연관규칙 기반 동시출현단어 분석을 활용한 기술경영 연구 주제 네트워크 분석 Exploring the Research Topic Networks in the Technology Management Field Using Association Rule-based Co-word Analysis원문보기
본 연구는 동시출현단어(co-word) 분석을 이용하여 기술경영 분야의 연구 주제 네트워크를 구축하고, 핵심 연구 주제 및 연구 주제 간 상호연관관계를 도출한다. 동시출현 빈도수의 정규화를 통해 키워드 간 유사성을 도출하여 무방향 네트워크를 분석하는 기존 연구들과는 달리 본 연구는 연관규칙분석(association rule)을 통해 키워드 간 신뢰도(confidence)를 도출하여 유방향 네트워크 분석을 수행한다. 2011~2014년 기술경영 분야 9개 국제 학술지에 게재된 2,456개의 논문의 저자키워드를 대상으로 빈도수 상위 200개 키워드를 추출하고, 주제(THEME), 방법(METHOD), 분야(FIELD)의 세 가지 유형으로 키워드를 분류한다. 각 유형별 일원(one-mode) 네트워크를 구축하여, 함께 많이 연구가 이루어진 키워드들을 찾아내고, 핵심 키워드를 도출한다. 또한 두 가지 유형의 키워드 간의 이원(two-mode) 네트워크를 구축하여, 연구 주제별로 함께 많이 활용된 방법 및 대상 분야를 탐색한다. 본 연구 결과는 최근 성숙기에 접어든 기술경영 분야의 연구 흐름 및 지식 구조를 키워드 수준에서 구체적으로 제시함으로써, 기술경영 분야 연구자들의 연구 주제 탐색 및 연구방향 설계에 활용될 수 있을 것으로 기대된다.
본 연구는 동시출현단어(co-word) 분석을 이용하여 기술경영 분야의 연구 주제 네트워크를 구축하고, 핵심 연구 주제 및 연구 주제 간 상호연관관계를 도출한다. 동시출현 빈도수의 정규화를 통해 키워드 간 유사성을 도출하여 무방향 네트워크를 분석하는 기존 연구들과는 달리 본 연구는 연관규칙분석(association rule)을 통해 키워드 간 신뢰도(confidence)를 도출하여 유방향 네트워크 분석을 수행한다. 2011~2014년 기술경영 분야 9개 국제 학술지에 게재된 2,456개의 논문의 저자키워드를 대상으로 빈도수 상위 200개 키워드를 추출하고, 주제(THEME), 방법(METHOD), 분야(FIELD)의 세 가지 유형으로 키워드를 분류한다. 각 유형별 일원(one-mode) 네트워크를 구축하여, 함께 많이 연구가 이루어진 키워드들을 찾아내고, 핵심 키워드를 도출한다. 또한 두 가지 유형의 키워드 간의 이원(two-mode) 네트워크를 구축하여, 연구 주제별로 함께 많이 활용된 방법 및 대상 분야를 탐색한다. 본 연구 결과는 최근 성숙기에 접어든 기술경영 분야의 연구 흐름 및 지식 구조를 키워드 수준에서 구체적으로 제시함으로써, 기술경영 분야 연구자들의 연구 주제 탐색 및 연구방향 설계에 활용될 수 있을 것으로 기대된다.
This paper identifies core research topics and their relationships by deriving the research topic networks in the technology management field using co-word analysis. Contrary to the conventional approach in which undirected networks are constructed based on normalized co-occurrence frequency, this s...
This paper identifies core research topics and their relationships by deriving the research topic networks in the technology management field using co-word analysis. Contrary to the conventional approach in which undirected networks are constructed based on normalized co-occurrence frequency, this study analyzes directed networks of keywords by employing the confidence index of association rule mining for pairs of keywords. Author keywords included in 2,456 articles published in nine international journals of technology management in 2011~2014 are extracted and categorized into three types: THEME, METHOD, and FIELD. One-mode networks for each type of keywords are constructed to identify core research keywords and their interrelationships with each type. We then derive the two-mode networks composed of different two types of keywords, THEME-METHOD and THEME-FIELD, to explore which methods or fields are frequently employed or studied for each theme. The findings of this study are expected to be fruitfully referred for researchers in the field of technology management to grasp research trends and set the future research directions.
This paper identifies core research topics and their relationships by deriving the research topic networks in the technology management field using co-word analysis. Contrary to the conventional approach in which undirected networks are constructed based on normalized co-occurrence frequency, this study analyzes directed networks of keywords by employing the confidence index of association rule mining for pairs of keywords. Author keywords included in 2,456 articles published in nine international journals of technology management in 2011~2014 are extracted and categorized into three types: THEME, METHOD, and FIELD. One-mode networks for each type of keywords are constructed to identify core research keywords and their interrelationships with each type. We then derive the two-mode networks composed of different two types of keywords, THEME-METHOD and THEME-FIELD, to explore which methods or fields are frequently employed or studied for each theme. The findings of this study are expected to be fruitfully referred for researchers in the field of technology management to grasp research trends and set the future research directions.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
첫째, 기술경영 분야 내의 핵심 학술 주체(intellectual pillars)를 도출하는 연구이다. 기술경영 학술지에 게재된 논문의 수 및 피인용 횟수를 바탕으로, 영향력 있는 논문, 연구자, 기관 등의 목록 및 순위를 산출하는 것을 목적으로 한다. Journal of Product Innovation Management(Biemans et al.
