성장곡선 모형 적용을 통한 기술수준평가 사례 연구 : 특정 수산과학기술 분야를 중심으로 Case Study on Measuring Technology Level Applying Growth Curve Model: Three Core Areas of Fishery Science and Technology원문보기
The purpose of this paper is to discuss possibilities of applying growth curve models, such as Logistic, Log-Logistic, Log-Normal, Gompertz and Weibull, to three specific technology areas of Fishery Science and Technology in the process of measuring their technology level between Korea and countries...
The purpose of this paper is to discuss possibilities of applying growth curve models, such as Logistic, Log-Logistic, Log-Normal, Gompertz and Weibull, to three specific technology areas of Fishery Science and Technology in the process of measuring their technology level between Korea and countries with the state-of-the art level. Technology areas of hazard control of organism, environment restoration, and fish cluster detect were selected for this study. Expert panel survey was conducted to construct relevant panel data for years of 2013, 2016, and a future time of approaching the theoretical maximum technology level. The size of data was 70, 70 and 40 respectively. First finding is that estimation of shape and location parameters of each model was statistically significant, and lack-of-fit test using estimated parameters was statistically rejected for each model, meaning all models were good enough to apply for measuring technology levels. Second, three models other than Pearl and Gompertz seemed very appropriate to apply despite the fact that previous case studies have used only Gompertz and Pearl. This study suggests that Weibull model would be a very valid candidate for the purpose. Third, fish cluster detect technology level is relatively higher for both Korea and a country with the state-of-the-art among three areas as of 2013. However, all three areas seem to be approaching their limits(highest technology level point) until 2020 for countries with the state-of-the-art. This implies that Korea might have to speed up her research activities in order to catch up them prior to 2020. Final suggestion is that future study may better apply various and more appropriate models respectively considering each technology characteristics and other factors.
The purpose of this paper is to discuss possibilities of applying growth curve models, such as Logistic, Log-Logistic, Log-Normal, Gompertz and Weibull, to three specific technology areas of Fishery Science and Technology in the process of measuring their technology level between Korea and countries with the state-of-the art level. Technology areas of hazard control of organism, environment restoration, and fish cluster detect were selected for this study. Expert panel survey was conducted to construct relevant panel data for years of 2013, 2016, and a future time of approaching the theoretical maximum technology level. The size of data was 70, 70 and 40 respectively. First finding is that estimation of shape and location parameters of each model was statistically significant, and lack-of-fit test using estimated parameters was statistically rejected for each model, meaning all models were good enough to apply for measuring technology levels. Second, three models other than Pearl and Gompertz seemed very appropriate to apply despite the fact that previous case studies have used only Gompertz and Pearl. This study suggests that Weibull model would be a very valid candidate for the purpose. Third, fish cluster detect technology level is relatively higher for both Korea and a country with the state-of-the-art among three areas as of 2013. However, all three areas seem to be approaching their limits(highest technology level point) until 2020 for countries with the state-of-the-art. This implies that Korea might have to speed up her research activities in order to catch up them prior to 2020. Final suggestion is that future study may better apply various and more appropriate models respectively considering each technology characteristics and other factors.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 기술수준평가 대상으로 유기체적 성장패턴에 가깝다고 유추되는 유해생물제어, 수산환경복원, 그리고 어군탐색 분야를 선정하였다. 본 연구는 세 분야를 대상으로 성장곡선 모형들의 모수값을 추정하여 곡선의 형태를 알아보고 적합결여 검정(lack-of-fit test)을 실시하여 성장곡선 모형의 활용 적합성을 살펴본다. 모형의 추정 결과를 토대로 2013년 및 2016년의 해당 기술의 기술수준을 평가하며 2010년과 2020년에 대한 과거 수준 추정 및 미래 수준 예측을 해 본다.
본 연구의 목적은 수산과학기술 분야 중 성장 곡선 모형들의 적용 가능성이 상대적으로 높은 세 가지 특정 분야의 사례분석을 통해 결과의 활용 가능성을 시범적으로 모색하는데 있다. 이를 위해서 관련 선행연구들을 조사하여 비교·검토한 후 적용 가능한 사례분석 결과들을 적용하고 적용 결과를 검토한다.
