[논문]블록체인 분야의 학술연구 동향분석: 계량정보학적 네트워크분석을 중심으로

주우붕; 박한우

doi:10.14400/jdc.2019.17.6.219

블록체인 분야의 학술연구 동향분석: 계량정보학적 네트워크분석을 중심으로
Evaluating Blockchain Research Trend using Bibliometrics-based Network Analysis 원문보기

디지털융복합연구 = Journal of digital convergence, v.17 no.6, 2019년, pp.219 - 227

주우붕 (영남대학교 사이버감성연구소 블록체인정책연구센터) , 박한우 (영남대학교 사이버감성연구소)

초록
AI-Helper

본 연구는 계량정보학 네트워크 분석을 중심으로 블록체인 분야의 한국 연구자의 학술연구 동향을 계량학적 시각으로 살펴보고자 하였다. 데이터는 2009년부터 2018년까지 KCI와 NTIS, WoS 및 Scopus에 등재된 블록체인 논문으로 선정하였다. 계량정보학 연구방법으로 논문 발행, 연구의 분야, 공저자, 단어분석을 수행했다. 분석결과, 2017년부터 논문 수가 급증하였으며 공저자 네트워크 형성의 초기단계를 보였다. 논문제목에 많이 사용된 단어는 응용발전과 쟁점 및 기술개발과 관련된 단어들이 주로 나타났다. 또한 국내논문연구 분야는 사회과학 주제가 가장 많은 반면에 국제논문연구는 공학 주제가 가장 많았다. 시기별 분석결과는 한국학자들의 블록체인 3.0 연구는 2017년 시작되었고 2018년 빠르게 늘고 있다. 논문 피인용 수는 발행연도와 관련이 있었지만, 공저자 수와는 무관하였다. 이러한 계량정보학적 동향을 살펴봄으로써 블록체인 분야의 발전에 유용한 기초자료가 될 수 있을 것으로 기대한다. 향후연구는 블록체인 분야의 세계범위 지적 구조와 특징이 더욱 명확하게 드러날 것으로 기대한다.

Abstract ▼ AI-Helper

This study aims to examine Blockchain research trend using bibliometrics-based network analysis. The data were collected from WoS, Scopus, Korea Citation Index and National science & Technology Information Service, from 2009 to 2018. As results, the number of publications has started increasing rapidly from 2017 and it showed the initial stage of formation of coauthor network. Words often used in the title of the publications were related to application development, controversy and technology development. In addition, the majority of domestic papers are in the subject of social science, while international papers tend to focus on engineering issues. The results of the temporal analysis show that Korean researchers' block chain 3.0 started in 2017 and are rapidly increasing in 2018. The number of citations was associated with publication year in a statistically signifiant way. By examining these research trends, we hope that this paper can be a useful basis for the development of blockchain. Future research is expected to reveal more clearly the knowledge structure and characteristics of blockchain around the world.

주제어

표/그림 (13)

그림 Fig. 1. Data collection method of WoS and Scopus
표 Table 1. Centrality definition
그림 Fig. 2. Annual trends of both Korean and English publications on blockchain
표 Table 2. Network statistics
그림 Fig. 3. Co-authorship networks in both Korean and English publications in terms of individual researchers
그림 Fig. 4. Co-authorship networks in both Korean and English publications in terms of individual institutions
표 Table 3. Frequency and centrality of words in Korean publications
그림 Fig. 5. Clusters using Concor analysis
표 Table 4. Frequency and centrality of words in English publications
표 Table 5. Correlations of words centrality in Korean publications
표 Table 6. Correlations of words centrality in English publications
그림 Fig. 6. Change in research subject across periods
표 Table 7. Regression model explaining the number of citations

