在学科综合性、复杂性研究的背景下，个人独自研究已无法满足当前科研工作要求，科学的研究需要多视角、多领域、多学科进行交流与合作，合作逐渐成为科研活动的主流[1]，团队合作可以促进成员间知识共享，在交流、反思中实现知识融合与创新。其中，高校科研团队是学科内或跨学科的科技攻关群体[2]，而高校教师因其工作性质、知识水平较高、专业素质较强等特性，成为国家科学技术研究和知识创新的关键力量 [3]，大学教师的学术创新能力是创新能力的核心力量[4]。这些成员在一起，通过知识交流、共享，产生新思想，达到知识创新。研究表明，不同的合作形式对个体和团队的知识创新绩效影响不同，需采取相应的知识管理策略。因此，为帮助高校有更好的发展，高校教师知识创新应引起高度重视，予以深入研究。

对照组与实验组在IEMG贡献率上具有高度的一致性。贡献率比较高的下肢骨骼肌为股外侧肌、胫骨前肌、股内侧肌和股直肌。股外侧肌、股内侧肌、股直肌都属于股四头肌，可以使小腿伸，近固定时可以使大腿屈，远固定时使大腿在膝关节处伸。太极拳练习中的弓步、虚步动作中的主要主动发力肌肉为股四头肌，具有维持平衡或控制动作的作用，弓步和虚步中，也都需要胫骨前肌的收缩使踝关节跖屈。以上肌肉均属于大腿和小腿的前群肌肉，因此，可以认为在太极拳运动中下肢骨骼肌的前群肌肉起主导作用，后群肌肉主要起协同、平衡和固定关节的作用。这表明，太极拳练习缺乏对股二头肌、腓肠肌等大腿和小腿后群肌力的练习。

旅游业是一个强综合性行业，这使得个体的力量很难完成跨学科、跨领域的研究。不同教育背景、知识结构、职业背景、地区的成员间合作，形成科研合作网络，不仅加强团队间成员互动，也能带来多种认知信息、经验和资源[5]，将多样化知识加以融合、创新，形成具有高质量的研究成果。然而，在目前旅游领域中，研究多侧重学术成果及影响力的排序和评价[6-7]，对科研团队、学者合作网络以及有关合作网络与知识创新绩效关系的研究较少涉及。这些现状促使学界思考什么样的旅游科研团队有利于知识创新，提升教师个人乃至高校的科研水平，是否存在特殊的合作网络特征和作用机制。因此，探讨旅游教师科研合作网络对知识创新绩效的影响非常必要。

加快西部、少数民族及偏远贫困地区教育信息化建设教育信息化可以突破时空限制、加快知识传播、扩大资源覆盖、降低办学成本，对解决贫困地区学校的特殊困难、缩小教育发展差距、满足学生多样需求具有独特优势。从一定意义上讲，为贫困地区学校插上“信息化翅膀”，就能把优质教育资源输送到最需要的地方，贫困地区教育跨越发展就有了“加速器”。

1 理论与假设

1.1 科研合作网络结构特征与知识创新绩效的关系

1.1.1 网络密度与知识创新绩效的关系

网络密度主要描述网络节点之间的紧密程度。团队成员中合作次数越多，互动程度越大，网络密度越大。一部分学者认为网络密度对学者知识创新绩效产生正向影响。Coleman[8]认为，密集型网络更利于成员间建立信任关系，增强互动程度，提高网络内部信息和资源的流动效率，有利于个人和组织的创新水平提升。亦有学者[9]认为，网络密度越大，反而成为限制其发展的重要力量，不利于群体绩效的提升。另外，Krackhardt[10]提出的“组织黏性”概念中，指出适中的网络密度对绩效具有促进作用。

从成本回报的方面考虑，本研究认为随着网络规模的扩大，网络间的成员联系势必会减少，如果要求保持原有的紧密程度，就需花费更多的时间、金钱等成本进行维护，由于投入的成本有限，网络密度过大，使知识创新绩效呈现下降趋势。因而提出以下假设：

