지난 50년 동안 혁신 분야는 학문의 정착과 진화의 시기를 지나왔다. 시간이 흐름에 따라 연구 주제의 범위가 확장되고 다양해지고 있으며, 양적 측면에서도 증가 추세를 보이고 있다. 혁신 분야와 같이 다학제적인 분야에서 새로운 연구 주제를 탐색하고, 기존 연구의 흐름을 파악하는데 있어 연구 현황 및 동향에 대한 포괄적인 이해는 필수적이다. 본 연구에서는 텍스트 마이닝 기법을 이용해 2000년부터 2015년까지의 국외 혁신 분야의 연구 현황 및 동향을 거시적인 관점에서 분석하였다. 분석 결과, 혁신 분야에서는 전통적인 주제와 최근에 주목받고 있는 주제를 중심으로 연구가 이루어지고 있었으며, 일부 전통적인 주제에서 학문의 분화 현상이 나타났다. 연구 결과는 지난 16년 동안 혁신 분야에서 나타난 연구 주제의 현황 및 동향에 대한 이해를 도모할 것이며, 연구자들에게 새로운 패러다임이 정착하고 진화해가는 과정을 학술적 관점에서 통찰할 수 있는 기회를 제공할 것이다.
지난 50년 동안 혁신 분야는 학문의 정착과 진화의 시기를 지나왔다. 시간이 흐름에 따라 연구 주제의 범위가 확장되고 다양해지고 있으며, 양적 측면에서도 증가 추세를 보이고 있다. 혁신 분야와 같이 다학제적인 분야에서 새로운 연구 주제를 탐색하고, 기존 연구의 흐름을 파악하는데 있어 연구 현황 및 동향에 대한 포괄적인 이해는 필수적이다. 본 연구에서는 텍스트 마이닝 기법을 이용해 2000년부터 2015년까지의 국외 혁신 분야의 연구 현황 및 동향을 거시적인 관점에서 분석하였다. 분석 결과, 혁신 분야에서는 전통적인 주제와 최근에 주목받고 있는 주제를 중심으로 연구가 이루어지고 있었으며, 일부 전통적인 주제에서 학문의 분화 현상이 나타났다. 연구 결과는 지난 16년 동안 혁신 분야에서 나타난 연구 주제의 현황 및 동향에 대한 이해를 도모할 것이며, 연구자들에게 새로운 패러다임이 정착하고 진화해가는 과정을 학술적 관점에서 통찰할 수 있는 기회를 제공할 것이다.
For the past 50 years, innovation field has gone through an evolution. The range of research topics on innovation has expanded and diversified, along with a quantitative increase. In a multi-disciplinary field like innovation, to explore new topics and understand research trends, it is necessary to ...
For the past 50 years, innovation field has gone through an evolution. The range of research topics on innovation has expanded and diversified, along with a quantitative increase. In a multi-disciplinary field like innovation, to explore new topics and understand research trends, it is necessary to possess a comprehensive understanding regarding the current status of, and trends in, the research. In this study, the research trend in innovation studies from 2000 to 2015 was analyzed in a holistic perspective. For this, a novel technique, text mining was used. The result shows that innovation studies has focused on the traditional and emerging topics. Also, the differentiations has appeared in some of the traditional topics. This study provides not only an understanding of research dynamics, but also an opportunity to gain insights into the evolution of a new paradigm from an academic perspective.
For the past 50 years, innovation field has gone through an evolution. The range of research topics on innovation has expanded and diversified, along with a quantitative increase. In a multi-disciplinary field like innovation, to explore new topics and understand research trends, it is necessary to possess a comprehensive understanding regarding the current status of, and trends in, the research. In this study, the research trend in innovation studies from 2000 to 2015 was analyzed in a holistic perspective. For this, a novel technique, text mining was used. The result shows that innovation studies has focused on the traditional and emerging topics. Also, the differentiations has appeared in some of the traditional topics. This study provides not only an understanding of research dynamics, but also an opportunity to gain insights into the evolution of a new paradigm from an academic perspective.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
(2016)은 LDA 토픽모델링 기법을 이용해 커뮤니케이션 분야의 연구 주제와 연구 방법의 분포를 제시하고 한 문헌 내에서 나타나는 토픽들의 동시 출현을 기반으로 한 토픽 네트워크 분석을 통해 연구 주제와 방법 간의 관계를 분석하였다. 그러나 혁신 분야에서는 아직 적용된 바가 없으므로, 본 연구에서는 LDA 토픽모델링 기법을 통해 국외 혁신 분야의 연구 동향을 분석함으로써 거시적 관점과 내용을 고려한 분석 결과를 제시하고자 한다.