지지도의 경우 동시발생 횟수를 단순히 전체 사건 수로 나눈 것이므로 방향성이 존재 하지 않으며, 향상도의 경우 지지도와 신뢰도에 대한 유의성 판단에 활용하는 것이 일반 적이다. 따라서 본 연구에서는 사건 간 조건부 확률을 나타내는 신뢰도를 사용하여 단어 간의 연관관계를 측정한다. 즉, A라는 단어가 출현했을 때 B라는 단어가 출현할 확률을 두 단어 간의 연관관계로 정의하고, 모든 출현 단어 간의 신뢰도 값을 활용하여 연관 행렬을 도출한다.
본 연구는 최근 4년간 기술경영 전문 학술지에 게재된 논문의 저자키워드에 대한 동시출현단어 분석을 바탕으로 기술경영 연구 주제 키워드 네트워크를 구축하여 동 분야의 최근 연구 주제 동향을 분석하였다. 전체 키워드에서 상위 200개의 키워드를 선별하고 이를 THEME, METHOD, FIELD의 세 가지 유형으로 분류한 후, 유형별 일원 네트워크 분석과 함께, THEME-METHOD, THEME-FIELD 간 이원 네트워크 분석을 수행 하여 기술경영 연구 동향을 도출하였다.
즉, A라는 단어가 출현했을 때 B라는 단어가 출현할 확률을 두 단어 간의 연관관계로 정의하고, 모든 출현 단어 간의 신뢰도 값을 활용하여 연관 행렬을 도출한다. 본 연구에서는 세 가지 키워드 유형별로 각각 네트워크를 구축하며, 주제별로 많이 활용되는 방법과 대상 분야를 도출하기 위해, THEME-METHOD, THEME-FIELD간 이원 네트워크 분석도 함께 수행한다. 총 다섯 가지 네트워크를 구축하기 위한 연관규칙 분석 결과는 아래 <표 3>과 같다.
셋째, 기술경영 분야의 연구 주제를 분석하는 연구이다. 이러한 연구들은 기술경영 분야의 다양한 연구 주제들의 종류 및 비중을 파악하고, 지역별 차이를 분석하거나 기간별 분포에 따라 유망 주제와 쇠퇴 주제를 찾는 것을 목적으로 한다. 초기에는 IEEE Transactions on Engineering Management(Allen and Sosa, 2004), Technovation(Merinoetal.
따라서 첫째, 미시적인 관점에서 보다 다양한 연구 주제들을 고려할 수 없고, 둘째, 하나의 논문 내에 포함된 복수의 주제들을 구분할 수 없으며, 셋째, 주제별로 독립적인 출현 빈도만을 고려하므로 주제 간의 연관관계를 파악할 수 없다는 한계점이 있다. 이에 본 연구에서는 저자 키워드 수준에서의 동시출현단어 분석을 수행하여, 보다 미시적인 관점에서 다양한 연구 주제들 간의 연관관계를 분석한다.
가설 설정
(1983)에 의해 처음 제시되었다. 하나의 논문에서 두 개의 키워드가 동시에 출현하였다면, 두 키워드 간의 연결 고리가 존재한다고 가정한다. 두 키워드가 동시에 출현하는 논문의 개수가 많으면 많을수록 두 키워드 간의 연관 관계가 높다고 할 수 있다 (Callon et al.
제안 방법
또한 본 연구에서는 보다 다각적인 분석을 위해 연구 주제 키워드를 주제(THEME), 방법(METHOD), 분야(FIELD)로 구분하여 분석을 수행한다. 각 키워드 유형별로 독립적인 키워드 네트워크를 분석하는 것과 함께, 두 가지 유형별 키워드 간의 관계를 나타내는 이원 네트워크(two-mode network) 분석을 수행함으로써 주제-분야-방법 간의 연관 관계를 도출한다. 즉, 특정 주제에 대한 연구 수행 시, 어떤 방법이 주로 활용되는지, 어떤 국가, 산업, 기술이 사례로써 다루어지는지에 대해 파악함으로써 보다 다양한 시사점을 도출한다.
