선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 각 과학기술 분류들이 타 분야의 지식을 인용하는 패턴을 추출하여 각 패턴 간의 유사도에 따라 분류들을 매핑(mapping)하고, 시간의 흐름에 따른 위치 변화를 분석한다. 그에 따라 어떠한 분류들의 지식 인용패턴이 서로 유사해지는지, 즉 수렴하는지를 확인한다. 이를 위해 분야 간 인용 행렬에 대하여, 다차원 척도분석 방법과 유사한 알고리즘인 VOS 매핑 기법(Waltman et al.
- 즉, 타분야 비율이 계속 증가하는 것을 융합의 확대로 해석한다고 하더라도, 실제 분석에서는 그 비율의 증가와 감소가 불규칙하게 나타나는 경우가 많다([Table 2] 참조). 본 연구에서는 ASJC 코드가 세분화(331개) 되어 있어 타분야의 비율이 지나치게 확대되는 것을 방지하고, 해석의 편의성을 높이기 위해 분야 간 인용행렬에서 인용(citing) 벡터에 대해 요인분석(Leydesdorff, 2007b)을 하여 세분화된 코드를 18대 분야로 유형화하였음에도 의미있는 경향성이 나타나지 않은 것이다. BT, 수학, 신경 과학 등 6대 영역에서 타비율 인용 변화에 대한 한 연구(Porter and Rafols, 2009)에서도 조사한 6개 중 2개는 자기인용이 증가하고, 나머지는 감소하는 등 융합에 대한 논의와 타분야 인용 비율의 확대를 일률적으로 연결하기는 어렵다.
- 본 연구에서는 분야 간 융합의 진전과 확산에 따라 각 분야 간 인용패턴이 서로 수렴 또는 유사해지는지, 다시 말해 매핑에서 분야 간 거리가 축소가 되는지를 추적하였다.
- 본 연구의 목표는 융합연구의 추이를 세계 평균과 한국단위에서 분석하여 비교하고, 유의미한 차이가 발생하는지를 탐색하는 것이다. 이를 위해 우선, 융합연구의 분석관점을 아래와 같이 설정하였다.
제안 방법
- 각 과학기술 분류들이 타 분야의 지식을 인용하는 패턴을 추출하여 각 패턴 간의 유사도에 따라 분류들을 매핑(mapping)하고, 시간의 흐름에 따른 위치 변화를 분석한다. 그에 따라 어떠한 분류들의 지식 인용패턴이 서로 유사해지는지, 즉 수렴하는지를 확인한다.
- 즉, Porter and Rafols(2009)는 일정 기간의 샘플 데이터를 갖고 분야 간 유사도를 계산하여 활용하였고, Rafols and Meyers(2010)는 1개 년도의 분야 간 인용데이터에서 추출한 유사도 정보를 1995～2004년 기간에 걸쳐 있는 분석 대상의 다양성 측정에 활용하였다. 그러나 본 연구에서는 2000～2010년 분석기간 동안 각 년도별로 분야간 유사도, 즉 분야 간 인용행렬에서 타 분야 인용(citing) 벡터에 대한 cosine 유사도를 측정하고, 이를 각 년도별 다양성 지수 측정에 활용하였다.
- 대표적인 융합영역으로 인정되는 대상 영역에 대하여, 실제 각 영역에서 발생하는 논문 수의 증가추이 분석을 통해 융합영역의 확대를 확인한다.
- 둘째, 기존 연구에서는 다양성을 측정하는 시기가 고정된 경우가 대부분이었으나, 본 연구는 다양성의 ‘변동’을 집중 분석하였다.
- 본 연구는 문헌 데이터베이스 상의 분류나 인용관계 정보를 기반으로 다양성(융합도)을 측정한 기존 연구들과 다음 세 가지 점에서 차별성을 갖는다. 첫째, 다양성을 측정하는 대상의 수준을 SCOPUS 데이터베이스가 지원하는 모든 학술 분야로 설정하고, 전 분야 간의 인용관계를 이용하였다.
- 앞서 언급한 Porter and Rafols(2009)에서는 6개 분야를 대상으로 4개 년도(1975, 1985, 1995, 2005)별로 다양성을 측정하고 변화를 분석한 바 있다. 본 연구는 이와 달리 2000년도부터 2010년까지 연도별로 다양성을 측정하고 연속적인 연도별 변화를 측정하였다. 한편, Carley and Porter(2012)는 각 분야의 타 분야 인용(citing) 벡터를 이용한 ‘융합(intergration)’ 지수의 역관계라고 할 수 있는 피인용(cited) 벡터를 이용한 ‘확산(diffustion)’ 지수를 제안하고, Porter and Rafols(2009)에서 분석한 6개 분야를 대상으로 연도별(1996～2010) 변화를 분석하였으나, 역시 본 연구에서와 달리 ‘전 분야’의 지속적인 변화 분석은 수행하지 못하였다.