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

블록체인 분야에서 수행된 기존 학술연구를 체계적으로 검토할 필요가 있다. 따라서 본 논문에서는 계량정보학 네트워크 분석을 이용하여 블록체인 분야의 학술연구 동향을 계량학적 시각으로 살펴보고, 앞으로의 연구방향에 대해 논의하고자 한다.
본 연구는 2009년부터 2018년까지 KCI, NTIS, WoS, Scopus에 등재된 한국연구자들이 발표한 블록체인 관련 논문의 연도와 분야를 살펴보고, 저자, 기관 및 단어를 통해 연구자 및 연구내용의 특징을 살펴보았다. 분석결과 블록체인 논문은 2017년부터 급증하여 2018년에 전년대비 2배가 넘었다.
계량정보학(bibliometrics)은 특정한 분야의 학술적속성과 변화 및 연구 활동 등에 대해 정량적으로 규명하는 것이고 컴퓨터와 데이터베이스 기술의 도약으로 지난 20년 동안 크게 성장했으며 특히, 인용지표 개발에 초점을 맞추고 있다[9,10]. 이 학문의 목적은 논문과 단행본 등의 학술문헌의 다양한 정보적 측면을 측정하여 특정 분야의 지적(intellectual) 성격과 발전과정에 대해 밝히는 것이다[11].

가설 설정

피인용수가 출판년도 및 공저자 수에 따라 변한다고 가정하였다. 즉 다음과 같은 회귀모형을 가정하였다.

제안 방법

네트워크 분석은 UCInet 소프트웨어를 사용해서 계산하였다[26]. NodeXL 소프트웨어를 이용하여 공저자들 간 상호관계망을 시각화하였다[27].
또 4차례의 산업혁명도 여러 차례 거론되었다. 기술면에서는 보안과 지능계약 및 각종 응용연구가 이슈로 떠올라 블록체인 3단계를 맞이하였다. Miau, Yang[18]에 따르면, 세계적으로 블록체인 연구는 2016년부터 3.
본 연구에서는 네트워크 분석의 주요 지표인 연결중심성(degree centrality), 근접중심성(closeness centrality), 매개중심성(betweenness centrality) 및 위세중심성(eigenvector centrality)을 사용하였다. 연결중심성은 노드가 다른 노드들과 직접적으로 연결된 관계 빈도이다.
네트워크 분석이란 사람, 조직, 사물, 문헌 등의 관계(network)를 파악하여 그 구조를 정량화하는 것이 목적이며, 계량정보학을 비롯하여 소셜 미디어와 정치 커뮤니케이션 등 사회과학 분야에 폭넓게 적용되고 있다[25].본 연구에서는 논문 제목에 나타난 단어와 공저 관계를 파악하기 위해 네트워크 분석을 사용하였다. 네트워크의 구성요소는 노드(node)와 링크(link)로 정의된다.

대상 데이터

‘블록체인’(국내DB)과 ‘blockchain’(국제DB)을 검색어로 사용하여 키워드, 제목, 초록을 대상으로 데이터를 수집하였다.
국내논문의 저자 수는 총 505명이고 국제논문은 144명이다. 고유한(unique) 수는 국내논문 442명과 국제 논문 112명이다.
데이터 수집범위는 2009년부터 2018년(약 10년)까지 설정하였으며, 데이터 수집결과 블록체인 국내학술논문은 2013년부터 검색되고 국제학술논문은 2016년부터 검색되기 시작하였다. 그리고 한국어로 된 국내학술논문을 대상으로 하였으며 영문논문, 학술대회 발표논문 및 중복된 논문을 제거한 후 총 286건 국내논문을 분석에 이용하였다. 국제논문은 저자의 소속기관을 한국으로 설정하여 수집한 결과 2016년부터 검색되었다.
‘블록체인’(국내DB)과 ‘blockchain’(국제DB)을 검색어로 사용하여 키워드, 제목, 초록을 대상으로 데이터를 수집하였다. 데이터 수집범위는 2009년부터 2018년(약 10년)까지 설정하였으며, 데이터 수집결과 블록체인 국내학술논문은 2013년부터 검색되고 국제학술논문은 2016년부터 검색되기 시작하였다. 그리고 한국어로 된 국내학술논문을 대상으로 하였으며 영문논문, 학술대회 발표논문 및 중복된 논문을 제거한 후 총 286건 국내논문을 분석에 이용하였다.
데이터는 국내논문과 국제논문이 합쳐진 후의 데이터를 채용하였다.
본 연구는 계량정보학 네트워크 분석을 통해 한국에서의 블록체인 관련 학술연구 동향을 살펴보기 위해 2019년 1월에 국내논문은 KCI(Korea Citation Index)와 NTIS(National science & Technology InformationService)에서 국제논문은 Clarivate Analytics 학술지인용색인 WoS(Web of Science) 및 Scopus에서 수집하였다.
국제논문은 저자의 소속기관을 한국으로 설정하여 수집한 결과 2016년부터 검색되었다. 중복된 논문을 제거한 후 국제논문 총 56건을 분석에 이용하였다. WoS 및 Scopus의 데이터 수집방법은 Fig.

