선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구는 먼저 국가 R&D사업 유사연구영역의 형태에 대한 전반적인 정보를 제공하기 위해 NTIS의 2015년 데이터를 사용하여 키워드 중심으로 두 단계의 네트워크분석을 수행하였다.
- 본 연구에서 다루고자 하는 R&D 과제의 유사성 또한 이러한 점을 반영하여 정량적 분석을 통해 도출하고자 한다.
- 본 연구에서는 유사연구영역을 도출하기 위해 다음과 같이 2단계에 걸쳐 네트워크 분석을 실시하고자 한다. 첫 번째 단계로는 NTIS에서 추출한 2015년도의 전체 연구보고서의 한글키워드를 대상으로 연구 주제들의 분포를 통해 전반적인 동향을 살피도록 한다.
- 이를 위해, 본 연구에서는 데이터를 기반으로 하여 정부 국가 R&D 사업의 유사‧중복성을 체계적으로 검토하기 위한 방법론을 제안하여 전문가의 직관에 의한 유사‧중복 검토를 보완할 수 있는 가능성을 모색하고자 하였다.
제안 방법
- 첫 번째 단계로는 NTIS에서 추출한 2015년도의 전체 연구보고서의 한글키워드를 대상으로 연구 주제들의 분포를 통해 전반적인 동향을 살피도록 한다. 두 번째 단계로는 국가과학기술연구회 소속 25개 기관들 대상으로 상기와 동일한 과정을 거친 후, 도출된 클러스터링 및 시각화된 결과를 통해 특정 클러스터를 이루는 중심 주제들을 파악하여 유사연구영역으로 고려할 수 있는 몇 가지 주제를 선정하고자 한다.
- 또한 결과의 정확성을 높이기 위하여 키워드 정제를 실시하였는데, 먼저, 같은 단어임에도 불구하고 띄어쓰기나 표현의 차이(영단어의 한글표현 및 대소문자 등), 오탈자로 인한 중복되는 단어에 대해 각각 대표단어로 통일하였으며, 키워드 중 가장 많은 출현 횟수를 가진 ‘평가관리’, ‘셰일가스’, ‘합성가스’ 등의 경우, 같은 기관이 다수의 과제에 동일한 키워드를 사용한 것으로서 이로 인한 단어 간 연결강도가 매우 강하게 나타나 해당 클러스터가 매우 강조되는 문제점이 있어 제거 후 분석을 실시하였다.
- 먼저, 국가 R&D 전체 차원에서 유사영역의 전반적 형태(morphology)를 제시하고 2차적으로 미래창조과학부 소관 정부 출연연 25개 기관의 세부적인 유사연구영역 형태를 제시하여 국내의 과학기술적(S&T policy related contexts) 또는 과학기술학적(STS related contexts)인 현상들을 시각화하였다.
- 박근철 외(2011)는 기존 검색어 기반의 단순 검색이 가지고 있는 한계를 극복하기 위해 사업, 과제정보를 활용하여 유사 성과검색 모델을 제시하였다. 이 모델에서는 성과 및 과제, 사업정보를 기본항목과 특성화항목으로 나누었으며, 특성화항목의 각 정보에 가중치를 적용하였다.
- 이를 위해, 본 연구에서는 먼저 2015년 단일연도의 국가 R&D사업 유사영역의 전체적인 구조 및 형태와 국가과학기술연구회 산하 25개 정부출연연구기관(이하 출연연)R&D사업의 유사영역의 전반적인 형태를 시각화하여 유사영역을 파악하고 직관적인 판단과 선택을 할 수 있는 의사결정 정보를 제공하는데 초점을 두었다. 이를 위해 NTIS의 2015년 데이터를 사용하여 과제 키워드 기반으로 네트워크 분석을 수행하였다.
- 이를 위해, 본 연구에서는 먼저 2015년 단일연도의 국가 R&D사업 유사영역의 전체적인 구조 및 형태와 국가과학기술연구회 산하 25개 정부출연연구기관(이하 출연연)R&D사업의 유사영역의 전반적인 형태를 시각화하여 유사영역을 파악하고 직관적인 판단과 선택을 할 수 있는 의사결정 정보를 제공하는데 초점을 두었다.
- 본 연구에서는 유사연구영역을 도출하기 위해 다음과 같이 2단계에 걸쳐 네트워크 분석을 실시하고자 한다. 첫 번째 단계로는 NTIS에서 추출한 2015년도의 전체 연구보고서의 한글키워드를 대상으로 연구 주제들의 분포를 통해 전반적인 동향을 살피도록 한다. 두 번째 단계로는 국가과학기술연구회 소속 25개 기관들 대상으로 상기와 동일한 과정을 거친 후, 도출된 클러스터링 및 시각화된 결과를 통해 특정 클러스터를 이루는 중심 주제들을 파악하여 유사연구영역으로 고려할 수 있는 몇 가지 주제를 선정하고자 한다.
