공동 특허 출원인간 협력 요인이 기술혁신성과에 미치는 영향 분석: 우리나라 정보통신업을 중심으로 Study of the Effects of Co-Patent Network Factors on Technological Innovation: Focus on IT industry in Korea원문보기
본 연구는 혁신주체 간 협력이 기술혁신 성과에 미치는 영향을 알아보기 위해 사회네트워크분석 및 분산분석 그리고 회귀분석을 실시하였다. 2009년부터 2012년까지 한국 특허청의 공동 출원인 자료를 토대로 네트워크 구조 변수 및 특성 변수를 도출하였다. 이를 통해 전체 네트워크의 구조적 유형, 혁신주체 별 역할 그리고 혁신 성과에 영향을 미치는 네트워크 특성 변수가 무엇인지를 실증 분석하였다. 분석결과를 요약하면 다음과 같다. 첫째, 특허 공동출원인 네트워크는 비교적 소규모 그룹들이 산재해 있는 분산집중형 좁은세상 네트워크 구조이며 혁신주체들이 비교적 느슨하게 연결되어 있었다. 둘째, 특허 공동출원인 네트워크에서 가장 중심적인 역할을 하는 것은 대학교로 밝혀졌으나 협력 파트너의 다양성은 모든 혁신주체가 비슷하였다. 셋째, 익숙한 몇몇 협력 파트너로부터 얻는 신속하고 정확성이 높은 지식이 다양한 분야의 협력 파트너로부터 얻는 생소한 지식보다 성과를 창출하는 데에 보다 긍정적이었다.
본 연구는 혁신주체 간 협력이 기술혁신 성과에 미치는 영향을 알아보기 위해 사회네트워크분석 및 분산분석 그리고 회귀분석을 실시하였다. 2009년부터 2012년까지 한국 특허청의 공동 출원인 자료를 토대로 네트워크 구조 변수 및 특성 변수를 도출하였다. 이를 통해 전체 네트워크의 구조적 유형, 혁신주체 별 역할 그리고 혁신 성과에 영향을 미치는 네트워크 특성 변수가 무엇인지를 실증 분석하였다. 분석결과를 요약하면 다음과 같다. 첫째, 특허 공동출원인 네트워크는 비교적 소규모 그룹들이 산재해 있는 분산집중형 좁은세상 네트워크 구조이며 혁신주체들이 비교적 느슨하게 연결되어 있었다. 둘째, 특허 공동출원인 네트워크에서 가장 중심적인 역할을 하는 것은 대학교로 밝혀졌으나 협력 파트너의 다양성은 모든 혁신주체가 비슷하였다. 셋째, 익숙한 몇몇 협력 파트너로부터 얻는 신속하고 정확성이 높은 지식이 다양한 분야의 협력 파트너로부터 얻는 생소한 지식보다 성과를 창출하는 데에 보다 긍정적이었다.
This study was conducted using social network analysis, variance analysis, and regression analysis to investigate the effects of cooperation between innovators on technical performance. Based on data of joint applicants filed with the Korean Intellectual Property Office from 2009 to 2012, we derive ...
This study was conducted using social network analysis, variance analysis, and regression analysis to investigate the effects of cooperation between innovators on technical performance. Based on data of joint applicants filed with the Korean Intellectual Property Office from 2009 to 2012, we derive network structural variables and characteristic variables, and identify network characteristics that affect the overall network structural type, roles for each subject of innovation, and innovation performance. The findings are as follows: ⅰ) The network of this study is a distributed, small-world network within which relatively small groups of innovators are distributed. ⅱ) Universities were found to play the most important role in cooperation, but diversity of cooperating partners exhibited similar effects. ⅲ) It was shown that access to quick and accurate knowledge from familiar partners exhibits a more positive influence on generating innovative performance than unfamiliar knowledge from a variety of cooperating partners in non-familiar fields.
This study was conducted using social network analysis, variance analysis, and regression analysis to investigate the effects of cooperation between innovators on technical performance. Based on data of joint applicants filed with the Korean Intellectual Property Office from 2009 to 2012, we derive network structural variables and characteristic variables, and identify network characteristics that affect the overall network structural type, roles for each subject of innovation, and innovation performance. The findings are as follows: ⅰ) The network of this study is a distributed, small-world network within which relatively small groups of innovators are distributed. ⅱ) Universities were found to play the most important role in cooperation, but diversity of cooperating partners exhibited similar effects. ⅲ) It was shown that access to quick and accurate knowledge from familiar partners exhibits a more positive influence on generating innovative performance than unfamiliar knowledge from a variety of cooperating partners in non-familiar fields.
혁신시스템은 혁신주체 간 상호작용에 의해 형성되는데, 이때 상호작용은 한 주체가 다른 주체에게 지식을 일방적으로 전달하는 것이 아니라 혁신주체 간 지식의 공유와 반복적인 학습을 통해 새로운 지식을 축적하고 생성하는 과정을 의미한다(Lundvall, 1992). 그리고 이러한 상호작용과 반복적인 학습을 통하여 구축된 혁신주체 간 신뢰는 사회적 자본의 형성에 기여하게 되고 이 사회적 자본은 새로운 기술혁신을 보다 용이하게 만드는 윤활유 역할을 하여 혁신의 선순환을 가능하게 만든다.
기술혁신과 관련하여 도움을 주는 사회네트워크분석의 특징은 무엇인가?
이처럼 기술혁신과 관련하여 혁신주체 간 협력과 연결이 강조되면서 협력과 연결정도를 객관적으로 측정하고 수치화하는 데 도움을 주고 있는 사회네트워크분석(Social Network Analysis, 이하 SNA)에 대한 관심이 높아지고 있다. SNA는 개별 주체의 속성에 주목하는 전통적인 통계분석과는 달리 각 주체 간의 연결 관계를 수치화한다는 특징이 있다(이수상, 2012). SNA는 1970년대부터 등장한 분석 방법이지만 기술적 한계로 주목받지 못 하다가 1980년대 이후 INSNA(International Network for Social Network Analysis)이 출범하고 Pajek, UCINET등 측정 도구가 발달하면서 경제학, 사회학, 생물학 등 다양한 분야에서 유용한 연구 방법으로 자리잡아가고 있다(Scott, 2012).
구조변수에는 어떤 것들이 있는가?
이에 덧붙여 기술혁신 관점에서의 SNA는 혁신주체 간 연결정도⋅경로⋅ 위치 등을 파악하여 그것이 어떤 경제적, 사회적 의미를 내포하는지 분석한다(김용학 외, 2007). SNA에서 경제적, 사회적 의미를 밝혀내기 위한 측정 변수를 크게 구조변수와 특 성변수로 나눌 수 있는데(이덕희, 2011), 구조변수는 전체 협력네트워크의 구조를 설명하는 것으로 연결정도(Degree), 밀도(Density), 경로거리(Path Distance) 그리고 컴포넌트 (Component) 등이 있고, 특성변수는 각 혁신주체가 네트워크 내에서 차지하고 있는 위치를 통해 어떤 기회를 갖는지 혹은 어떤 제약에 직면하고 있는지를 확인할 수 있는 변수로 중심성(Centrality)과 구조적 공백(Structural Holes)등이 있다. 중심성은 네트워크 내에서 특정 주체가 얼마나 유리한 위치를 점하고 있는지를 측정하는 개념으로, 누가 중요한 혁신주체인가 하는 질문에 대해 위치의 관점에서 설명한다(Hanneman and Riddle, 2005; Knoke and Yang, 2008; Prell, 2012; Scott, 2012).
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.