키워드 네트워크 분석을 통해 살펴본 기술경영의 최근 연구동향
고재창성균관대학교 기술경영학과 ([email protected])
조근태성균관대학교 기술경영학과 ([email protected])
조윤호국민대학교 경영학부 ([email protected])
․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․
최근 경제 패러다임의 변화로 인해 기업이 글로벌 경쟁우위 및 미래 성장동력 확보하기 위해서는 기술과 경영을 통합적으로 이해할 수 있는 학제적 지식을 바탕으로 기술연구의 동향을 파악하고 융합기술 및 유망기술 예측하여 지속적 혁신, 핵심역량 강화, 핵심기술 보유, 기술 융합 등을 통해 새로운 가치를 창출할 필요가 있다. 따라서 본 연구는 기술경영관련 연구의 거시적인 흐름을 분석하기 위해 동시단어 분석기반의 계량서지학적 방법론을 사용하였다. 즉, 최근 10년 동안 기술경영분야의 주요 해외 저널에 게재된 논문의 키워드를 수집한 다음, 빈도 분석, 초기 키워드 네트워크의 구조 분석, 시간이 지남에 따른 새로 생성된 키워드의 선호적 연결 및 성장 분석, 전체 네트워크에 대한 컴포넌트 분석 및 중심성 분석을 수행하였다. 이를 통해 기술경영분야의 논문에 대한 구체적인 연구 주제를 파악할 수 있고, 이들 간의 관계를 파악함으로써, 학제적 연구와 통섭을 위한 구체적인 연구주제들의 조합을 제시할 수 있다.
본 연구결과를 살펴보면 다음과 같다. 첫째, 논문 별 키워드는 1개~23개의 분포를 지니고 있으며, 평균적으로 논문 당 4.574개의 키워드가 있다. 또한 키워드 중 90%가 10년 동안 3번 이하로 사용되었다. 특히 1번만 사용된 키워드는 약 75%의 비중을 차지하고 있음을 확인하였다. 둘째, 키워드 네트워크는 좁은 세상 네트워크 및 척도 없는 네트워크의 특징을 따르고 있음을 확인하였다. 특히 기술경영관련 논문에 사용된 키워드 중 소수의 키워드의 독점화 경향이 높음을 확인할 수 있었다. 셋째, 선호적 연결 및 성장 분석을 통해 기술경영분야의 키워드는 시간이 지남에 따라 선호적 연결을 통한 생존과 소멸 과정에 의해 부익부 빈익빈 현상이 고착되고 있고 있음을 확인하였다. 또한 신규 키워드의 선호적 연결 정도 분석을 통해 신규 연구분야 또는 새로운 연구영역을 창출할 가능성이 있는 키워드 관련 연구 주제에 대한 관심이 시간이 지남에 따라 증가하다가 일정 시점이 지나면 감소함을 확인하였다. 넷째, 컴포넌트 분석 및 중심성 분석을 통해 기술경영관련 연구 동향을 확인하였다. 특히 중심성 분석을 통해 Innovation(혁신), R&D(연구개발), Patent(특허), Forecast(예측), Technology transfer(기술이전), Technology(기술), SME(중소기업) 등의 키워드가 연결중심성, 매개중심성, 근접중심성이 높음을 확인하였다. 본 연구의 분석결과는 기술경영의 연구 동향, 타 학문과의 통섭 및 신규 연구주제 선정 시 참고할 수 있는 유용한 정보로 활용될 수 있다.
․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․
논문접수일：2013년 05월 23일 게재확정일：2013년 06월 19일 투고유형 : 학술대회 우수논문 교신저자：조윤호
J Intell Inform Syst 2013 June: 19(2): 101~123 http://dx.doi.org/10.13088/jiis.2013.19.2.101
1. 서론
최근 과학기술 및 정보기술의 발달로 인해 사회 적․경제적 비즈니스 영역이 산업경제에서 지식기
반경제로 변화하고 있다. 이러한 경제 패러다임의 변화로 인해 IT(정보기술), BT(생명공학기술), NT (나노기술), ST(우주항공기술), ET(환경․에너지 기술), CT(문화기술) 등의 지식기반 하이테크 산업
고재창․조근태․조윤호
및 문화콘텐츠, 헬스케어 등의 지식기반 서비스 산 업이 경제에서 차지하는 비중이 점점 커지고 있다.
