购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

07 连战连胜,描绘职业生涯更为精细的画面

在物理学界,1905年以“奇迹年”著称。就在那一年,爱因斯坦发表了4篇彻底改变物理学的论文。他解释了布朗运动,印证了原子和分子的存在。他发现了光电效应,向量子力学迈出了关键的一步,并因此项发现在15年后获得诺贝尔奖。他创立了广义相对论,完全改变了我们对时间和空间的认知。然后,在这一年的年末,他写下了世界上最著名的公式: E = mc 2

爱因斯坦的1905年堪称“连胜”之年,一年中爆发出一系列卓越的成就。“连胜”是一个在体育运动或赌博中常见的词。在篮球比赛中,如果你两次投的都是空心球,那么第三次又这样投进时你一点也不会感到惊讶。你甚至可能“感觉”有那么一个神奇并充满魔力的气场在帮助你。虽然数十年来,连胜现象被视为理所当然,但在1985年,一项被大量引用的心理学研究却对是否存在连胜产生了质疑 [126] ,这项研究认为投篮时连续得分的概率并不高于掷硬币的概率。该研究表明,这一概念是个谬论,原因在于我们对小数字的心理偏见,就是说连交好运不过是你的感觉,这种好运实际上是概率使然。1985年的研究使心理学家和统计学家产生了争执,至今仍未平息 [127]-[130] ,比如有统计学论文声称,将其称作谬论这种说法可能本身就是个谬论,“连胜”现象在体育运动中似乎确实是存在的 [127] [131] 。但是,由于辩论是针对体育运动、赌博和金融领域的,这就引发了一个非常有趣的问题:如果用科学家一生中发表的一系列论文来描述他们的职业生涯,那么,他们是否也经历过职业生涯的连胜期呢?

成功的爆发

如第5章所述,对于科学家、艺术家以及电影导演,我们已经知道他们的前3个最成功的成就都是在成果序列中随机出现的。这个发现告诉我们,创造性是随机的,是不可预测的,偶然性是决定主要成就产生时间的最关键因素。换言之,科学家的职业生涯不大可能出现连胜。但同时,随机影响规则引发了一个令人困惑的问题:在我们获得重大突破后会发生什么?

马太效应告诉我们,成功孕育更多成功。因此,当我们有一个高影响力的成果,即使它产生的时间是随机的,我们随后也极有可能产出更多高影响力的成果。然而根据随机影响规则,情况似乎应该是相反的。如果职业生涯中每篇论文的影响力都是随机的,那么一次成功后的下一篇论文可能只是趋于平庸,而不是更为轰动,从而形成对均值的回归。那么,我们取得重大突破后真的会回归平庸吗?

为了回答这个问题,我们分析了职业生涯中高影响力成果产出的相对时间 [117] 。确切地说,我们问了这样一个问题:假设某人做出了他最优秀的成果,那么他下一个最佳成果会出现在什么时候?为了衡量职业生涯中两个最优秀成果产出时间的相关性( N * N ** ),我们计算了它们两者共同发生的联合概率 P ( N * , N ** ),然后将它与代表 N * N ** 随机独立发生的零假设进行比较。从数学的角度来说,这一比较可以借助归一化的联合概率 φ ( N * , N ** )= P ( N * , N ** )/ P ( N * ) P ( N ** ),其结果可以由矩阵最好地呈现出来(见图7-1)。如果 φ ( N * , N ** )大约为1,那么职业生涯中最优和次优成果共同发生的可能性就和两者随机发生的情况差不多。但是如果 φ ( N * , N ** )大于1,这就意味着 N * N ** 更有可能连续出现,表明存在一种随机影响规则未能预测到的相关性。

图7-1 艺术界、文化界和科学界职业生涯中的连胜现象
不同的颜色表现了职业生涯中最高影响力成果的联合概率。 φ ( N *, N )**﹥Ⅰ(沿对角线的红色块部分)表明两次重大成功比在随机情况下更有可能连续发生 [117]