동시출현단어 관계를 바탕으로 키워드 간 연관행렬(association matrix) 생성 시, 일반적으로는 동시출현 빈도수 또는 이를 정규화한 유사도 지수를 활용하는 것이 대부분이나, 본 연구에서는 연관규칙분석(association rule mining)의 신뢰도(confidence) 값을 이용하여 키워드 간 연관관계를 측정한다. 유사도 지수의 경우 단순히 두 키워드 간의 동시출현여부만을 고려하므로 키워드 간의 방향성을 고려할 수 없으나, 연관규칙 분석의 신뢰도는 특정 키워드가 출현했을 때 다른 키워드가 출현할 확률로 정의됨으로 키워드 간의 방향성을 고려할 수 있다.
따라서 제목 및 초록을 대상으로 텍스트마이닝을 수행하여 단어 수준에서 동시출현단어 분석을 수행한다면 보다 풍부한 키워드를 고려할 수 있을 것이다. 둘째, 본 연구는 최근 5년간의 논문으로만 분석 대상 기간을 한정하여, 최신 연구 동향을 도출하는데 중점을 두었다. 그러나 5년의 기간만으로는 30년에 달하는 기술경영 분야의 연구 내용을 설명하기에 한계가 있다.
또한 저자키워드를 중심으로 분석을 진행 할 경우 주제와 키워드의 의미적 연관성에 따라 해당 논문의 핵심을 파악 할 수 있게 되어 후속 연구자가 해당 분야의 또 다른 연구를 진행 할 때 선행 연구에서 기존 연구자들이 중요하게 생각했던 핵심적인 학술적 의미와 연관 정보를 보다 효율적으로 탐색할 수 있게 된다(고영만 외, 2013). 따라서 본 연구에서는 저자키워드를 활용하여 동시출현단어분석을 수행한다.
FIELD의 경우 국가 수준에서는 China와 India, 산업 수준에서는 High-tech 산업, 기술 수준에서는 BT와 IT가 가장 활발히 다뤄지고 있는 연구 대상으로 나타났다. 또한 THEME-METHOD 네트워크, THEME-FIELD 네트워크 분석을 통해 특정 주제에 대한 연구에 있어서 어떤 기법이 주로 활용되고 있는지, 어떤 대상이 주로 다뤄지고 있는지를 분석하였다.
따라서 기존의 유사도 지수를 활용한 연구들의 경우 함께 많이 연구되는 주제들의 조합을 파악하는 수준에서 그쳤다면, 본 연구에서는 특정 주제에 대한 연구가 이루어질 때 이와 함께 어떤 주제들이 함께 연구되는 지를 파악할 수 있다. 또한 본 연구에서는 보다 다각적인 분석을 위해 연구 주제 키워드를 주제(THEME), 방법(METHOD), 분야(FIELD)로 구분하여 분석을 수행한다. 각 키워드 유형별로 독립적인 키워드 네트워크를 분석하는 것과 함께, 두 가지 유형별 키워드 간의 관계를 나타내는 이원 네트워크(two-mode network) 분석을 수행함으로써 주제-분야-방법 간의 연관 관계를 도출한다.
또한 유사한 의미의 키워드를 핵심 키워드를 중심으로 통합하였다(예: Strategic decision making → decision making).
먼저 복수 형태로 표기된 명사들을 단수 형태로 통일하였으며, 일반적으로 널리 활용되는 약어의 경우, 전체 키워드 명을 약어로 변경하여 통합하였다 (예: New Product Development → NPD, Research and Development → R&D).
동시출현단어 분석은 두 키워드가 문서집합 내 문서들에서 얼마나 자주 함께 출현하였는가를 바탕으로 키워드 간 연관관계를 측정하는 계량서지분석 기법으로(Courtial, 1994), 특정 학문 및 기술 도메인의 지식 구조를 파악하는데 널리 활용되어 온 기법이다. 본 연구에서는 9개의 기술경영 전문 학술지에 게재된 논문들을 대상으로, 논문에 포함된 저자 키워드(author keywords)에 대한 동시출현단어 분석을 수행하여 기술경영 연구분야의 키워드 네트워크를 구축하고 주제별 핵심 키워드를 도출한다.
본 연구에서는 내향 연결 중앙성과 사이 중앙성을 활용하여 기술경영 연구 주제 네트워크 상의 핵심 키워드를 도출한다. 내향 연결 중앙성은 분석 대상 키워드가 다른 키워드가 출현할 경우 얼마나 자주 동시에 출현하는가를 나타내주며, 사이 중앙성은 다른 키워드 간의 융합 연구에 얼마나 자주 등장하는가를 의미한다.
연구 주제 간의 연관 관계 분석 시 단순히 어떤 주제들이 함께 많이 연구된다는 사실도 의미가 있으나, 특정 주제에 대한 연구가 이루어질 경우 이를 위해 어떤 주제, 방법, 분야에 대한 연구가 함께 이루어지는가를 파악할 수 있다면 더욱 풍부한 시사점을 제공해 줄 수 있다. 본 연구에서는 이러한 동시 출현의 방향성을 고려하기 위해 일반적인 유사도 지수를 활용하지 않고, 연관규칙 분석을 활용하여 단어 간의 연관관계를 측정한다.