앞서 제시한 연구 주제의 분포를 통해 혁신 분야의 연구 주제는 크게 전통적인 연구 주제와 최근 새롭게 등장 주제들로 이루어져 있음을 알 수 있다. 따라서 본 연구에서는 전통적인 연구 주제와 최근 각광받고 있는 연구 주제의 관점에서 분석 결과를 제시하고자 한다.
2000년대 초반에는 인간게놈프로젝트의 영향으로 주로 유전자 관련 연구 주제들이 주를 이루었으나, 최근에는 앞서 언급한 바와 같이 의료, 식품 등 다양한 바이오헬스 관련 키워드들이 등장하고 있어 세부 연구 주제에 변화가 있음을 유추할 수 있다. 또한, 2009년에 오바마 정부가 들어서면서 줄기세포 연구에 대한 연방정부의 지원 규제를 폐지한 이후로 바이오헬스에 대한 연구가 약소하지만 꾸준히 증가하고 있는 것으로 나타났기 때문에 향후 바이오헬스 분야의 연구 규모의 성장 가능성에 대해 주목할 필요가 있다.
본 연구에서는 텍스트 마이닝 기법인 토픽모델링 분석을 이용해 2000년부터 2015년까지의 국외 혁신 분야의 연구 현황 및 동향을 분석하고자 한다. 텍스트 마이닝은 텍스트에서 유용한 정보를 추출하고 이를 효과적으로 표현해주는 방법론으로 전체적인 관점에서 텍스트의 맥락을 기반으로 한 분석 결과를 도출할 수 있다는 강점이 있다 (Liu et al.
제안 방법
본 연구에서는 10부터 40까지의 범위에 해당하는 토픽 수를 설정하여 실험을 수행하였다. 각 토픽 수에 따른 실험 결과를 비교하여 상호독립적인 주제를 나타내며, 기존 연구들에서 제시하고 있는 혁신 분야의 연구 주제의 분포를 가장 포괄적으로 반영하는 토픽 수인 25개를 토픽 수로 설정하였다. 토픽모델링 분석을 통해 추출된 각 토픽의 키워드들과 해당 토픽에 속하는 문헌을 바탕으로 특정 토픽이 나타내는 연구 주제에 대한 레이블을 부여한다.
각 토픽의 글자 크기와 노드의 크기는 가중연결중심성과 비례하고, 연결선의 두께는 토픽 간의 연결정도와 비례하며, 군집화 결과는 을 통해 제시하였다.
다음으로 연구 동향을 분석하기 위해 각 토픽의 비율을 연도별로 산출한 결과를 시계열 그래프를 이용해 제시하였다. 각 토픽의 비율은 각 토픽 내 키워드들의 출현 빈도의 합계를 이용해 산출하였다. 따라서 해당 토픽의 비율이 높을수록 혁신 분야에서 그 토픽이 차지하는 비율이 높음을 의미한다고 할 수 있다.
또한, 분석 기법의 특성상 각 토픽에 연구 주제를 부여하는데 있어 객관성을 확보하는데 어려움이 존재하였다. 그러나 혁신 분야를 아우르는 분석 결과를 도출하기 위해 기존 연구들에서 제시하는 핵심 저널 목록과 검색 엔진을 활용하여 분석 대상을 선정함으로써 분석 결과의 대표성을 확보하고자 하였으며, 전공의 다양성을 고려한 전문가의 선정과 3차에 걸친 레이블링 과정을 통해 동일한 분석 기법을 사용한 기존 연구들보다 체계적인 방법으로 레이블을 부여하고자 하였다.
1을 이용해 토픽 간의 관계를 나타내는 토픽 네트워크를 구축하였다. 다음으로 연구 동향을 분석하기 위해 각 토픽의 비율을 연도별로 산출한 결과를 시계열 그래프를 이용해 제시하였다. 각 토픽의 비율은 각 토픽 내 키워드들의 출현 빈도의 합계를 이용해 산출하였다.