图7-1显示了科学界、艺术界以及电影行业职业生涯的 φ ( N * , N ** ),从中得出3个重要结论。

· 首先, φ ( N * , N ** )沿矩阵的对角元素的取值明显偏高,表明 N * N ** 相对于随机情况更有可能连续出现。换句话说,如果知道你最优秀的成果在职业生涯中何时发生,我们就会非常清楚地知道次优成果会在何时发生——离最优成果不远。科学家接连发表两篇最具影响力的论文,其平均概率是随机情况下的1.57倍。

· 其次, φ 的特点是大致沿对角线均匀发散,这表明最优秀的成果产生于次优成果之前或者之后的可能性大致相当。

· 最后,共同发生的特点并不局限于职业生涯中最有影响力的两个成果。如果对其他成对的重要成果重复我们的分析,如 N * N *** 以及 N ** N *** ,会发现同样的规律。不仅是最顶尖的两个成果靠得很近,第三个优秀的成果也同样就在前两个附近。

这些结果为个人职业生涯描绘了一幅更为精细的画面。虽然每个最高影响力成果出现的时间是随机的,但个人职业生涯中顶尖论文产出的相对时间却遵循着高度可预测的模式。严格来说,个人职业生涯轨迹并不是真正随机的。相反,职业发展中的重大成果产出时间具有高度的群集性,高影响力成果有时会连续出现,呈现“爆发”态势。而且这些特征并不局限于科学家的职业生涯。艺术家和电影导演的重大成果也遵循相似的模式,这表明在大量创造性工作中,成功作品的出现具有普遍性的群集现象。那么,这些不同寻常的模式背后的机制是什么呢?

连战连胜模型

要想了解职业生涯中重大成果爆发式产生的原因,我们还是从前面讨论的 Q 模型开始。假定科学家每次发表论文,论文的影响力取决于特定分布下的一个随机数,而且这一分布对这位科学家来说是固定的。由于引用量近似遵循对数正态分布,为方便起见,我们可以假定引用量的对数遵从一个平均值为 Γ i 的正态分布。这一零模型所生成的职业生涯很好地遵循了随机影响规则:每个优秀成果,包括最优秀的那个,在职业生涯中都是随机出现的 [2] [116] 。所有这一切都依赖于运气,也就是从随机分布中抽彩票的回报。

但是,这个零模型却不能重现图7-1所描述的时间相关性。主要原因展示在了图7-2中。为了方便解释,我们在3个领域分别选取一个个体,测量他的职业生涯中 Γ i 的演化。这些样例表明 Γ i 不是固定的。相反,它具有一个基准值( Γ o ),一直持续到职业生涯的某一时间点,之后上升到一个较高的值 Γ H Γ H Γ o )。这种表现的提升将持续一段时间,直到最终它跌回到与 Γ o 相近的水平。这一观察引发一个有趣的问题:如果假设每个人都具有 Γ H 这样的短暂提升时期,是否可以用一个简单的模型来解释图7-1所记录的模式呢?

图7-2 “连胜”模型
为方便说明,我们选择并计算了一位科学家(a)、艺术家(b)和电影导演(c)的 Γ H 。真实的职业生涯有着明显的时序演化,其特点是短期影响力提升。(d)至(f)是职业生涯中连胜期次数的直方图,表明“连胜”现象具有普遍性,但通常又具有唯一性。大多数人都会有连胜期,但多数情况下只有一次 [117]

注意,这个新的模型只是在 Q 模型的基础上引入了一个简单的变量,让影响力在一个短暂时期内提升。但有趣的是,这个小小的变化却能够解释随机影响规则或 Q 模型所不能重现的实验观察(见图7-1)。在 Γ H 起作用期间,个人的表现相较于平常的 Γ o 处于更高的水准。我们将这一模型称作“连胜”模式,其中 Γ H 持续的时期等同于连胜期。

“连胜”模型的真正价值体现在真实职业生涯数据的分析上。科学家连胜期的发生时间与强度的参数,让我们可以得到几个重要的观察结果。

· 计算表明,连胜在创造性领域的职业生涯中普遍存在。约90%的科学家经历过至少一次连胜期,艺术家为91%,电影导演为82%。这意味着,连胜并不限于爱因斯坦那充满奇迹的1905年。电影导演彼得·杰克逊(Peter Jackson)的连胜期持续了3年,期间他执导了《指环王》( The Lord of the Rings )三部曲。凡·高的连胜期始于1888年,那一年他从巴黎移居到法国南部,相继完成了《黄房子》《凡·高的椅子》《阿尔勒的卧室》《夜间咖啡馆》《罗纳河上的星夜》《静物:花瓶里的12朵向日葵》等画作。