출현 빈도 상위 500개 키워드를 대상으로 정제 작업을 수행하였으며, 정제된 키워드를 기준으로 다시 출현 빈도수가 높은 상위 200개 키워드를 최종 분석 대상으로 선정하였다. 선정된 200개 키워드를 연구 주제를 나타내는 THEME, 연구 대상이 되는 기술 및 산업 분야 또는 국가를 나타내는 FIELD, 연구 방법을 나타내는 METHOD로 분류하였다. 그 결과, 200개의 키워드가 THEME 156개, FIELD 20개, METHOD 24개로 분류되었으며, 아래 <표 2>는 키워드 유형별 출현 빈도수 상위 10개 키워드를 나타낸 것이다.
수집된 키워드의 중복을 제거하기 위한 정제 작업을 수행하였다. 동일한 키워드임에도 불구하고 단복수 표기가 다르거나 약어로 표현되는 경우가 있어 서로 다른 키워드로 인식되는 경우가 많으며, 동일한 의미임에도 불구하고 키워드의 수준에 따라 다르게 표현되는 경우도 존재한다.
이번 장에서는 세 가지 유형의 키워드별로 구축된 기술경영 연구 주제의 일원 네트워크를 제시한다. 시각화된 네트워크 지도와 중앙성 분석 결과를 바탕으로 네트워크별 핵심 키워드를 파악하고, 시사점을 도출한다.
네트워크 분석은 다양한 형태의 분석 대상에 대해 상호간의 관련성을 정의하여 그 특성을 분석 할 수 있어 최근 많은 연구에서 응용되는 연구방법이다(김경외 외, 2015). 연관규칙 분석을 통해 다섯 가지 유형의 네트워크를 구축하기 위한 연관 행렬을 도출한 후, 네트워크 별로 적절한 임계치(cut-off value)를 적용하여 네트워크를 이분화한다. 이분화된 네트워크를 바탕으로 네트워크 상의 노드들의 중앙성을 측정하여 핵심 키워드를 도출한다.
연관규칙 분석을 통해 다섯 가지 유형의 네트워크를 구축하기 위한 연관 행렬을 도출한 후, 네트워크 별로 적절한 임계치(cut-off value)를 적용하여 네트워크를 이분화한다. 이분화된 네트워크를 바탕으로 네트워크 상의 노드들의 중앙성을 측정하여 핵심 키워드를 도출한다.
이에 본 연구에서는 동시출현단어(co-word) 분석을 활용하여 기술경영 분야의 연구 주제 간 연관관계를 분석한다. 동시출현단어 분석은 두 키워드가 문서집합 내 문서들에서 얼마나 자주 함께 출현하였는가를 바탕으로 키워드 간 연관관계를 측정하는 계량서지분석 기법으로(Courtial, 1994), 특정 학문 및 기술 도메인의 지식 구조를 파악하는데 널리 활용되어 온 기법이다.
본 연구는 최근 4년간 기술경영 전문 학술지에 게재된 논문의 저자키워드에 대한 동시출현단어 분석을 바탕으로 기술경영 연구 주제 키워드 네트워크를 구축하여 동 분야의 최근 연구 주제 동향을 분석하였다. 전체 키워드에서 상위 200개의 키워드를 선별하고 이를 THEME, METHOD, FIELD의 세 가지 유형으로 분류한 후, 유형별 일원 네트워크 분석과 함께, THEME-METHOD, THEME-FIELD 간 이원 네트워크 분석을 수행 하여 기술경영 연구 동향을 도출하였다.
동시출현단어 분석을 비롯한 동시출현분석에서는 동시출현 건수를 그대로 활용하지 않고, 이를 정규화하여 유사도를 측정하는 것이 일반적이다. 절대적인 동시출현 건수는 관련 개체들의 총 출현 빈도수에 영향을 받게 되므로, 이를 보정하기 위해 동시출현 건수를 출현 빈도수로 나누어 개체들 간의 실질적인 연관 관계를 측정한다. 이러한 목적으로 사용되는 유사도 지수에는 Association strength (또는 Proximity index), Salton’s Cosine (또는 Equivalence index), Inclusive index, Jaccard Index 등이 있으며, 이들은 동시출현빈도수를 나누어주는 총 출현 빈도수를 어떻게 설정하는가에 따라 구분된다 (van Eck and Waltman, 2009).
대상 데이터
9개 학술지에 2011년부터 2014년 까지 게재된 논문의 서지 정보를 SCOPUS로부터 수집하였으며, 수집된 논문의 개수 및 포함된 저자 키워드의 수는 아래 과 같다.
본 연구에서는 위의 10개 학술지 중 저자 키워드 정보를 제공하지 않는 R&D management를 제외한 나머지 9개 학술지를 분석 대상으로 선정하였다.
