Government-driven knowledge networks as precursors to emerging sectors: a case of the hydrogen energy sector in Korea

Hyundo Choi, Sangook Park, 이정동 (2011) · Industrial and Corporate Change 20(3):751-787 · DOI ↗

본 paper 는 새로운 산업 sector 가 emergence 하기 이전 의 knowledge network 자체가 sector 의 precursor 임을 한국 수소에너지 1989–2005 의 정부 주도 R&D 프로그램 사례로 입증한다. Malerba (2002, 2004) 의 sectoral innovation system 의 세 building block (knowledge · actors and networks · institutions) 이 가치사슬 형성 이전 에 R&D network 안에서 모두 식별된다. 사회 네트워크 분석 (Ucinet, spring-embedding) 으로 8 개 정부 R&D 프로그램의 129 명 actor · 시기별 ties 를 추적하면 공공 연구기관 (PRO) 와 large firm 이 중심 actor (degree centrality 12), university 와 SME 는 주변 actor (~4), PRO 의 구조적 공백 efficiency 0.794 가 최고. 정부의 subtle intervention 만으로 hub-and-spoke 단일 cluster 가 형성됨.

RQ: Sector emergence 이전 단계에 지식 네트워크 가 sector 의 precursor 로 기능하는지, 그리고 정부가 network organizer / manager 로서 어떤 역할을 하는지 — Malerba 의 SSI building block 들이 가치사슬 형성 이전 R&D network 안에서 어떻게 형성·진화하는지
방법론: 사회 네트워크 분석, 연결중심성, 구조적 공백
데이터: 한국 수소에너지 정부 R&D 프로그램 8 개 (1989–2005, MOST · MOCIE), KISTEP 자료 + 프로젝트 최종보고서 보완, 총 129 actor (PRO · university · large firm · SME), 누적 투자 USD 63M (1988–2002, 공적자금 비중 55%)
주요 발견: PRO 와 large firm 이 중심 (평균 degree centrality 12), university · SME 는 주변 (~4). PRO 의 구조적 공백 efficiency 0.794 (최고) → 가장 강한 bridging organization. MOST network 는 PRO + university 중심 (basic science), MOCIE network 는 large firm 중심 (commercialization) — 두 paired program 이 SSI building block 의 다른 측면을 보임. Density · centralization 1998 년 automobile sector 진입 시점 의 단기 drop 후 hub-and-spoke 로 재구조화. 정부 지원 중단 시 actor 가 network 를 떠나는 dependency 관찰.
시사점: Emerging sector 의 조기 진단 도구 로서 knowledge network 분석의 가능성 — 가치사슬 미형성 단계에서도 SSI building block 의 발현 확인. 한국형 state corporatism model 에서 정부의 R&D 프로그램 자체가 sector 의 negotiation space 를 만들고, 위험·불확실성 공유의 mechanism 으로 작동

Figure 3 — 시기별 actor 유형 (PRO · university · large firm · SME) 과 총 ties 수의 누적 증가. 2001–2005 의 bandwagon effect 와 PRO · large firm 중심의 hub-and-spoke 구조 형성을 보여줌.

요약

본 paper 는 SSI 연구의 literature gap 을 메우려는 시도다. Malerba (2002, 2004) 와 Jacobsson and Bergek (2004) 등이 sectoral innovation system 의 building block (knowledge · actors and networks · institutions) 을 식별했지만, 대부분의 실증은 가치사슬이 이미 형성된 성숙 sector 에 집중되어 sector 가 emerge 하기 이전 의 building block 형성 과정을 다루지 못했다. Saviotti and Pyka (2004) 가 새 sector 의 출현이 경제 성장의 질적 동인임을 강조하고, Aldrich and Fiol (1994) 가 legitimacy 획득 과정의 중요성을 지적했지만, 어떻게 측정 가능한 형태로 precursor 를 식별할 것인가 는 미해결이었다. 본 paper 는 knowledge network 자체가 가치사슬 이전의 precursor 로 기능한다는 명제를 제안한다.

방법론은 한국 수소에너지 sector 의 1989–2005 정부 R&D 프로그램 8 개 (MOST 의 21st Century Frontier R&D + MOCIE 의 Hydrogen and Fuel Cell RD&D 등) 를 사회 네트워크 분석 로 분석한다. KISTEP 자료 + 프로젝트 최종보고서를 결합해 노드 (project leader · participant firm · PRO · university) 와 ties (sub-group leader → project leader, project leader → participant firm, project leader → PRO·university) 를 구성. Ucinet 의 spring-embedding layout 으로 시각화하고 연결중심성 (valued + binary) · density · centralization · 구조적 공백 efficiency 의 시계열을 추적한다. 결과는 세 단계 패턴을 보인다. 첫째, 초기 (1989–1994) 는 소규모 scientific community, PRO 와 university 중심. 둘째, 1998 년 automobile sector 진입 시 density · centralization 의 단기 drop. 셋째, 2003 년 이후 bandwagon effect — 정부 신규 프로그램으로 actor 수와 ties 가 급증, PRO 와 large firm 중심 hub-and-spoke 로 재구조화. PRO 의 efficiency index 0.794 가 다른 actor (large firm 0.677, university 0.673, SME 0.453) 보다 현저히 높아 bridging role 의 핵심. MOST network (PRO · university 중심, 평균 efficiency 0.65) 와 MOCIE network (large firm 중심, 0.58) 의 비교는 building block 의 프로그램별 차이 를 보여준다 — MOST 는 basic science, MOCIE 는 commercialization 의 응답.