- 키워드 정제 결과 도출된 358개 한글키워드에 대하여 1,896개 과제들이 연결되어 있었으며, 이를 기반으로 매트릭스를 생성하여 VOSviewer를 통해 클러스터링 및 맵핑을 실시하였다. 이 때, 연결강도가 없는 단어를 제외한 가장 큰 클러스터만을 추출한 결과 334개 단어만이 서로 연결되어 있었다.
대상 데이터
- 2015년 25개 정부출연연구소에서 수행된 과제는 총 2,954개였으며, 그 중 정제된 한글 키워드 3223개 중 동시출현횟수가 3회 이상인 키워드는 182개이며 이 키워드들이 동시출현하는 과제는 총 761개로 나타났으며, 이를 기반으로 매트릭스를 생성하여 VOSviewer로 네트워크 분석을 실시하였다. 총 182개 키워드 중 연결강도가 낮은 데이터를 제외한 167개 단어를 기반으로 클러스터링 및 매핑 옵션은 전체과제 대상으로 분석한 것과 동일하게 진행하여 총 9개의 클러스터가 (그림 3)과 (그림 4)와 같이 도출되었다.
- 그 중에서 다양한 과제수행기관을 보유한 분야를 확인하여 유사연구영역 분석 대상 주제를 도출한 결과 최종적으로 ‘태양전지’, ‘바이오마커’, ‘빅데이터’ 세 가지 분야가 도출되었고, 연결성이 강한 키워드에서는 상대적으로 영역구분이 용이한 ‘그래핀’을 분석대상으로 선정했다.
- 따라서 본 연구의 목적인 지원이나 정책분야를 제외한 직접 R&D 분야의 유사연구영역을 추출하기 위해 정제된 과제수행기관 120개 기관 중, 정부부처 소속연구기관 및 인문사회분야, 대학기관 등을 제외한 미래창조과학부 산하 국가과학기술연구회에 소속된 25 개의 출연연만을 대상으로 하여 분석데이터를 재구성하였다.
- 먼저, (그림 1)과 (그림 2)는 NTIS에서 추출한 2015년도에 수행된 전체 6,292개 과제에 대해 한글 키워드를 대상으로 동시출현단어 분석한 결과이다. 이 때, 전체 과제 중 4,345개(72%)에 대하여 15,834개 한글키워드가 추출되었으며, 결과 해석의 용이성을 위해 분석대상으로는 키워드 출현 횟수가 5개 이상인 단어를 기준으로 설정하였다. 또한 결과의 정확성을 높이기 위하여 키워드 정제를 실시하였는데, 먼저, 같은 단어임에도 불구하고 띄어쓰기나 표현의 차이(영단어의 한글표현 및 대소문자 등), 오탈자로 인한 중복되는 단어에 대해 각각 대표단어로 통일하였으며, 키워드 중 가장 많은 출현 횟수를 가진 ‘평가관리’, ‘셰일가스’, ‘합성가스’ 등의 경우, 같은 기관이 다수의 과제에 동일한 키워드를 사용한 것으로서 이로 인한 단어 간 연결강도가 매우 강하게 나타나 해당 클러스터가 매우 강조되는 문제점이 있어 제거 후 분석을 실시하였다.
- 2015년 25개 정부출연연구소에서 수행된 과제는 총 2,954개였으며, 그 중 정제된 한글 키워드 3223개 중 동시출현횟수가 3회 이상인 키워드는 182개이며 이 키워드들이 동시출현하는 과제는 총 761개로 나타났으며, 이를 기반으로 매트릭스를 생성하여 VOSviewer로 네트워크 분석을 실시하였다. 총 182개 키워드 중 연결강도가 낮은 데이터를 제외한 167개 단어를 기반으로 클러스터링 및 매핑 옵션은 전체과제 대상으로 분석한 것과 동일하게 진행하여 총 9개의 클러스터가 (그림 3)과 (그림 4)와 같이 도출되었다.
이론/모형
- 이에 따라 네트워크 분석을 위한 데이터 전처리 및 매트릭스 생성을 위해 KnowledgeMatrix 프로그램을 이용하며, 클러스터링 및 시각화를 위해 직관적인 시각화 기능이 장점인 VOSviewer 알고리즘을 따르도록 한다. 단어 간 유사성을 구하는 대표적인 방법으로는 jaccard 및 코사인계수법 등 여러 가지가 있는데, 분석대상 및 연구자에 따라 장단점을 지닌다.
