在創新研究的理論基礎中一個核心觀點為：創新並非全然的全新發明，而是來自於現有知識的「重新組合」（recombination）。這一觀點認為，無論是技術、概念、或研究方法的突破，往往源自於過去未曾組合過的元素進行新型態的結合，然而，是否所有不尋常的知識組合都能帶來突破？Lee Fleming（2007）提醒我們，事實上大多數新組合並未帶來重大影響。他的研究指出，在創新輸出（如專利、科學論文、商業發明）中，極少數產出具有高度價值，絕大多數則為平庸甚至失敗，呈現高度偏斜的「長尾分布」（long tail distribution）
。這說明，雖然新穎或跨領域的組合確實擁有創新潛力，但同時也伴隨高變異與不確定性，成功與失敗之間的差距更加極端。
在此背景下，Uzzi et al.（2013）以 Web of Science 資料庫中的 1700萬篇論文（涵蓋1955至2005年） 為樣本，研究知識組合的典型性（conventionality）與不尋常性（atypicality）對研究影響力的影響。他們發現，最具學術影響力的論文，往往結合了少量不尋常知識組合與大量主流知識，也就是高不尋常性＋高傳統性的組合（high novelty + high conventionality, 簡稱 HNHC）。換言之，創新若能「嵌入」在熟悉的知識傳統之中，更容易被學術社群接受與擴散。
此一發現也在後續研究中獲得支持。Boyack 與 Klavans（2014）採用 Scopus 資料庫中超過 1200萬篇論文（涵蓋1996至2012年），在控制學科分類與資料來源差異後，成功重現 Uzzi 團隊的結論。他們同樣發現：具突破性的研究往往是新舊知識的平衡，而非全然的顛覆。
延續這一脈絡，進一步提出一個尚未被充分討論的問題：為什麼在某些學科中，這樣的「創新＋傳統」組合會有助於研究影響力的提升，而在其他學科中則未必？ 為了回答這個問題，我們選擇五個生物醫學領域（心臟病學、遺傳學、神經科學、藥學與病毒學），分析超過十萬篇論文，探討兩個關鍵的學科文化因素是否會影響創新組合的成效：
互依性（mutual dependence）：衡量一個學科中研究者彼此依賴程度（例如：作者互相引用（reciprocity）、內部引用密度（density）。
知識變遷速度（knowledge evolution rate）：透過熱門論文所引用文獻的新穎程度，衡量該學科是否快速吸收最新知識。
結果顯示，不同學科對知識關係組合和影響力的關係，受到內部文化的調節。以藥學為例，藥學中 HNHC 組合的文章比例最低（僅佔 6.56%），但這類文章卻是最可能成為熱門論文的（8.12% 的命中率）。這或許反映出，在一個學科中，少數能結合創新與傳統的論文反而更容易脫穎而出。而藥學也是領域互依性最低的，作者合著網絡的reciprocity最低僅0.07。
總結來說，我們的研究擴展了 Uzzi 等人的理論，並指出：
創新組合是否能成功，不只取決於其新穎性，更取決於它是否嵌入在適當的學術脈絡之中；而學科的互依性與知識更新的速度，可能決定創新組合和影響力的關係。
參考文獻：
Fleming, L. (2007). Breakthroughs and the “Long Tail” of Innovation. MIT Sloan Management Review, 49(1), 69–74.
Uzzi, B., Mukherjee, S., Stringer, M., & Jones, B. (2013). Atypical combinations and scientific impact. Science, 342(6157), 468–472.
Boyack, K. W., & Klavans, R. (2014). Including cited non-source items in a large-scale map of science. Journal of Informetrics, 8(3), 569–580.