또한 EU(유럽 연합) NAFTA(북미 자유 무역 협 정), MERCOSUR(남미 공동 시장), ASEAN(동남 아시아 국가 연합), APEC(아시아 태평양 경제 협력 체) 등 신경제 블록 형성, 브라질, 러시아, 인도, 중국 등 신흥 공업 강국 등장으로 인해 기업들은 글로벌 무한경쟁의 치열한 경쟁환경에 직면하게 되었다.
이와 같이 경영환경의 복잡성과 불확실성이 심화 됨에 따라, 기업이 글로벌 경쟁우위 및 미래 성장동 력 확보하기 위해서는 지속적 혁신, 핵심역량 강화, 핵심기술 보유뿐만 아니라 신기술간 융합(예를 들 면, CT와 IT가 융합된 가상현실), 기존 제품과 신기 술간 융합(예를 들면, 자동차와 IT가 융합된 스마트 자동차), 신기술과 서비스간 융합(예를 들면 IT와 의료서비스가 융합된 U-헬스케어), 제품과 서비스 간 융합(예를 들면, 스마트폰과 응용콘텐츠 서비스 가 융합된 앱스토어) 등을 통해 새로운 가치를 창출 할 필요가 있다. 이에 따라 기술과 경영을 통합적으 로 이해할 수 있는 학제적 지식을 바탕으로 기술연 구의 동향을 파악하여 융합기술 및 유망기술 예측 하는 것이 중요한 이슈로 부각되고 있다(Kang et al., 2006; Song, 2012).
기술경영연구에서 미래기술을 예측하기 위해 많 이 사용되는 방법으로는 델파이(Delphi) 기법 및 시 나리오(Scenario) 기법 등이 있다. 델파이 기법은 미래예측 등 주어진 문제에 대하여 전문가들의 의 견을 수렴하고 종합하는 방법이며(Dalkey and Helmer, 1963; Dalkey, 1967), 시나리오 기법은 복잡하고 불 확실한 미래 환경변화에 대해 예측한 시나리오를 작성하여 모든 가능한 상황에 유연하게 대응할 수 있도록 하는 예측기법이다(Jung, 2006). 그러나 이 러한 미래예측 방법들은 분석과정이 직관적이지 못 하고, 결과에 대한 신뢰성이 부족한 한계점이 있다.
최근 이러한 한계점을 보완하고, 시간의 흐름에 따 른 기술동향 또는 연구동향을 분석하고 예측하기 위해 계량서지학적(Bibliometrics) 방법론이 사용 되고 있다.
계량서지학적 방법론이란 문헌의 특징을 파악하 기 위한 계량적 분석 방법이다(Richard, 1969), 그러 나 전통적인 계량서지학적 방법론은 인용빈도 또는 연구결과의 빈도 등 양적 측정지표를 사용함으로 써, 기술연구동향 및 기술 간의 관계를 파악하지 못 하는 한계점이 있다. 이러한 문제점을 보완하기 위 하여 동시인용(Co-citation) 분석 또는 동시단어 (Co-word) 분석 등을 통한 네트워크 관점에서의 계 량서지학적 방법론이 이용되고 있다(Tijssen, 1992).
동시인용 분석은 문헌 등의 인용 관계 등을 분석함 으로써 문헌 등의 특징을 파악한다(Choi et al., 2011; Pilkingtona, and Teichertb, 2006, Shen et al., 2010). 그러나 동시인용 분석은 문헌 단위로 분석하 기 때문에 연구동향 등을 분석하는데 한계가 있다 (Choi et al., 2011). 동시단어 분석은 문헌 등에서 추출한 키워드 또는 용어 간의 관계를 분석하는 방 법으로, 중요 문헌 자체를 분석하는 것은 불가능 하 지만, 내용을 기반으로 분석을 하기 때문에 연구동 향 등을 분석하는데 용이하다(Choi et al., 2011;
Yoon and Park, 2007).
따라서 본 연구는 기술경영관련 연구의 거시적인 흐름을 분석하기 위해 동시단어 분석기반의 계량서 지학적 방법론을 사용하였다. 즉, 최근 10 년 동안 기술경영분야의 주요 해외 저널에 게재된 논문의 키워드를 수집한 다음, 키워드 네트워크를 구성하 여, 네트워크 분석을 수행하였다. 이를 통해 기술경 영분야의 논문에 대한 구체적인 연구 주제를 파악 할 수 있고, 이들 간의 관계를 파악함으로써, 학제적 연구와 통섭을 위한 구체적인 연구주제들의 조합을 제시할 수 있다.
