Traditionally, collaboration network or citation network is used to answer the old question how scien-tists or engineers interact with each other. This paper introduces two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network two types of intermediate social network to make up the missing aspect of the traditional approaches about using multi-sources and to find out the trend of convergence technology R&D in Korea.
The first approach, named R&D network, is mainly based on national R&D data. We collect data about human resources and national R&D projects from Korean national R&D databases, and then construct a weighted network between experts by using meta-data mapping and the network folding technique. And we apply Newman’s grouping algorithm that is generalized to a weighted network for detecting the community structure of the network. Gathering data from multi-sources is useful to reveal the structure of network rather than to use only one database. Lastly, we perform a network analysis to examine important experts. The result shows significant information about research trend and core experts in Korea. We expect this study will be helpful in three ways: (1) how to make a network from heterogeneous multi-sources, (2) how to figure out the current situation of convergence technology R&D, (3) how to discover who are important people in Korean convergence technology R&D network.
The second approach, named keyword network, is based on scientific paper data of above expert. A similar process with R&D network construction is applied to paper data of members of R&D network. But, there is no standardized meta-data mapping schema in contrast with the R&D network case. Therefore, paper keywords themselves have to be used as meta-data schema, so that an additional preprocessing to control cat-egorical keywords. We adopt association analysis concept to solve the problem in the aspect of co-occurrence probability. Then, we analyze another version of social network about experts in R&D network to find com-mon points and differences between two networks, R&D and keyword. We expect to draw conclusions that tell how expert research group differs between national R&D project field and academic field, and how im-portant people are changed in each case.
This paper is just a cornerstone of the work to investigate the current situation of national R&D pro-jects in Korea. Furthermore, the extension of data coverage and systematization can give more useful infor-mation about Korean convergence technology.
소셜 네트워크는 친구, 동업 등의 여러 관계를 통해 연결된 개인들의 집합을 말한다. 지금까지 과학자나 엔지니어와 같은 전문가들의 소셜 네트워크는 어떠한지, 그들은 서로 어떻게 교류하는지 알아내기 위해 사용된 접근법은 Collaboration 네트워크, 또는 Citation 네트워크였다. Collaboration 네트워크는 개인적인 인간관계를 통해서만 서로 연결될 수 있고, Citation 네트워크는 논문이나 특허의 인용은 그 개수가 많으며, 오래된 고전에 대한 인용으로 인해 시의성을 놓칠 수 있다는 한계점이 있다.
융합 기술은 별도의 기술들이 리소스를 공유하고, 서로 교류함으로써 시너지를 창출하는 새로운 기술을 말한다. 한국을 포함한 전세계 선진국에서 많은 투자가 이루어지고 있고, 융합 기술에 대한 정책이나 계획에 대한 연구도 많이 이루어지고 있으나, 인재 개인에 대해 고려하는 측면이 부족하다.
연구개발과 관련된 연구는 1980년대부터 시작되어, 2000년대에 들어 논문과 특허에 대한 정보가 전산화되어 데이터에 대한 접근이 쉬워지면서 더 많은 연구자가 다양한 분야에 대해 연구하고 있다. 최근에는 국가 연구개발 프로젝트에 대한 정보도 점차 공개되어 이에 대한 새로운 연구도 가능해진 상황이다. 또한, 사회적으로 소셜 네트워크가 중요한 화두가 되면서 이에 대한 분석도 필요성이 높아졌다. 이에 네트워크의 특성을 측정하고, 여러 개의 하위그룹으로 나누는 방법을 포함한 다양한 연구가 이루어지고 있다.
본 논문은 이러한 기존 연구에 기반하여 직접적인 관계가 아닌 전문성을 드러낼 수 있는 매개체를 이용하고, 네트워크의 구축에 연구개발과 관련된 다양한 정보를 사용하여 한국 융합 기술 연구개발의 현황에 대해 파악하며, 주요 연구그룹과 중요인물을 찾아내어 융합 기술 연구개발 프로젝트를 성공적으로 수행하는 데 도움이 되는 정보를 도출하고자 하였다.
연구에 사용된 데이터는 국가과학기술지식정보서비스(NTIS)의 인적자원 DB, 프로젝트 DB, NDSL, Scopus로부터 수집하였으며, 총 818명, 5,967개의 프로젝트, 3,012편의 논문 정보를 정리하였다. 앞으로 본 논문에서는 연구개발 네트워크를 국가 연구개발 프로젝트에 참여한 전문가들의 소셜 네트워크라는 의미로 사용할 것이다.
연구개발 네트워크의 첫 단계로 전문가-기술 Matrix를 만들어, 전문가와 기술 분야 사이의 관계성을 파악하였다. 다양한 소스로부터 얻은 데이터를 통합하기 위한 메타 데이터 스키마로 국가과학기술표준분류를 사용하였으며, 전문가의 기본 전문분야 정보를 기반으로 그가 참여한 프로젝트의 정보를 더하여 일종의 Task 배정 매트릭스를 만들었다. Matrix 가중치를 주는 방법을 평가하기 위해 네트워크의 Modularity를 이용하였다. 만들어진 전문가-기술 Matrix에 네트워크 Folding 기법을 적용하여 전문가-전문가 Matrix를 도출하였다.