2차 레이블 검토 과정에서는 혁신 분야 박사 3인이 1차 레이블링 결과를 검토하였으며, 2인 이상이 검토 결과에 동의할 경우 해당 토픽의 레이블을 확정하였다. 마지막으로 3차 레이블 검토 과정에서는 혁신 분야 박사 2인이 2차 레이블링 검토 결과에 대한 최종적인 검토 작업 수행하여 최종 레이블을 확정하였다. 이와 같은 방법을 통해 확정된 레이블링 결과 중 연구 방법에 관련된 토픽과 일반적인 단어들로 구성된 토픽을 제외한 20개의 연구 주제 관련 토픽을 최종 분석 대상으로 선정하였다.
본 연구는 지난 16년 동안 발표된 혁신 분야의 논문을 바탕으로 혁신 분야의 연구 현황 및 동향을 제시하였으며, 연구 주제의 측면에서 한 패러다임이 도입⋅정착⋅진화 과정을 거쳐 다음 패러다임을 맞이하기까지의 변화 양상을 분석하였다.
이때, 토픽 수는 연구자가 설정하며, 적절한 토픽 수의 설정을 위해 연구자는 데이터 수를 고려하여 다양한 토픽 수에 대한 실험을 수행한다. 본 연구에서는 10부터 40까지의 범위에 해당하는 토픽 수를 설정하여 실험을 수행하였다. 각 토픽 수에 따른 실험 결과를 비교하여 상호독립적인 주제를 나타내며, 기존 연구들에서 제시하고 있는 혁신 분야의 연구 주제의 분포를 가장 포괄적으로 반영하는 토픽 수인 25개를 토픽 수로 설정하였다.
본 연구에서는 연구 현황과 연구 동향을 중심으로 분석을 수행하였다. 우선 연구 현황을 보여주기 위해 각 토픽이 차지하는 비율을 산출하고, 네트워크 분석 소프트웨어인 Gephi 0.
따라서 이 연구에서는 하나의 토픽은 하나의 연구 주제를 의미한다고 할 수 있다. 연구결과의 신뢰성을 확보하기 위해 경제학, 기술경영학, 과학기술정책학 등의 혁신 분야 박사 6인을 통한 레이블 부여 및 검토 과정을 3차에 걸쳐 수행하였다. 1차 레이블 부여 작업에서는 혁신 분야 박사 5인이 레이블 부여 작업을 수행하였으며, 3인 이상이 동의한 경우 해당 토픽의 레이블을 확정하였다.
본 연구에서는 연구 현황과 연구 동향을 중심으로 분석을 수행하였다. 우선 연구 현황을 보여주기 위해 각 토픽이 차지하는 비율을 산출하고, 네트워크 분석 소프트웨어인 Gephi 0.9.1을 이용해 토픽 간의 관계를 나타내는 토픽 네트워크를 구축하였다. 다음으로 연구 동향을 분석하기 위해 각 토픽의 비율을 연도별로 산출한 결과를 시계열 그래프를 이용해 제시하였다.
<그림 3>은 국외 혁신 분야의 토픽 네트워크로 본 연구에서는 각 토픽의 가중연결중심성, 토픽 간 연결정도, 군집화 결과를 중심으로 이 네트워크를 분석하였다. 각 토픽의 글자 크기와 노드의 크기는 가중연결중심성과 비례하고, 연결선의 두께는 토픽 간의 연결정도와 비례하며, 군집화 결과는 <표 3>을 통해 제시하였다.
(2015)은 혁신 시스템에 대한 1,364개의 논문을 대상으로 인용 분석을 수행하여 지적 구조와 진화를 분석하고자 하였다. 이 연구에서는 주제 카테고리 동시출현 분석을 통해 학문 분야의 분포, 키워드 동시출현 네트워크, 저널 동시인용 네트워크 분석을 수행하였다. 국외 연구에서 뿐만 아니라 국내 연구에서도 이러한 시도들이 나타나고 있다.