본 논문의 구성은 다음과 같다. 제 2장에서는 미 래연구 방법 및 네트워크 분석에 대하여 살펴보았 으며, 제 3장에서는 키워드 네트워크 구성 및 분석 방법에 기술하였다. 제 4장에서는 수집한 데이터를 이용하여 구성한 키워드 네트워크를 실증적으로 분 석하였다. 그리고 제 5장에서는 본 연구의 결론 및 한계점을 기술하였다.
2. 이론적 배경
2.1 미래예측 방법론
미래에 대한 복잡성과 불확실성이 증대함에 따라 기업이 지속적으로 경쟁하기 위해서는 기업의 한정 된 자원과 시간을 고려하여 미래환경을 예측하고 미래기술을 확보하기 위한 장기적 전략 수립이 중 요하다. 이를 위해서는 예측하고자 하는 사안에 대 해 적합한 방법론을 이용하여 신뢰성 있게 미래를 예측하는 것이 중요하다.
미래예측 방법론은 어떠한 과정과 결정을 거쳐서 미래에 도달할 수 있는지를 생각하고 정리할 수 있게 해주는 지식활동의 기법들을 의미하며(National Information Society Agency, 2011), 시간 축 방향에 따라 탐구적(Exploratory) 방법과 규범적(Normative) 방법으로 구분할 수 있다. 탐구적 기법은 현재에 대한 이해를 바탕으로 미래에 무엇이 발생할 지 예측하는 기술능력 지향적인(Capability-oriented) 예측방법 이다. 대표적인 탐구적 방법으로는 시나리오(Scenario), 델파이(Delphi), 분석적 계층절차(AHP; Analytic Hierarchy Process) 등이 있다. 규범적 기법은 희망하 는 미래 또는 미래의 니즈를 충족하기 위한 기술능력 등을 예측하는 것으로, 목표지향적인(Goal-oriented) 예측방법이다. 대표적인 규범적 기법으로는 시뮬레 이션(Simulation), 연관수목법(Relevance tree) 등이
있다.
또한 미래예측 방법론은 데이터 원천에 따라 문 헌 기반 기법(또는 계량서지학적 방법론)과 전문가 기반 방법으로 구분할 수 있다(Kostoff, 1999; Kostoff and Geisler, 1999). 문헌 기반 기법은 문헌, 특허 등 대용량의 데이터로부터 예측 분석을 하기 위하여 데이터마이닝, 네트워크 분석 등에 초점을 맞추고 있는 방법이며, 전문가 기반 방법은 기술 발전 방향 예측 및 향후 발생 가능한 시나리오를 개발하기 위 하여 관련 전문가의 지식을 활용하는 방법이다. 특 히 문헌 기반 기법은 기존 문헌에 대해 계량적인 방법으로 분석함으로써, 연구 동향을 파악하는 데 유용하다.
기술경영분야에서도 <Table 1>과 같이 다양한 산업에 대한 미래 기술 및 연구 동향을 예측하고자 하였으며, 대다수의 연구들은 델파이, AHP, 시나리 오 등의 기법을 이용되었다. 그러나 이러한 기법들은 비용과 시간이 많이 소요되며, 전문가에 따라 결과 도출 과정이 달라지기 때문에 신뢰성을 보장할 수 없는 문제점이 있다. 따라서 본 연구에서는 연구결과 의 신뢰성을 보장하기 위해 문헌 기반 기법을 이용하 여 기술경영분야의 연구 동향을 분석 및 파악하였다.
2.2 네트워크 분석
네트워크 분석은 사람, 조직, 사물 등 분석 대상들 간의 관계를 네트워크로 형성하여, 네트워크의 구 조를 계량적으로 분석하는 기법으로(Kim, 2003;
Son, 2002; Choi and Kim, 2009), 사회과학, 경영학, 응용과학 등 다양한 분야에서 응용되고 있다.