제안 방법
이는 비선형 형태의 기술성장곡선 모형을 실제의 자료에 적용하는 데에 적합한 도구로서 이를 활용하여 우선 전문가 패널의 응답 자료를 Logistic, Log-Logistic, Log-Normal, Gompertz, Weibull 5개 성장곡선 모형들에 적용하여 각 곡선모형의 모수를 추정하였다8). 그리고 해당 수산과학기술 3개 소분류 분야인 유해생물제어, 수산환경복원 및 어군탐색 분야별로 각각의 기술성장곡선 모형에 대한 모수를 비선형회귀분석을 통해 추정한 후 성장곡선 모형이 자료에 적합한지 추정 결과에 대한 적합성 여부를 검정하였다9).
기술성장곡선 모형을 통한 동태적 접근은 객관적이고 시계열적인 자료가 존재하지 않는 경우, 이를 대체하는 방법으로 일차적으로 평가대상 분야의 기술전문가를 패널로 구성한 설문조사를 실시하고 그 응답 값을 입력한 패널 데이터를 활용하여 곡선적합(curve fitting)을 실시하는 것이다. 성장곡선의 모수추정(estimation of parameter)을 통해 곡선의 형태와 위치를 파악한다. 복수의 피평가 대상(예: 국가, 기업 등 기술 개발 주체)에 대한 추정결과를 얻을 수 있는 경우, 비교 시점별 기술수준과 기술수준 격차 등을 절대적 및 상대적 관점에서 파악할 수 있다2).
주요 설문항목의 내용은 우선 평가대상의 기술보유 주체를 한국과 최고기술보유국가로 정했으며, 조사시점은 2013년(현재)과 2016년(3년 후), 그리고 이론적 상한치 도달시점이다. 응답 내용의 정확도를 높이기 위해서 응답자의 전문도와 응답 기술분야의 상대적인 중요도에 대한 설문을 포함하였다6). 또한 응답 해당기술의 기술수명 주기상의 단계를 선택하도록 하였다.
이를 위해서 관련 선행연구들을 조사하여 비교·검토한 후 적용 가능한 사례분석 결과들을 적용하고 적용 결과를 검토한다.
, 2013). 이를 통해 기술성장 모형의 동태적 특성을 활용하여 미래 시점에서의 기술수준을 예측하는 방안을 제안하였으며, 이를 통해 경주식 분석 기법(racing oriented analysis) 활용과 기술수준 경쟁력 지수개발의 가능성을 제시하였다.
이후 연구의 내용을 개선·발전시켜 10개 건설엔지니어링 분야에 적용하였으며, 이어서 수산과학기술 분야에 적용하였다(Bark, et al. 2010; Bark, et al., 2013).
대상 데이터
성장곡선 모형은 이론 및 실증적으로 생명체의 변화 혹은 성장의 패턴 분석 연구로부터 출발하여 진화하였다(Panik, 2014). 본 연구에서는 기술수준평가 대상으로 유기체적 성장패턴에 가깝다고 유추되는 유해생물제어, 수산환경복원, 그리고 어군탐색 분야를 선정하였다. 본 연구는 세 분야를 대상으로 성장곡선 모형들의 모수값을 추정하여 곡선의 형태를 알아보고 적합결여 검정(lack-of-fit test)을 실시하여 성장곡선 모형의 활용 적합성을 살펴본다.
분석대상 분야는 유해생물제어(hazard control of organism), 수산환경복원(environment restoration), 그리고 어군탐색(fish cluster detect) 분야이다(Table 3 참조). 이 세 가지 소분류 분야는 수산과학기술 분야의 대분류 기준으로는 각각 수산환경과 어업생산에 해당하는 분야이다5).
(2013)에서 추출한 것이다. 수산과학기술 분야 전체 전문가 총 895명으로 구성된 전문가 패널을 활용한 전문가용 설문응답 방식을 통하여 최종적으로 191명의 복수응답을 통해 447개의 설문응답을 달성하였다. 이중 본 연구의 사례 분석대상인 세 분야에 대한 응답 수는 각각 70, 70 및 40개이다(Table 4 참조).