또한, Lee & Su (2010)는 기존 연구들보다 세부 단위에서의 분석을 시도하였다. 이 연구에서는 지역혁신시스템에 대한 432개의 논문을 대상으로 중심성 척도 이용하여 기관, 국가, 저자, 저자 키워드의 동시출현 네트워크 분석을 수행하였으나, 텍스트 마이닝을 통한 내용 분석의 필요성을 한계점으로 언급하였다. 이처럼 기존 연구들을 통해 계량서지적 방법은 방대한 양의 데이터를 대상으로 저널, 논문, 저자, 키워드 등 다양한 단위에서 연구 분야를 거시적으로 분석할 수 있다는 장점이 있으나, 서지정보가 나타낼 수 있는 정보는 제한적이기 때문에 텍스트의 내용이나 맥락을 반영한 분석 결과를 도출하기 어렵다는 한계가 존재함을 확인할 수 있다.
토픽 17은 디지털 기술과 관련된 단어들인 information, internet, technology, communication, network 등과 소비자 관련 단어들인 consumer, customer, user, purchase 등이 나타났다. 인터넷이나 IT 기술의 도입과 제품의 구매에 소비자가 미치는 영향에 대한 토픽임을 유추할 수 있으며, 이를 바탕으로 토픽 17은 2000년대 초반에 등장한 사용자혁신 (User Innovation)에 대한 토픽으로 판단하였다.
토픽 18은 regional, local, spatial, study, case와 같은 단어들과 european, england 등 특정 국가나 지역을 나타내는 단어들을 통해 지역 단위의 사례연구 (Case Study)에 대한 토픽으로 판단하였다.
토픽 추출에 앞서 원형 복원, 불용어 제거 등의 텍스트 전처리 과정을 수행한 후, 텍스트 마이닝 기법 중 하나인 LDA (Latent Dirichlet Allocation) 토픽모델링 기법을 통해 토픽을 추출하였다. 토픽모델링 기법에서는 하나의 군집을 하나의 ‘토픽’으로 간주하며, <표 2>와 같이 각 토픽 내 단어들의 리스트를 분석결과로 제공한다.
대상 데이터
Thongpapanl (2012), Crossan & Apaydin (2010), Google Scholar Metrics (2016)에서 제시한 혁신 분야의 핵심 저널 목록을 바탕으로 과 같이 16종의 저널을 분석 대상으로 선정하였다.
Thongpapanl (2012), Crossan & Apaydin (2010), Google Scholar Metrics (2016)에서 제시한 혁신 분야의 핵심 저널 목록을 바탕으로 <표 1>과 같이 16종의 저널을 분석 대상으로 선정하였다. 분석 대상 기간은 2000년에서 2015년이며, 총 15,265개의 초록을 대상으로 분석하였다. 분석 대상 저널의 DB를 통해 논문 제목, 저자명, 출판연도, 저널명, 초록 등의 서지 정보에 대한 데이터를 수집하였으며, 이를 데이터셋으로 구축하였다.
분석 대상 기간은 2000년에서 2015년이며, 총 15,265개의 초록을 대상으로 분석하였다. 분석 대상 저널의 DB를 통해 논문 제목, 저자명, 출판연도, 저널명, 초록 등의 서지 정보에 대한 데이터를 수집하였으며, 이를 데이터셋으로 구축하였다.
마지막으로 3차 레이블 검토 과정에서는 혁신 분야 박사 2인이 2차 레이블링 검토 결과에 대한 최종적인 검토 작업 수행하여 최종 레이블을 확정하였다. 이와 같은 방법을 통해 확정된 레이블링 결과 중 연구 방법에 관련된 토픽과 일반적인 단어들로 구성된 토픽을 제외한 20개의 연구 주제 관련 토픽을 최종 분석 대상으로 선정하였다.
이론/모형
따라서 가중연결중심성이 높은 토픽은 네트워크 내에서의 중요성 또는 영향력이 크다고 할 수 있다. 또한, 연결 강도를 기반으로 한 군집화 알고리즘인 모듈성 (Modularity)을 이용해 토픽들에 대한 군집화를 수행하였다. 이와 같은 분석을 통해 혁신 분야에서 함께 연구되는 빈도가 높은 연구 주제들과 낮은 연구 주제들에 대한 파악이 가능하고, 군집화 결과를 통해 어떤 연구 주제들이 함께 연구되고 있는지에 대해 알 수 있기 때문에 연구 주제 탐색 시 기존 연구 주제와 차별성 있는 연구 주제를 선택하는데 있어 분석 결과를 활용할 수 있다.
