàng)新不同：首先，科學與技術在研究目的、對象、語詞、邏輯與社會規(guī)范上有本質區(qū)別[5]，科學研究目的是探究自然社會的基礎結構、性能和規(guī)律，更追求全新、原創(chuàng)的知識；技術研究則更關注人工自然系統(tǒng)，側重已有知識的應用。這使得科學與技術具有各自獨特的知識積累結構和創(chuàng)新模式[6]，因此，創(chuàng)新團隊也相應地具有不同的行為規(guī)律。其次，技術創(chuàng)新主要依賴科技企業(yè)，而非高校等學術機構，企業(yè)中的創(chuàng)新團隊往往規(guī)模更大，為搶占技術產權獲得競爭優(yōu)勢，往往在同一主題下同時進行多個相關方向研究，不放過任何一個可能的突破口，這使得技術團隊在定義上就與多數研究中的“合著者”有區(qū)別。因此，技術團隊創(chuàng)新是一個新的研究場景。

近年來，隨著研究的深入，學者開始關注團隊結構及其對創(chuàng)新成果的影響，知識多樣性是衡量團隊知識構成特征的重要指標。根據研究視角的不同，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，側重創(chuàng)新過程中團隊成員之間的交互行為，更關注人口多樣性；系統(tǒng)學視角，側重團隊系統(tǒng)整體構成與各部分的功能，更關注功能多樣性；知識創(chuàng)新視角，更側重基于原有知識的知識再生產過程，更關注知識多樣性。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在團隊整體的知識結構變化中，改變團隊知識多樣性。在技術團隊創(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構研究的基礎上，考慮這一問題情境的特征，提出一種新方法用于識別技術團隊、構建團隊知識網絡、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]。本文關注圍繞特定的技術研發(fā)任務的項目團隊，具體涉及發(fā)現問題、制定決策、采取行動等環(huán)節(jié)，是技術創(chuàng)新活動在團隊層面的體現，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，是現代技術研發(fā)的主體。對技術團隊的創(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、優(yōu)化團隊管理、提高團隊創(chuàng)造力，為團隊領導者與創(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，在研究和實踐領域得到廣泛應用。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)新產品的數量、創(chuàng)新性等。其中，數量測度是使用最早、認可性最強的指標，但隨著研究的深入，學者發(fā)現以創(chuàng)新性為代表的創(chuàng)新質量也是不容忽視的測度維度。創(chuàng)新質量反映了團隊創(chuàng)新產品在技術領域中、經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，會對團隊績效產生不同程度的影響，根據關注屬性的類別差異，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）關注成員在與任務目標有關的知識屬性差異，反映團隊知識類別的豐富性、平衡性和差異性方面的異質化特征，也反映團隊知識組成的種類范圍、分布模式和異質化程度[11]，這種“高度工作相關”的多樣性往往會對更需創(chuàng)造力或創(chuàng)新性的任務產生重要影響[12]。在現代技術創(chuàng)新過程中，知識主題廣泛，任務更為復雜，技術團隊需要吸引更多知識異質個體參與其中，構建更加多元化的成員任務網絡，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系有不同的結論。持積極態(tài)度的學者占大多數，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化信息與看待問題的視角，使得團隊產生更加科學可行的決策[14]。同時，多來源的信息更有可能產生多樣化的解決方案，能夠對團隊創(chuàng)新成果的數量有積極影響，這一點已在汽車、化工、電子、生物制藥等多個領域得到證實[15]。此外，成員知識與經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，異質化團隊比同質化團隊往往能產出更具獨創(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)調理論出發(fā)，關注知識多樣性背后隱含的專業(yè)背景、職業(yè)經驗、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)調和知識整合過程，對團隊績效產生負面影響[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、任務類型、知識結構等，從而對創(chuàng)新績效產生不同的作用。因此，對知識多樣性與創(chuàng)新績效關系的探究必須結合具體情境具體分析；當前，關于技術團隊創(chuàng)新這一情境下的相關研究仍然較少，兩者之間的關系也尚待探究。

2 實驗設計

2.1 數據獲取與處理

專利作為重要的創(chuàng)新成果，是技術團隊知識特征與創(chuàng)新能力的綜合反映，因此，本文選擇專利作為技術團隊創(chuàng)新情境下知識多樣性與創(chuàng)新績效關系探究的數據基礎，進一步選擇在生物制藥領域這個專利較多、體系較成熟的領域中進行實證。已有研究通常是將同一專利的合作者作為團隊，這種方法已經受到一些質疑[18]。技術創(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，在一定時限內持續(xù)合作的群體，提出一種新的方法識別技術團隊。