출현 빈도 상위 500개 키워드를 대상으로 정제 작업을 수행하였으며, 정제된 키워드를 기준으로 다시 출현 빈도수가 높은 상위 200개 키워드를 최종 분석 대상으로 선정하였다. 선정된 200개 키워드를 연구 주제를 나타내는 THEME, 연구 대상이 되는 기술 및 산업 분야 또는 국가를 나타내는 FIELD, 연구 방법을 나타내는 METHOD로 분류하였다.
성능/효과
THEME 네트워크에서는 NPD가 압도적으로 높은 중앙성을 보이며, 다양한 기술경영 연구 주제들과 함께 연구되고 있는 것으로 나타났으며, METHOD 네트워크에서는 Empirical analysis, Cluster analysis, Computer simulation 등이 핵심 연구 방법으로 도출되었다. FIELD의 경우 국가 수준에서는 China와 India, 산업 수준에서는 High-tech 산업, 기술 수준에서는 BT와 IT가 가장 활발히 다뤄지고 있는 연구 대상으로 나타났다.
THEME 키워드 분석에서 NPD가 기술경영 분야의 가장 핵심적인 키워드임을 확인할 수 있었다면, METHOD 측면에서는 Empirical analysis가 두 가지 유형의 중앙성 모두에서 1위에 올라, 가장 핵심적인 키워드임을 입증하였다. Empirical analysis는 실증 데이터를 활용한 분석을 의미하는 포괄적인 의미이므로, 보다 구체적으로는 Regression analysis, Structural equation model, Cost benefit analysis 등이 실질적으로 많이 활용된 기법으로 나타난다.
FIELD 키워드 네트워크에서는 앞의 두 네트워크처럼 두 가지 중앙성 모두에서 월등히 높은 점수를 보이는 키워드가 없으며, 고른 분포를 보인다. 국가 측면에서는 최근 급속한 경제 성장에 따라 높은 관심을 받고 있는 China와 India가 가장 높은 연결중앙성을보이고 있으며, 이들을 포함한 Emerging market 또는 Developing country에 대한 연구도 활발히 이루어지고 있는 것으로 나타났다. China는 SME, High-tech, NT 등과 연결된 반면, India는 BT, Pharmaceutical industry, Automotive industry 등의 산업 중심으로 연구가 이루어진 것으로 나타났다.
또한 Market performance, Financial performance 등 NPD가 기업 성과에 미치는 영향에 대한 연구도 활발히 이루어졌다. 다음으로 연결중앙성이 높은 THEME 키워드는 Disruptive innovation과 Innovation policy로 나타났으며, 두 키워드는 사이중앙성에서도 각각 6위와 3위로 높은 순위를 보이고 있다. Disruptive innovation 은 혁신의 유형과 관련하여 Product innovation, Incremental innovation과 함께 연구가 활발히 이루어졌으며, Customer orientation, Innovation project 등 Disruptive innovation을 수행하기 위한 과정에 대한 연구도 함께 이루어졌다.
Patentan alysis는 특허 문서를 분석 대상으로 하므로, Bibliometric analysis 형태로 많이 이루어져왔으며, 이를 위해 Text-mining 기법이 주로 활용되어왔음을 알 수 있다. 또한 분석 결과를 네트워크 형태로 표현함에 따라 Social network analysis도 연계되어 활발히 활용되고 있음을 확인할 수 있다.
본 연구는 거시적인 수준에서 논문 건수를 바탕으로 단순히 연구 주제별 비중을 측정 하는 기존의 기술경영 연구 주제 분석 관련 연구들과는 달리, 미시적인 키워드 수준에서의 동시출현단어 분석을 수행하여 기술경영 분야의 연구 동향을 보다 구체적으로 도출하였다는 의의가 있다. 본 연구에서 도출된 기술경영 키워드 네트워크를 통해 기술경영의 지식 구조를 한 눈에 파악할 수 있으며, 이를 통해 도출된 시사점들은 기술경영 분야 연구자의 연구 방향 설정 및 연구 계획 수립에 활용될 수 있다.
9개 학술지에 2011년부터 2014년 까지 게재된 논문의 서지 정보를 SCOPUS로부터 수집하였으며, 수집된 논문의 개수 및 포함된 저자 키워드의 수는 아래 <표 1>과 같다. 총 2,456건의 논문이 수집되었으며, Technological Forecasting and Social Change (TFSC) 가 547개로 가장 많은 반면, Journal of Engineering and Technology Management (JETM)이 98개로 가장 적게 나타났다. 총 39,243개의 키워드가 도출되었으며, Journal of Product Innovation Management (JPIM)가 7,818개로 가장 많은 키워드를 포함하고 있는 것으로 나타났다.
총 2,456건의 논문이 수집되었으며, Technological Forecasting and Social Change (TFSC) 가 547개로 가장 많은 반면, Journal of Engineering and Technology Management (JETM)이 98개로 가장 적게 나타났다. 총 39,243개의 키워드가 도출되었으며, Journal of Product Innovation Management (JPIM)가 7,818개로 가장 많은 키워드를 포함하고 있는 것으로 나타났다.
