The scientific impact and partner selection in collaborative research at Korean universities

Jongwuk Ahn, Dong-Hyun Oh, 이정동 (2014) · Scientometrics 100:173-188 · DOI ↗

1981-2010 의 한국 NCR (Web of Science 부분집합) 14.9 만 편을 활용해 한국 대학 사이 과학 협력의 30년 진화를 추적한다. 대학을 인용 기반 epistemic authority 로 4개 tier 로 나누고 multi-university 협력의 인용 영향력 한계 우위를 OLS 선형확률모형 로 추정한 뒤, 성향 비율 로 tier 매칭 선호를 측정. Jones et al. (2008) 의 미국 결과 (within-tier stratification) 와 정반대로 한국은 cross-tier 협력 선호가 dominant 하며, 이는 하위 tier 학교의 전략적 partner 선택 으로 해석된다.

RQ: scientometrics-research 의 scientific collaboration literature 와 R&D alliance 의 partner selection literature 사이 간극을 메운다. 한국 대학의 협력 패턴이 임의 매칭과 얼마나 다른가, 그리고 tier 간 협력의 marginal citation 우위는 어디서 나오는가?
방법론: 성향 비율, 부트스트랩 재표본추출, 선형확률모형
데이터: 한국 213 대학 SCIE 논문 149,457 편, 1981-2010, 웹 오브 사이언스 National Citation Report. 4 tier (top 4% / 10% / 22% / 나머지) 분할.
주요 발견: tier I 대학은 within-school 대비 between-school 협력의 marginal citation 이 −3.41%, tier II/III/IV 는 각각 +2.11/+3.02/+4.42%. tier IV ↔ tier I 협력은 +7.29% 로 가장 큰 우위. propensity ratio 는 same-tier 짝이 항상 1 미만 (tier I-2001~2010 의 1.03 만 예외) 으로 한국 대학은 cross-tier 협력을 선호.
시사점: 하위 tier 대학이 epistemic authority 가 높은 partner 와 짝을 이루려는 전략적 행동이 한국 협력 네트워크의 기본 동학. 미국식 사회적 계층화 가설 (Jones et al. 2008) 은 한국에 직접 적용되지 않으며, 정책은 cross-tier 매칭 비용을 낮추는 방향으로 설계돼야.

tier 별 between-school 협력의 marginal citation 우위 (2001-2009): tier I 만 음수, 나머지는 양수

요약

과학 협력 의 citation 우위 와 R&D alliance 의 partner selection 은 30년 동안 별도의 literature 로 진화해왔다. 전자는 다저자 논문이 단저자보다 영향력 있다는 발견 (Beaver 2004) 의 누적이었고, 후자는 firm 의 alliance 결정 요인 (Saxton 1997, Belderbos 외 2004) 에 집중했다. Jones, Wuchty, Uzzi (2008, Science) 가 미국 multi-university 협력에서 within-tier 매칭 선호를 발견하면서 두 라인의 교차점이 처음 명시됐지만, 그 결과가 다른 국가 컨텍스트에서도 성립하는지는 확인되지 않았다. 본 paper 는 1981-2010 한국 데이터 (14.9 만 편) 로 그 가설을 직접 검증한다. 결과는 정반대다.

웹 오브 사이언스 의 SCIE 부분집합 (한국 NCR) 에서 213 개 대학을 within-school 인용 누적값 기준으로 4 tier 로 분할한 뒤, 저자 구성을 solo / within-school / between-school 로 코드화. 본문은 두 단계로 진행한다. (1) high-impact (해당 연도-WC 평균 인용 초과) 더미를 종속변수, 저자 구조·team size·publication 연도·subject field 를 통제변수로 한 선형확률모형 OLS 로 between-school 의 marginal citation 우위를 tier 별로 추정. tier I 만 −3.41% 의 손해, 나머지 tier 는 모두 양수 우위. (2) 2대학 협력만 추려 actual frequency 와 부트스트랩 재표본추출 으로 1,999 회 추정한 expected random-matching frequency 의 비 (성향 비율) 를 산출. 1981-1990 의 tier IV ↔ tier IV intra-tier 비율은 0.34 로 매우 낮고, tier I 의 cross-tier 비율은 1.21~~1.47. 시간이 흐를수록 same-tier 비가 0.7~~0.9 로 수렴하나, 모든 시기에서 cross-tier 우위 는 유지된다.