本文的數據來自全球專利數據庫（Worldwide Patent Statistical Database，PATSTAT）（2020），選取生物制藥領域2017—2019 年的合作專利數據（專利發(fā)明人≥2）構建發(fā)明人合作網絡，使用最大連通圖識別算法識別技術團隊；關聯這些團隊成員在2000—2016 年的專利申請數據，構建團隊知識網絡，測度團隊知識多樣性，技術細節(jié)請見本課題組前期的研究工作《科技創(chuàng)新團隊的知識網絡構建與知識測度研究》[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 人的團隊中就已經增長緩慢，之后急劇下降[20]。據此，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代表技術知識i與j的技術相似度；pi代表技術i在整體知識中的占比；pj代表技術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，其根據專利和實用新型所涉不同技術領域，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表示技術相似度，為提升準確性，本文結合常見的兩種測度思路——知識流動[22]和技術耦合[23]，前者基于知識引用關系，后者基于知識共現關系測度相似度——分別測度后取均值作為最終的sij。最終計算的多樣性指數經標準化后位于0～1，數值越大，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、新程序來應用和創(chuàng)造知識，以獲得創(chuàng)新成果的表現，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)新成果觀測數據，從創(chuàng)新數量（innovation productivity）、創(chuàng)新質量（innovation quality）和創(chuàng)新廣度（innovation scope） 3 個維度測度創(chuàng)新績效，分別對應專利申請數量、專利被引數量、申請專利所在4 位IPC 分類數量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果穩(wěn)定性，替代的測度指標分別是專利授權量、專利授權比例和授權專利所在IPC 分類去重數量。

已有研究證明，團隊創(chuàng)新在大小團隊中的表現差異較大[20]。為驗證技術團隊中知識多樣性的效應是否也受到團隊規(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，將團隊技術年齡、團隊創(chuàng)新產量和團隊創(chuàng)新質量等作為控制變量，全部變量及其描述如表1 所示。

表1 變量描述

3 實證結果和分析

3.1 描述性統(tǒng)計與相關性分析

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，專利授權量均值為6.11，整體授權比僅為16%。從專利范圍來看，授權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)新數量和創(chuàng)新質量的差距較大。

表2 變量描述性統(tǒng)計和相關性分析

圖2 展示了知識多樣性與創(chuàng)新績效的相關關系。從圖2 中可以看到，知識多樣性與創(chuàng)新績效的數量、質量、廣度3 個維度均呈現正相關關系。

圖2 知識多樣性與團隊創(chuàng)新績效相關性

圖3 展示了不同規(guī)模團隊中兩者的相關關系。從圖3 中可以看到，知識多樣性與團隊創(chuàng)新績效的正相關關系在不同規(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)新數量與創(chuàng)新廣度的提升更為明顯。

3.2 回歸結果分析

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 展示了回歸結果，模型1-1～模型1-3 匯報知識多樣性與團隊創(chuàng)新數量的關系。模型1-2 顯示知識多樣性對團隊創(chuàng)新數量具有顯著的正向效應（p<0.01），當控制住其他可能影響績效的團隊特征后，這種正向效應降低16%（模型1-3）。從創(chuàng)新質量維度看，知識多樣性也具有顯著正向效應（β=0.38，p<0.01，模型1-5），即使控制其他特征后這種效應也沒有減弱，說明這種知識多樣性對創(chuàng)新質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），控制變量后效應減弱15%，仍然顯著。

表3 回歸結果

團隊規(guī)模對創(chuàng)新績效的影響主要體現在數量、廣度維度，且影響較?。欢鴮?chuàng)新質量沒有顯著影響，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域有更多的產出，但并不會顯著提升創(chuàng)新質量。對團隊規(guī)模的調節(jié)效應分析，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，但也僅限于數量和廣度維度。圖4 展示了團隊規(guī)模的調節(jié)效應，可以直觀地看到，在創(chuàng)新數量與廣度方面，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)新數量與創(chuàng)新廣度的調節(jié)效應

3.3 穩(wěn)健性檢驗

為了驗證研究結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，然后用加權平均的方法將平均因果效應匯總到總的因果效應中[24]。本節(jié)選擇傾向評分匹配（propensity score matching，PSM）方法進行數據匹配，構建實驗組和對照組，減少系統(tǒng)性誤差。以技術年齡、創(chuàng)新數量與創(chuàng)新質量為協(xié)變量，這些屬性值在團隊建立時就已經確定，滿足條件獨立假設，可以賦予匹配結果因果解釋。為方便清晰觀測主效應與調節(jié)效應，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 支團隊作為樣本數據。采用最鄰近匹配（nearest neighbor matching，NNM） 方法，以傾向評分為依據，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，結果如表5 所示。對比表3 中全樣本的回歸結果，系數略有變動，但知識多樣性對創(chuàng)新績效的正向效應、團隊規(guī)模在數量與廣度維度的調節(jié)效應均顯著（圖6），充分證明了回歸結果的穩(wěn)健性。