후속연구
첫째, 본 연구는 저자 키워드를 바탕으로 동시출현빈도를 측정하였으나, 저자 키워드만으로는 해당 논문의 모든 내용을 함축하기에는 무리가 있으며, 저자의 성향에 따라 키워드의 선택이 달라질 수 있다. 따라서 제목 및 초록을 대상으로 텍스트마이닝을 수행하여 단어 수준에서 동시출현단어 분석을 수행한다면 보다 풍부한 키워드를 고려할 수 있을 것이다. 둘째, 본 연구는 최근 5년간의 논문으로만 분석 대상 기간을 한정하여, 최신 연구 동향을 도출하는데 중점을 두었다.
이처럼 기술경영의 연구 주제를 분석한 기존 연구들은 연구자가 거시적인 수준에서 세부 연구 주제의 유형을 직관적으로 사전에 정의하고, 정의된 연구 주제 범위 내에서 각 논문을 전체로하여 주제별로 할당한 후, 그 빈도를 바탕으로 비중을 측정하는 방식이 대부분이다. 따라서 첫째, 미시적인 관점에서 보다 다양한 연구 주제들을 고려할 수 없고, 둘째, 하나의 논문 내에 포함된 복수의 주제들을 구분할 수 없으며, 셋째, 주제별로 독립적인 출현 빈도만을 고려하므로 주제 간의 연관관계를 파악할 수 없다는 한계점이 있다. 이에 본 연구에서는 저자 키워드 수준에서의 동시출현단어 분석을 수행하여, 보다 미시적인 관점에서 다양한 연구 주제들 간의 연관관계를 분석한다.
본 연구는 거시적인 수준에서 논문 건수를 바탕으로 단순히 연구 주제별 비중을 측정 하는 기존의 기술경영 연구 주제 분석 관련 연구들과는 달리, 미시적인 키워드 수준에서의 동시출현단어 분석을 수행하여 기술경영 분야의 연구 동향을 보다 구체적으로 도출하였다는 의의가 있다. 본 연구에서 도출된 기술경영 키워드 네트워크를 통해 기술경영의 지식 구조를 한 눈에 파악할 수 있으며, 이를 통해 도출된 시사점들은 기술경영 분야 연구자의 연구 방향 설정 및 연구 계획 수립에 활용될 수 있다. 또한 방향성이 없는 유사도 지수를 활용했던 기존 연구와는 달리, 연관성 분석의 신뢰도를 바탕으로 네트워크를 구축하여 키워드 간의 방향성을 고려함으로써, 보다 실질적인 시사점을 도출했다는 측면에서 차별성을 가진다.
그러나 5년의 기간만으로는 30년에 달하는 기술경영 분야의 연구 내용을 설명하기에 한계가 있다. 분석 기간을 10년 이상으로 확장하고, 3년 또는 5년 단위로 구간을 나누어서 키워드 네트워크의 변화를 분석한다면, 기술경영 분야 연구 주제의 진화 양상을 파악할 수 있을 것으로 기대된다. 셋째, 본 연구는 동시출현단어 분석만으로 기술경영 분야의 지식 구조를 시각화하였으나, 동시 인용분석, 동시분류분석 등 계량서지분석의 다양한 기법을 활용하여 추가적인 분석을 수행하여 그 결과를 비교한다면, 보다 다양한 관점에서 기술경영 분야의 연구 동향을 파악할 수 있을 것이다.
분석 기간을 10년 이상으로 확장하고, 3년 또는 5년 단위로 구간을 나누어서 키워드 네트워크의 변화를 분석한다면, 기술경영 분야 연구 주제의 진화 양상을 파악할 수 있을 것으로 기대된다. 셋째, 본 연구는 동시출현단어 분석만으로 기술경영 분야의 지식 구조를 시각화하였으나, 동시 인용분석, 동시분류분석 등 계량서지분석의 다양한 기법을 활용하여 추가적인 분석을 수행하여 그 결과를 비교한다면, 보다 다양한 관점에서 기술경영 분야의 연구 동향을 파악할 수 있을 것이다.
그럼에도 불구하고 본 연구에는 몇 가지 한계점이 있으며, 이는 추후 연구에서 보완될 필요가 있다. 첫째, 본 연구는 저자 키워드를 바탕으로 동시출현빈도를 측정하였으나, 저자 키워드만으로는 해당 논문의 모든 내용을 함축하기에는 무리가 있으며, 저자의 성향에 따라 키워드의 선택이 달라질 수 있다. 따라서 제목 및 초록을 대상으로 텍스트마이닝을 수행하여 단어 수준에서 동시출현단어 분석을 수행한다면 보다 풍부한 키워드를 고려할 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
동시출현단어 분석이란 무엇인가?
