논문 리뷰

DOI : 10.1002/smj.3367

블로그 주인이 대학원생인데 논문 리뷰가 하나도 없는 상황이 계속 신경쓰였습니다. 예전 수업시간에 제가 직접 해당 논문에 대해서 논문 리뷰 발표를 했었는데, 마침 이번 졸업시험에서도 이 논문을 다뤘기 때문에 논문 리뷰를 간단하게 작성해보려고 합니다.

이 논문은 네트워크 이론과 조직 혁신에 관련된 연구입니다. 논문에서 줄곧 등장하는 핵심 키워드는 “Degree assortativity”라는 네트워크 이론 용어인데, 아래에 정의를 적어두었습니다.

Degree assortativity refers to the tendency of nodes to attach to those with similar degree centrality ranks in a network.

저는 Degree assortativity를 우리말로 연결도 동질성이라고 해석했습니다. 그래프 이론에서 노드의 degree는 해당 노드가 다른 노드와 연결되어 있는 정도를 말합니다. 네트워크의 연결도 동질성 수준이 높을수록 degree 값이 높은 노드는 높은 degree 노드와 연결되고, degree 값이 낮은 노드는 자기처럼 낮은 degree 노드와 연결되는 현상이 나타납니다. 즉, 끼리끼리 모이는 건데 소위 말하는 인싸는 인싸끼리, 아싸는 아싸끼리 뭉치는 것을 생각하면 됩니다. 이와 반대로 연결도 동질성이 낮은 네트워크에서는 서로 다른 집단끼리도 교류가 활발합니다. 본 논문에서는 연결도 동질성에 따른 조직 특성을 연구했습니다.

논문에 따르면 연결도 동질성과 관련해서 조직에 아래와 같은 특성이 발생합니다.

연결도 동질성이 높을수록 성과(발명) 개수(quantity)가 많다.
연결도 동질성과 성과(발명)의 참신성(novelty)은 반비례한다.
연결도 동질성과 성과(발명)의 산업 영향력(impact)은 반비례한다.

이를 증명하기 위해 논문에서는 제약 산업의 특허 데이터를 분석했습니다. 네트워크의 노드는 각 제약 회사에 소속된 특허에 참여한 연구자이고, 함께 연구한 사람끼리 연결되는 구조입니다. 즉, 연결도 동질성이 높은 연구자는 많은 특허에 참여한 사람입니다. 그리고 성과(발명)가 곧 특허입니다. 특허의 참신함은 해당 특허와 선행 특허의 subclass를 비교해서 서로 얼마나 겹치는지로 측정했습니다. 많이 겹칠수록 참신성이 낮습니다. 마지막으로 산업 영향력은 특허의 인용 횟수로 측정했습니다. 본 논문은 특허를 서로 비교하기 위해 CEM 연구 방법론을 사용했습니다.

이 논문은 그럴듯한 연구 결과를 다루고 있습니다. degree 값이 높은, 중심 연구자일수록 기업 자원에 대한 접근이 용이하고 관련해서 아는 것도 많으니 당연히 성과는 많을 것입니다. 그리고 중심 연구자가 아닌 연구자는 남들과 다른 출신 배경이라는 특성을 이용해 새로운 관점과 경험을 통해 특허에 참신함을 더하고, 이에 따라 산업에 강력한 영향을 가져올 수도 있을 것이라는 생각이 듭니다. 그리고 연구 데이터로 제약 회사를 선택한 점도 추가적인 연구가 필요할 수 있다고 생각하는 부분입니다. 이공계 분야에 대해 잘 알지 못합니다만 보통 제약 회사라면 하나의 연구에 다수의 연구자가 참여하지 않을까요? 그렇다면 참여 연구자 중에 책임자가 있을 것이고, 그 책임자는 어쩌면 직접적으로 해당 연구에 많이 기여하지 않더라도 고위 직위를 가진 사람이라서 여러 연구에 이름이 들어가 있을 수도 있겠네요. 따라서 실질적으로 연구에 참여하는 사람으로만 네트워크를 구성한다면 연구 결과가 어떻게 될지도 궁금합니다.