성능/효과
public, government, university, firm과 같은 단어들을 통해 산⋅학⋅연 단위의 혁신 주체를 중심으로 하는 혁신체제에 대한 논의가 이루어지고 있다는 것을 유추할 수 있으며, 민간 부문보다는 공공 부문에 대한 내용의 비중이 높은 것으로 나타났다.
둘째, 혁신 분야는 최근 과학기술, 경제, 산업, 사회 환경의 변화나 새로운 개념의 영향을 받아 새로운 연구 주제들이 등장하고 있는 추세이며, 기존 연구 주제가 재조명 받는 경우도 존재하였다. 꾸준히 증가 추세를 보이는 연구 주제들은 이미 안정기에 접어든 분야로 볼 수 있으며, 바이오헬스와 같이 낮은 비중으로 꾸준히 연구되고 있는 연구 주제는 향후 성장 가능성이 있는 연구 주제로 연구자들은 새로운 연구 주제의 탐색 시 이를 고려할 필요가 있다.
또한, 중소기업에서 기업가정신으로, 국가혁신시스템에서 지역혁신으로 연구 주제가 이동하는 현상이 나타났다. 2010년을 기점으로 기업가정신이 중소기업을 앞서고 있는 것으로 나타났으며, 중소기업은 최근 증가 추세가 나타나지 않으나, 기업가정신은 꾸준히 증가 추세를 보이고 있다.
셋째, 혁신 분야 내 연구 주제의 융합 현상에 대해 분석한 결과 혁신 분야에서는 전통적인 연구 주제들과의 융합 연구는 활발한 것으로 나타났으나, 바이오헬스와 같이 최근에 등장한 연구 주제들 간의 융합 연구는 아직 미비한 것으로 나타났다. 따라서 연구 주제의 차별성을 확보하기 위해 최근에 등장한 연구 주제들 간의 융합 연구를 고려할 필요가 있다고 할 수 있다.
꾸준히 증가 추세를 보이는 연구 주제들은 이미 안정기에 접어든 분야로 볼 수 있으며, 바이오헬스와 같이 낮은 비중으로 꾸준히 연구되고 있는 연구 주제는 향후 성장 가능성이 있는 연구 주제로 연구자들은 새로운 연구 주제의 탐색 시 이를 고려할 필요가 있다. 이외에도 최근 혁신 분야에서 각광받고 있는 연구 트렌드를 알 수 있었으며, 연구 주제 간의 이동 현상이 나타나고 있음을 확인할 수 있었다.
이 연구에서는 지역혁신시스템에 대한 432개의 논문을 대상으로 중심성 척도 이용하여 기관, 국가, 저자, 저자 키워드의 동시출현 네트워크 분석을 수행하였으나, 텍스트 마이닝을 통한 내용 분석의 필요성을 한계점으로 언급하였다. 이처럼 기존 연구들을 통해 계량서지적 방법은 방대한 양의 데이터를 대상으로 저널, 논문, 저자, 키워드 등 다양한 단위에서 연구 분야를 거시적으로 분석할 수 있다는 장점이 있으나, 서지정보가 나타낼 수 있는 정보는 제한적이기 때문에 텍스트의 내용이나 맥락을 반영한 분석 결과를 도출하기 어렵다는 한계가 존재함을 확인할 수 있다.
전반적으로 토픽의 비중과 가중연결중심성은 비례하는 경향이 있는 것으로 나타났다. 즉, 높은 비중을 차지하는 기업혁신역량, 기술경영과 같은 전통적인 연구 주제들의 가중연결중심성이 높은 경향이 있으며, 이는 해당 연구 주제들이 다른 연구 주제들과 함께 연구되는 빈도가 전반적으로 높은 편에 속한다는 것을 의미한다.
<그림 4>와 <그림 5>는 2000년부터 2015년까지 각 토픽 (연구 주제)의 비율을 연도에 따라 나타낸 그래프로 시간의 흐름에 따른 각 연구 주제의 변화 추이를 나타낸다. 전통적인 연구 주제인 기업혁신역량, 혁신환경, 혁신요인은 증가 추세를 보이는 반면, 기술 경영은 크게 감소하는 경향이 나타났다. 기업혁신역량은 2000년부터 2015년 사이에 가장 크게 증가한 연구 주제로 2배 이상 증가하였으며, 특히 2011년에서 2013년에 급격히 상승하였다.