假设4c：知识多样性正向调节结构洞对知识创新绩效的影响，即知识多样性加强了结构洞数目对知识创新绩效的正向影响。

假设1：网络密度对知识创新绩效有负向影响。

互联网金融简言之是将金融功能以互联网技术为载体，依托云计算在互联网平台形成的金融服务体系。互联网金融在人们普遍认识和接受互联网的基础上，将互联网与传统金融结合，形成的满足目前市场需求的新型金融模式，其本质是金融，媒介是互联网。互联网金融发展快、覆盖率高、效率高、成本低，明显弥补了传统金融市场的短板[1]。但是互联网金融发展时间短，模式尚存在漏洞，如管理弱，风险管控困难，目的不明确等缺点。

1.1.2 网络中心性与知识创新绩效的关系

网络中心性是对网络中节点（个体）权利的量化分析，可以看出某个体在网络中的独特贡献。点度中心度高的个体，相比网络中其他个体而言，更活跃且关系更多[11]。如此该行动者便会有一定优势，能够吸引更多个体与之建立联系，增加获取信息渠道和类型的机会。Sparrowe[9]等通过研究也发现中心性与个体绩效之间呈正相关。

假设4b：知识多样性正向调节网络中心性对知识创新绩效的影响，即知识多样性加强了网络中心性对知识创新绩效的正向影响。

之后，本研究将中心化处理的知识多样性分别以高于一个标准差和低于一个标准差为准，进一步层次回归分析，分析不同水平下的知识多样性对网络密度与知识创新绩效关系的调节作用，并绘制出调节效应图（图2）。结果表明，在高知识多样性水平下，网络密度与知识创新绩效之间存在显著负向关系（β=-0.762，p＜0.0001）；而在低知识多样性水平下，网络密度与知识创新绩效的线性关系不显著，（β=0.06，p=0.227＞0.05）。图2更显示了当合作学者的知识多样性水平高时，其网络密度越高，知识创新绩效越低。因此，与原假设H4a相反，即合作者的知识多样性加强了网络密度对知识创新绩效的负向影响。

1.1.3 结构洞与知识创新绩效的关系

结构洞主要反映居于中间位置的个体会在所在网络中处于重要地位，并在很大程度上控制资源的流动[12]。Burt[13]认为结构洞是两个接触者间的非重复性关系，一个人如果处于结构洞位置，他可以控制资源的传递，从而可以有获利的空间，这个人就在网络中占据优势位置。根据Burt的“结构洞”理论，个体如想成为资源占据者，就需要让自己在所处网络中占据结构洞位置，使原本没有关系的群体形成联结，从而让自己成为信息流动的媒介。

基于此，本研究认为，一个节点越处于网络的核心位置，它的结构洞数目可能越多，所受网络限制度也就越小，越可能获取更多非冗余信息，以促进知识创新绩效的提升。结合上述研究，本文假设：

假设3：结构洞对知识创新绩效具有正向影响。

1.2 合作成员知识多样性调节与网络结构特征的交互效应

1.2.1 合作成员知识多样性调节网络密度对知识创新绩效的影响

当网络密度增加，团队成员互动加大，不仅会导致时间、精力等成本的投入增加[11]，也会使网络成员的知识同质化程度越高，阻碍新观点、新思路的产生，不利于知识创新绩效的提升。但是，如果合作成员的知识有较大差异时，则会调节成员间的互动对知识创新的影响。如果一个科研合作网络密度过大，成员间互动频繁使得合作者之间的知识趋于同质化；如果科研合作者之间的知识具有多样化特征，就可以减少因网络密度过高带来的知识同质化程度。因此我们认为合作成员知识多样性能够调节网络密度对知识创新绩效的影响。鉴于以上分析，提出如下假设：

[3] 王发莉.西藏地区高校大学英语四、六级考试通过率的调研报告与问题分析[J].西藏科技，2014（5）：18-19.

1.2.2 合作成员知识多样性调节中心性对知识创新绩效的影响

中心性会影响其获取和控制资源的能力[13]。当某个体处于网络中心位置时，该个体有机会扩大沟通网络，便于获取更多知识，提高创新能力与绩效[14]。然而，这些研究仅从团队成员的关系角度出发，并没有考虑到团队成员自身属性。由于合作成员之间具有不同的知识背景、研究方向等，他们之间产生的知识差异性同样会调节成员之间的关系及互动。例如当合作者之间的知识多样性较低时，网络中心性高的个体获取信息和资源会比较单一，从而削弱了个人获取和控制资源的能力，中心性对其知识创新绩效的促进作用就会降低或不明显。相反，当团队成员的知识多样性处于高水平时，网络中心性较高的个体就可以从他周围获得相对丰富的信息与资源，从而促进该学者的知识创新绩效水平的提高。因此，本文提出如下假设：