- 분야 간 행렬에서 생태학적 지수(Rao-Stirling 지수)를 계산할 때 필요한 ‘인지적 거리’는 정규화된 유클리드 거리(평균과 표준편차를 이용하여 0에서 1 사이의 값을 갖도록 변환)를 적용하였다.
- 셋째, Rao-Stirling 지수를 적용한 연구들은 기존의 분야별 분포/비중 데이터를 활용한 허핀달/심슨 지수(Herfindahl/Simpson), 엔트로피(entropy) 지수와 각 분야 간 거리 개념을 추가한 Rao-Stirling 지수의 관계를 비교하는데 관심을 두었다. 이를테면, Porter and Rafols(2009)는 Rao-Stirling 지수 값과 허핀달/엔트로피 지수 값은 대체로 높은 상관관계가 나타남을 확인하면서도, 오히려 Rao-Stirling 지수 값이 평균보다 높은 분야에서는 상관관계가 낮아지는 점을 밝히고, 이를 통해 ’이질적‘인 다양한 분야의 통합에 대한 측정에는 Rao-Stirling 지수가 더 유용함을 지적한 바 있다.
- 위의 주장을 확인하기 위해 융합도 지수를 분리하여 다종성과 균등성까지만 고려하는 심슨지수(Σi,j(i ≠ j) pi pj)와 분야 간의 인지적 거리까지 고려한 생태학적 융합도 지수(Σi,j dij pi pj)의 결과를 비교해보자.
- 융합의 정도를 다종성(variety), 균등성(balance), 상이성(disparity)을 통합하여 측정하는 생태학적 다양성 지수를 통해 측정하고, 각 과학기술 분류들의 다양성 지수값이 어떠한 시계열 변화 추이를 갖는지 비교한다. 본 연구에서 융합의 정도 측정에 활용한 Rao-Stirling 지수는 전술한 분야 간 인용 행렬을 활용한다.
- 이어 동 기간의 학술논문(학회지 등을 제외한 저널 논문만을 대상으로) 총 18,820,189건(한국의 경우 총 302,627건)에 대해 인용관계를 추출하고, 논문 간 인용 관계를 SCOPUS사에서 관리하는 ASJC(All Science Classification Codes) 분류코드를 적용하여 분야 간 인용관계로 변환하는 작업을 거쳤다. 이렇게 분야 간 인용관계가 발생한 총 331개 ASJC 분류코드에 대하여 관계쌍들을 모두 합하여 분류코드간 인용 빈도를 셀값으로 하는 행렬을 도출하였다. 분야 간 행렬에서 생태학적 지수(Rao-Stirling 지수)를 계산할 때 필요한 ‘인지적 거리’는 정규화된 유클리드 거리(평균과 표준편차를 이용하여 0에서 1 사이의 값을 갖도록 변환)를 적용하였다.
- 본 연구에서는 초기 DB 구축 단계의 오류가 나타날 가능성을 방지하기 위해 2000년도부터 2010년까지 11년을 분석대상 기간으로 설정하였다(2011년도는 원 데이터 입력이 완결되지 않아 제외). 이어 동 기간의 학술논문(학회지 등을 제외한 저널 논문만을 대상으로) 총 18,820,189건(한국의 경우 총 302,627건)에 대해 인용관계를 추출하고, 논문 간 인용 관계를 SCOPUS사에서 관리하는 ASJC(All Science Classification Codes) 분류코드를 적용하여 분야 간 인용관계로 변환하는 작업을 거쳤다. 이렇게 분야 간 인용관계가 발생한 총 331개 ASJC 분류코드에 대하여 관계쌍들을 모두 합하여 분류코드간 인용 빈도를 셀값으로 하는 행렬을 도출하였다.
- Porter and Rafols(2009)는 SCI 데이터베이스의 분류 기준인 ‘Subject Category(SC)’를 활용하여, 각 분야 간의 유사도를 계산하고 이를 다양성 측정에 활용하였으나, 실제로 각 분야의 다양성 변화에 대한 분석은 244개 SC 중에서 선정한 6개 분야만을 대상으로 하였다. 이에 반해 본 연구에서는 SCOPUS 데이터베이스가 제공하는 331개 전 분야의 인용관계를 기반으로 하여 각 분야별로 다양성을 모두 측정하였다. Rao-Stirling 지수를 산출하기 위해서는 전체 분야를 대상으로 한 분야 간 인용관계의 패턴에 기반을 둔 유사도 계산이 필요하다.