데이터처리

그리고 단어 네트워크 분석은 ‘단어’가 노드가 되며, ‘논문 제목에 동시 출현한 단어’는 링크로 연결된다. 네트워크 분석은 UCInet 소프트웨어를 사용해서 계산하였다[26]. NodeXL 소프트웨어를 이용하여 공저자들 간 상호관계망을 시각화하였다[27].
KrKwic(KoRean Key Word In Context) 프로그램을 이용해서 행렬을 생성하였다[21]. 주요 분석으로 저자들 간 관계망 분석, 논문제목의 키워드를 이용한 네트워크분석이 해당되며, 공저 네트워크의 시각화에서는 클러스터 분석을 수행하였다. 클러스터 분석이란 성분들 간의 유사성을 계산하여 특징적 소집단을 분류하는 분석방법이다[22].

이론/모형

KrKwic(KoRean Key Word In Context) 프로그램을 이용해서 행렬을 생성하였다[21]. 주요 분석으로 저자들 간 관계망 분석, 논문제목의 키워드를 이용한 네트워크분석이 해당되며, 공저 네트워크의 시각화에서는 클러스터 분석을 수행하였다.
본 연구에서는 가능한 많은 서브(sub) 클러스터를 하나씩 찾아내는데 적합한 알고리즘인 CNM(Clauset-Newman-Moore algorithm)을 사용하였다[23]. 단어 분석에서는 CONCOR(CONvergence ofiterated CORrelations) 기법을 통해 유사한 역할 특성을 가진 단어들을 클러스터로 분류하였다. CONCOR는 노드들 간 상관성 분석을 반복적으로 수행해서 적정한수준의 유사집단을 찾아내는 방법이다[24].
클러스터 분석이란 성분들 간의 유사성을 계산하여 특징적 소집단을 분류하는 분석방법이다[22]. 본 연구에서는 가능한 많은 서브(sub) 클러스터를 하나씩 찾아내는데 적합한 알고리즘인 CNM(Clauset-Newman-Moore algorithm)을 사용하였다[23]. 단어 분석에서는 CONCOR(CONvergence ofiterated CORrelations) 기법을 통해 유사한 역할 특성을 가진 단어들을 클러스터로 분류하였다.