연구의 함의는 두 가지다. 첫째, knowledge network 분석은 emerging sector 의 조기 진단 도구 로 사용 가능 — 가치사슬 미형성 단계에서도 SSI 의 세 building block (지식 base · actors and networks · institutions, 1987 대체에너지법 · 2005 수소경제 마스터플랜 등) 이 모두 식별된다. 둘째, 한국형 state corporatism model 에서 정부 R&D 프로그램은 단순한 자금 제공이 아니라 negotiation space 와 위험 공유 mechanism 으로 작동 — 정부 지원 중단 시 actor 가 network 를 떠나는 dependency (Ssangyong Cement Ltd, 일부 삼성 전자기업의 일시 이탈 후 재진입) 가 이를 입증. 본 paper 는 이정동 의 제2기 (2006–2012) 혁신시스템 연구의 본격화 분류에 정확히 위치하며, 동시기에 ingest 된 Evaluation of Sectoral Innovation System with Productivity Decomposition: Application to Korean Healthcare Sector 의 sectoral TFP decomposition 과 paired contribution 을 형성한다 — 두 paper 가 Malerba SSI 의 한국 emerging sector 분석 의 quantitative · qualitative 두 axis 를 채운다.

핵심 결과

지표	MOST network (basic science)	MOCIE network (commercialization)
PRO 비중	17% (9)	11% (10)
University 비중	42% (22)	32% (29)
Large firm 비중	15% (8)	26% (23)
SME 비중	26% (14)	31% (28)
PRO 평균 degree centrality	8.2	5.2
Large firm 평균 centrality	2.9	8.2
평균 efficiency index	0.65	0.58

MOST 와 MOCIE 의 paired 비교: basic science 중심 (MOST) 은 PRO 가 hub, commercialization 중심 (MOCIE) 은 large firm 이 hub. PRO 의 actor 유형별 efficiency 0.794 가 large firm 0.677 / university 0.673 / SME 0.453 보다 현저히 높음. 27 명의 shared actor (두 프로그램 모두 참여) 의 평균 efficiency 0.65 가 non-shared 0.49 보다 우월 — bridging organization 의 정량 evidence. SCI 출판 6 (1991) → 235 (2005), US 특허출원 8 (2001) → 120 (2005).

방법론 노트

사회 네트워크 분석 의 핵심 measure 두 가지의 공식 정의가 사용된다.

\text{Density} = \frac{\text{total ties}}{g(g-1)/2}

\text{Centralization} = \frac{\sum_{i=1}^g [C(n^*) - C(n_i)]}{\max \sum_{i=1}^g [C(n^*) - C(n_i)]}

여기서 $g$ 는 actor 수, $C(n_i)$ 는 actor $i$ 의 연결중심성, $C(n^*)$ 는 최대 centrality. Density 는 실제 ties / 이론적 최대 ties, centralization 은 상위 actor 에 ties 가 얼마나 집중되는가. 두 지표의 gap 확대 (centralization↑ but density↓) 는 hub-and-spoke 구조 형성의 진단 신호. 구조적 공백 efficiency (Burt 1992) 는 actor $i$ 의 bridging 능력 measure:

\text{Efficiency}_i = \frac{\sum_j (1 - \sum_q p_{iq} m_{jq})}{C_i}, \quad q \neq i, j

여기서 $p_{iq}$ 는 actor $i$ 가 contact $q$ 에 투자한 relation 자원 비율, $m_{jq}$ 는 contact $j, q$ 간 relation marginal strength. 식별은 valued ties (강도 가중) 와 binary ties (강도 무시) 의 paired 사용 — valued 는 절대 지표, binary 는 비율 지표에 사용. 데이터의 한계는 governmental funding flow 자체를 ties 로 사용한 점 — 형식적 R&D 협약 과 실질적 지식 흐름 의 deviation 가능성. 시각화는 Ucinet 의 spring-embedding (Kamada-Kawai 1989) 으로 node 의 위치가 ties 빈도에 따라 결정되어 중심 vs 주변 actor 의 분포가 직관적.

연구 계보

선행 작업: Malerba (2002, 2004, 2006) Research Policy / Cambridge 의 SSI building block framework, Carroll et al. (1996) SMJ 의 de novo · de alio firm fate, Nelson (1994) 의 co-evolution, Pavitt (1984) Research Policy 의 sectoral 기술변화 분류, Klepper (1997) ICC 의 industry life-cycle, Burt (1992) Harvard 의 structural hole 이론, Wasserman and Faust (1994) 의 SNA 표준서. 한국 사례 선행: Kim (1993, 1997) Imitation to Innovation 의 한국 NIS, Amsden and Hikino (1994) ICC 의 한국 conglomerate 의 project execution capability. TEMEP 내 직접 sibling 은 이정동 의 제2기 (2006–2012) 혁신시스템 연구 분류 — 본 paper 와 같은 batch 의 Evaluation of Sectoral Innovation System with Productivity Decomposition: Application to Korean Healthcare Sector 이 SSI 의 quantitative TFP decomposition 분석, 본 paper 가 qualitative network 분석 으로 paired contribution. 또한 Evolutionary Characteristics of China's Intermediate Manufactures 의 중국 중간재 산업 evolution 분석이 sector-level dynamics 라인의 더 이른 sibling. Choi 의 SPRU PhD 과정 + 2007 Globelics Academy 에서 Malerba 의 직접 지도가 paper Acknowledgements 에 명시 — Malerba 라인의 한국형 SSI 응용 으로 분류 가능.

인접 그래프

1-hop 이웃 19개

인물 3
방법론 3
개념 1
주제 7
수록처 1
분류 2
논문 2

휠 = 확대/축소 · 드래그 = 이동 · hover = 라벨 · 클릭 = 페이지 이동

이 문서를 가리키는 페이지

논문 (1)

Evaluation of Sectoral Innovation System with Productivity Decomposition: Application to Korean Healthcare Sector