머신러닝 기반 국내 과학기술 인재의 연구성장패턴 유형화 연구
A study on the growth pattern of domestic science and technology researchers based on machine learning
하태현(한국과학기술정보연구원); 양혜영(한국과학기술정보연구원); 홍성화(한국과학기술정보연구원); 양현채(과학기술정책연구원); 김은경(한국과학기술정보연구원)
25권 4호, 609~626쪽
초록
과학기술 인재를 혁신적 연구그룹의 리더가 될 수 있도록 돕는 것은 중요한 정책적 목표이다. 정부는 연구자의 연구 생애주기에 따라 성공적인 연구 책임자로 성장할 수 있도록 다양한 지원사업과 제도를 시도하였고, 이와 관련된 연구 도 제시된 바 있다. 그러나 국내 연구자들의 실질적인 연구과제 수행패턴과 성장 과정에 관한 구체적인 관찰과 연구는 찾아보기 어렵다. 연구자의 연구과제 수행패턴은 연구비 규모, 연구과제 주제 다양성 측면에서 구분하여 분석할 수 있 으며, 연구자의 소속에 따른 차이점을 추가로 고려한다면, 개별 연구자의 특징을 구체적으로 반영한 효과적인 연구자 지원방안을 마련하는 데 도움이 될 수 있다. 본 연구에서는 NTIS를 활용하여 연구자들의 연구과제명과 연구비에 대한 정보를 수집하였으며, KoBERT와 Ensemble K-means 방법을 활용하여 연구자를 연구과제 주제의 다양성과 연구 비의 다양성 측면에서 분류하였다. 분석을 통해 파악된 네 가지 연구자 유형에 대한 특징을 토대로, 효과적인 연구자 지원사업이 이뤄지기 위해 고려해야 할 사항들을 논의하고, 향후 남은 과제를 제시하였다.
Abstract
The government pursues the growth of scientific and technological researchers and innovation through the various national R&D programs. In particular, since the qualitative level of researchers is a very important factor for successful achievement of R&D projects, one of the policy goals is to help researchers to become leaders of innovative research groups. Therefore, the government has tried various support programs and systems so that researchers can grow into successful researchers according to the research life cycle, and related research has also been suggested. However, it is difficult to find detailed observations and studies on the actual research life cycle patterns and growth processes of researchers. Focus on this issue, we gathered NTIS data and identified four classes based on research life cycle patterns. Pretrained KoBERT and Ensemble K-means measure diversities in topics and funding size of research projects and cluster researchers into four classes. We discuss several policy implications based on characteristics of identified four researcher classes.
- 발행기관:
- 한국기술혁신학회
- 분류:
- 기술정책