이에 본 연구에서는 동시출현단어(co-word) 분석을 활용하여 기술경영 분야의 연구 주제 간 연관관계를 분석한다. 동시출현단어 분석은 두 키워드가 문서집합 내 문서들에서 얼마나 자주 함께 출현하였는가를 바탕으로 키워드 간 연관관계를 측정하는 계량서 지분석 기법으로(Courtial, 1994), 특정 학문 및 기술 도메인의 지식 구조를 파악하는데 널리 활용되어 온 기법이다. 본 연구에서는 9개의 기술경영 전문 학술지에 게재된 논문 들을 대상으로, 논문에 포함된 저자 키워드(author keywords)에 대한 동시출현단어 분석을 수행하여 기술경영 연구분야의 키워드 네트워크를 구축하고 주제별 핵심 키워드를 도출한다.
기술경영 분야 내의 핵심 학술 주체를 도출하는 연구의 목적은 무엇인가?
첫째, 기술경영 분야 내의 핵심 학술 주체(intellectual pillars)를 도출하는 연구이다. 기술경영 학술지에 게재된 논문의 수 및 피인용 횟수를 바탕으로, 영향력 있는 논문, 연구자, 기관 등의 목록 및 순위를 산출하는 것을 목적으로 한다. Journal of Product Innovation Management(Biemans et al.
연관규칙 분석의 신뢰도 값을 이용하여 키워드 간 연관관계를 측정하면 무엇이 좋은가?
동시출현단어 관계를 바탕으로 키워드 간 연관행렬(association matrix) 생성 시, 일반적으로는 동시출현 빈도수 또는 이를 정규화한 유사도 지수를 활용하는 것이 대부분이나, 본 연구에서는 연관규칙분석(association rule mining)의 신뢰도(confidence) 값을 이용하여 키워드 간 연관관계를 측정한다. 유사도 지수의 경우 단순히 두 키워드 간의 동시출현여부만을 고려하므로 키워드 간의 방향성을 고려할 수 없으나, 연관규칙 분석의 신뢰도는 특정 키워드가 출현했을 때 다른 키워드가 출현할 확률로 정의됨으로 키워드 간의 방향성을 고려할 수 있다. 따라서 기존의 유사도 지수를 활용한 연구들의 경우 함께 많이 연구되는 주제들의 조합을 파악하는 수준에서 그쳤다면, 본 연구에서는 특정 주제에 대한 연구가 이루어질 때 이와 함께 어떤 주제들이 함께 연구되는 지를 파악할 수 있다.
참고문헌 (42)
고영만.송민선.김비연.민혜령, (2013), "인문학 및 사회과학 분야 국내 학술논문의 저자키워드 출현빈도와 피인용횟수의 상관관계 연구", 정보관리학회지, 제30권 제2호, pp. 227-243.
Agrawal, R., Imielinski, T. and Swami, A. (1993), "Mining Association Rules between Sets of Items in Large Databases", Acm Sigmod Record, Vol. 22, No. 2, pp. 207-216.
Allen, T.J. and Sosa, M.L. (2004), "50 Years of Engineering Management through the Lens of the IEEE Transactions", IEEE Transactions on Engineering Management, Vol. 51, pp. 391-395.
Bhattacharya, S. and Basu, R.K. (1998), "Mapping a Research Area at the Micro Level Using Co-word Analysis", Scientometrics, Vol. 43, No. 3, pp. 359-372.
Beyhan, B. and Cetindamar, D. (2011), "No Escape from the Dominant Theories: The Analysis of Intellectual Pillars of Technology Management in Developing Countries", Technological Forecasting and Social Change, Vol. 78, pp. 103-115.
Biemans, W., Griffin, A. and Moenaert, R. (2007), "Twenty Years of the journal of Product Innovation Management: History, Participants, and Knowledge Stock and Flows", Journal of Product Innovation Management, Vol. 24, pp. 193-213.
Callon, M., Coenen, R., Cohen, W., Freeman, C., Kodama, F., Meyer-Krahmer, F., Pavitt, K. and Pisano, G. (1999), "Retrospective Evaluation (1971-1999)", Research Policy, Vol. 28, pp. 911-919.
Callon, M., Courtial, J.P., Turner, W.A. and Bauin, S. (1983), "From Translations to Problematic Networks: An Introduction to Co-word Analysis", Social Science Information Sur Les Sciences Sociales, Vol. 22, No. 2, pp. 191-235.
Callon, M., Courtial, J.P. and Laville, F. (1991), "Co-word Analysis as a Tool for Describing the Network of Interactions between Basic and Technological Research: Case of Polymer Chemistry", Scientometrics, Vol. 22, No. 1, pp. 153-205.
Cetindamar, D., Wasti, S.N., Ansal, H. and Beyhan, B. (2009), "Does Technology Management Research Diverge or Converge in Developing and Developed Countries?", Technovation, Vol. 29, pp. 45-58.
