近些年来,随着互联网相关技术的发展和大数据时代的到来,数据信息量呈指数级上升,为大规模群体协作相关研究提供了良好的数据基础。本文研究的数据驱动的群体协作效率模型选取自国家自然科学基金成立以来,申报管理科学部下管理科学与工程学科成功的基金项目团队为研究对象,基于Web of Science上爬取的相关科研成果数据进行研究。本文的主要工作和成果如下:（1）群体协作指标体系设计群体协作指标体系构建是评价科研团队群体协作效率的基础。本文的研究由数据驱动综合考虑影响科研团队群体协作效率的各方面因素,从基本信息维度、工作能力维度、人际交往维度这三个一级维度进行数据的划分,设计了一套定性与定量结合的全方位描述群体协作特征属性指标体系,并对管理科学与工程科研基金项目团队的相关指标数据进行了分析,为后续的构建科研团队群体协作效率模型提供了数据和理论支撑。（2）科研团队群体协作效率模型构建本文通过研究成功申请国家自然科学基金项目的管理科学与工程科研项目团队,基于构建的科研团队群体协作指标体系评价科研团队的协作效率,从而得出高效科研团队群体协作所特有的四项高效特征属性。基于管理科学与工程基金项目科研团队的指标数据,首先,依照从众多指标中选出能够准确划分科研团队群体协作效率的指标,对高效指标进行确定;然后,运用统计分析相关方法对指标进行分析和归纳;最后,通过分析高效科研团队的共有特征,构建了科研团队群体协作效率模型,该模型描述了高效科研团队的四项高效特征能力,即成果影响力、持续创新能力、稳定产出能力和问题解决能力。（3）群体协作效率模型验证为验证构建的群体协作效率模型的有效性和科学性,使用六种机器学习分类算法构建了群体协作效率预测模型。从结果可以看出,本文提出的科研团队群体协作效率模型可以有效评价群体内各个成员之间的合作效果。通过综合多种指标的评估结果得出Adaboost预测模型对科研团队群体协作效率预测的表现较好。同时,本文确定的高效指标能够通过科研团队群体协作效率预测模型对科研团队的协作效率是否高效进行有效评估,证明了本文提出的数据驱动的群体协作效率模型是可行的。