· 尽管连胜具有普遍性,但它在创造性职业生涯中又具有唯一性。事实上,当放宽计算要求,允许存在至多3个连胜期,我们发现有68%的高影响力科学家仅经历过1次连胜期[见图7-2(d)]。第二次连胜有可能发生,但可能性较低,多于两次则非常少见。

· 连胜在职业生涯中的出现是随机的,这进一步解释了随机影响规则。如果连胜随机出现在职业生涯所产出的成果序列中,而从统计角度看,最高影响力的工作最有可能发生在连胜期,那么其发生的时间也是随机的。

· 连胜期持续时间相对较短。持续时间分布的峰值对科学家来说大约为3.7年,这表明不管连胜在科学家的职业生涯早期还是后期出现,它至多能持续4年。而对于艺术家和电影导演,持续时间约为5年。

· 虽然人们能在连胜期产出更有影响力的成果,但那段时间的产出率并不像我们期望的那样高,只是这期间的成果相较于其他成果质量更优而已。

我们为什么会有连胜期?这里有几个说得过去的假设。例如,创新者可能碰上一个开创性的,或者非常有意义的构想,而后产生了一系列高影响力的成果。或者,由于高水平的工作越来越多地由团队产出,因此个人的连胜可能对应着一个高产的、连续的,却是短期的合作关系。或者,它可能与职位变化有关,比如为评上终身教职,而会在一段固定时间内谋求影响力的提升。对真实职业生涯的分析表明,虽然这些假设都有道理,但没有哪一个能单独解释我们观察到的连胜现象。我们对科学家职业生涯进行了一些初步分析,结果表明,在广泛探索后开始进行专精的研究,似乎是连胜期开始的一个信号。随着更多个人职业生涯的数据可供使用,我们也许能够确定连胜的驱动力和触发因素,从而可以回答一系列新的问题。我们能够预测连胜的开始和终结吗?能够创造一个氛围,以促进连胜的启动,并让它长时间持续下去吗?

科学的真相
The Science of Science
人类活动的爆发 (18)

短期的超高水平发挥并不局限于创造性工作,爆发这一特征也常见于各种各样的人类活动。例如,人们通常认为,像打电话这样的人类活动是随机发生的。如果真是随机的,事件与事件之间的时间间隔应遵循指数分布。但测量结果表明并不是这样:在多数人类活动中,事件之间的时间间隔近似幂律分布 [132]-[134] 。这就是说,事件序列呈现出爆发的特征,多个事件在一个相对短暂的时间内发生,但偶尔在两个事件之间有较长的时间间隔。尽管爆发与连胜以不同的方式测量,但这些例子说明连胜与人类活动中的爆发特征具有共性,连胜现象很可能在创造性领域之外也存在。

连战连胜意味着什么

在科学界,未来的影响力对于聘用、职业发展、科研支持以及其他决策都至关重要。然而连胜现象说明,能力表现可能相当不均衡:科学家在连胜期表现得更为出色。连胜发生的时间和强度左右着科学家职业生涯的影响力。就这点来讲,忽略连胜现象以及它在职业生涯中具有唯一性的特点,有可能导致系统性地过高或过低评估一个人未来的影响力。

例如,如果连胜期出现在职业生涯早期,它将带来一段时间的高影响力,但早期的事业高峰可能会逐渐减弱,直到第二个连胜期出现。如果某位科学家还没有经历他的连胜期,如果根据他当前的影响力对其职业生涯进行判断,很可能会低估他未来的潜力。连胜现象与资助机构也有很紧密的关系,因为连胜期和科研经费都是持续4年左右,这也就产生了一个问题,如何让资助经费最大化地推动个人职业发展。

