산학연 협업 활성화를 위한 R&D 네트워크 연결 예측 연구

박미연; 이상헌; 김국성; 심홍매; 김우주

추천

검색

질문

자료유형: 학술저널

저자정보: 박미연 (국회) 이상헌 김국성 심홍매 (연세대학교) 김우주 (연세대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제21권 제3호

발행연도: 2015.9

수록면: 37 - 52 (16page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

최근 전세계적으로 R&D 네트워크 및 산학연 협력 등을 강화하고 있는 추세이다. 네트워크 및 협업연구 부문에 대한 지원이 증가하면 학제간 융합 연구를 통한 새로운 이론의 창출과 새로운 학문?사업 분야로의 확장 가능성을 높일 수 있다.
우리나라도 정부의 R&D 과제 수행을 통해 형성된 R&D 네트워크를 효율적으로 지원할 수 있는 전략의 필요성이 증대되고 있다. 그럼에도 불구하고 우리나라는 국가 R&D 사업 참여자에 대한 개별인력정보와 일반화된 통계 자료에만 의존하여 네트워크 관점에서의 정책은 미흡한 실정이다. 이에 따라 R&D 사업에 참여하는 각 주체들 간의 관계를 분석하고 산학연 R&D 네트워크를 기반으로 향후 발생할 수 있는 네트워크의 변화를 예측하고자 한다. R&D 네트워크 변화 예측을 위해 Common Neighbor 모형과 Jaccard’s Coefficient 모형을 기반 모델로서 채택하고자 하며, 이들의 한계점을 보완하고 Link Prediction 정확도를 향상시킨 새로운 예측 모형을 제안하고 이들간의 비교분석 결과를 도출하고자 한다. 이와 같은 연구 결과는 향후 R&D 네트워크의 변화에 대한 효과적인 예측을 통해 선제적인 산학연 사업 지원 전략을 수립하고, 융합 R&D사업 등을 효과적으로 지원할 수 있는 국가 정책을 도모하기 위한 방안을 제시한다는 점에서 의의가 있다. 본 연구결과 가중치의 적용은 Common Neighbor 모형과 Jaccard’s coefficient 모형 모두에서 긍정적인 성과를 나타냈는데 상대적으로는 가중치가 적용된 Common Neighbor 모형에서의 정확도가 더 개선된 것으로 도출되었다. 즉, Common Neighbor 모형에서는 4,136개 중 650개를 예측한 반면, 가중치를 적용한 Common Neighbor 모형에서는50개의 정답이 증가한 700개를 예측하는 효과를 보였다. 한편, 상대적으로 Jaccard 계수의 경우는 약간의 성능 개선은 있으나 그 차이가 미미한 것으로 나타났다.

The recent global trends display expansion and growing solidity in both cooperative collaboration between industry, education, and research and R&D network systems. A greater support for the network and cooperative research sector would open greater possibilities for the evolution of new scholar and industrial fields and the development of new theories evoked from synergized educational research.
Similarly, the national need for a strategy that can most efficiently and effectively support R&D network that are established through the government’s R&D project research is on the rise.
Despite the growing urgency, due to the habitual dependency on simple individual personal information data regarding R&D industry participants and generalized statistical data references, the policies concerning network system are disappointing and inadequate.
Accordingly, analyses of the relationships involved for each subject who is participating in the R&D industry was conducted and on the foundation of an educational-industrial-research network system, possible changes within and of the network that may arise were predicted.
To predict the R&D network transitions, Common Neighbor and Jaccard’s Coefficient models were designated as the basic foundational models, upon which a new prediction model was proposed to address the limitations of the two aforementioned former models and to increase the accuracy of Link Prediction, with which a comparative analysis was made between the two models. Through the effective predictions regarding R&D network changes and transitions, such study result serves as a stepping-stone for an establishment of a prospective strategy that supports a desirable educational-industrial-research network and proposes a measure to promote the national policy to one that can effectively and efficiently sponsor integrated R&D industries.
Though both weighted applications of Common Neighbor and Jaccard’s Coefficient models provided positive outcomes, improved accuracy was comparatively more prevalent in the weighted Common Neighbor. An un-weighted Common Neighbor model predicted 650 out of 4,136 whereas a weighted Common Neighbor model predicted 50 more results at a total of 700 predictions. While the Jaccard’s model demonstrated slight performance improvements in numeric terms, the differences were found to be insignificant.

#산학연 #네트워크 분석 #활성화 #국가 R& #D #관계 예측 #Industry-university #Network analysis #activation #National R& #D #link prediction

참고문헌 (8)

참고문헌 신청

[학술지(정기간행물)] - Ahuja, M. K. / 2003 / Individual Centrality and Performance in Virtual R&D Groups: An Empirical Study / Management Science 49 (1) : 21 ~ 38

[학위논문] - Coulon, F. / 2005 / The use of Social Network Analysis in Innovation Research: A Literature Review / Lund University

[학술지(정기간행물)] - Granovetter, M / 1983 / The Strength of Weak Ties: A Network Theory Revisited / Sociological Theory 1 (1) : 201 ~ 233

[학술지(정기간행물)] - Liben-Nowell, D. / 2007 / The Link Prediction Problem for Social Networks / Journal of The American Society for Information science and technology 58 (7) : 1019 ~ 1031

[학술지(정기간행물)] - Lu, L. / 2011 / Link prediction in complex networks: a survey / Physica A: Statistical Mechanics and its Applications 390 (6) : 1150 ~ 1170

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박미연

소속기관 국회

주요연구분야 공학 > 산업공학 공학 > 컴퓨터학

논문수 3 이용수 404

이상헌

소속기관 연세대학교

주요연구분야 공학 > 산업공학 공학 > 전기전자공학 > 전자공학

논문수 27 이용수 1,441

김국성

소속기관 연세대학교

주요연구분야 공학 > 산업공학

논문수 2 이용수 284

심홍매

소속기관 연세대학교

주요연구분야 공학 > 산업공학 공학 > 컴퓨터학

논문수 3 이용수 548

김우주

소속기관 연세대학교

주요연구분야 공학 > 컴퓨터학 TOP 10% 공학 > 산업공학 TOP 0.5%

논문수 171 이용수 20,569

이 논문과 함께 이용한 논문

국가연구개발사업의 기술적 성과창출 영향요인에 관한 연구 : 기계 및 화학 산업 기술개발사례를 중심으로

최지영 , 강근복 기술혁신학회지 2016 .03

산업기술혁신사업의 성과창출에 미치는 영향에 관한 연구 : 산학연협력형태를 중심으로

배진희 , 오명준 , 김헌 기술혁신학회지 2014 .09

산학연 협력이 서비스기업 혁신성과에 미치는 영향

최석준 , 서영웅 기술혁신학회지 2011 .09

우리나라 기업의 R&D 국제협력 성과 결정요인 분석

고대영 , 성열용 , 조윤애 기술혁신학회지 2016 .09

정부R&D투자가 기업 규모별 R&D지출에 미치는 영향 분석

정준호 , 김재수 , 최기석 외 1명 한국콘텐츠학회논문지 2016 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2016-003-001985471

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (8)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)