본 연구의 연구 결과는 다음과 같다. 첫째, 지난 16년 동안의 혁신 분야는 전통적으로 연구해 온 연구 주제들이 전반적으로 높은 비중을 차지하는 경향이 있으며, 일부 전통적인 연구 주제들이 세부적인 연구 주제로 분화되면서 연구 범위의 확장 및 분야의 다양화가 일어나고 있는 것으로 나타났다. 이러한 현상은 시간이 지남에 따라 학문의 토대 역할을 하는 학문 분야의 프레임이나 이론에 대한 연구가 포화 상태에 접어들게 되고, 학문 분야가 진화하는 시점을 맞이하게 되면서 나타나는 연구 주제의 다양성을 추구하기 위한 과정으로 볼 수 있다.
토픽 1은 기업혁신역량 (Firm’s Innovation Capability)에 대한 토픽으로 firm, capability, industry, performance, competitive, advantage, relationship과 같은 키워드들을 통해 기업이 주체적인 역할을 하고 있으며, 산업 측면에서의 역량과 관계에 대한 논의가 이루어지고 있다는 것을 알 수 있다.
후속연구
관련 학회와 정책연구기관 간의 긴밀한 협업을 통해 이론적인 체계와 국내⋅외 정책동향을 공유함으로써 적용가능한 연구 결과의 도출이 가능하며, 이는 정책 현장과의 괴리를 상쇄시키는데 기여할 것이다.
2010; Hjalager, 2010). 그러나 기존 연구들은 분석 결과에 대한 양적 근거가 부족하다는 것을 연구의 한계로 지적하고 있으며, 양적 분석 방법과 질적 분석 방법을 동시에 적용한 연구를 향후 연구 방향으로 제시하고 있다. Fagerberg (2009)와 Keupp et al.
넷째, 국내 혁신 연구들은 여전히 국외 연구 동향을 뒤따라가는 ‘Fast Follower’의 모습을 보여주고 있으므로 국외 연구 동향과의 시간 격차를 줄이고, 독자적인 연구 영역을 확보하기 위한 국내 연구기관 및 연구자들의 지속적인 노력이 요구된다.
다섯째, 국내 연구기관 및 연구자들은 다양한 연구 주제 간의 융합연구와 국외 연구기관 및 연구자들과의 공동연구를 적극적으로 수행해야하며, 국내⋅외 연구 동향을 지속적으로 모니터링하여 향후 혁신 연구에서 선도적인 역할을 할 수 있는 연구 주제의 발굴이 가능해야한다.
문헌 연구나 내용 분석은 특정 학문 분야 내 세부 분야의 연구 동향을 미시적 관점에서 이해하는데 적합하다고 할 수 있다. 또한, 계량서지적 방법은 저널, 논문, 저자, 키워드 등 다양한 단위에서 연구 동향을 거시적으로 분석할 수 있으나, 연구의 내용이나 글의 맥락을 반영한 분석 결과를 도출하기 어렵다는 한계가 존재한다. 국외 연구들에서는 키워드 분석, 군집 분석, 네트워크 분석과 같은 분석 방법을 적용한 연구들이 등장하고 있으며, 최근에는 네트워크 분석 방법을 선호하는 추세가 나타나고 있다 (Zhu & Guan, 2013).
또한, 국내⋅외 연구 동향의 모니터링을 통해 혁신 연구의 연구 영역 변화에 적극적으로 대응할 수 있으며, 향후 학문의 발전 방향에 대한 예측과 주지가 가능할 것으로 기대된다.
본 연구는 혁신 분야 내 핵심 저널을 대상으로 한 분석 결과를 도출하였기 때문에 분석 결과의 대표성을 확보하지 못하였다는 한계가 있다. 또한, 분석 기법의 특성상 각 토픽에 연구 주제를 부여하는데 있어 객관성을 확보하는데 어려움이 존재하였다.
, 2015). 연구 결과는 최근 16년 동안 혁신 분야에서 나타나는 연구 주제의 현황 및 동향에 대한 이해를 도모할 것이며, 연구자들에게 새로운 패러다임이 정착하고 진화해가는 과정을 학술적 관점에서 통찰할 수 있는 기회를 제공할 것이다.