但无可否认,要依据连胜现象实施改变是一个挑战。在终身教职评审中,一位年轻的科学家可能会为他不算出色的成果辩解说:“我的连胜期就要来了!”这显然非常荒谬。连胜也会给有年龄门槛的奖项带来问题。数学界的最高奖项“菲尔兹奖”只授予40岁以下的数学家。中国国家杰出青年科学基金是中国科学家事业成功的重要标志,该基金也不接受45岁以上的申请者。鉴于这些强制性的年龄限制以及连胜期的随机性,这可能意味着相当一部分当之无愧的候选人会失去机会,仅仅是因为他们的连胜期来得迟了一些。

此外,我们初步的分析还表明,在资助决策中考虑连胜现象可能并不像看起来那么简单。比如,我们调查了美国国家卫生研究院资助的授予时间和项目负责人连胜期开始的时间,发现项目负责人更有可能在获得他们第一笔R01资金之前就已经开始了连胜期。也就是说,科学家的连胜并不是发生在获得基金资助之后。相反,资助是产生于连胜之后。这些发现与美国国家卫生研究院强调研究基础是一致的,而且从资助方的角度考虑也是合理的,因为经历过连胜的科学家往往影响力更高,因而也就更值得资助。但同时,如果将资助决策与过去的成功联系起来,这些发现也提出了这样一个问题:资助方可能会错过项目负责人最富创造力的关键时期,特别是考虑到,连胜在科学家个人的职业生涯中通常只会出现一次。

总体来说,如果我们的目的是鉴别并培养那些在各自研究领域中更有可能具备持久影响力的科学家,我们就必须将连胜这一概念纳入考量因素,否则我们可能就会错失极其重要的机遇。耶鲁大学在这方面就有深刻的教训。

前文介绍过约翰·芬恩以及他后来的发现。在67岁时,他发表了研究成果,证实了一个新的电喷雾离子源。这是一个重大突破,或者至少他认为是这样的,但耶鲁大学仍然让他退休,将他请出校园。当他不太情愿地在弗吉尼亚联邦大学重新安顿下来之后,该校为他提供了实验室供其继续研究,自此,他的连胜期得以开启。1984—1989年,他的研究论文一篇接一篇地发表,并最终创立了电喷雾离子化的质谱分析法,使大分子和蛋白质的测量更快、更准确,促进了癌症诊断和治疗上的许多创新。那5年的连胜期,发生在芬恩被强制退休期间,但最终确立了他的事业,并使他获得了2002年的诺贝尔化学奖。他的连胜期是如此明显,看看图5-5便可一目了然。芬恩引用量最高的论文发表于何时?次之的论文是什么时候?再次之的又是什么情况?它们都出现在同一个5年中。

对许多有志于在这个世界上留下印记的科学家来说,芬恩职业生涯中的连胜现象有着极其重要、催人奋进的启示。还记得我们曾在第3章深入讨论过的传统观点吗?我们最优秀的成果将可能产生于30~40岁,那时我们有坚实的经验基础,同时也拥有充沛的精力和满腔的热情来延续我们的高产出。而一旦过了职业生涯的中点,实现重大突破的希望就开始减弱。但连胜现象与随机影响规则一道,否定了这种说法。连胜可以出现在职业生涯的任何阶段,能产出一系列高影响力成果。

所以,本章带来了希望:每一位头发刚刚变白的人,无论是否真的变老,不要仅凭这一点就自我放弃。只要我们像芬恩一样,持之以恒地做出成果,就像为了找到那张幸运的A,从一堆扑克牌中不断抽牌,我们的连胜期有可能就在不远处。

这也意味着,虽然我们不会都有爱因斯坦或芬恩那样的影响力,但只要坚持,我们自己的奇迹年可能就在前方,举目可期,指日可待。 hVdo6T9pArs400ELS0vf2adkInsFe50XINYdlyrTypf6lxP8M2B8yqXorCQo0++M



第二部分
团队组建的科学新思维
大团队解决现有问题发展科学,小团队提出新问题颠覆创新

Part 2
The Science of Collaboration

科学的故事
The Science of Science

2015年,马尔科·德拉戈(Marco Drago)还是位于德国汉诺威的爱因斯坦研究院的博士后研究员,在激光干涉引力波天文台(LIGO)工作。这个项目的目标就是要检测出引力波——由两个黑洞相撞引起的时空的涟漪。该项目有4条数据“管道”,德拉戈的绝大部分时间都用来监测其中的一条,即从LIGO的探测器发来的原始数据中自动搜索异常信号的自动化计算机系统。就在2015年9月14日午餐前,在和一个同事通电话时,自动邮件提醒通知他,在4千米长的超高真空管道里安装的敏感激光束刚刚探测到了振动。这样的事情并不罕见,但当德拉戈点开邮件时,他马上感觉到这次情况有所不同。按照LIGO的标准,这次的振动规模巨大。虽然振动幅度小于万亿分之一英寸 (19) ,但其规模超出以往事件的两倍多。事实上,由于震动规模太大了,所以并没有引起德拉戈的重视。看起来太过理想,不可能是真的。