수집한 데이터를 네트워크로 구성하기 위해서는 매트릭스 형태로 나타내어야 한다. 일반적으로 매 트릭스의 행과 열에 다른 개체가 배열되는 것을 2모 드(Mode) 매트릭스라 하고, 같은 개체가 배열되는
고재창․조근태․조윤호
Industries/Technologies Methods of Future Forecasting Researches
Discontinuous innovations Multiple perspective inquiry methodology Mackay and Metcalfe(2002)
Genetically modified (GM) crops Brainstorming Borch and Rasmussen(2002)
Machinery industry Delphi Chang et al.(2002)
Moore's law Data Envelopement Analysis Anderson et al.(2002)
Nanotechnology Delphi Kuusi and Meyer(2002)
Opto-electronics Delphi Chang et al.(2002)
Wireless data services Threat and opportunity assessment approach Du Preez and Pistorius(2003) photonics industry and Semiconductor
industry Litterman Bayesian vector autoregression
(LBVAR) model Hsu et al.(2003)
Opto-electronics Grey theory Lin and Yang(2003)
Hydrogen fueling systems AHP Winebrake and Creswick(2003)
Taxonomy of the future technologies Delphi Ronde(2003)
Sensor technology Delphi Andersen et al.(2004)
GM crops System modeling Borch and Rasmussen(2005)
Semiconductor Rolling Grey forecasting model Chang et al.(2005)
Construction sector Integrated development management model Oner and Saritas(2005)
Diffusion of innovations SOM Ilonen et al.(2006)
Large-screen television sets Conjoint analysis Lee et al.(2006)
Vehicle fatality risk Grey model Mao and Chirwa(2006)
Emerging technologies S-curve Bengisu and Nekhili(2006)
Nanotechnology Text mining De Miranda Santo et al.(2006)
Mobile phone business S-curve Boretos(2007)
Market share of Fiber Scenario analysis / Technological substitution
model Wang and Lan(2007)
Integrated circuit industry Grey model Hsu and Wang(2007)
Nanotechnlology Text mining Alencar et al.(2007)
Product life cycle Two-stage fuzzy piecewise regression analysis Huang and Tzeng(2008)
Home networking market Conjoint analysis Lee et al.(2008)
Emerging technologies Bibliometrics Kajikawa, et al.(2008)
Renewable energy Experience curve Alberth(2008)
Mobile Internet Diffusion model Chu and Pan(2008)
IT AHP / Delphi Bañuls and Salmeron(2008)
Wireless communication Data Envelopement Analysis Anderson et al.(2008)
Global economy S-curve Boretos(2009)
Energy sector Delphi Czaplicka-Kolarz et al.(2009)
Bioenergy Delphi / Scenario planning Rikkonen and Tapio(2009)
Software industry Brownian agent model Shin and Park(2009)
Clean production Scenario Saritas and Aylen(2010)
Nanotechnology Network analysis No and Park(2010)
Free libre open source software(FLOSS) Delphi Yildirim and Ansal(2011)
Automobile industry Conjoint analysis Eggers and Eggers(2011)
Broadband Holt's damped trend method Christodoulos et al.(2011)
Tilapia supply chains Delphi / Scenario Vivanco-Aranda et al.(2011)
Technological changes Text mining / Network analysis Lee et al.(2011)
Energy Backcasting Svenfelt et al.(2011)
<Table 1> An Overview of the Future Forecasting in the Technology Management(2002～2011)
것을 1모드 매트릭스라 한다. 또한 매트릭스에서 개 체와 개체 간에 관계가 있으면 1, 그렇지 않으면 0으 로 나타낸다. 본 연구에서는 논문과 키워드 관계를 논문에서 키워드가 있으면 1, 그렇지 않으면 0으로 표현하였다. 또한 준 연결망(Quasi network)를 이 용하여 논문-키워드 매트릭스를 키워드와 키워드 사이의 관계를 나타낸 네트워크로 구성하였으며 (Kim, 2003; Kim et al., 2009; Choi and Kim, 2009), 이때 노드는 키워드를 의미하며, 링크는 논문에 함께 사용된 키워드간의 관계 즉 연구주제를 의미한다.
네트워크 분석 방법으로는 네트워크 결속 분석, 하위 네트워크 분석, 구조적 등위성 분석, 중심성 분석 등이 있다. 네트워크의 결속(Cohesion)을 분석 하기 위한 측정지표로는 포괄성(Inclusiveness), 연 결정도(Degree), 밀도(Density), 군집계수(Clustering coefficient) 등이 있다(Cho and Kim, 2010; Frank and Harary, 1982; Kim, 2003; Son, 2002; Wasserman and Faust, 1994; Watts, 1999; Youn and Chae, 2007). 포괄성은 한 네트워크 내 서로 연결된 노드의 수를 측정하는 지표이며, 연결정도는 각 노드가 다 른 노드와 연결되어 있는 정도를 측정하는 지표이다.
밀도는 포괄성과 연결정도의 개념을 이용하여 네트 워크 내의 노드들이 얼마나 연결되어 있는지 측정 하는 지표로, 밀도는 높은 네트워크는 정보의 확산 이 빠르다. 군집계수는 노드의 이웃들 간에 얼마나 링크로 연결되어 있는 지 측정하는 지표로, 군집계 수가 높은 네트워크는 동질성이 높다.