이와 같은 한계점에도 불구하고, 본 연구는 최근 16년 동안 혁신 연구에서 나타나는 연구 주제의 현황 및 동향에 대한 이해를 도모함으로써 연구자들에게는 새로운 패러다임이 정착하고 진화해가는 과정을 학술적 관점에서 통찰할 수 있는 기회를 제공할 것이며, 글로벌 이슈를 반영한 혁신 연구 동향에 대한 분석 결과를 통해 향후 국내 혁신 연구의 방향성을 제시할 수 있을 것으로 기대된다.
사용자혁신과 바이오헬스는 혁신 분야에서 떠오르는 연구 주제로 사용자혁신은 2003년 이전까지는 낮은 비중을 차지하였으나, 2000년대 초반에 인터넷과 ICT 기술이 도입되고, Chesbrough (2003)에 의해 등장한 개방형 혁신 (Open Innovation)과 흐름을 같이 하게 되면서 이후 지속적으로 증가 추세를 보이고 있다. 이처럼 사용자혁신은 신기술의 발달과 신산업의 등장으로 인해 새로운 국면을 맞이한 연구 주제로 향후 4차 산업혁명의 핵심 산업인 IoT 산업과 바이오 헬스케어 산업이 성장함에 따라 사용자혁신에 대한 연구도 지속적으로 증가할 것으로 예상된다.
질의응답
핵심어
질문
논문에서 추출한 답변
텍스트 마이닝의 강점은 무엇인가?
본 연구에서는 텍스트 마이닝 기법인 토픽모델링 분석을 이용해 2000년부터 2015년까지의 국외 혁신 분야의 연구 현황 및 동향을 분석하고자 한다. 텍스트 마이닝은 텍스트에서 유용한 정보를 추출하고 이를 효과적으로 표현해주는 방법론으로 전체적인 관점에서 텍스트의 맥락을 기반으로 한 분석 결과를 도출할 수 있다는 강점이 있다 (Liu et al., 2015).
문헌 연구나 내용 분석과 같은 연구방법은 어떤 한계를 지녔는가?
혁신 분야의 연구 동향을 분석한 기존 연구들은 주로 문헌 연구나 내용 분석을 통해 연구 동향을 분석해 왔다. 그러나 질적 연구 방법을 통해 연구 동향을 분석하는데 있어 시간과 비용의 한계가 존재한다. 특히 혁신 분야와 같이 다학제적인 분야의 경우, 학문 영역의 포괄적인 이해를 제시할 수 있는 연구자는 한정적이며, 연구자의 전공에 따라 편향된 분석 결과가 도출될 수 있다는 단점이 있다. 따라서 문헌 연구나 내용 분석은 조직 혁신이나 사용자혁신과 같은 특정 학문 분야 내 세부 분야를 미시적 관점에서 이해하는데 적합하다고 할 수 있다 (Shafique, 2013; Apaydin & Crossan, 2010; Bogers et al.
계량서지적 방법의 장단점은 무엇인가?
문헌 연구나 내용 분석은 특정 학문 분야 내 세부 분야의 연구 동향을 미시적 관점에서 이해하는데 적합하다고 할 수 있다. 또한, 계량서지적 방법은 저널, 논문, 저자, 키워드 등 다양한 단위에서 연구 동향을 거시적으로 분석할 수 있으나, 연구의 내용이나 글의 맥락을 반영한 분석 결과를 도출하기 어렵다는 한계가 존재한다. 국외 연구들에서는 키워드 분석, 군집 분석, 네트워크 분석과 같은 분석 방법을 적용한 연구들이 등장하고 있으며, 최근에는 네트워크 분석 방법을 선호하는 추세가 나타나고 있다 (Zhu & Guan, 2013).
참고문헌 (36)
감주식.김무웅.박상대.현병환 (2012), "바이오 미래유망 연구분야 도출에 관한 연구", 기술혁신학회지, 제15권 제2호, pp. 345-368.
정효정.배정환.홍수린.박찬웅.송민 (2016), "정치적 이념에 따른 트위터 공간에서의 집단 간 의견 차이 분석", 한국언론학보, 제60권 제2호, pp. 269-302.
허정은.양창훈 (2013), "네트워크 분석을 통한 융합연구 구조 분석", 기술혁신학회지, 제16권 제4호, pp. 883-912.