- 본 연구는 문헌 데이터베이스 상의 분류나 인용관계 정보를 기반으로 다양성(융합도)을 측정한 기존 연구들과 다음 세 가지 점에서 차별성을 갖는다. 첫째, 다양성을 측정하는 대상의 수준을 SCOPUS 데이터베이스가 지원하는 모든 학술 분야로 설정하고, 전 분야 간의 인용관계를 이용하였다. 기존 연구들은 물리학(Rinia et al.
- 한편, 융합연구 영역의 규모 확대를 분석하기 위해 이른바 NBIC 융합의 14대 융합기술 분야(You, 2006)를 대상으로 하여, 각 분야별 검색키워드를 SCI DB(2006년 분석결과와의 비교를 위해 SCOPUS DB를 이용하지 않음)에 적용하여 1990년에서 2011년까지 기간의 관련 학술정보를 추출하고, 이에 대한 증가추이를 분석하였다.
대상 데이터
- KISTI 정보분석연구소는 SCOPUS DB의 원자료(raw data)를 전문 분석용 DB로 자체 가공하여 운영하고 있다. 본 연구에서는 초기 DB 구축 단계의 오류가 나타날 가능성을 방지하기 위해 2000년도부터 2010년까지 11년을 분석대상 기간으로 설정하였다(2011년도는 원 데이터 입력이 완결되지 않아 제외). 이어 동 기간의 학술논문(학회지 등을 제외한 저널 논문만을 대상으로) 총 18,820,189건(한국의 경우 총 302,627건)에 대해 인용관계를 추출하고, 논문 간 인용 관계를 SCOPUS사에서 관리하는 ASJC(All Science Classification Codes) 분류코드를 적용하여 분야 간 인용관계로 변환하는 작업을 거쳤다.
이론/모형
- 융합의 정도를 다종성(variety), 균등성(balance), 상이성(disparity)을 통합하여 측정하는 생태학적 다양성 지수를 통해 측정하고, 각 과학기술 분류들의 다양성 지수값이 어떠한 시계열 변화 추이를 갖는지 비교한다. 본 연구에서 융합의 정도 측정에 활용한 Rao-Stirling 지수는 전술한 분야 간 인용 행렬을 활용한다. 즉, 특정 분야가 타 분야를 인용(citing)하는 벡터에서 각 분야의 비중과 분야 간 거리를 입력 값으로 하는 것이다.
- 융합의 수렴, 융합의 정도에 대한 분석을 위해 한국과학기술정보연구원(KISTI)에서 구축한 SCOPUS DB 분석시스템을 이용하였다. SCOPUS는 5,000여 출판사에서 발간하는 약 18,000 여종의 학술잡지 등에 수록된 약 2천만 건의 학술정보에 대한 Elsevier사의 세계적 데이터베이스로, 1996년 이후의 데이터에 대해 인용관계까지 수록되어 있다.
- 이러한 분야 간 유사도를 활용하여 이른 바 ‘Global Map’(Leydesdorff and Rafols, 2009)을 작성할 수 있고, 본 연구에서도 분야 간 매핑에 활용하였다.
- 그에 따라 어떠한 분류들의 지식 인용패턴이 서로 유사해지는지, 즉 수렴하는지를 확인한다. 이를 위해 분야 간 인용 행렬에 대하여, 다차원 척도분석 방법과 유사한 알고리즘인 VOS 매핑 기법(Waltman et al., 2010)을 적용하고, 결과의 시각화는 VOS viewer(Van Eck and Waltman 2010)를 활용하였다.
성능/효과
- • POINT 3 : 한국은 세계 추세보다 건축/토목 부문의 융합도가 높게 나타났다.
- 01)하나, BIT 영역이 논문 산출 절대 규모가 다른 영역들과 견주어 볼 때 눈에 띄게 작음을 확인할 수 있다. 14대 영역별로 분석한 결과도 BIT에 속한 바이오인포매틱스 분야가 성장률은 비슷하나 규모가 현격히 차이가 있고, BIT에 속한 휴먼인터페이스(뇌-기계), 바이오메카트로닉스, 바이오컴퓨팅 등의 기술영역은 성장률 자체도 세계와 비교해 상대적으로 정체되어 있고, 절대규모도 적음을 알 수 있다.
- 4대 영역별로 세계평균과 한국의 성장추이 자체는 매우 유사(피어슨 상관계수 최소 .978** 최대 .994**, p < 0.01)하나, BIT 영역이 논문 산출 절대 규모가 다른 영역들과 견주어 볼 때 눈에 띄게 작음을 확인할 수 있다.