MCMC方法的收敛性诊断方式有多种，方法一是对多个初值产生多个马尔科夫链，观察历史迭代图，波动幅度稳定时说明收敛；方法二是观察遍历均值，在得到的马尔科夫链中每隔一段距离计算参数的遍历均值，当这样算得的均值稳定时，可认为抽样收敛；方法三是方差比收敛性诊断，当方差比曲线稳定在1.0左右时说明抽样收敛。本文采用陆乐等[6]提出的EM（Ensemble Mean）和 ES（Ensemble Spread）两个指标来诊断样本是否收敛，当样本序列的EM和ES值稳定时认为抽样收敛。

本研究认为高质量的科研合作关系需要核心成员发挥关键作用，他可以带领科研成员进行更深度的思考与研究。中心度高的科研团队将权利集中于某一领域资深专家身上，如此可以充分发挥个人知识和经验优势，将团队中孤立的知识点加以串联，并引导成员在特定方向上聚焦研究，从而实现类似民主集中的优势。因此针对本文提出以下假设：

1.2.3 合作成员知识多样性调节结构洞对知识创新绩效的影响

Burt[13]认为获得新信息的关键在于网络内部构成的结构洞有多少。如果个体的社会网络中富有较多的结构洞，那么个体接触和获得新信息与资源机会就会大大提高。然而，即使合作网络有两个成员之间存在结构洞，如果他们之间拥有的信息和知识是同质的，即使将这两个个体连接起来，也不能拥有获取异质性知识的优势[15]。换言之，要想获得更多新信息，除了网络结构洞的存在外，结构洞两端成员拥有多样性知识也至关重要，且知识多样性水平越高，结构洞与知识创新绩效的关系将越显著。因此，本研究假设：

3.预防[9，15，19-20]：如患者结核潜伏感染相关检测结果为阳性，可用以下方案进行干预。优选方案：异烟肼300 mg，1次/d，口服，共9个月；或异烟肼，2次/周，每次900 mg，口服，共用9个月。联合使用维生素B6可减少周围神经炎发生（25 mg/d，口服，用至预防用药疗程结束）。替代方案：利福平600 mg，1次/d，口服，连用4个月；或口服利福布汀，连用4个月（剂量依据HAART用药不同而具体调整）。在进行预防性化疗之前应注意排除活动性结核病的可能。

综上所述，理论模型如图1所示：

  

图1 理论模型

2 数据搜集与分析

2.1 数据来源

2.1.1 样本选取

首先，对网络结构与知识创新绩效的关系进行检验，其回归模型如表3所示。模型1只放入了控制变量进行回归分析，可知控制变量对知识创新绩效的影响不显著。模型2、3、4分别代表在控制变量的基础上，分别加入了网络密度、网络中心性和结构洞。需要注意的是，结构洞选用的是限制度这一指标，限制度是反向表示结构洞的，换言之，限制度越小，表明结构洞越多。分析结果显示：模型2中，网络密度对知识创新绩效有非常显著的负向预测效应（M6:β=-0.240，p＜0.001）；而模型 3 中，显示了网络中心性对知识创新绩效有非常显著的正向预测效应（M7:β=0.909，p＜0.001）。模型 4 中，限制度对知识创新绩效有非常显著的负向作用（M8:β=-0.396，p＜0.001），也就说明了结构洞与知识创新绩效有显著的正向关系。即假设H1、H2、H3分别得到验证。

通过搜集，共获得2316篇学术论文及论文基础信息，并进行信息一致化处理。由于研究整体社会网络的重要前提是明确分析单位及网络边界。为使样本更具代表性、典型性，研究选择绩效排名前30的高校内部学者发表文章情况作为研究样本。故在总数据库的基础上，对每位学者的知识创新绩效进行计算，之后将同一院校学者的绩效进行汇总，得出高校绩效得分，分数越高者，排名越靠前。有关绩效的计算，研究将发表文章的数量、发表期刊的影响因子[6，16]，以及该作者在本篇文章的贡献度（根据文章中作者前后顺序）[17]三者综合考虑，计算汇总后，得到排名前30名的高校如表1所示。