세 가지 caveat 가 있다. 하나, 본 paper 의 sample 은 대학 한정이라 정부·기업 연구소와의 협력은 누락된다. 둘, 협력의 비용 (조정 비용, 저자 공유 비용) 은 모형에 들어가지 않아 정책 implications 가 불완전하다. 셋, 시기 효과 (한국 대학의 SCI 인센티브 정책 도입 1990년대 말) 가 propensity ratio 의 시간 수렴을 설명할 수 있다. TEMEP 내에서는 Dong-Hyun Oh 의 frontier-analysis 라인 (Evaluation of Sectoral Innovation System with Productivity Decomposition: Application to Korean Healthcare Sector, A metafrontier approach for measuring Malmquist productivity index) 의 productivity 분해 와 본 paper 의 영향력 한계 우위 분해는 같은 분해적 사고 의 두 표현으로 볼 수 있다.

핵심 결과

tier (row)	tier I 와 협력	tier II 와 협력	tier III 와 협력	tier IV 와 협력
tier I	+0.86%	−2.35%***	−4.92%***	−5.98%***
tier II	+4.50%***	+0.80%	+0.34%	−3.68%***
tier III	+4.44%***	+3.55%***	+0.43%	+0.49%
tier IV	+7.29%***	+3.10%**	+4.33%***	+0.39%

(within-school 협력 대비 between-school 협력의 marginal high-impact 확률 차, 2001-2010, n=149,457. *** p<0.01, ** p<0.05.)

tier I 만 between-school 협력이 손해. tier IV ↔ tier I 매칭이 +7.29% 로 가장 큰 우위.
1981-1990 의 tier IV ↔ tier IV 성향 비율 = 0.34. 한국에서 intra-tier 매칭은 매우 회피된다.
2001-2010 의 tier I-tier I 의 propensity ratio 만 1.03 으로 1을 넘는 유일한 케이스 (top 대학 사이 partnership 의 등장).

방법론 노트

두 대학이 협력 paper 의 author 일 확률은 임의 매칭 가정 하 $P_{jk} = P_j \cdot P_k$ (j=k) 또는 $2 \cdot P_j \cdot P_k$ (j≠k) 이지만, 전략적 partner 선택이 있다면 actual frequency 가 이로부터 벗어난다. 그 편차의 정도를 한 숫자로 surface 하는 것이 성향 비율 다.

핵심 식:

R_{jk} = \frac{P_{jk}^A}{P_{jk}^E}

여기서 $P_{jk}^A$ 는 tier j 와 tier k 의 실제 2대학 협력 빈도, $P_{jk}^E$ 는 부트스트랩 재표본추출 (1,999 회 비복원 재추출) 로 추정된 random-matching 빈도. $R_{jk} > 1$ 이면 tier j-k 매칭이 임의 대비 선호, $< 1$ 이면 회피.

식별은 대학 sample 의 동질성 에 근거한다. 한국은 single-language·single-jurisdiction 국가라 언어 장벽, 국가 정책 차이, 지리적 거리 같은 외생 변수가 통제된다, partner 선택의 차이는 epistemic authority 의 차이로 좁힐 수 있다. tier 분할의 threshold 4%/10%/22% 는 Jones et al. (2008) 의 미국 분할을 한국 sample 의 cumulative citation 분포에 맞춰 조정한 값.

연구 계보

Jones, Wuchty, Uzzi (2008, Science) 의 미국 multi-university 협력 within-tier social stratification 발견이 본 paper 의 직접 predecessor. 협력 인용 우위는 Beaver (2004), Guerrero-Bote 외 (2013), Wray (2002) 의 epistemic authority 라인에 위치. Jaffe (1986) 류의 patent-based 지식 파급 분석이 지식 흐름의 channel 분해 의 형식적 도구를 제공했고, 본 paper 는 그 도구를 과학 협력의 인용 흐름 으로 옮긴 것. TEMEP 내에서는 An Analysis of Citation Counts of ETRI-Invented US Patents 의 citation 분포 분석과 Dong-Hyun Oh 공저 frontier-decomposition 라인 (A metafrontier approach for measuring Malmquist productivity index) 이 sibling 으로, 이정동 author page 의 제2기 도구의 확산 → 제3기 거시적 전환 의 분기점에 위치 (knowledge production 의 메타-분석으로 다음 단계 거시 모형으로 가는 우회 트랙).

인접 그래프

1-hop 이웃 20개

인물 3
방법론 3
개념 4
주제 4
수록처 1
분류 2
논문 3

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

이 문서를 가리키는 페이지

개념 (1)

지식 파급