성능/효과

단어의 빈도 및 각 중심성의 상관성을 분석해서 Table 5 및 Table 6과 같이 나타낸다. 결과를 보면, 빈도와 연결정도중심성, 근접중심성, 매개중심성, 위세중심성의 통계학적 유의도가 0.01보다 더 낮아서 유의미한다고 판단할 수 있다. 국내논문은 빈도와 연결정도중심성의 상관계수가 0.
1과 같다. 관련연구와 비교할 때, 본 연구에서 수집한 학술논문 데이터는 사용언어, 출판연도, 색인DB 등이 광범위하기에 블록체인 동향을 더 정확하게 파악할 수 있다.
국내논문 주요단어의 연결성(degree)을 확인한 결과 ‘블록체인’ ‘기술’ ‘기반’ ‘중심’ ‘활용’ ‘법’ 등의 중심성이 높았다.
국제논문과 국내논문의 비교한 결과, 국제논문은 기술응용에, 반대로 국내논문은 사회적 시사점에 관심이 많은 것으로 나타났다. 마지막으로 논문 피인용 분석결과, 피인용수는 발행연도와 관련이 있고 공저자 수와 관련이 없었다.
본 연구는 2009년부터 2018년까지 KCI, NTIS, WoS, Scopus에 등재된 한국연구자들이 발표한 블록체인 관련 논문의 연도와 분야를 살펴보고, 저자, 기관 및 단어를 통해 연구자 및 연구내용의 특징을 살펴보았다. 분석결과 블록체인 논문은 2017년부터 급증하여 2018년에 전년대비 2배가 넘었다. 이는 2017년부터 한국에서 블록체인에 대한 사회적 관심과 암호통화 투자자 수의 증가와 무관하지 않은 것으로 보인다.