本文研究对象是高校教师，因此将学术职称分为教授、副教授、助理教授、讲师。经过筛选，删除信息不完全以及仅独著发表文章的学者，一共得到30所高校内511位教师。本研究的原始数据库，涉及1569位学者，除两岸四地学者外，还包括其他30个国家的学者，如美国、英国、澳大利亚、韩国等国家。

 

表1 两岸四地高绩效机构排名（前30名）

  

绩效排名 地区 学校/机构（中文名称）绩效排名 地区 学校/机构（中文名称）1 2 3 4 5 6 7 8 9 1 0 11 12 13 14 15香港大陆澳门台湾台湾台湾台湾台湾香港澳门澳门台湾台湾大陆台湾香港理工大学中山大学澳门旅游学院成功大学铭传大学高雄餐旅大学嘉义大学中正大学香港中文大学澳门科技大学澳门大学台湾师范大学台湾大学浙江大学暨南大学16 17 18 19 20 21 22 23 24 25 21 27 28 29 30台湾台湾台湾台湾大陆大陆香港大陆大陆台湾台湾台湾大陆大陆澳门国立交通大学辅仁大学中国文化大学景文科技大学北京大学南京大学香港浸会大学中国科学技术大学哈尔滨工业大学勤益科技大学云林科技大学东华大学北京第二外国语学院暨南大学澳门理工学院

2.1.2 数据处理

本研究使用Bicomb、Ucinet软件构建学者合著论文的网络矩阵，并对社会网络各种指标进行计算，以供下一步进行合著网络对创新绩效的影响研究分析。首先，将有合著论文的学者运用Bicomb软件构建矩阵，学者间每合作一次，记作“1”，学者两两之间的合作关系为两位学者合作的总频次，学者之间没有合作关系记为“0”。然后，运用Ucinet对合作矩阵进行处理，得到社会网络变量：网络密度、网络中心性、结构洞网络结构特征指标。

2.2 变量测量

2.2.1 因变量

本研究将从论文发表的质量和数量两个维度对知识创新绩效进行评价。即将论文所发表的期刊影响因子、作者顺序、文章发表数量综合考虑进去。

其次，教师行为的集体化问题。现代教学中教师的含义变得广泛了，不仅包含了传统意义的教师，也包含了教学设计员等。在执行某一课程时，不是某一位教师可以完成的，必须是多名教师发展各自的特长，共同完成课程任务。教师与教师的合作必然导致教师行为的集体化。课程的编制将是集体劳动的结晶。此时，学生面对的不再是一位教师，而是一个专家组，要求教师的教学行为更进一步协调。

知识创新绩效计算公式：

目前，测定氯霉素残留量的方法有酶联免疫法（ELISA）[7]、气相色谱法（GC）[8]、气质联用法（GC-MS）[9-10]、液质联用法（LC-MS）[10-19]和液相色谱法（LC）[20-22]、毛细管电泳法[23]等多种方法。ELISA法和毛细血管法快速简单，但只适合初筛，灵敏度低，无法做限量验证。质谱检测精确，但耗时长，样品前处理复杂，检测成本过高，不宜推广。当前的HPLC法由于样品处理繁琐，误差较大限制了方法的通用性。因此，本研究开发一种简单快捷、经济适用性强的高效液相色谱测定蜂蜜中的氯霉素方法，为快速测定饲用蜂蜜氯霉素含量奠定理论指导作用，也为畜牧业的安全生产提供了保障。

通过在用电低谷时期储蓄冷负荷能源是空调蓄冷系统实现能源消耗降低、发挥节能减排作用的主要方式。为确保空调系统正常运作，需要对其系统工作模式进行科学规划，而且规划过程中要遵循以下几点原则：

假设4a：知识多样性负向调节网络密度对知识创新绩效的影响，即知识多样性削弱了网络密度对知识创新绩效的负向影响。

 

其中，SCi——某位作者某篇论文的贡献度；IFi——该作者在发本篇论文时当年的期刊影响因子；n——该作者发表的文章总量。

2.2.2 自变量

自变量主要分为知识多样性和网络结构特征两个方面，其中网络结构指标本文主要研究“网络密度”、“网络中心性”及“结构洞”。将整体关系矩阵导入到社会网络分析软件UCINET6.186中，根据相应的计算公式，得到511位教师的科研合作网络的“网络密度”“网络中心性”及“结构洞”指标。其中本研究选择“网络中心性”指标中的“相对中心度”进行衡量，“结构洞”指标中的“限制度”进行衡量。