수산과학기술 분야 전체 전문가 총 895명으로 구성된 전문가 패널을 활용한 전문가용 설문응답 방식을 통하여 최종적으로 191명의 복수응답을 통해 447개의 설문응답을 달성하였다. 이중 본 연구의 사례 분석대상인 세 분야에 대한 응답 수는 각각 70, 70 및 40개이다(Table 4 참조).
주요 설문항목의 내용은 우선 평가대상의 기술보유 주체를 한국과 최고기술보유국가로 정했으며, 조사시점은 2013년(현재)과 2016년(3년 후), 그리고 이론적 상한치 도달시점이다. 응답 내용의 정확도를 높이기 위해서 응답자의 전문도와 응답 기술분야의 상대적인 중요도에 대한 설문을 포함하였다6).
데이터처리
또한 기술변화의 속도와 방향에 대한 평가대상 주체별 추정을 가능하게 하여 추정결과를 비교·분석할 수 있다.
이 연구에서 사용한 성장곡선모형 적용 및 결과 분석도구는 통계 소프트웨어인“R”이다7).
적합성 여부의 정도는 적합결여 검정(lack-of-fit test)에 서 얻 은 Akaike 정보 기준지수(Akaike’s Information Criterion: AIC)값과 추정 잔여표준오차(estimated residual standard error)를 토대로 한 p-value를 통해 판단한다.
이론/모형
동태적 접근개념에 의한 기술성장 모형을 통한 국내 기술수준 평가의 최초 연구는 Bark(2007a, 2007b)으로 Kim, et al.(1999)의 자료를 원용하여 Logistic 모형과 Gompertz 모형을 8개 특정 소분류 기술 단위에 시범적으로 적용하였다. 이후 연구의 내용을 개선·발전시켜 10개 건설엔지니어링 분야에 적용하였으며, 이어서 수산과학기술 분야에 적용하였다(Bark, et al.
본 연구에서 검토할 성장곡선 모형에 대한 논의는 Ritz & Strebig(2013), Seber & Wild(1989) 및 Panik(2014)을 참조하였다(Table 1 참조).
. 이는 비선형 형태의 기술성장곡선 모형을 실제의 자료에 적용하는 데에 적합한 도구로서 이를 활용하여 우선 전문가 패널의 응답 자료를 Logistic, Log-Logistic, Log-Normal, Gompertz, Weibull 5개 성장곡선 모형들에 적용하여 각 곡선모형의 모수를 추정하였다8). 그리고 해당 수산과학기술 3개 소분류 분야인 유해생물제어, 수산환경복원 및 어군탐색 분야별로 각각의 기술성장곡선 모형에 대한 모수를 비선형회귀분석을 통해 추정한 후 성장곡선 모형이 자료에 적합한지 추정 결과에 대한 적합성 여부를 검정하였다9).
성능/효과
5개의 성장곡선 모형을 적용한 결과, 분석대상 기간인 2010년부터 2020년 사이에 기술수준이 상대적으로 높은 분야는 최고기술보유국 및 우리나라 모두 어군탐색 분야인 것으로 분석되 었다. 최고기술보유국의 기술수준은 2016년에 이론적 상한값(100) 대비 90에 이르게 되며 기술의 발전단계로는 성숙기 중반에 도달하여 이후 2020년까지는 쇠퇴기 직전 단계까지 발전할 것으로 예측된다.
그러나 두 분야의 경우, 최고기술보유국의 기술수준 및 발전단계는 2020년까지 90을 상회하여 성숙기 중반 단계까지 이동할 것으로 보이는 반면, 우리나라의 경우는 80 정도로서 성숙기 돌입 직전단계에 머물 것으로 보인다. 결론적으로 이 두 분야의 경우에도 최고기술보유국의 경우에는 2020년 이전에 다음 세대의 기술단계로 이동할 것으로 보인다.
이렇게 되면 변화의 속도와 방향 그리고 과정을 파악할 수 있다(Bark, 2007a, 2007b). 둘째, 시계열 자료가 비선형일 경우 쉽게 사용할 수 있는 예측기법이며, 시계열 자료가 많은 경우에는 예측력이 높아진다는 점이다. 실제로 지금까지의 실증자료를 보면, S-curve는 다양한 기술영역에서 일관되게 비교적 높은 예측력을 보여주고 있다.