直到5个月之后,9月14日事件的真实性才得到正式确认。正如2016年2月12日所宣布的那样,自动邮件所记录的事件是真的。这个微弱的信号告诉我们,宇宙中的两个黑洞在大约13亿年前相互碰撞,形成了一个比太阳重62倍的新的黑洞。它们碰撞所放射出的能量功率,是整个宇宙所有恒星辐射功率总和的50多倍,产生的引力波像波浪一样向各个方向扩散。引力波以光速在太空中扩散,在扩散过程中强度逐渐减弱,终于在2015年9月的一个宁静的清晨到达了地球,在探测器上产生了一个幅度大约是质子直径千分之一的振动。这次振动证实了爱因斯坦广义相对论的预测,一些人认为这是“21世纪最重大的发现”。

虽然德拉戈是最先目睹这一信号的幸运儿,但这并不是他一个人的发现。一个国际科研团队花了40年时间搭建这个实验,当宣布成功观测到引力波的论文 [135] 最终发表时,列出了来自世界各地的1 000多位作者。他们当中有物理学家,设想出方案,计算它的可行性;有工程师,设计管道;有行政人员,日复一日地管理着实验的运作。LIGO的资金投入高达11亿美元,是美国国家自然科学基金会迄今为止资助的规模最大也最雄心勃勃的项目。

而当普鲁士科学院在1915年11月首次听说后来被视为“20世纪最重大的发现”时,那篇论文的作者只有一个人,那就是爱因斯坦。这两个发现正好间隔100年,它们揭示了过去1个世纪中科学所经历的一个重要变化。科学研究曾被认为是个人的奋斗,想象一下爱因斯坦、达尔文、霍金,他们都是这一旅程中的独行侠,一步一步艰难前行,直到最后大喊:“我发现了!”而今天,大多数科学研究都是由团队 (20) 来实施的 [136] [137] 。科学和工程领域的所有论文,90%都是由多位作者共同撰写的。它们可能是两人团队,如揭示DNA结构的詹姆斯·杜威·沃森(James Dewey Watson)和弗朗西斯·克里克(Francis Crick),但许多重要发现都是通过大规模合作完成的,如欧洲粒子物理研究所的合作项目、曼哈顿计划或者阿波罗计划。科研团队做出的重大突破是单枪匹马的科研人员无法企及的。这些大规模团队项目往往具有重大的影响力,而这些影响力不仅作用于科学,也同样作用于经济和社会。以人类基因组计划为例,在推动基因革命的同时,约38亿美元的直接花费还带来了7 960亿美元的经济增长,创造了310 000个工作机会 [138] 。不过,这些大规模的合作也为科学家提出了一些新的独特挑战,比如团队交流和团队协作等。这些问题如果不能得到解决,则将极大地危及项目的成功。

为什么有些合作影响深远、成果丰硕、长期持续,而另外一些则以失败告终,甚至有时一败涂地呢?哪些因素会提高或者阻碍团队的效率?我们怎样才能组建一个高产的团队?团队有最合适的规模吗?团队是怎样逐步发展,又怎样随着时间的推移最终解散的呢?怎样保持团队成员的稳定,同时又使其多样化?对于团队取得的成果,功劳该如何分配?在第二部分,我们将重点关注常被称作团队科学学(Science of Team Science,SciTS)方面的浩瀚文献,研究科研人员在团队中怎样协调合作,共同工作。首先来思考一个简单的问题:在科学界,团队重要吗? +mEscSBgg2TtOQyD3syP7FUi/xrVL5Qq9mimjkoJivRuqTzP7H3Z1IaIKe3p17NA