知识多样性计算公式：

 

其中，n——教师总的合作数；Ni——观测期间，某位教师每位来自第 类型（部门、机构、区域）合作者的合作次数除以该教师总的合作次数的值；ln（1/Ni）——每一种类型合作者所占的比重。

2.3 控制变量

本研究控制了多个可能影响研究结果的个体水平变量，包括：性别、学术地位、最高学历、最高学位取得所在国家/地区。

Study on Risk Perception of Chinese Tourists Traveling to the Philippines——A Case Study of Xiamen Tourists___________________________FENG Yu 18

3 研究结果

3.1 描述性统计分析

表2所示的是统计分析的30所高校教师背景结构。值得关注的是，从毕业高校所在国家/地区来看，美国、台湾、香港、大陆等国家/地区毕业的教师比较多。香港特区比较国际化，多在美国、英国等国家高校学习，且人数达80.42%。大陆地区则国际化程度不高，有28.09%学者选择在国外学习，大陆地区高校毕业教师占66.29%。台湾地区本地高校毕业人数占47.95%，选择美国高校学习的人数也较多，占台湾总人数的36.26%。澳门地区则比较平均，人员分布结构也比较平衡。从该统计可以看出，由于旅游科研水平仍与美国、英国等国家有较大差距，导致学者喜欢前往这些国家学习、研究，以提高自身的旅游学术水平与科研能力发展。从最高学历毕业院校来看，两岸四地高校数量比较少，美国、英国等高校数量比较多，二者占统计机构总数的49.25%。其中国内院校主要是香港理工大学、中山大学、交通大学、成功大学、台湾大学、香港中文大学等。国外的高校主要是普渡大学、思克莱德大学、宾夕法尼亚州立大学、密歇根州立大学、德克萨斯A&M大学、维多利亚科技大学、弗吉尼亚理工大学等高校。

 

表2 描述性统计分析

  

样本数 百分比样本数 百分比性别（人数）男女总计329 182 511 64.38%35.62%100%最高学历（人数） 硕士博士总计24 487 511 4.70%95.30%100%毕业高校所在国家/地区（人数）大陆香港台湾澳门美国英国澳大利亚其他国家总计67 58 84 4 134 65 38 61 511 13.11%11.35%16.44%0.78%26.22%12.72%7.44%11.94%100.00%毕业高校所在国家/地区（机构数）大陆香港台湾澳门美国英国澳大利亚其他国家总计20 5 25 1 58 31 20 41 201 9.95%2.49%12.44%0.50%28.86%15.42%9.95%20.40%100.00%学术地位（人数） 教授副教授助理教授讲师总计179 140 130 62 511 35.03%27.40%25.44%12.13%100.00%

3.2 主成分分析

本研究将知识多样性分为区域多样性X1、机构多样性X2、部门多样性X3三个子变量，在做进一步检验知识多样性对各自变量与因变量的关系的调节作用时，选择三者的综合因子作为调节变量进行分析，提取一个主成分：知识多样性，根据SPSS21.0运算得出的因子得分系数矩阵，得到公因子知识多样性计算公式为：f=0.344X1+0.373X2+0.376X3。

3.3 相关性分析

通过相关性分析，结果显示，被研究的511位教师中控制变量中性别、最高学历对因变量没有影响，而学术职称、毕业国家地区对知识创新绩效产生正向影响。知识多样性、关系强度、网络中心性、结构洞均对知识创新绩效产生正向影响，网络密度对知识创新绩效产生负向影响。初步验证了假设，接下来用层次回归分析法进一步分析。

3.4 回归分析

3.4.1 网络结构对知识创新绩效的影响研究

本文选取SSCI数据库中与旅游直接相关的22种期刊，根据目前的论文搜集情况，我国学者在旅游类SSCI期刊发表文章的最早时间是1983年，为确保数据全面，研究选取1983—2015年有中国两岸四地学者发表的文章为研究对象，样本一定程度上代表我国旅游学术研究的最高水平，也是被学者所广泛认可和接受的衡量绩效的公正性指标。