초기 네트워크는 링크가 너무 중복되어 하위그룹을 찾아내기에 적절하지 못 하여, 가중치가 낮은 링크를 잘라내는 처리과정을 거쳤으며, 적절한 경계값을 찾아내기 위해 링크가 없어짐으로써 생기는 정보의 손실과 Modularity의 증가를 비교하였다.
최종적으로 만들어진 네트워크는 12개의 그룹으로 구분되었으며, 이 중 3개의 의미 없는 그룹을 제외하면 총 9개의 연구개발 그룹을 발견할 수 있었다. 각 그룹에 포함된 전문가들의 전문분야를 통해 해당 그룹의 연구주제를 파악하였다. 9개의 연구그룹 중 융합성을 보인 그룹은 6개였으며, 각각의 연구분야에 대해서는 NBIT가 1개, BIT가 2개, NBT가 3개였으며, 나머지 3개는 BT 연구그룹이었다. 하위그룹 내에서도 세부 클러스터로 구분되는 네트워크의 형태가 드러난 경우도 있었으며, 이때 각 클러스터가 융합에 사용된 기술을 대표하고 있었다.
또한, 네트워크 분석을 통해 각각 Degree, Betweenness, Boundary Spanner 측정치가 높은 중심인물들을 찾아내었다. 각 인물들은 해당 그룹의 대표적 연구자이거나, 관련 정보를 가장 빠르게 전달할 수 있거나, 다른 연구그룹과의 연결성이 높은 전문가들이며, 향후 연구개발 프로젝트를 진행할 때 이들을 활용하면 좋은 성과를 내는데 유리할 것으로 생각된다.
추가적으로 각 연구그룹의 논문정보를 이용하여 2년 단위로 각각의 연구경향이 어떻게 변해왔는지 파악하였으며, 정부의 융합기술 발전전략 계획과 비교하여 어떤 분야가 많이 발전하였는지, 어떤 분야가 취약한지 비교하였다.
다음 단계로 국가 프로젝트에서 얻은 성과와 학문적 성과 사이의 차이를 발견하고자, 위 전문가들이 쓴 논문 자료를 이용하여 또 다른 매개체 소셜 네트워크를 만든 후, 두 네트워크를 비교해보았다. 매개체로 논문의 키워드를 이용하여 전문가-키워드 Maxtix를 생성하였는데, 이 경우 비정형적인 키워드 그 자체를 이용하여 스키마를 만들 필요성이 있었다.
키워드 중에는 카테고리를 표시하는 키워드들이 있었는데, 이들은 빈도가 높고 지나치게 큰 범위로 전문가들을 연결시켜 네트워크 구성을 방해하여, 이러한 키워드들을 제거하는 전처리 과정이 필요하였다. 두 키워드가 동시에 나타날 확률에 기반하여 상위 카테고리에 해당하는 키워드들을 제거하는 전처리를 연관성 분석의 개념을 활용하여 수행하였다.
이후에는 연구개발 네트워크와 유사한 과정을 거쳐 네트워크를 만들고 분석하였다. 키워드 네트워크는 네트워크의 속성에 있어서는 연구개발 네트워크와 유사한 성격을 보였으나, 분석결과에 있어서는 융합성이 적게 드러났다. 근본적으로 네트워크에 포함된 전문가의 수가 연구개발 네트워크에 비해 매우 적어, 국가 프로젝트의 성과와 학문적인 성과가 잘 일치하지 않는 결과를 보여주었으며, 하위그룹의 세부 클러스터 구조도 하나의 연구그룹을 제외하면 융합성이 잘 드러나지 않았다. 또한 중요인물도 16.7% 정도만 겹쳐서, 두 네트워크를 1:1로 비교하기에는 무리가 있었다.
키워드 네트워크는 연구개발 네트워크에 비해 세부적인 연구주제를 알 수 있다는 장점이 있었고, 대신 지나치게 세부적이어서 학문 간의 융합성을 잘 드러내주지 않는다는 단점 또한 있었다. 그러나 하나의 하위그룹이 연구개발 네트워크의 여러 그룹과 겹쳐서 해당 세부주제가 여러 분야의 기초연구인 경우나, 연구개발 네트워크의 한 그룹이 여러 개의 하위그룹으로 분화가 된 경우가 있어서, 두 네트워크를 비교함으로써 더욱 풍부한 정보를 얻을 수 있었다.
본 논문에서는 전문가의 전문성을 파악할 수 있는 다양한 자료를 이용하여 연구개발과 관련된 매개체 소셜 네트워크를 만드는 방법을 제안하였으며, 이를 통해 현재 한국 융합 기술 연구개발 현황을 파악하고, 융합 기술 연구개발에서 중요한 역할을 하고 있는 전문가들을 찾아내었다. 향후에는 더 많은 자료를 이용하거나, 다른 성격의 자료를 이용하여 네트워크를 통합 분석하는 방법론을 더 연구하고, Matrix를 만들 때 사용한 수식을 좀 더 정교화하여 네트워크의 특성이 더욱 잘 드러나도록 하는 연구를 수행하고자 한다.
