Exaptation: unveiling the potential for technological innovation

Seungmin Lee, 이정동, Youwei He (2025) · Scientometrics · DOI ↗

기술 외적응 (원래 의도와 다른 영역으로의 기술 전용) 의 정량적 실증을 USPTO 특허 855,983 건으로 수행한 논문. Mastrogiorgio and Gilsing (2016) 의 exaptation 척도와 Funk-Owen-Smith (2017) 의 파괴 지수 를 결합해, “exaptation 비율이 높을수록 disruptiveness 도 높다” 와 “기존 exaptive component 와 기술 다양성 가 미래 exaptation 의 강한 예측 변수” 임을 회귀로 확인한다. exaptation 이 패턴화 가능한 연쇄적 현상이라는 주장이 이정동 anchor 의 exaptation 은 exaptation 을 낳는다 명제를 뒷받침한다.

RQ: 기술 외적응 은 disruptive innovation 과 어떤 정량적 관계가 있는가, 무엇이 미래 exaptation 의 가능성을 높이는가?
방법론: 특허 분석, 인용 네트워크, 파괴 지수, 로지스틱 회귀, OLS 회귀, t 검정, 콜모고로프-스미르노프 검정
데이터: USPTO 등록 특허 855,983 건 (1986~2017), CPC 분류 코드 + 전·후방 인용 네트워크, 평균 backward citation 15.4 · forward citation 8.5
주요 발견: Exaptation 그룹의 평균 DI = 0.038 vs 비-exaptation 그룹 0.021 (t = 63.48, p < 0.001). Exaptive component dummy 는 미래 exaptation 의 가능성을 logit β = 0.55 (★★★) 만큼 증가시키고, log field diversity 는 β = 0.57 (★★★) 증가. 인용 기간을 15 년으로 늘려도 결과 동일.
시사점: exaptive component 와 field diversity 는 future exaptation 의 예측 지표로 활용 가능. exaptation 은 일회적 사건이 아니라 기술 공간 확장의 연쇄 메커니즘.

Exaptation 그룹과 비-exaptation 그룹의 연도별 평균 [[disruption-index]] (Figure 4). 전체 분석 기간 (1986~2017) 동안 exaptation 그룹이 일관되게 높은 DI 평균을 보이고, t-test · KS test 모두 분포 차이가 통계적으로 유의미. exaptation 과 disruptiveness 의 systematic 한 양의 상관을 시사하는 핵심 그림.

요약

외적응 은 Gould and Vrba (1982) 가 진화생물학에서 도입한 개념으로, 원래 다른 용도 (혹은 무용도) 로 진화한 형질이 새 기능으로 전용 되는 현상이다. 전자레인지 (레이더 마그네트론에서 전용), 마르실리드 (결핵치료제 → 항우울제), 에디슨 phonograph (회의록 → 음악산업), 레이저 (물리연구 → 의료·군사·산업) 등이 기술 영역의 대표 사례다. Andriani and Carignani (2014), Cattani (2006), Mastrogiorgio and Gilsing (2016) 등이 product · firm · industry 수준 사례연구를 축적해 왔으나, 기술 자체 수준 의 종합적 정량 분석은 부재했다. 본 논문은 이정동 anchor 의 제5기 진화론적 체계의 완성 라인 안에서 그 공백을 USPTO 855,983 건 특허로 메운다.

방법론은 두 기존 도구의 결합이다. (i) Mastrogiorgio and Gilsing (2016) 의 exaptation rate: 특허의 primary CPC subclass 가 referenced 특허의 CPC code 집합에 등장하지 않으면 그 reference 를 exaptive component 로, 또 거꾸로 후방 인용 특허의 primary code 가 focal 특허의 CPC code 집합에 없으면 그 인용을 exaptation 으로 분류. exaptation rate = exaptive forward citations / total forward citations. (ii) Funk and Owen-Smith (2017) 의 파괴 지수: 후방 인용이 focal 특허만 인용하면 disruptive, focal 과 그 ancestor 모두 인용하면 consolidating. 두 척도를 결합해, exaptation 그룹의 평균 DI 가 비-exaptation 그룹보다 유의미하게 높음을 t 검정 · 콜모고로프-스미르노프 검정 · 시각화로 보인다.

회귀 결과는 두 갈래다. 첫째, 로지스틱 회귀 에서 exaptive component dummy (β = 0.55) 와 log field diversity (β = 0.57) 모두 exaptation 발생 확률을 유의미하게 증가시킨다 (둘 다 p < 0.001). OLS 회귀 에서 exaptation rate 자체에 대한 효과도 동일 (β = 0.30 · 0.07). 둘째, robustness check 로 5 년 윈도우를 15 년으로 늘려도, exaptation 측정 단위를 subclass 에서 class 나 maingroup 으로 바꿔도 패턴 일치. 또 정성적으로는 inventor 수 가 늘수록 exaptation 가능성이 감소 (큰 팀은 stable direction 선호, novelty 회피), corporate assignee 는 더 좁은 응용 목표 때문에 exaptation 가능성이 낮다. 이정동 anchor 의 전적응은 전적응을 낳는다 자기강화 메커니즘 명제가 855,983 건 특허로 실증된 셈이다.