 

表3 网络结构对知识创新绩效影响的回归模型

  

*表示显著水平在p＜0.05,**表示显著水平在p＜0.01,***表示显著水平在p＜0.001,N=511。

 

类型 变量 知识创新绩效控制变量主变量性别学术职称最高学历毕业高校国家网络密度网络中心性限制度F值△F R2调整后R2△R2模型M1SC-β 0.035 0.072 0.038 0.119**3.279*3.279*0.025 0.018 0.025模型M2SC-β 0.050 0.082 0.030 0.090*-0.240***模型M3SC-β-0.005-0.010 0.014 0.042*模型M4SC-β 0.018 0.046 0.003 0.142**0.909***8.974***30.979***0.082 0.073 0.056 507.355***2459.928***0.834 0.832 0.809-0.396***22.024***94.578***0.179 0.171 0.158

 

表4 网络密度与知识创新绩效的关系：知识多样性的调节作用

  

*表示显著水平在p＜0.05,**表示显著水平在p＜0.01,***表示显著水平在p＜0.001,N=511。

 

类型 变量 知识创新绩效模型M1SC-β 模型M2SC-β 模型M5SC-β 模型M6SC-β第一步0.035 0.072 0.038 0.119**第二步第三步第四步基本变量性别学术职称最高学历毕业高校国家网络密度知识多样性网络密度×知识多样性F值△F R2调整后R2△R2 3.279*3.279*0.025 0.018 0.025 0.050 0.082 0.030 0.090*-0.240***0.042 0.051-0.007 0.117**-0.232***0.443***8.974***30.979***0.082 0.073 0.056 31.774***133.958***0.274 0.266 0.193 0.028 0.021 0.004 0.098**-0.351***0.234***-0.391***41.752***74.005***0.368 0.359 0.093

3.4.2 高校合作教师知识多样性调节网络结构对知识创新绩效的影响

a）高校合作教师知识多样性调节网络密度对知识创新绩效的影响

1.2 免疫组织化学 将同济大学附属同济医院病理科采集的组织蜡块制作成组织切片，进行DAB免疫组织染色。60℃恒温箱烘烤，二甲苯脱蜡，梯度乙醇脱水，0.01 mmol/L柠檬酸钠缓冲溶液抗原修复，含3%过氧化氢的甲醇溶液处理后，孵一抗(北京博奥森生物技术有限公司)。将B7-H4和B7-H6抗体按1∶1 000稀释于抗原稀释液中，200 μL覆盖在组织切片，4℃孵育过夜；PBS清洗后，二抗(美国Vector公司)按1∶1 000稀释于抗原稀释液中，覆盖切片，4℃孵育过夜。DAB显色，脱水，脱脂，中性树胶封片。

为了验证网络密度与知识多样性的交互作用对知识创新绩效的影响，首先对自变量与调节变量进行中心化处理。之后，在模型M1、M2的基础上，加入调节变量知识多样性进行回归，得到模型M5为全部主效应。然后在此基础上加入网络密度与知识多样性的交互项进行下一步回归，作为模型M6，其回归结果如表4所示。模型M6显示，网络密度和知识多样性的交互项负向显著（β=-0.391，p＜0.001）。同时模型 M6 比模型 M5显著改进（△R2=0.093，p＜0.001），这说明知识多样性确实能够调节网络密度与知识创新绩效之间的负向关系。

假设2：网络中心性对知识创新绩效具有正向影响。

Apremilast不同用药方案治疗银屑病关节炎的疗效和安全性的系统评价 ………………………………… 龚小芳等（21）：2985

  

图2 知识多样性与网络密度交互作用示意

 

表5 学者合作结构洞与知识创新绩效的关系：知识多样性的调节作用

  

*表示显著水平在p＜0.05,**表示显著水平在p＜0.01,***表示显著水平p＜0.001,N=511。

 