08 团队在科学中日益增长的主导地位

在21世纪,团队对科研产出的影响达到何种程度?一项研究对1 990万篇科研论文和210万项专利的作者数量进行了分析,揭示了几乎普遍存在于所有学科中的团队化倾向[见图8-1(a)]。例如,1955年,科学与工程领域的论文几乎有一半都是由一位作者独立完成的。但到了2000年,只有一位作者的论文数量大幅减少,而由团队发表的论文数量占到了总数的80%。更为重要的是,团队化的驱动因素并不仅是源自科学实验的挑战越来越大,越来越复杂,越来越昂贵。通常只需纸和笔的学科,比如数学和社会科学,也都呈现出相同的模式。1955年,在社会科学中,由团队撰写的论文仅占论文总数的17.5%,但到了2000年,团队合作发表的论文占了大多数,达到了51.5%,呈现出与自然科学界相同的向团队转移的趋势。

图8-1 团队日益增长的主导地位
(a)过去50年由团队撰写的论文和专利的比例变化。每条线代表相应学科分支每年的算术平均值,不同颜色表示不同学科。
(b)团队相对影响力(RTI)的计算方法是:用团队发表的论文获得的引用量平均数,除以同一学科中只有一位作者的论文获得的引用量平均数。比值为1表示团队和独立作者论文具有相似的影响力。曲线代表RTI在整个学科中的算数平均值 [136]

但也许比团队化倾向本身更为有趣的是团队产出的成果。团队产出的成果并不仅表现在数量上,在质量上,其成果也具有更大的影响力 [136] 。平均来看,在所有时间点以及所有的研究领域,团队发表的论文比只有一位作者的论文都获得了更多的引用 (21) [见图8-1(b)]。

如果只关注排名非常靠前的高影响力论文,那么团队的影响力就更加明显:团队正逐渐成为最重要科研成就的产出主体。虽然在20世纪50年代早期,某一研究领域里引用最多的论文更有可能是由一位作者完成的,但这一模式已在数十年前反转过来 [139] 。今天,在自然科学和工程学领域中,用获得1 000次以上引用的概率来比较的话,团队发表的论文要比只有一位作者的论文高6.3倍。这一规律在艺术、人文科学以及专利领域更为显著。自从20世纪50年代开始,在这些领域中,团队往往会比个人更容易产出最具影响力的研究成果。

最优秀、最聪明的科学家更愿意合作

为什么团队对科学的主导能达到这样的程度?一个假设认为,在产生真正的创新思想方面,团队更为出色。通过聚集各有所长的行家里手,团队可以形成一个更广阔的知识库,这是个人的知识储备所无法比拟的。通过利用不同的研究方法和研究主体,团队更能够对不同的构思和概念进行创造性组合。就如第17章将要介绍的那样,引入新的元素同时又保持传统理念的论文,获得成功的概率增加了至少两倍 [92] 。将新的组合融入熟悉的知识领域的可能性,团队比单个作者高了37.7% [92] 。由于突破现代科学的最大挑战往往需要跨学科的专长,团队逐渐成为完成未来重大科研突破的关键创新引擎。

对于研究者个人来说,团队合作还有其他优势 [141] 。比如,一起工作的同事能够互相交换想法,互相检查工作,这既有助于创新,又有助于严谨。团队合作有利于研究者本人向新的合作者和学科领域展示自己的研究成果,从而获得更广泛、更多样化的受众,进而提高研究者本人的知名度。另外,团队合作还能保障研究经费。一项针对斯坦福大学15年间2 034名教师的研究发现,团队合作产生了更多的项目申请,获得了更多的研究经费 [142]

因此,不难想象,最优秀、最聪明的科学家就是那些更愿意合作的科学家。1963年,社会学家哈丽雅特·朱克曼(Harriet Zuckeman)开始研究杰出科学家的工作方式,走访了当时生活在美国的55位诺贝尔奖获得者中的41位。她发现,对团队合作的偏爱是他们的共同点之一。跟比他们稍逊但同样优秀的同事比较,诺贝尔奖获得者更愿意与人合作,这使他们在科学研究上获得了明显、长期的优势 [101]