핵심 결과

기술적 핵심 수치 (n = 855,983 특허, 1986~2017):

그룹 / 비교	평균 DI	통계	p-value
Exaptation (rate > 0)	0.038	t = 63.48	< 0.001
Non-exaptation (rate = 0)	0.021
KS 분포 차이 D		0.09	< 0.001

로지스틱 회귀 (Exaptation dummy, Model 3 통합):

변수	β	SE	sig
Exaptive component dummy	0.5455	0.0060	★★★
Field diversity (log)	0.5718	0.0040	★★★
Inventors (log)	-0.036	0.004	★★★
Assignee = private (corp)	-0.282	0.039	★★★

OLS 회귀 (Exaptation rate, Model 6 통합): exaptive component rate β = 0.30 (★★★), log field diversity β = 0.07 (★★★). Robustness: 15 년 윈도우 · class/maingroup 수준 분석 모두 패턴 일치. class 수준에서 exaptation 그룹의 평균 DI 가 가장 높다는 멀리 떨어진 영역으로의 전용이 더 disruptive 는 Andriani et al. (2017) 가설과 정합.

방법론 노트

파괴 지수 (Funk-Owen-Smith 2017) 의 원형은:

DI = \frac{n_i - n_j}{n_i + n_j + n_k}

여기서 $n_i$ = focal 만 인용하는 후방 특허 수 (disruptive 신호), $n_j$ = focal 과 그 ancestor 모두 인용 (consolidating), $n_k$ = ancestor 만 인용. DI > 0 이면 disruptive, < 0 이면 consolidating.

Exaptation rate (Mastrogiorgio-Gilsing 2016) 는 정의상 CPC subclass 의 위계 매칭 에서 도출. focal 특허의 primary CPC subclass 가 후방 인용 특허의 primary CPC 집합에 없으면 그 인용을 exaptive, 즉 그 referenced 기술이 focal 의 영역과 다른 domain 임을 의미. exaptation rate = exaptive forward citations 비율. exaptive component rate 는 후방 (backward) 방향에서 같은 개념: focal 의 primary code 가 그 reference 의 code 집합에 없으면 그 reference 는 exaptive component.

식별은 (i) CPC primary code 와 후방 인용 reference code 의 위계 비교 로 exaptive 여부 분류, (ii) forward citation 5 년 윈도우 (Jaffe-Trajtenberg 2002 의 평균 max-citation 시점 기준), (iii) year × CPC section fixed effect 통제로 시간 트렌드와 도메인 효과 제거. VIF < 1.5 로 multicollinearity 통제. 855,983 건의 대규모 표본이 effect size 의 정밀 추정을 가능하게 한다.

연구 계보

직접적 방법론 조상은 두 명시적 인용이다. (i) Mastrogiorgio and Gilsing (2016, Research Policy) 의 exaptation 정량화 (CPC 위계 기반 분류). (ii) Funk and Owen-Smith (2017, Management Science) 의 파괴 지수 및 Wu et al. (2019, Nature) 의 단순화 D-index. 개념적 조상은 Gould and Vrba (1982) 의 진화생물학 원형 정의와 Andriani and Carignani (2014, Research Policy) 의 modular 외적응 모형. Carignani et al. (2019), Dew et al. (2004), Garud et al. (2016) 등의 product · firm · industry 수준 exaptation 연구가 질적 조상을 이룬다. 이정동 anchor page 의 제5기 진화론적 체계의 완성 라인 분류에서 본 논문은, sibling Evolutionary mechanism for diversity dynamics in technology using a phylogenetic tree approach: directional suggestions for photovoltaic technology (PVT diversity dynamics, modular HP 가 곧 modular exaptation 의 PVT 적용) · Technological speciation: Navigating new needs through trial and error – A rifle case study (소총 종분화) · Small but not least changes: The art of creating disruptive innovations (자동차 PDI) 과 함께 진화 메커니즘 4 부작의 exaptation 축 을 담당한다. 외적응 과 accumulation 의 의도 vs 우연 긴장 (anchor 의 미해결 긴장 절) 에 대한 정량적 증거를 더한다.

인접 그래프

1-hop 이웃 20개

인물 3
방법론 7
개념 2
주제 3
수록처 1
분류 1
논문 3

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

Exaptation: unveiling the potential for technological innovation

요약

핵심 결과

방법론 노트

연구 계보

See also

인접 그래프

이 문서를 가리키는 페이지

논문 (2)

개념 (1)

방법론 (2)

주제 (1)