하위 네트워크 분석을 위한 측정지표로는 컴포넌 트(Component), 파당(Clique) 등이 있다(Amorim et al., 1992; Cho and Kim, 2010; Seidman and Foster, 1978; Son, 2002). 컴포넌트는 노드들이 하 나의 연결체계를 형성하는 하위 네트워크로, 각 컴 포넌트에 포함된 노드는 정보의 교류가 빠르다. 파 당은 직접 연결된 점들의 집합으로, 파당 내 노드의
친밀도는 매우 높다.
구조적 등위성 분석은 유사한 지위(Position)를 가진 노드들을 그룹화하여 그룹들 간 관계를 분석 하는 방법으로, CONCOR(Convergence of iteration correlation), STRUCTURE 등을 이용하여 측정한 다(Breiger et al., 1975; Burt, 1991; Son, 2002).
CONCOR는 노드 간 상관관계(Correlation)를 사용 하며, STRUCTURE는 경로거리(Path distance) 개 념을 사용하여 노드들을 그룹화 한다.
중심성을 측정하는 지표로는 연결중심성(Degree centrality), 매개중심성(Betweenness centrality), 근접중심성(Closeness centrality) 등이 있다(Son, 2002). 연결중심성은 특정 노드를 중심으로 주변의 노드와 얼마나 많이 연결되어 있는가를 나타내는 지표로, 연결중심성이 높은 노드는 정보의 교류가 높다. 매개중심성은 특정 노드가 다른 노드들과의 네트워크를 구성 시 매개자 역할을 하는 정도를 측 정하는 지표로, 매개중심성이 높은 노드는 정보 교 류에 대한 통제력이 크다. 근접중심성은 특정 노드 가 전체 네트워크의 중심에 위치하는 정도를 측정 하는 지표로, 근접중심성이 높은 노드는 다른 노드 와의 거리가 가깝기 때문에 정보교류의 유리함을 가진다.
기술경영분야에서도 최근 네트워크 분석을 활용 다양한 연구가 진행되고 있다. He and Hosein Fallah (2009)는 네트워크 구조 분석을 통하여 클러스터의 타이폴로지(Typology)가 지역 클러스터에서 발명 가 네트워크의 구조를 결정하는 중요한 요소라는 것을 밝혔다. Kim and Park(2009)는 산업 내 기술지 식 구조를 분석하기 위하여 네트워크 분석을 이용 하였으며, 한국의 정보통신 정책이 산업의 생산성 을 증가시켰음을 보였다. Kajikawa et al.(2008)은 지속가능한 에너지에 대한 로드맵을 작성하기 위하여 에너지 연구에 대한 인용 네트워크를 분석하였다.
고재창․조근태․조윤호
Data Collection
•Three Foreign Journals
Construction of Keyword Network
•Quasi-Network
Analysis of Keyword Network
•Analysis of Initial Network
•Analysis of Preferential Attac hme-nt and Growth
•Analysis of Component and Centrality in the Whole Network
<Figure 1> A Research Framework 또한 Kajikawa and Takeda(2009)는 OLED(Organic
Light-Emitting Diode, 유기 발광 다이오드) 논문에 대한 인용 네트워크 구조 분석을 통하여 향후 유망 한 연구 분야를 도출하였다. Lee et al.(2011)은 기술 변화에 대한 동향을 추적하기 위하여 시간에 따른 특허 네트워크를 분석하였다. 이와 같이 기술경영 논문에 대한 키워드 네트워크를 구성 및 분석 함으 로써, 기술경영관련 연구의 거시적인 흐름을 파악 할 수 있다. 따라서 본 연구에서는 기술경영분야의 연구동향을 파악하기 위하여 밀도, 컴포넌트, 중심 성을 분석하였다.
3. 연구방법 및 절차
3.1 키워드 네트워크 분석 프로세스
본 연구는 기술경영관련 해외저널의 키워드 데이 터를 이용하여 키워드 네트워크를 구성하여 구조적 특징을 분석하고자 한다. 키워드 네트워크 분석 프 로세스는 <Figure 1>과 같이 데이터 수집, 키워드 네트워크 구성, 키워드 네트워크 분석의 3단계로 구 분된다. 첫 번째, 데이터 수집 단계에서는 기술경영 관련 해외저널에 게재된 논문 별 키워드를 추출하 다. 두 번째, 키워드 네트워크 구성은 준 연결망 (Quasi network)을 이용하여 동일한 논문에서 함께 생성된 키워드를 링크로 연결한다. 마지막으로 키
워드 네트워크 분석 단계에서는 초기 키워드 네트 워크의 구조 분석, 시간이 지남에 따른 새로 생성된 키워드의 선호적 연결 및 성장 분석, 전체 네트워크 에 대한 컴포넌트 분석 및 중심성 분석을 수행하여 기술경영분야의 연구동향을 파악한다.