성능/효과
- 정옥남 외(2011)는 NTIS에서 사용되는 유사과제 검색 시스템에 대한 추출방법 및 분석 방법을 개선한 복합키워드 활용 모형을 제안하였다. 개선된 모형은 유사도의 정확도가 개선된 것을 입증하였으며, 과제 산출물인 연구보고서와 연구주제망이 유사도의 정확도에 유의미한 영향을 미친다는 사실 또한 확인하였다. 하지만, 해당 모형은 항목별 가중치 적용이 유사도에 많은 영향을 미치는 점을 고려했을 때, 체계적인 가중치 부여 방법이 부재하다는 한계점이 있다.
- 그 중, 동시출현횟수가 가장 많은 단어로는 ‘국제협력’, ‘기술지원’, ‘기후변화’, ‘중소기업’, ‘기술사업화’, ‘표준화’ 등 현 출연연의 임무와 관련되거나 공공성이 두드러지는 키워드가 주를 이루었으며, 상기 단어들을 중심으로 군집을 이루는 등 시각화 된 결과에서도 가장 큰 클러스터를 차지하는 것을 확인 할 수 있다.
- 기술적 특징이 있는 단어 동시출현횟수 순으로는 ‘방사선’, ‘그래핀’, ‘암’, ‘플라즈마’, ‘바이오마커’, ‘태양전지’, ‘유전체’ 등으로 나타났으며, 그 중 방사선, 플라즈마 등은 주변 클러스터들을 연결하는 매개 역할을 하는 것으로 나타났다.
- 네 번째 클러스터는 ‘방사선’을 중심으로 ‘복합소재’, ‘신재생 에너지’, ‘연구용 원자로’ 등의 단어들로 구성된 군집을 형성하였으나, 앞서 살핀 클러스터보다는 특징적인 면이 상대적으로 낮은 것으로 나타났으며, 이후의 여러 클러스터들 또한 클러스터 고유의 특성이 상대적으로 불명확하였다.
- 더 나아가 유사성이 높은 데이터를 중심으로 다시 클러스터링 한 결과, (그림 3)과 (그림 4)에서 볼 수 있듯이 가장 크고 광범위한 군집을 이루는 주조, 나노소재, 표면처리와 같은 키워드에서 볼 수 있듯이 단일학제(diciplinary)중심이 아닌 기술응용중심(application based)적이며 다학제적인 상호작용(transdiciplinary interaction)이 국가 R&D 유사영역의 지배적인 현상으로 보이고 있음을 알 수 있었다.
- 또한 4차 산업혁명과 관련하여 미래유망 기술로 현재 많이 논의가 되고 있는 빅데이터 및 사물인터넷 또한 클러스터를 이루고 있음을 보여 사회경제적 맥락(Socio-economical keywords per se)중심의 단어자체들을 제외시키더라도 과학기술 중심의 키워드들이 사회경제적으로 이슈화 되거나 트랜드화된 과학기술영역들 중심으로 군집을 이루고 있는 현상들이 보이고 있음을 확인하였다.
- 본 연구를 통해 국내 출연연 R&D사업이 Mode1형 과학기술지식생산 및 Mode2형 과학기술지식생산 형태가 공존하는 과학기술사회학적 현상을 보이고 있음을 확인하였다.
- 본 연구의 키워드 네트워크 시각화 결과, 2015년 해 동안 수행된 모든 연구주제를 다루는 만큼 전체적으로 고르게 분포한 양상을 띠며 동시출현횟수가 가장 많은 단어로는 ‘국제협력’, ‘기술지원’, ‘기후변화’, ‘중소기업’, ‘기술사업화’, ‘표준화’ 등 현 출연연의 임무 및 현 정부에서 강조하고 있는 정책 및 의지에 대한 반응들이 많이 표출되어 있고 군집의 중심을 이룸을 알 수 있었다.
- 김주호(2012)는 국가R&D사업에 대한 유사검증방법을 위한 부처별 예산 요구서 항목에서 주요키워드를 추출 후 유사도를 측정하는 방식에 대해 사업별 예산 요구서 항목의 상이함과 기술수준 편차가 심해 유사성이 매우 낮게 측정되는 한계점을 지적하고 이를 극복하기 위해 과학기술표준분류를 이용한 모델을 생선한 후 이를 사업간 유사도 측정에 활용하는 방법을 제안하였다. 새로운 방식을 통한 실험 결과, 기존의 텍스트 기반 키워드 추출 방식보다 유사도가 높게 측정되어, 기존방식의 한계점을 극복하기 위한 대안이 될 수 있음을 확인하였다.