Cheng, C.H., Kumar, A., Motwani, J.G., Reisman, A. and Madan, M.S. (1999), "A Citation Analysis of the Technology Innovation Management Journals", IEEE Transactions on Engineering Management, Vol. 46, pp. 4-13.
Choi, D.G., Lee, Y.B., Jung, M.J. and Lee, H. (2012), "National Characteristics and Competitiveness in MOT Research: A Comparative Analysis of Ten Specialty Journals, 2000-2009", Technovation, Vol. 32, pp. 9-18.
Coulter, N., Monarch, I. and Konda, S. (1998), "Software Engineering as Seen through Its Research Literature: A Study in Co-word Analysis", Journal of the American Society for Information Science, Vol. 49, No. 13, pp. 1206-1223.
Courtial, J.P., Callon, M. and Sigogneau, A. (1993), "The Use of Patent Titles for Identifying the Topics of Invention and Forecasting Trends", Scientometrics, Vol. 26, No. 2, pp. 231-242.
Durisin, B., Calabretta, G. and Parmeggiani, V. (2010), "The Intellectual Structure of Product Innovation Research: A Bibliometric Study of the Journal of product innovation Management, 1984-2004", Journal of Product Innovation Management, Vol. 27, pp. 437-451.
Hinze, S. (1994), "Bibliographical Cartography of an Emerging Interdisciplinary Discipline: The Case of Bioelectronics", Scientometrics, Vol. 29, No. 3, pp. 353-376.
McMillan, G.S. (2008), "Mapping the Invisible Colleges of R&D Management", R&D Management, Vol. 38, pp. 69-83.
Linton, J.D. and Thongpapanl, N. (2004), "Perspective: Ranking the Technology Innovation Management Journals", Journal of Product Innovation Management, Vol. 21, pp. 123-139.
Looze, M.D. and Lemarie, J. (1997), "Corpus Relevance through Co-word Analysis: An Application to Plant Proteins", Scientometrics, Vol. 39, No. 3, pp. 267-280.
Noyons, E.C.M. and van Raan, A.F.J. (1998), "Monitoring Scientific Developments from a Dynamic Perspective: Self-organized Structuring to Map Neural Network Research", Journal of the American Society for Information Science, Vol. 49, No. 1, pp. 68-81.
Noyons, E.C.M. and van Raan, A.F.J. (1994), "Bibliometric Cartography of Scientific and Technological Development of an R&D Field", Scientometrics, Vol. 30, No. 1, pp. 157-173.
Merino, M.T.G., do Carmo, M.L.P. and Alvarez, M.V.S. (2006), "25 Years of Technovation: Characterisation and Evolution of the Journal", Technovation, Vol. 26, pp. 1303-1316.
Pilkington, A. and Liston-Heyes, C. (1999), "Is Production and Operations Management a Discipline? A Citation/co-citation Study", International Journal of Operations and Production Management, Vol. 19, No. 1, pp. 7-20.
Ramos-Rodrigez, A.R. and Ruiz-Navarro, J. (2004), Changes in the Intellectual Structure of Strategic Management Research: A bibliometric Study of the Strategic Management Journal, 1980, Vol. 25, No. 10, pp. 981-1004.
Rikken, P., Kiers, H.A.L. and Vos, R. (1995), "Mapping the dynamics of adverse drug reactions in subsequent time periods using INDSCAL", Scientometrics, Vol. 33, No. 3, pp. 367-380.
Sauperl, A. (2004), "Catalogers' Common Ground and Shared Knowledge", Journal of the American Society for Information Science and Technology, Vol. 55, No. 1, pp. 55-63.
Small, H., Boyack, K.W. and Klavans, R. (2014), "Identifying Emerging Topics in Science and Technology", Research Policy, Vol. 48, No. 8, pp. 1450-1467.
Teichert, T. and Pilkington, A. (2006), "Themes, Concepts and Relationships in Innovation Research", Proceedings of the 15th IAMOT Conference: East Meets West, pp. 22-26.
Thongpapanl, N. (2012), "The Changing Landscape of Technology and Innovation Management: An Updated Ranking of Journals in the Field", Technovation, Vol. 32, pp. 257-271.
Van Eck, N. J. and Waltman, L. (2009), "How to Normalize Cooccurrence data? An Analysis of Some Well", Journal of the American Society for Information Science and Technology, Vol. 60, No. 8, pp. 1635-1651.
Wu, X., Zhang, C. and Zhang, S. (2004), "Efficient Mining of Both Positive and Negative Association Rules", ACM Transactions on Information Systems, Vol. 22, pp. 381-405
Yan, E. and Ding, Y. (2012), "Scholarly Network Similarities: How Bibliographic Coupling Networks, Citation Networks, Cocitation Networks, Topical Networks, Coauthorship Networks, and Coword Networks Relate to Each Other", Journal of the American Society for Information Science and Technology, Vol. 63, No. 7, pp. 1313-1326.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.