自原子式创新被信息技术冲击伊始,协同合作的网络创新模式异军突起,在逐渐拓展至旅游领域的同时,也主导着旅游科研团队的形成和演化。在此背景下,文章运用机器学习方法识别旅游科研团队类型及其创新绩效影响因素,借此赋能旅游科研团队...自原子式创新被信息技术冲击伊始,协同合作的网络创新模式异军突起,在逐渐拓展至旅游领域的同时,也主导着旅游科研团队的形成和演化。在此背景下,文章运用机器学习方法识别旅游科研团队类型及其创新绩效影响因素,借此赋能旅游科研团队创新知识持续产出和旅游学科繁荣发展。研究基于1983—2022年Web of Science数据库中刊载的3624篇旅游领域SSCI论文,从合作网络视角出发,采用K-均值聚类算法将旅游科研团队划分为不同类型,运用分类与回归树算法挖掘不同类型团队多维网络特征与创新绩效之间的复杂非对称关系,研究发现:1)旅游科研团队共有链型合作、完全型合作和复杂型合作3种类型,不同类型科研团队的结构和创新绩效分布差异明显,证实了聚类划分的合理性和必要性;2)在合作网络高度相似的旅游科研团队中,要素差异化配置使其获得创新绩效的概率不一,表明每类团队创新绩效具备“殊途同归不同效”的特征,此为旅游科研团队选择恰当的合作方式开展创新的理论基础;3)除了网络异质性外,其余合作网络特征未对旅游科研团队创新绩效发挥较为普适的作用——链型合作团队主要由网络直径-网络异质性双低配置驱动,完全型合作团队主要由网络规模扩大-聚集系数减小-网络异质性降低驱动,而复杂型合作团队主要由网络密度较低配置驱动。研究结论为我国不同类型旅游科研团队如何优化合作网络构型以实现高水平创新绩效目标提供了新的参考依据。展开更多
文摘自原子式创新被信息技术冲击伊始,协同合作的网络创新模式异军突起,在逐渐拓展至旅游领域的同时,也主导着旅游科研团队的形成和演化。在此背景下,文章运用机器学习方法识别旅游科研团队类型及其创新绩效影响因素,借此赋能旅游科研团队创新知识持续产出和旅游学科繁荣发展。研究基于1983—2022年Web of Science数据库中刊载的3624篇旅游领域SSCI论文,从合作网络视角出发,采用K-均值聚类算法将旅游科研团队划分为不同类型,运用分类与回归树算法挖掘不同类型团队多维网络特征与创新绩效之间的复杂非对称关系,研究发现:1)旅游科研团队共有链型合作、完全型合作和复杂型合作3种类型,不同类型科研团队的结构和创新绩效分布差异明显,证实了聚类划分的合理性和必要性;2)在合作网络高度相似的旅游科研团队中,要素差异化配置使其获得创新绩效的概率不一,表明每类团队创新绩效具备“殊途同归不同效”的特征,此为旅游科研团队选择恰当的合作方式开展创新的理论基础;3)除了网络异质性外,其余合作网络特征未对旅游科研团队创新绩效发挥较为普适的作用——链型合作团队主要由网络直径-网络异质性双低配置驱动,完全型合作团队主要由网络规模扩大-聚集系数减小-网络异质性降低驱动,而复杂型合作团队主要由网络密度较低配置驱动。研究结论为我国不同类型旅游科研团队如何优化合作网络构型以实现高水平创新绩效目标提供了新的参考依据。