科学的真相
The Science of Science
不受年龄限制的团队工作

在创造性领域进行合作并不是一项现代发明。中国的《永乐大典》是世界上最大的纸质百科全书,全书共11 095册,22 937卷,由明朝永乐皇帝于1403年主持编撰,由2 000多名学者花5年时间合作完成。

图8-2 2014年《永乐大典》在中国国家图书馆展出

科学团队化的两大驱动因素

近来团队型研究的猛增主要源于两个因素。

第一,随着科学的复杂性日益增加,扩展前沿知识所需的工具也在规模和精度上不断提升。比如,位于欧洲粒子物理研究所的大型强子对撞机(LHC)是世界上最大的粒子对撞机,对粒子物理学的研究极其关键。但建造这种工具成本非常高,是任何单一研究者和机构都难以负担的。离开团队合作,不管是LHC的构想还是经费支持,都是难以实现的。来自100多个国家的10 000多位科学家和工程师共同参与了这个项目。因此,团队合作不仅是有益的,而且是必需的,它迫使整个科学界集中资源来提升科学认知。

第二,不断扩展的人类知识,体量如此巨大,任何个人都不可能获知一切。即使那些相对小众冷门的专业,一代又一代科学家所积累的知识重担仍在持续增长。为应对这一难题,科学家往往专攻一个特定方向,聚焦研究问题,从而更快地做好知识储备,抵达领域前沿。这样的专业化导致了科学界“多面手的消亡”,这一现象在文献中多有记载 [104] 。确实,由单个发明者提交的一系列专利申请数据显示,他们越来越多地停留在一个技术领域,越来越难做出无关联性的新发明。因此,当跨学科研究所需要的知识体量越来越难以承受,合作就成了突破个人专业领域局限的一种方式 [104] [105] 。也就是说,科学家不仅希望合作,他们也不得不选择合作。不断增长的专业化程度意味着,每个人都能很好地处理某一专门领域的科学问题,但要解决现代科学所面对的复杂问题,科学家需要把所有部分都整合起来,将不同技能和知识融为一体。

距离的消失

随着国际互联网的使用以及越来越便宜的交通,突破传统的地域限制,开展跨国合作比以往任何时候都更容易。实际上,团队在不断突破机构和国家的界限。通过分析420万篇发表于1975—2005年的论文,研究人员区分了三种不同的作者类型:独立作者、在同一所大学工作的合作者以及跨院校的合作者 [143] 。在这三类作者中,不同院校之间的合作发展最为迅速,事实上,这也是唯一稳定增长的作者结构。在所调查的这30年里,这样的跨院校合作在自然科学和工程学领域增长了4倍,达到了发表论文总数的32.8%[见图8-3(a)]。社会科学也经历了同样的发展趋势,多所大学合作撰写的论文数量在这个时期上升得更为迅速,其占比高达34.4%[见图8-3(b)]。

图8-3 多所大学合作的增长

通过比较不同作者类型产出论文的比例,上图证实了1975—2005年,院校之间合作的比例在稳定增长。这种增长在自然科学和工程学(a)和社会学领域(b)特别显著,但在艺术和人文科学领域仍然较弱,在这些领域,任何形式的合作都很少见 [143] 。大学内部合作的比例在此期间基本保持不变,但在自然科学和工程学以及社会学领域,独立作者的论文呈明显下降趋势。

今天,团队也正在越发突破国家的界限。从世界范围来看,1988—2005年,由多个国家的作者合作发表的论文比例从8%增加到20% [144] 。另一项针对1981—2012年发表的论文的分析,计算了不同国家国内外科研合作的比例 [145] 。虽然总的科研产出随时间显著增加,但美国和西欧国家的国内合作产出则基本持平。这意味着,国际合作在这段时间助推了这些国家的科学发展(见图8-4)。与此形成对照的是,在新兴经济体国家中,国际合作与国内产出之间仍存在很大差异。中国、巴西、印度和韩国的论文发表总量增加了20倍,从1981年不足15 000篇,发展到2011年超过300 000篇。但在这4个国家的科研论文产出中,约有75%仍完全依靠国内合作(见图8-4)。

图8-4 国际合作越来越重要
如果某篇论文的全部作者的地址都属于同一个国家,它便算作该国的国内产出。对比左右两侧的图我们发现,国际合作产出的增长在发达国家远超国内产出的增长,但在新兴经济体国家并不是这样。 [145]