3.2 데이터 수집
본 연구는 기술경영저널에 게재된 논문의 키워드 네트워크 구성을 통하여 기술경영분야의 연구동향 을 살펴보고자 하였다. 이를 위한 데이터 수집을 위 한 저널을 선정하기 위하여 Linton(2006)의 연구에 서 제시된 10개의 기술경영저널에 대한 최근 10년 간 Impact Factor를 조사하였다(<Table 2>참조).
특히 Research Policy, Journal of Product Innova- tion Management, Technovation, Technological Forecasting and Social Change은 10년간 평균 Impact Factor가 각각 1.925, 1.535, 1.246, 1.056으로 기술경영분야에서 많이 인용되고 있는 저널임을 확 인할 수 있었다. 그러나 본 연구에서는 데이터 수집 상의 문제로 위 4개의 저널 중에서 Journal of Product Innovation Management를 제외하고 2002년～2011 년(총 10년)의 기간 동안 Research Policy, Techno- vation, Technological Forecasting and Social Change의 저널에 게재된 2,611개의 논문으로부터 5,368개의 키워드를 수집하였다.
<Figure 2> A Keyword Network using a Quasi-Network
Journal 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Ave-rage
IEEE Transactions on
Engineering Management 0.493 0.681 0.573 0.864 0.825 0.962 1.156 1.248 1.344 0.958 0.910 Journal of Engineering and
Technology Management 0.815 0.379 0.281 0.931 0.536 0.528 0.923 1.243 0.737 1.032 0.741 Research Policy 1.631 1.404 1.536 1.835 1.328 2.211 2.655 2.261 2.508 2.520 1.989 Journal of Product Innovation
Management 1.250 1.623 0.885 0.917 1.588 1.585 2.650 1.522 2.079 2.109 1.621 Research Technology
Management 0.494 0.508 0.677 0.385 0.606 0.476 0.676 0.507 0.754 0.885 0.597 International Journal of
Technology Management 0.194 0.266 0.284 0.240 0.233 0.356 0.526 0.419 0.519 0.516 0.355 Technological Analysis and
Strategic Management 0.400 0.429 0.500 0.446 0.123 0.638 0.735 0.929 1.040 0.701 0.594 Technological Forecasting
and Social Change 0.356 0.512 0.461 0.811 0.798 0.889 1.761 1.776 2.034 1.709 1.111 R&D Management 0.536 0.392 0.479 0.506 0.443 0.597 2.043 0.928 1.580 2.507 1.001 Technovation 0.211 0.243 0.231 0.497 0.582 1.004 1.907 2.466 2.993 3.287 1.342
<Table 2> Impact Factors of Specialty Journals in the Technology Management(2002～2011)
3.3 키워드 네트워크 구성
본 연구에서는 준연결망(Quasi-network)을 이 용하여 논문-키워드 형태의 2모드 매트릭스를 키워 드-키워드 형태의 1모드 매트릭스로 변경하였다.
준연결망을 이용한 키워드-키워드 매트릭스는
<Figure 2>와 같이 논문에서 나타난 키워드 사이 에 직접적인 관계가 없어도 인위적으로 관계를 설 정하여 키워드와 키워드 사이의 관계를 표현한 네 트워크이다(Kim, 2003; Kim et al., 2009; Choi and
고재창․조근태․조윤호
’02 ‘03 ‘04 ‘05 ‘06 ‘07 ‘08 ‘09 ’10 ‘11
KeywordsNew
KeywordsNew
KeywordsNew New Keywords
KeywordsNew
①Construction of the Initial Network
②Network Growth
③Network Growth
④Network Growth
⑤Network Growth
⑥Network Growth
<Figure 3> A Growth of the Keyword Network Kim, 2009).
4. 키워드 네트워크 실증 분석
4.1 실험방법
본 연구에서는 키워드 네트워크 분석을 통해 기 술경영분야에 대한 연구 동향을 살펴보기 위하여
<Figure 3>과 같이 2002년～2006년 동안 생성된 키워드를 이용하여 초기 네트워크를 구성하였으며, 매 1년간 신규 키워드를 이용하여 성장시켰다.