- 지금까지 진행한 융합의 추이에 대한 계량분석 결과, 한국은 세계의 기술융합 추세와 일부 분야(BIT 분야, 인지과학, 환경 분야 등 일부 핵심 융합영역)를 제외하면, 융합연구로 분류될 수 있는 영역에서 대체로 지식창출 규모의 증가 추이는 세계적 수준과 유사하게 진행됨을 확인할 수 있었다. 그러나 생태학적 지수 기반의 융합도 분석에서는 한국의 융합연구가 세계적 추세와 견주어 볼 때, 이종분야 간의 결합을 통한 융합보다는 인접 또는 동종 분야 간의 지식을 결합하는 양상이 더 지배적이라는 사실 또한 확인할 수 있었다. 이는 이질적 요소들 간의 화학적 결합을 통한 새로운 요소의 창조라는 ‘본원적 기술 융합’의 노력이 한국에서는 상대적으로 부족하다고 판단할 좋은 근거가 될 것이다.
- 둘째, 타분야 인용비율은 융합의 다양한 측면 중 극히 일부이며, 오히려 융합의 양상을 제대로 파악하지 못하게 될 수 있다. 즉, 앞서 생태학적 융합도 지수를 소개하며 언급한 바와 같이, 인용하는 분야에서 타분야의 비중이 높아졌다고 하더라도, 여기에는 타분야의 다종성(variety), 인용하는 항목들의 상이성(disparity)에 대한 정보가 전혀 들어있지 않아, 융합의 양상을 제대로 파악하지 못하게 된다.
- 또한 본 연구에서는 인문·사회과학 영역과 과학기술 영역 간의 교류가 한국이 세계적 추세에 비해 매우 뒤떨어짐을 확인할 수 있었다.
- 이를테면, Porter and Rafols(2009)는 Rao-Stirling 지수 값과 허핀달/엔트로피 지수 값은 대체로 높은 상관관계가 나타남을 확인하면서도, 오히려 Rao-Stirling 지수 값이 평균보다 높은 분야에서는 상관관계가 낮아지는 점을 밝히고, 이를 통해 ’이질적‘인 다양한 분야의 통합에 대한 측정에는 Rao-Stirling 지수가 더 유용함을 지적한 바 있다. 본 연구는 이러한 기존 연구에서 더 나아가, 국가별로 분야 간 다양성 변동을 추적하면서 분야 간 거리 개념을 포함한 Rao-Stirling 지수와 분야 간 비중 중심의 심슨 지수를 비교함으로써, Rao-Stirling 지수가 갖는 의미와 유용성을 확장하였다고 할 수 있다.
- • POINT 2 : 바이오테크놀로지(BT) 영역이 확장되었다. 생물/유전학과 인접해 있던 BT는 독자적인 고유영역을 구축하는 것과 동시에, 환경기술, NT 영역과의 거리도 단축되었다.
- 서두에서 한국의 융합기술 정책방향은 융합기술에 대한 도구적 또는 단기적 측면에서의 산업화/상업화를 강조하는 경향이 있음을 지적했고, 실제로 국가연구개발사업도 원천 융합기술 확보보다는 산업 관련 융합 지원에 더 많이 투자되고 있음을 확인하였다. 이러한 정책기조가 학술논문을 대상으로 한 본 연구에서도 그대로 드러나게 된 것이라고 할 수 있을 것이다.
- 한편 You(2006)의 분석에서는 2000～2006년 기간에 대해 증가율 기준으로 ‘큰 폭 증가’, ‘비교적 높은 증가’, ‘조금씩 증가’, ‘정체’로 14개 기술을 분류하였는데, 2011년까지 기간을 확장한 본 논문의 분석결과와 비교한 결과는 [Table 1]과 같다. 약물전달시스템, 나노바이오소재 기술의 증가율이 더 높아졌으며, 바이오인포매틱스 기술은 2006년 결과보다는 증가, 나노바이오칩 기술은 하락 등의 변화가 있음을 확인할 수 있다. 여기서도 한국에서 BIT 영역의 상대적 저성장을 재확인할 수 있다.
- 지금까지 진행한 융합의 추이에 대한 계량분석 결과, 한국은 세계의 기술융합 추세와 일부 분야(BIT 분야, 인지과학, 환경 분야 등 일부 핵심 융합영역)를 제외하면, 융합연구로 분류될 수 있는 영역에서 대체로 지식창출 규모의 증가 추이는 세계적 수준과 유사하게 진행됨을 확인할 수 있었다. 그러나 생태학적 지수 기반의 융합도 분석에서는 한국의 융합연구가 세계적 추세와 견주어 볼 때, 이종분야 간의 결합을 통한 융합보다는 인접 또는 동종 분야 간의 지식을 결합하는 양상이 더 지배적이라는 사실 또한 확인할 수 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.