셋째, 기술의 세대교체가 일어나는 경우 즉, 대체곡선에도 적용이 가능하다는 점이다. 마지막으로, 여러 개별기술의 특성에 따라 기본적인 곡선함수의 식을 변형 내지 확장하여 다양한 함수의 형태를 만들어낼 수 있다는 점이다.
또한 추정된 모수를 적용한 모형의 적합도에 대한 통계적 유의성도 모두 통과되었다. 모형의 적합도에 관한 모형별 비교분석 결과 대칭 변곡점의 특성을 지닌 Logistic, Log-Logistic 및 Log-Normal 모형과 비대칭 변곡점의 특성을 가지면서 변곡점에 대한 제약이 유연한 Weibull 모형이 상대적으로 Gompertz 모형에 비해서 적합도 검정 결과가 양호한 것으로 나타났다.
우리나라의 경우는 2020년까지 성숙기 초기에 도달할 것으로 보인다. 분석결과 세 분야의 기술변화의 속도를 가장 보수적으로 추정하는 모형은 Gompertz 모형인 것으로 나타났다. 2013년 기준으로 이전의 기술수준 추정평가 결과가 다른 추정모형의 적용에 비해 상대적으로 높게 나타났으며, 2013년 이후부터는 상대적으로 낮게 예측되어 기술변화의 속도가 상대적으로 가장 늦은 것으로 분석되고 있다.
실제로 지금까지의 실증자료를 보면, S-curve는 다양한 기술영역에서 일관되게 비교적 높은 예측력을 보여주고 있다. 셋째, 기술의 세대교체가 일어나는 경우 즉, 대체곡선에도 적용이 가능하다는 점이다. 마지막으로, 여러 개별기술의 특성에 따라 기본적인 곡선함수의 식을 변형 내지 확장하여 다양한 함수의 형태를 만들어낼 수 있다는 점이다.
어군탐색 분야에 이어 기술수준이 다음으로 높은 분야는 최고기술보유국 및 우리나라 모두 유해생물제어 분야이며, 수산환경복원 분야의 기술수준이 최고기술보유국 및 우리나라 모두 상대적으로 가장 낮은 것으로 분석되었다. 수산 환경복원 분야의 기술발전(변화)의 속도는 유해생물제어 분야에 비해 상대적으로 빨라서 최고 기술보유국과 우리나라의 경우 모두 2020년에는두 분야의 기술수준 및 발전단계가 거의 비슷해질 것으로 분석되었다. 그러나 두 분야의 경우, 최고기술보유국의 기술수준 및 발전단계는 2020년까지 90을 상회하여 성숙기 중반 단계까지 이동할 것으로 보이는 반면, 우리나라의 경우는 80 정도로서 성숙기 돌입 직전단계에 머물 것으로 보인다.
어군탐색 분야에 이어 기술수준이 다음으로 높은 분야는 최고기술보유국 및 우리나라 모두 유해생물제어 분야이며, 수산환경복원 분야의 기술수준이 최고기술보유국 및 우리나라 모두 상대적으로 가장 낮은 것으로 분석되었다. 수산 환경복원 분야의 기술발전(변화)의 속도는 유해생물제어 분야에 비해 상대적으로 빨라서 최고 기술보유국과 우리나라의 경우 모두 2020년에는두 분야의 기술수준 및 발전단계가 거의 비슷해질 것으로 분석되었다.
유해생물제어, 수산환경복원 및 어군탐색 세 분야를 대상으로 5개의 성장곡선 모형의 적용 결과 형태모수와 위치모수의 추정 값에 대한 통계적 유의성은 모두 통과하였다. 또한 추정된 모수를 적용한 모형의 적합도에 대한 통계적 유의성도 모두 통과되었다.
이 연구는 기존의 기술수준평가 실증연구에서는 적용이 시도되지 않았던 Weibull 모형이 Gompertz 모형 못지않은 추정결과를 보여 주었음을 입증하였다. 이것은 기존의 사례연구들이 모두 공통적으로 Gompertz 모형만을 적용한 것에 대한 새로운 가능성을 제시한 것이다.