Abidin, S. B. Z., Mokhtar, S. S. B. and Yusoff, R. Z. B. (2011), "A Systematic Analysis of Innovation Studies: A Proposed Framework on Relationship between Innovation Process and Firm's Performance", The Asian Journal of Technology Management, Vol. 4, No. 2, pp. 65-83.
Baregheh, A., Rowley, J. and Sambrook, S. (2009), "Towards a Multidisciplinary Definition of Innovation", Management Decision, Vol. 47, No. 8, pp. 1323-1339.
Bogers, M., Afuah, A. and Bastian, B. (2010), "Users as Innovators: A Review, Critique, and Future Research Directions", Journal of Management, Vol. 36, No. 4, pp. 857-875
Cancino, C., Merigo, J. M. and Palacios-Marques, D. (2015), "A Bibliometric Analysis of Innovation Research", ALTEC, 2015.
Chesbrough, H. W. (2003), Open Innovation, Cambridge, MA: Harvard Business School Press.
Crossan, M. M. and Apaydin, M. (2010), "A Multi Dimensional Framework of Organizational Innovation: A Systematic Review of the Literature", Journal of Management Studies, Vol. 47, No. 6, pp. 1154-1191.
Fagerberg, J. (2003), "Innovation: A Guide to the Literature (No. 20031012)", Centre for Technology, Innovation and Culture, University of Oslo.
Godin, B. (2014), "Innovation Studies: Staking the Claim for a New Disciplinary", Tribe. Minerva, No. 52, pp. 489-495.
Google Scholar Metrics (https://scholar.google.com/intl/en/scholar/metrics.html)
Jiang, L. C., Wang, Z. Z., Peng, T. Q. and Zhu, J. J. (2015), "The Divided Communities of Shared Concerns: Mapping the Intellectual Structure of e-Health Research in Social Science Journals", International Journal of Medical Informatics, Vol. 84, No. 1, pp. 24-35.
Lee, P. C. and Su, H. N. (2010), "Investigating the Structure of Regional Innovation System Research through Keyword Co-occurrence and Social Network Analysis", Innovation, Vol. 12, No. 1, pp. 26-40.
Lee, K., Jung, H. and Song, M. (2016), "Subject-method Topic Network Analysis in Communication Studies", Scientometrics, pp. 1-27.
Liu, Z., Yin, Y., Liu, W. and Dunford, M. (2015), "Visualizing the Intellectual Structure and Evolution of Innovation Systems Research: A Bibliometric Analysis", Scientometrics, Vol. 103, No. 1, pp. 135-158.
Radosevic, S. (2012), "Innovation Policy Studies between Theory and Practice: A Literature Review Based Analysis", STI Policy Review, Vol. 3, No. 1, 1-45.
Schaffers, H., Komninos, N., Pallot, M., Trousse, B., Nilsson, M. and Oliveira, A. (2011), "Smart Cities and the Future Internet: Towards Cooperation Frameworks for Open Innovation", In: The Future Internet Assembly, pp. 431-446, Springer Berlin Heidelberg.
Shafique, M. (2013), "Thinking Inside the Box? Intellectual Structure of the Knowledge Base of Innovation Research (1988-2008)", Strategic Management Journal, Vol. 34, No. 1, pp. 62-93.
Smits, R. (2002), "Innovation Studies in the 21st Century;: Questions from a User's Perspective", Technological Forecasting and Social Change, Vol. 69, No. 9, pp. 861-883.
Song, M. and Kim, S. Y. (2013), "Detecting the Knowledge Structure of Bioinformatics by Mining Full-text Collections", Scientometrics, Vol. 96, No. 1, pp. 183-201.
Thongpapanl, N. T. (2012), "The Changing Landscape of Technology and Innovation Management: An Updated Ranking of Journals in the field", Technovation, Vol. 32, No. 5, pp. 257-271.
Yan, E., Ding, Y., Milojevic, S. and Sugimoto, C. R. (2012), "Topics in Dynamic Research Communities: An Exploratory Study for the Field of Information Retrieval", Journal of Informetrics, Vol. 6, No. 1, pp. 140-153.
Yan, E. (2015), "Research Dynamics, Impact, and Dissemination: A Topic Level Analysis", Journal of the Association for Information Science and Technology, Vol. 66, No. 11, pp. 2357-2372.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.