- 더 나아가 유사성이 높은 데이터를 중심으로 다시 클러스터링 한 결과, (그림 3)과 (그림 4)에서 볼 수 있듯이 가장 크고 광범위한 군집을 이루는 주조, 나노소재, 표면처리와 같은 키워드에서 볼 수 있듯이 단일학제(diciplinary)중심이 아닌 기술응용중심(application based)적이며 다학제적인 상호작용(transdiciplinary interaction)이 국가 R&D 유사영역의 지배적인 현상으로 보이고 있음을 알 수 있었다. <표 2>에서 볼 수 있는 태양전지(2번 군집), 바이오마커(3번 군집), 방사선(4번 군집) 등으로 대표되는 대다수의 군집들(1, 2, 3, 4, 6, 7, 8번 군집)이 적용중심의 다학제적인 형태를 띠고 있었지만 5번 군집(빅데이터, 사물인터넷, 클라우드, 센서)이 이른바 ICT군집으로, 또한 9번 군집(펩타이드, 바이오, 바이오매스)을 생명과학 군집이라고 볼 수 있을 정도의 다른 군집에 비해 두 군집의 경우, 비교적 단일학제 중심으로 군집을 이루는 형태를 보였다.
- 여기서 얻을 수 있는 중요한 시사점은 키워드 동시출현횟수 기반의 분석 결과, 먼저 국가R&D사업이 전반적으로 기술적 영역끼리의 군집화를 이룬 다기 보다는 사회경제적 맥락(socio-economical contexts dimensions)이 중심이 되어 과학기술적 영역들(S&T dimensions)이 상대적으로 덜 군집화를 이루고 있다는 점이다.
- 즉, 기관별 고유영역이 확고히 보이는 다소 Mode 1적인 형태와 보다 사회경제적인 맥락과 필요 및 유망성을 따르고, 다학제적, 적용중심적이며 과제별로 다양한 과제수행기관들이 과제들을 동시에 수행하는 Mode 2적인 형태가 출연연의 R&D사업 내에 공존함을 볼 수 있었다.
- 키워드 네트워크 시각화 결과, 한 해 동안 수행된 모든 연구주제를 다루는 만큼 전체적으로 고르게 분포한 양상을 띠며, 유사 연구주제별로 총 13개 클러스터가 도출되었다. 그 중, 동시출현횟수가 가장 많은 단어로는 ‘국제협력’, ‘기술지원’, ‘기후변화’, ‘중소기업’, ‘기술사업화’, ‘표준화’ 등 현 출연연의 임무와 관련되거나 공공성이 두드러지는 키워드가 주를 이루었으며, 상기 단어들을 중심으로 군집을 이루는 등 시각화 된 결과에서도 가장 큰 클러스터를 차지하는 것을 확인 할 수 있다.
- ‘소재’에 관한 클러스터링 사이에 위치한 두 번째 클러스터에서는 ‘태양전지’ 및 ‘그래핀’이 중심 단어인 것을 확인할 수 있다. 태양전지는 금속 및 나노소재가 주성분이 되며, 그래핀은 탄소나노소재로서 첫 번째 클러스터 사이의 합성 소재에 관한 기술분야인 것으로 나타났다.
후속연구
- 그러므로 전문가의 직관적 판단을 보완할 수 있는 방법론 개발은 R&D 정책 의사결정에 중요한 역할을 할 것이다.
- 박동진 외(2009)는 국가과학기술지식정보서비스(NTIS)의 하위시스템 중 하나인 유사과제 검색시스템에 필요한 알고리즘을 제안하였으며, 이는 단순 키워드매칭 기반검색을 벗어나 연구과제 제안서를 기반으로 수행중/완료된 과제의 문서 및 연구 성과물과 비교하여 유사한 건들을 찾아내는 시스템이다. 이 알고리즘은 기존 키워드 매칭 방법에 비해 정확도가 향상되었으며, 우선순위별로 배열이 가능하다는 장점 및 검색시간은 줄이고 전문가의 판단을 객관적이고 일관성 있게 판단할 수 있다는 장점이 있지만, 불용어 처리 방법 등에 대한 개선의 필요성, 실제 제안서와는 다른 연구보고서를 사용하여 실험한 부분들이 한계점으로 지적되었다.
- 향후 기존 과학기술정책 및 과학기술학의 문헌에서 규명된 여러 현상들과 국내의 R&D의 형태를 비교분석할 경우, 국가 R&D의 맥락 및 추세의 특수성을 더욱 자세히 살펴 볼 수 있을 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.