초기 네트워크 구조분석을 통해 키워드 네트워크 가 좁은 세상 네트워크 및 척도 없는 네트워크의 특징을 따르는지 살펴보았으며, 선호적 연결 및 성 장분석을 통해 키워드 네트워크가 시간이 지남에 따라 선호적 연결(Preferential attachment)에 의해 성장하는지 살펴보았다. 마지막으로 키워드 네트워 크의 중심성 분석 및 컴포넌트 분석을 통해 기술경 영분야의 연구 동향을 파악하였다.
4.2 키워드 데이터 빈도 분석
2002년～2011년 동안 생성된 키워드 빈도 별 논문 의 빈도는 <Figure 4(a)>와 같다. 논문 별 키워드는 1개～23개의 분포를 지니고 있으며, 평균적으로 논문 당 4.574개의 키워드가 있다. 키워드 분포를 살펴보면
<Figure 4(b)>와 같이 키워드 중 90%가 10년 동안 3번 이하로 사용되었다. 특히 1번만 사용된 키워드는 약 75%의 비중을 차지하고 있다. 이는 기술경영 저널 의 목적이 상업적 이용을 위한 신기술 기반 제품 및 프로세스의 개념부터 기술 혁신 프로세스의 모든 부분을 포함하기 때문에 새로운 키워드가 지속적으 로 생성되기 때문이라 판단된다. 또한 가장 많이 사용 된 Top10 키워드는 Innovation(혁신)으로 354번 사 용되었으며, R&D(연구개발) 120번, Patent(특허) 111번, Technology transfer(기술이전) 80번, Forecast (예측) 69번, Bio-tech(바이오 기술) 55번, SME(중소 기업) 54번, Technology(기술) 54번, University-in- dustry co-operation(산학협력) 51번, Entrepre-
900 800 700 600 500 400 300 200 100 0
TheNumberofPapers
The Number of Keywords
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 18 19 20 23 10 55
577 696
841
246
9246 20 8 1 4 5 2 1 3 1 1 1 1
(a) Frequency of Papers by Frequency of Keywords
3,979
614
248 124 61 68 44 29 30 18 98 46 6 2 1
1 2 3 4 5 6 7 8 9 10 11~20 21~50 51~80 111~120 354
The Number of Keywords
(b) Keyword Distributions
<Figure 4> Keyword Distributions(2002～2011)
2,715 3,208 3,670
4,251 4,807 5,368
493 462 581 556 561 2002~2006 2007 2008 2009 2010 2011
The Number of Cumulative Keywords The Number of New Keywords
<Figure 5> Keyword Distributions by Year of Publication
neurship(기업가 정신) 50번 사용되었다.
초기 네트워크 구성 및 이 후 성장 기간 동안 발생 한 생성된 키워드 분포는 <Figure 5>와 같다. 초기 네트워크 구성기간에는 총 2,715개의 키워드가 생 성되었으며, 2007년～2011년 동안 매년 약 530개의 키워드가 새로 생성되고 있다. 각각의 기간 동안 빈 도가 높은 신규 키워드를 살펴보면, 2007년에는 Energy model(에너지 모델)이 4번, 2008년에는 Raynaud's phenomenon(레이노 증후군)이 5번, 2009년에는 Incremental innovation(점진적 혁신) 등 12개 키워드가 2번, 2010년에는 Strategic fore- cast(전략적 예측)이 6번 사용되었으며, 2011년에는
고재창․조근태․조윤호
The Number of Keywords The Number of Links
Average Degree Density Diameter Average Path Distance
2,715 9,331 6.87366483 0.00252957
8 3.62242
<Figure 6> Structures of the Initial Keyword Network
(a) Power-Law Degree Distribution (b) Log-Log Plot
<Figure 7> Degree Distribution of the Initial Keyword Network Backcasting(후방 예측)이 6번 사용되었다.
4.3 초기 네트워크 구조 분석
기술경영분야의 초기 키워드 네트워크의 구조는
<Figure 6>과 같이 2,715개의 키워드 간 9,331번 관계를 맺으며, 평균적으로 1개의 키워드는 약 6.874개의 키워드와 관계를 맺고 있다. 또한 밀도는 0.00252957로 매우 낮음에도 불구하고 평균 3.622단 계(최대 8단계)만 거치면 대부분의 키워드가 이어 져 있어서, 기술경영에 대한 연구가 비교적 좁은 세 상 네트워크(Small world network)에서 이루어진 다는 것을 알 수 있다.