후속연구

하지만 본 연구의 한계점은 한국연구자가 발행된 논문만을 대상으로 했기에 세계적 특징 파악과 관계 구조가 뚜렷하게 나타나지 않는 것이다. Web ofScience와 Scopus 등 데이터베이스에서 모든 연구자들이 출판한 논문을 대상으로 분석하여, 국가별 특징을 찾고 각 분야에서 전 세계 연구자 간 관계와 연구의 내용을 더 풍부하게 파악할 수 있을 것으로 생각한다. 따라서 같은 분석방법을 이용하여 전 세계 논문을 대상으로 네트워크 분석을 재실시한다면 블록체인 분야의 세계범위의 지적 구조와 특징이 더욱 명확하게 드러날 것으로 기대한다.
또한 본 논문의 연구결과를 보면 블록체인은 최근 3년 간 급속히 발전해, 여러 하위 분야의 관련 연구들이 개념화에서 구체화로 전환하고 있다. 다른 분야의 연구자들이 이 점을 고려하여 개별 분야를 블록체인과 결합해 더 큰 가치를 창출하기를 기대한다. 또한, 다른 분야의 동향을 연구할 때, 본 연구의 방법을 참고하여 유용한 연구결과를 얻을 수 있을 것으로 기대한다.
Web ofScience와 Scopus 등 데이터베이스에서 모든 연구자들이 출판한 논문을 대상으로 분석하여, 국가별 특징을 찾고 각 분야에서 전 세계 연구자 간 관계와 연구의 내용을 더 풍부하게 파악할 수 있을 것으로 생각한다. 따라서 같은 분석방법을 이용하여 전 세계 논문을 대상으로 네트워크 분석을 재실시한다면 블록체인 분야의 세계범위의 지적 구조와 특징이 더욱 명확하게 드러날 것으로 기대한다. 또한 본 논문의 연구결과를 보면 블록체인은 최근 3년 간 급속히 발전해, 여러 하위 분야의 관련 연구들이 개념화에서 구체화로 전환하고 있다.
다른 분야의 연구자들이 이 점을 고려하여 개별 분야를 블록체인과 결합해 더 큰 가치를 창출하기를 기대한다. 또한, 다른 분야의 동향을 연구할 때, 본 연구의 방법을 참고하여 유용한 연구결과를 얻을 수 있을 것으로 기대한다.
개인 연구자나 공저그룹 간에 하나의 큰 네트워크를 형성하지 못하고 공저자 네트워크 형성의 초기단계를 이루고 있었다. 앞으로 연구자들이 기존 교류 그룹 및 기관을 넘어 다른 그룹 및 기관과 협력 교류를 강화한다면 블록체인 연구의 발전이 가속화할 수 있을 것이다. 다음으로 단어분석 결과, 국내논문의 연구주제는 응용과 쟁점에 관련연구 분야가 가장 활성화되어 있었다.
이러한 계량정보학적 분석을 활용한 한국연구자들이 발표한 국내외 블록체인연구 동향을 살펴봄으로써 블록체인 분야의 발전에 유용한 기초자료가 될 수 있을 것으로 기대한다. 하지만 본 연구의 한계점은 한국연구자가 발행된 논문만을 대상으로 했기에 세계적 특징 파악과 관계 구조가 뚜렷하게 나타나지 않는 것이다.
이러한 계량정보학적 분석을 활용한 한국연구자들이 발표한 국내외 블록체인연구 동향을 살펴봄으로써 블록체인 분야의 발전에 유용한 기초자료가 될 수 있을 것으로 기대한다. 하지만 본 연구의 한계점은 한국연구자가 발행된 논문만을 대상으로 했기에 세계적 특징 파악과 관계 구조가 뚜렷하게 나타나지 않는 것이다. Web ofScience와 Scopus 등 데이터베이스에서 모든 연구자들이 출판한 논문을 대상으로 분석하여, 국가별 특징을 찾고 각 분야에서 전 세계 연구자 간 관계와 연구의 내용을 더 풍부하게 파악할 수 있을 것으로 생각한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	스마트 계약이란 무엇인가?	0은 스마트계약 개념을 도입하였다. 스마트 계약이란 블록체인 기술을 이용하여 자동으로 계약을 집행하고 자동으로 결제하는 것으로, 인간의 개입 없이 계약을 완전 자동화하는 것을 말한다[3]. 블록체인 3.
	본 연구의 한계점은 무엇인가?	이러한 계량정보학적 분석을 활용한 한국연구자들이 발표한 국내외 블록체인연구 동향을 살펴봄으로써 블록체인 분야의 발전에 유용한 기초자료가 될 수 있을 것으로 기대한다. 하지만 본 연구의 한계점은 한국연구자가 발행된 논문만을 대상으로 했기에 세계적 특징 파악과 관계 구조가 뚜렷하게 나타나지 않는 것이다. Web ofScience와 Scopus 등 데이터베이스에서 모든 연구자들이 출판한 논문을 대상으로 분석하여, 국가별 특징을 찾고 각 분야에서 전 세계 연구자 간 관계와 연구의 내용을 더 풍부하게 파악할 수 있을 것으로 생각한다.
	2017년과 2018년의 블록체인 관련 논문수의 변화 추이는 어떻게 되는가?	본 연구는 2009년부터 2018년까지 KCI, NTIS,WoS, Scopus에 등재된 한국연구자들이 발표한 블록체인 관련 논문의 연도와 분야를 살펴보고, 저자, 기관 및 단어를 통해 연구자 및 연구내용의 특징을 살펴보았다. 분석결과 블록체인 논문은 2017년부터 급증하여 2018년에 전년대비 2배가 넘었다. 이는 2017년부터 한국에서 블록체인에 대한 사회적 관심과 암호통화 투자자 수의 증가와 무관하지 않은 것으로 보인다.

참고문헌 (30)

S. Nakamoto. (2008). Bitcoin: A peer-to-peer electronic cash system, Bitcoin. https://bitcoin.org.
H. Cheng & Y. Z. Yang. (2016). The development trend of blockchain and the countermeasures of commercial banks, Financial Regulation Research, 6, 73-92.
S. J. Park. (2017). Blockchain paradigm and FinTech security, The Journal of the Korean Institute of Communication Sciences, 34(3), 23-28.
M. Hancock & E. Vaizey. (2016). Distributed ledger technology: beyond block chain. London: UK Government Office for Science.
Nomura Research Institute. (2016). Survey on blockchain technologies and related services FY2015 report. Tokyo: Nomura Research Institute.
J. Polis. (2017). Congress Gets Serious about Blockchains. https://polis.house.gov
China State Council. (2016). "Thirteenth Five-Year" National informatization planning. Beijing: China State Council.
Korea ministry of science and ICT. (2018). Block chain technology development strategy, Gwacheon: Korea ministry of science and ICT.
E. G. Seo & I. Han. (1997). Bibliometric analysis on MIS research, Asia Pacific Journal of Information Systems, 7(3), 145-165.
J. Li, D. Li & X. C. Yu. (2016). Characteristics and evolution of the research communities of bibliometrics, Document, Information & Knowledge, 3, 71-79.
A. Pritchard. (1969). 'Statistical Bibliography or Bibliometrics?', Journal of Documentation, 25(4), 348-349.
J. Y. Lee. (2006). Centrality measures for bibliometric network analysis. Journal of Korean Society for Library and Information Science, 40(3), 191-214.