圖6 團隊規(guī)模調節(jié)效應

表5 PSM匹配數據回歸結果

3.3.2 變量替換

本節(jié)對因變量進行替換，使用專利授權數量替代專利申請數量測度創(chuàng)新數量，使用專利授權比替代專利被引量測度創(chuàng)新質量，使用授權專利的IPC類別數量替代申請專利的IPC 類別數量測度創(chuàng)新廣度，數據仍采用PSM 匹配得到的392 對團隊，模型回歸結果如表6 所示。從整體來看，主效應顯著性依然很強，但系數有所降低。尤其是在創(chuàng)新質量方面，系數從0.36（模型2-4）降低至0.07（模型3-4）。授權比例與被引數量均可作為創(chuàng)新質量的合理測度方法，但反映了質量的不同方面。專利授權需要滿足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。當使用專利授權的相關指標測度時，團隊規(guī)模的調節(jié)效應發(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)新績效的正向效應隨之減弱，圖7展示了調節(jié)效應。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匹配數據的調節(jié)效應

表6 穩(wěn)健性檢驗回歸結果

4 結論與展望

4.1 結論與討論

本文利用連通子圖識別算法從專利合作者網絡中識別技術創(chuàng)新團隊，進而構建團隊知識網絡，對知識多樣性進行測度，探究知識多樣性與團隊創(chuàng)新績效的關系。研究結果表明，知識多樣性對創(chuàng)新數量、創(chuàng)新質量與創(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果進行穩(wěn)健性檢驗，這種正向效應均顯著。

團隊規(guī)模的調節(jié)效應較為復雜，它會增強知識多樣性對創(chuàng)新數量和廣度的正向效應，但替換團隊創(chuàng)新績效的測度指標后，這種調節(jié)效應變?yōu)樨撓颉＿@種現象與替換前后測度指標所反映的特征存在差異有關，模型1-1～模型1-9 和模型2-1～模型2-6 使用專利申請數量、被引數量、專利申請廣度進行績效測度，模型3-1～模型3-6 使用專利授權數量、授權比例、專利授權廣度進行測度，后者指標均與專利授權相關，側重于反映創(chuàng)新成果的創(chuàng)造性、新穎性與實用性，而前者側重創(chuàng)新成果在各維度的數量特征。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，這與其他學者關于大規(guī)模團隊中創(chuàng)新質量降低的結論相似[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)新成果中的共現頻率。從圖7 中可以看到，高多樣性團隊的知識網絡涉及知識的數量、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，涉及的知識大類數量、類型一般均較少，但網絡密度較高，例如，在Team_51 中僅涉及單個大類、5 個小類的知識，但網絡呈現全連接結構。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構，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量，但并不一定意味著更高的質量與價值，反而能夠在中小規(guī)模團隊中創(chuàng)造較好的整體績效。這為以技術創(chuàng)新為目標的團隊建設提供了參考，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域，過分追求知識多樣性可能只能片面地提高成果數量。

表7 各組團隊相關指標及知識網絡示例

同時，不同測度方法帶來的結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、數據統(tǒng)計口徑的差異，帶來截然不同的結果。Bruns 等[26]的研究發(fā)現，哪怕是最簡單地將專利數量作為創(chuàng)新測度標準，也會因專利搜索策略、專利質量標準的選擇不同，而得出不同的政策影響評估結果。這在一定程度上解釋了相關研究中，知識多樣性與創(chuàng)新績效關系的結果差異。

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團隊創(chuàng)新行為。技術研發(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，已經成為主流的技術創(chuàng)新方式。已有研究對于知識多樣性與團隊績效關系的研究結論莫衷一是，尤其是針對技術團隊的研究較少。本文從知識創(chuàng)新的視角對相關研究進行拓展，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。研究結果證明，在技術創(chuàng)新過程中，這種知識多樣性對團隊創(chuàng)新數量、質量與廣度均存在顯著正向影響。大團隊中有關創(chuàng)新產量維度的指標被增強，但在小團隊中有關創(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構與創(chuàng)新目標的關系，在具體創(chuàng)新場景的參照下，有針對性地優(yōu)化知識結構，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，在團隊知識網絡構建中采用集合方法，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)藥領域進行實證，研究結論是否能在廣泛的技術創(chuàng)新領域得到支持有待商榷。未來研究仍需要進一步在不同技術領域驗證方法的普適性。