후속연구
따라서 해당 기술 분야의 기술수준 향상을 위한 시책을 세우고 추진하기 위한 기본적이고 일차적인 정보를 제공할 수 있다. 또한 신기술의 발굴이나 개발을 유도하는 데에 유효한 자료로서 활용될 수 있다.
따라서 다양한 모수 추정값을 결정하는 인자들은 실질적으로 어떤 것이며, 이러한 인자들의 영향력은 시간의 흐름에 따라 어떻게 변화하는지에 대한 심층적이고 체계적인 연구가 궁극적으로 필요하다. 이러한 연구의 결과는 최종적으로 기술수준의 향상 및 새로운 기술의 개발 시책에 실효성 있는 대안을 제시할 수 있을 것이다.
특정 평가대상 기술의 속성이나 특성에 따른 기술의 변화 형태는 다양할 수 있다. 향후 기술의 특성별로 적용이 가장 적합한 성장곡선 모형을 찾아내는 노력이 요구된다.
질의응답
핵심어
질문
논문에서 추출한 답변
동태적 의미의 기술수준평가에서 확인할 수 있는 것은 무엇인가?
여기서 동태적이라 함은 목표물을 포함한 모든 것은 끊임없는 움직임(moving target oriented dynamics)을 수반함을 의미한다. 동태적 의미의 기술수준평가에서는 해당 기술의 각 분석대상(예를 들면 각 국가들)의 기술성장 패턴(곡선) 상의 위치와 이를 통한 상호간 격차, 그리고 기술변화의 정도(속도)를 파악하는 것이 가능하다. 이 가능성은 또한 미래 시점에서의 기술 수준을 평가할 수 있도록 한다.
본 논문에서 사용한 동태적이란 단어의 의미는 무엇인가?
기술의 경쟁상대에 대한 기술 격차와 기술추격의 개념은 동태적인 성격이 강하다. 여기서 동태적이라 함은 목표물을 포함한 모든 것은 끊임없는 움직임(moving target oriented dynamics)을 수반함을 의미한다. 동태적 의미의 기술수준평가에서는 해당 기술의 각 분석대상(예를 들면 각 국가들)의 기술성장 패턴(곡선) 상의 위치와 이를 통한 상호간 격차, 그리고 기술변화의 정도(속도)를 파악하는 것이 가능하다.
우리나라의 수산업을 미래 성장동력 분야로 발전시키기 위해 필요한 것은 무엇인가?
우리나라의 수산업은 최근 연평균 약 10%의 수준으로 성장하는 산업이지만, 정부의 수산업 분야에 대한 정책적 및 재정적 지원이 농림, 식품 및 해양산업 분야에 비해 상대적으로 충분하지 않다(Lee & An, 2014). 수산업을 미래 성장동력 분야의 하나로 발전시키기 위해서는 수산업의 미래전략 산업화를 추진하여 첨단기술과의 융복합, 미래형 산업기반 구축 등의 차원에서 수산업 분야의 기술수준 제고를 위한 지원확대가 필요하다. 이를 위해서는 수산과학기술 분야의 기술수준평가 결과를 토대로 기술수준 향상을 위한 시책을 세울 필요가 있다.
참고문헌 (29)
Bark, P. M. (2007a), "A Theoretical Approach and Its Application for a Dynamic Method of Estimating and Analyzing Science and Technology Levels : Case Application on Ten Core Technologies for the Next Generation Growth Engine," The Korea Technology Innovation Society, 10:4, 654-686.
Bark, P. M. (2007b), A Theoretical Approach and Its Application for a New Method of Measuring and Analyzing Science and Technology Level, Report 2007-17, Science & Technology Policy Institute.
Bark, P. M. et al. (2010), A Study on Science and Technology Level Appraisal with a New Approach and Development of Related Theory, Korea Institute of Science & Technology Evaluation and Planning.
Bark, P. M, Kim, W. M., Jang, D. H., Yi, C. G., Park, J. O., Hwang, J. B., Park, J. C., Lee, H. Y., Kim, J. C. and An, S. J. (2013), Technology Level Assessment of Fishery Science and Technology, National Fisheries Research & Development Institute Pukyong National University.
Brain, P. and Cousens, R. (1989), "An Equation to Describe Dose Responses Where There is Stimulation of Growth at Low Doses," Weed Research, 29, 93-96.