国际合作的明显增长可以归结为以下几个因素。我们已经知道,团队论文的引用量通常比独立作者的论文高。而国际 [145] 或者校际 [143] 的合作会进一步强化这一优势。在英美两国,国际合作的论文的引用量要高于国内合作的论文。这一优势也在不断增长。2001—2011年,这种“影响溢价”在这两个国家都提升了20%。大学间合作也有相似的影响力优势 [143] :当整个团队来自同一所大学,发表一篇引用量高于平均水平的论文的概率,在自然科学和工程学领域约为32.7%,在社会学领域约为34.1%。但是,如果合作者来自不同院校,这一概率则分别增加了2.9%和5.8%。

虽然突破地理界限开展合作的优势显而易见,但现代科学“距离消失”的一个重要后果,就是影响力和资源获得上的不公平性日渐增加 [12] [141] [146] 。科学家在选择合作者时不会受到大学校园的限制,但很少能突破大学声望等级的限制。精英大学的研究者更有可能与其他精英大学的科研人员合作,而普通院校的研究者也往往同与之差不多的院校研究者合作 [143] 。因此,即使地理距离不再重要,社会距离的作用却与日俱增。这种院校之间的阶层分化,可能进一步加剧科学家个体间的不平等。

另外,科研人员在合作网络中的地位,也极大地影响着合作的收益。假如一个非洲国家提供专项资金,帮助它的研究人员与美国的大学合作开展研究,那么这些研究人员会首先选择哪些美国院校呢?是常春藤联盟,还是小型的文科院校?毫无疑问,他们最有可能寻求精英大学的著名科研人员。这也意味着,名牌大学的成功科学家,更有可能从全球合作网络所提供的资源中获得好处。考虑到多所大学合作完成的论文比同一所大学内部合作完成的论文影响力更大,而精英大学的研究人员更有可能从事这样的跨院校合作,因此,杰出科研成果的产生可能将越来越集中于精英院校 [141] [143]

虽然科学研究团队化加剧了科研人员个人和院校的不平等,但它也使整个世界受益 [146] 。如今的情况往往是由美国或欧洲名牌大学的成功科学家设计研究项目,再由欠发达国家的合作者开展研究,因为在这些国家里,开展劳动密集型的科研工作成本不会太高。这样的合作能使双方受益,有助于突破发达国家和欠发达国家之间的知识壁垒。

与此同时,科学的全球化还对“人才流失”产生了严重影响 [145] ,可能加剧国内外科研水平的差距。随着科学越来越国际化,每个国家都能更方便地与全球知识库发生联系,这样一来,一个国家中最聪明的科学家可以在其他地方继续研究工作。但反过来,这可能损害一个国家的科研人力资源。因此,在真正有能力的科学家越来越少的情况下,要想保持国家的科技竞争力,理解团队科学的微妙动态是非常必要的,只有这样才能继续拥有并吸引全球人才。

正如本章所展现的那样,团队在驱动整体知识产出以及重大的科研突破方面,起着越来越重要的作用。曾经罕见的团队合作现已成为科学研究的主导力量,这是科学家、政策制定者,或者资助机构不可忽视的现象。然而,尽管团队工作具有许多优势,但我们仍有理由相信,团队在科学发现中的作用还没有达到最优化 [137] [141] [147] 。例如,虽然团队合作能确保一个构思是正当合理的,毕竟整个团队需要信任一个项目才能推动它 [147] ,但在推动之前,团队成员需要达成共识,这个过程就可能成为阻碍前进的因素。

尽管合作能够帮助研究人员跨越学科界限产生新的灵感和假说,但合作和交流所产生的时间与精力成本也不可忽视,在有些情况下可能超过合作研究带来的好处。这一代价也因为团队工作的功劳划分问题而进一步复杂化。因此,如何平衡好这些复杂的因素,是建立成功的科研团队的关键,而这也是我们在下一章要讨论的内容。 +mEscSBgg2TtOQyD3syP7FUi/xrVL5Qq9mimjkoJivRuqTzP7H3Z1IaIKe3p17NA

点击中间区域
呼出菜单
上一章
目录
下一章
×