---
type: paper
slug: clauset-2017
title: Data-driven predictions in the science of science
authors:
  - '[[aaron-clauset]]'
  - Daniel B. Larremore
  - Roberta Sinatra
year: 2017
venue: '[[science]]'
volume: '355'
issue: '6324'
pages: 477-480
doi: 10.1126/science.aal4217
categories:
  - '[[science-of-science]]'
  - '[[network-analysis]]'
methods:
  - '[[network-analysis]]'
  - '[[machine-learning]]'
themes:
  - '[[science-of-science]]'
  - '[[citation-network]]'
aliases:
  - clauset-larremore-sinatra-2017
  - Clauset et al. 2017
  - Clauset Larremore Sinatra 2017
last_updated: '2026-05-16T13:30:00+09:00'
---
# Data-driven predictions in the science of science

*[[aaron-clauset]], Daniel B. Larremore, Roberta Sinatra (2017)* · [[science]] 355(6324):477-480 · [DOI ↗](https://doi.org/10.1126/science.aal4217)

> *Science* 의 review 형식으로, citation network·career trajectory·동료 평가·과학 생산성의 *데이터 기반 예측 가능성* 을 종합 정리. science of science (SoS) 라인의 mid-2010s entry-point reference. 대규모 bibliometric data + 네트워크 과학 + 기계학습의 결합이 *과학 활동 자체* 를 정량 분석 가능한 객체로 만든 시점을 마크.

- **핵심 주장**: 과학 활동 (publication, citation, collaboration, career trajectory) 은 *예측 가능한 통계적 regularity* 를 보이며, 대규모 데이터 + 네트워크 모형 + ML 의 결합으로 individual / institutional level 예측이 가능해졌다.
- **방법론**: [[network-analysis]], [[machine-learning]], 정량 review
- **학술적 위상**: science of science 라인의 *consolidating review*. Fortunato et al. 2018 *Science* "Science of science" 의 직전 anchor. Wang-Barabási 2021 textbook *The Science of Science* 의 라인 정리 reference.

## 개요

2000s-2010s 초반에 bibliometric database (Web of Science, Scopus, Microsoft Academic) 의 폭발적 확대와 네트워크 과학 (Barabási 의 scale-free network, community detection 알고리즘 등) 의 도구화가 *과학 활동 자체* 를 정량 객체로 만들었다. Clauset, Larremore, Sinatra 는 이 시점에 *Science* 에 review 를 게재해 라인의 핵심 명제 4 개를 정리: (i) citation 분포는 heavy-tailed (power-law-like) 이며 예측 가능, (ii) 개별 과학자의 career trajectory 는 *Q-model* (Sinatra 등 2016 *Science*) 같은 단순 모형으로 잡힘, (iii) collaboration network 의 community 구조가 productivity 의 결정 요인, (iv) 동료 평가 (peer review, hiring, grant funding) 는 노이즈가 크지만 *systematic bias* 가 데이터로 검출 가능.

핵심 함의: science 정책 (R&D 자원 배분, 인재 채용, evaluation) 이 *과학 활동의 통계적 패턴* 을 무시한 채 design 돼 왔으나, 본 paper 와 후속 라인이 데이터 기반 정책 설계의 evidence base 를 제공.

## TEMEP 내 인용

본 paper 가 TEMEP wiki 의 2 편 paper 에서 직접 anchor 로 인용. [[dawoon-jeong-2025-mapping-product-development]] 가 *citation network 가 innovation trajectory 의 표준 도구* 라는 명제의 정초로 본 paper 를 cite (4 곳 anchor 인용). 이 paper 의 핵심 contribution 은 science of science 의 citation network 도구를 *product innovation* 으로 transfer 한 것 — paper / patent citation 라인의 도구를 product citation network 로 확장. [[seungmin-lee-2025-exaptation-disruption]] · [[hayoung-park-2025-photovoltaic-technology-phylogenetic-tree]] · [[youwei-he-2025-sbnl-disruptive]] 같은 진화론적 turn 의 disruption-index 라인이 동일 science of science 도구 세트 (citation network + ML) 활용. [[jeongdonglee]] 의 라인이 *science of science 의 product / firm 단위 transfer* 를 frontier 로 인식.

## See also

- 핵심 저자: [[aaron-clauset]]
- 관련 concept: [[science-of-science]], [[citation-network]], [[disruption-index]]
- 관련 method: [[network-analysis]], [[machine-learning]]
- 관련 venue: [[science]]
- TEMEP 내 anchor 인용: [[dawoon-jeong-2025-mapping-product-development]]