类型 变量知识创新绩效模型M1SC-β 模型M4SC-β 模型M7SC-β 模型M8SC-β第一步0.035 0.072 0.038 0.119**第二步第三步第四步基本变量性别学术职称最高学历毕业高校国家网络密度知识多样性网络密度×知识多样性F值△F R2调整后R2△R2 3.279*3.279*0.025 0.018 0.025 0.018 0.046 0.003 0.142**-0.396***0.024 0.040-0.002 0.146***-0.092 0.372***22.024***72.766***0.179 0.171 0.154 24.305***77.766***0.224 0.215 0.045 0.029 0.022 0.005 0.093*-0.211**0.124-0.384***37.297***41.971***0.342 0.333 0.117

b）高校合作教师知识多样性调节网络中心性对知识创新绩效的影响

同理，检验网络中心性与知识多样性的交互作用对知识创新绩效的影响。结果显示，网络中心性和知识多样性的交互项不显著，说明知识多样性无法调节网络中心性与知识创新绩效之间的正向关系。假设H4b不成立。

c）高校合作教师知识多样性调节结构洞对知识创新绩效的影响

如表5回归结果显示，当限制度与知识多样性一起回归时（模型M8），并未改变其负向效应，并且限制度和知识多样性的交互项对知识创新绩效有非常显著的负向影响（β=-0.384，p＜0.001）。同时模型M8比模型M7显著改进（ΔR2=0.117，p＜0.001），这说明知识多样性确实能够调节结构洞与知识创新绩效之间的正向关系。

为更直观地看到不同知识多样性水平下结构洞与知识创新绩效的关系，研究对限制度指标进行反向表示，以表示结构洞。结果表明，在高知识多样性水平下，结构洞与知识创新绩效之间存在非常显著正向关系（β=0.586，p＜0.001）；而对于低知识多样性水平下，结构洞与知识创新绩效之间存在显著的负向关系，但显著性减弱（β=-0.164，p=0.017＜0.05）。图3更显示了合作学者的知识多样性水平高的网络结构洞值越高，知识创新绩效越高。因此，假设H4c得到验证。

  

图3 知识多样性与结构洞交互作用示意图

4 结论与展望

4.1 研究结论

本研究从团队层面出发，研究教师合作学者的知识多样性与科研合作网络结构特征对个人知识创新绩效的影响。

第一，网络密度与知识创新绩效呈负相关。一方面，对于高质量产出的合著网络，网络密度已有一定基础。根据Krackhardt学者提出的“适中”的组织密度较好的观点，若高质量产出合著网络的网络密度过度增加，就会超出其所谓的“适中”范围；另一方面，从“成本—收益”角度考虑，在时间成本有限的条件下，网络密度继续增加，反而会适得其反，导致回报少成本变大，知识创新绩效降低。因此，在这类网络中，教师个人网络密度已有一定基础，若再与更多的成员加强交流，就会减小“弱连接优势”，知识同质化越严重，更不利于知识创新绩效的提升。

第二，网络中心性与知识创新绩效呈正相关。高质量的旅游科研合作网络，处于核心地位的领导者可以提高团队凝聚力，将团队中孤立的知识串联起来，吸引更多有才之士与之合作，促进知识创新绩效提高。这从香港理工大学的教师合作网络最能体现。如Rob-Law（罗盛雄）、Bob-McKercher（麦乐文）、Song-Hai-yan（宋海岩）等教师在其合作网络中处于核心地位，他们用自己渊博的知识和获取信息资源优势，引导成员在科学的方向上逐渐深入研究。这些学者让团队有科学的方向、专业的知识、良好的合作交流平台，从而促进知识创新绩效的提升。

第三，结构洞与知识创新绩效呈正相关。结构洞能为其占据者获取信息提供机会，并对信息的控制、识别，以及交易起着重要的作用，因此结构洞数目越多，可以获取更多非冗余性信息，绩效也越高。本研究的对象是对知识高度需求的一个群体，需要通过“媒介”来获取更多信息、知识与资源，提升自身绩效。而结构洞恰好能为其占据者获取给他人提供信息的机会，从而与位于网络其他位置的个体相比更具竞争优势。

第四，研究发现知识多样性加强了网络密度对知识创新绩效的负向影响。结论与原假设相反。知识多样性水平越高，越促进了网络密度对知识创新绩效的负向影响。在高水平知识多样性状态下，教师合作网络密度越大，其沟通交流成本就会更高，边际收益也会更小，效率会大打折扣，知识创新绩效也会降低。