Byeon, S. C., Ryu, J. Y. and Son, S. H. (2008), A Dynamic Technology Assessment Level Using a Technology Growth Curve Model, Issue Paper 2008-13, Korea Institute of Science & Technology Evaluation and Planning.
Cho, H. S. et al. (2010), A Study on R&D Master Plan for Korea National Fisheries Research & Development Institute, National Fisheries Research & Development Institute, TechnologyValue Corporation.
Choi, J. H., Choi, B. H., Yang, W. S. and Kim, E. E. (2000), "Population Forecasting System Based on Growth Curve Models," Korea Journal of Population Studies, 23 (1), 197-215.
Chung, K. H. et al. (2001), International Comparison Study on the Result of Science and Technology Foresight : Case of Korea, Japan, and Germany, Korea Institute of Science & Technology Evaluation and Planning.
Gompertz, B. (1825), "On the Nature of the Function Expressive of Human Morality, and on a New Mode to Determining the Value of Life Contingencies," Philosophical Transactions of the Royal Society of London, 115, 513-585.
Han, M. K., Kim, B. S., Ryu, J. Y. and Byeon, S. C. (2010), "Technology Level Evaluation Based On Technology Growth Model and Its Implication? In Case of Biochip and Biosensor Technology," The Korea Technology Innovation Society, 13:2, 252-281.
Jin, J. H. and Kim, J. S. (2013) "Forecasting Natural Gas Demand Using Nonlinear Model," The Korean Society of Mineral and Energy Resources Engineers, 50 (3), 399-408.
Kim, B. S. et al. (2009), A Study on Dynamic Method of Estimating Technology Levels Based on the Technology Growth Model, Korea Institute of Science & Technology Evaluation and Planning.
Kim, B. S. et al. (2010), A Study on Technology Capacity and Impact of Marine Science & Technology, KISTEP & KIMST.
Kim, B. S. (2010),"A Case of Forecast-based Technology Evaluation and Its Implications," International Journal of Technology and Planning, 6:4, 317-325.
Kim, I. H., Chung, K. H. and Chung, H. S. (1999), A Study on the Science and Technology Level in Korea, Korea Institute of Science & Technology Evaluation and Planning.
Lee, J. R. and An, S. J. (2014), Comparative Analysis of Fishery R&D between Korean and Japan after Mass Earthquake in East Japan, Issue Paper 2014-12, KISTEP.
Medawar, P. B. (1940), "Growth, Growth Energy, and Ageing of the Chicken's Heart," Proc. Soc. London, 129, 332-355.
Ministry of Science, ICT and Future Planning (2015), The Framework Act On Science and Technology, Science and Technology Policy Bureau, 02-2110-2523, enforce 2015.7.01.
MOF (2014), Act on the Promotion of Science and Technology for Food, Agriculture, Forestry and Fisheries, Ministry of Oceans and Fisheries.
Panik, Michael, J. (2014), Growth Curve Modeling : The Theory and Applications, Preface and Chapter 3, John Wiley and Sons, Inc., Hoboken, New Jersey.
Park, Y. T. (2007), Management of Technological Knowledge for Next Generation Innovation, 2nd ed., Life & Power Press.
Ritz, C. and Strebig, J. (2013), DRC : Analysis of Dose-Response Curve Data, R. Package Version, 23-96.
Robertson, T. B. (1908), "On the Normal Rate of Growth of an Individual and Its Biochemical Significance," Roux' Arch, Entwicklungsmech, Organismen, 25, 581-614.
Ryu, J. Y. (2012), Dynamic Technology Level Evaluation Methodology and Forecasting based on Technology Growth Curve, Ph. D. Dissertation, Department of Management Science, Korea Advanced Institute of Science and Technology (KAIST).
Seber, G. A. F. and Wild, C. J. (1989), Nonlinear Regression, New York: Wiley&Sons, 325-339.
Weibull, W. (1951), "A Statistical Distribution Function of Wide Applicability," Journal of Applied Mechanics 18, 291-297.
Wright, S. (1926), Book Review, Journal of American Statistical Association, 21, 493-497.
R package, version 3.1.1 (http://www.R-project.org)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.