원문보기 상세보기
D. H. Lee, W. S. Kim, S. J. Moon & L. S. Jung. (2012). The study on characteristics of Korean academy of business historian research-based on meta and bibliometric data analysis, The Review of Business History, 63(0), 97-117.
Y. J. Yoo & J. Y. Lee. (2015). A bibliometric study on the 7 different versions of the heidelberg catechism, Faith & Scholarship, 20(4), 135-159.
S. S. Lee. (2010). A preliminary study on the co-author network analysis of Korean library & information science research community, Korean Library and Information Science Society, 41(2), 297-315.

원문보기 상세보기
F. M. Wang & M. J. Zhu. (2017). Bibliometric analysis on the research hotspots of blockchain in China, Journal of Intelligence, 36(12), 69-74, 28.
J. Yli-Huumo, D. Ko, S. Choi, S. Park & K. Smolander. (2016). Where is current research on blockchain technology?-A systematic review, PLoS ONE, 11(10), 1-27.
S. Miau & J. M. Yang. (2018). Bibliometrics-based evaluation of the Blockchain research trend: 2008 - March 2017, Technology Analysis & Strategic Management, 30(9), 1029-1045.

상세보기
H. W. Park & S. J. Park. (2018). Big data analysis of cryptocurrencies : Evidence from top cryptocurrency websites, Journal of the Korean Data Analysis Society, 20(2), 923-936.
Y. H. Song, Y. E. Kwon, C. S. Lim, K. S. Choi & M. S. Yang. (2018). An analysis of blockchain technology research trend by using a social network analysis, Proceedings of the Korean Institute of Communication Sciences Conference, 1, 542-543.
H. W. Park & L. Leydesdorff. (2004). Understanding the KrKwic: A computer program for the analysis of Korean text, Journal of the Korean Data Analysis Society, 6(5), 1377-1387.
H. E. Driver & A. L. Kroebe. (1932). Quantitative expression of cultural relationships, University of California Publications in American Archaeology and Ethnology, 31(4), 211-256.
A. Clauset, M. E. J. Newman & C. Moore. (2004). Finding community structure in very large networks, Physical Review E, 70, 066111.

상세보기
M. S. An & Y. G. Min. (2016). Big data analytics on motivation of staying at 5-star hotel: Focusing on the Push-Pull factor from motivation theory, Korean Journal of Tourism Research, 31(5), 87-104.
G. M. Lee, C. H. Kim, H. W. Park. (2017). Network analysis of SNS-mediated learning community: A facebook group 'magic of flipped-learning', Journal of the Korean Data Analysis Society, 19(2), 873-884.
S. P. Borgatti, M. G. Everett & L. C. Freeman. (2002). Ucinet 6 for Windows: software for social network analysis. Harvard, MA: Analytic Technologies.
NodeXL Korea. (2015). Catching up with NodeXL, Seoul: Paradigmbook.
L. C. Freeman. (1979). Centrality in social networks: I. conceptual classification, Social Networks, 1, 215-239.
M. Beauchamp. (1965). An improved index of centrality. Behavioral Science, 10, 161-163.

상세보기
P. Bonacich. 2007. some unique properties of eigenvector centrality, Social Networks, 29, 555-564.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증