第五，高校合作教师知识多样性不调节网络中心性对知识创新绩效的影响。网络中心性描述的是成员处于网络中不同的位置，会影响其获取和控制资源的能力[13]。从研究结果中表明，网络中心性对知识创新的影响成高度正相关。在旅游学科发展中，网络中心性高的学者，由于他们本身已经具备渊博的专业知识和信息优势，以致高网络中心性教师的合作成员知识多样性高低，对他们的影响不大，这些学者的作用是吸引更多的学者一同进行合作研究，让团队有科学的方向、专业的知识、良好的合作交流平台，从而加大知识创新绩效的提升。这只是本研究的一次讨论，今后还需要继续研究与探讨。

2.4.4 定量限与检测限考察 分别精密量取“2.2.1”项下对照品溶液适量，以甲醇倍比稀释，按“2.4.1”项下色谱条件进样测定，以信噪比10∶1、3∶1分别计算定量限、检测限。结果，米索硝唑的定量限、检测限分别为0.23、0.08 μg/mL。

第六，知识多样性加强了结构洞对知识创新绩效的正向影响。当教师结构洞两端成员拥有较强的异质性信息时，结构洞与机会识别的关系将越显著。结构洞数量越多，该学者获取信息和资源的优势越大，限制度越小，越有利于知识创新绩效的提升。

4.2 研究展望

尽管本研究有一定发现，但仍有以下不足，希望可以针对这些问题进一步深入研究。a）本文选取的研究指标比较有限。在样本量足够且能克服资源获取的困难的前提下，未来的研究可以考虑更多网络指标，并结合以往研究结论中的非网络指标因素，对知识创新绩效进行更全面的研究。b）由于本研究样本采用国际期刊发表的文章，因此有一些学者旅游科研比较好，但由于语言、写作风格、投稿方式等限制，无法在国际期刊上发表自己的观点。在接下来的研究中，希望可以将国内旅游类高级别期刊发表的文章作为研究样本进行对比研究，多方面验证，力求研究的严谨性与科学性。

参考文献：

[1]赵君，廖建桥.科研合作研究综述[J].科学管理研究，2013（2）：117-120.

[2]卢绍华.高校科技创新团队建设与管理初探[J].高等教育研究学报，2005（2）：51-53.

[3]王晓慧.基于吸收能力视角的高校教师知识创新研究[D].苏州：苏州大学，2014.

[4]朱旭东.论大学教师学术创新力基础内涵[J].比较教育研究，2011（7）：1-6.

[5]徐昌成.成员合作关系的多样性与网络结构对知识创造的影响研究[D].武汉：华中科技大学，2011.

[6]张凌云，齐飞，吴平.近十年我国旅游学术共同体成果的h指数测度与评价[J].旅游学刊，2014，29（6）：14-23.

[7]兰超英，张凌云.我国旅游学术期刊影响力和影响因子研究[J].旅游刊，2013（03）：96-105.

[8]COLEMAN J S.Social capital in the creation of human capital[J].American Journal ofSociology，1988（94）：95-120.

[9]SPARROWE R，LIDEN R，WAYNE S.et al.Social network and the performance of individuals and groups[J].Academy ofManagement Journal.2001，44（2）：316-325.

[10]KRACKHARDT D.The strength of strong ties：The importance of philos in organizations[J].Networks&Organizations，1992：216-239.

[11]彭菡.团队合作网络对知识创造的影响研究[D].武汉：华中科技大学，2010.

[12]刘军.整体网分析讲义——UCINET软件应用[C].哈尔滨：“第二届社会网与关系管理研讨会暨中国社会学会社会网专业委员会（筹）成立大会”，2007.

[13]BURT R S.Structural holes：The social structure of competition[M].Boston：Harvarduniversity press，1992.

[14]HARRISON D A，PRICE K H，GAVIN J H，et al.Time，teams，and task performance:changing effects of surface-and deep-level diversity on group functioning[J].Academy ofManagement Journal，2002（45）：1029-1045.

[15]黎赔肆，李利霞.网络结构洞对机会识别的影响机制：网络知识异质性的调节效应[J].求索，2014（7）：24-28.

[16]毕文凯，潘峰华.人文地理学发展的全球格局和趋势：基于地理学SSCI期刊主编和编委的研究[J].世界地理研究，2015（3）：13-23.

[17]HOWARD G S，COLE D A，MAXWELL S E.Research productivity in psychology based on publication in the journals of the American psychological association[J].American Psychologist，1987，42（11）：975-986.