대부분의 좁은 세상 네트워크는 거듭제곱법칙 (Power law)의 연결수 분포를 따르는 척도 없는 네트 워크(scale-free network)의 특징을 보인다(Kim et al., 2008). 따라서 좁은 세상 네트워크의 특징을 지닌 초기 키워드 네트워크에 대한 연결수 분포가 거듭제 곱법칙을 따르는지 살펴보았다. 초기 키워드 네트워 크의 연결수 분포는 <Figure 7>과 같으며, 웹페이지 네트워크(Barabási et al., 2000), 공저자 네트워크 (Wagner and Leydesdorff, 2005), 논문의 인용관계 네트워크(Lehmann et al., 2003)와 마찬가지로 거듭 제곱의 법칙을 따르고 있다. 또한 키워드 네트워크의 R2는 0.7784로 로그-로그 선형(Log-log linear)의 관 계를 보여주고 있으며, 거듭제곱법칙의 기울기가
1.E-05 1.E-04 1.E-03 1.E-02 1.E-01 1.E+00
1 10 100 1000
k(k)
k
2007 2008 2009 2010 2011
<Figure 8> Cumulated Preferential Attachment by Year of Publication(The Solid Line has Slope 1 if there would be no Preferential Attachment) -1.5408로 독점화 경향이 높음을 알 수 있다. 즉 논문
에 사용되는 대다수의 키워드는 다른 키워드와 같이 사용되는 비율이 낮지만, 소수의 키워드는 다른 키워 드와 동시에 사용되는 비율이 높다는 것을 의미한다.
4.4 키워드 네트워크의 선호적 연결 및 성장 분석
척도 없는 네트워크는 시간이 지남에 따라 무작위 적으로 성장하지 않고 선호적 연결(preferential at- tachment)에 의해 성장한다(Barabasi and Albert, 1999). 즉, 척도 없는 네트워크의 연결선 수가 많은 노드들은 시간이 지남에 따라 더 많은 연결선 수를 가진다. 따라서 본 연구에서는 척도 없는 네트워크의 특징을 지닌 키워드 네트워크가 선호적 연결을 통해 성장을 하는지 살펴보았다. 이를 위해 본 연구에서는 앞의 <Figure 3>과 같이 2002년～2006년 동안의 키워드를 이용하여 초기 네트워크를 구성하고, 2007
～2011년 기간의 매년 새로 생성된 키워드를 누적시 켜 네트워크를 성장시켰다.
각 기간 동안 키워드 네트워크에서 신규 키워드에 대한 선호적 연결은 Albert and Barabasi(2002)가 제시한 모형 즉 ∏에 의해 측정하
였다. 여기서k(k)는 신규 키워드에 대한 누적된 선호 적 연결(Cumulative preferential attachment)이고, ki는 키워드i의k개의 연결선 수를 의미한다. 또한
∏는 각 기간 동안의 Δki/ Δk를 의미하며, Δk는 각 기간 동안 새로 생성된 연결선 수이다. 기간별 신규 키워드에 대한 선호적 연결은 <Figure 8>과 같으며, 각각의 기간 동안 신규 키워드는 연결선 수가 높은 키워드에 연결됨을 확인 할 수 있다. 이처럼 기술경영분야의 키워드는 시간이 지남에 따라 선호 적 연결을 통한 생존과 소멸 과정에 의해 부익부 빈익빈 현상(Buchanan, 2002)이 고착되고 있다.
각 기간별 다른 키워드와 연결될 확률이 높은 Top 10 키워드를 살펴보면 <Table 3>과 같다. 각 기간별 공통적으로 선호되는 키워드는 Innovation(혁신)과 Patent(특허)로, 이는 기술경영 논문의 주요 키워드 로 인해 당연한 결과이다. 그러나 2010년 이후 Tech- nology transfer(기술이전)와 Open innovation (개방 형 혁신)에 대한 선호적 연결이 증가하였다. 이는 제품 제조 기술이 고도화 및 복잡화함에 따라 자체 연구만으로 해결할 수 없기 때문에 통섭형 제품 개발 및 R&D, 외부기술 및 지식에 대한 요구가 증가하였기 때문이라 판단된다.
또한 본 연구에서는 초기 네트워크 구성 후 네트 워크가 성장함에 따라 새로 생성된 신규 키워드가 다른 키워드와 연결될 확률을 살펴보았다. 이를 위 해 2007 년에 새로 생성된 키워드 총 493 개를 이용하 여, 네트워크 성장에 따라 다른 키워드와 연결된 확 률이 높은 키워드에 포함되는 신규 키워드의 비율 을 조사하였다. 그 결과는 <Figure 9>와 같이 선호 되는 상위 Top N% 내 포함되는 신규 키워드의 비 율은 시간이 지남에 따라 증가하다가 떨어진다. 즉, 2 년～3 년이 지나면 신규 키워드에 대한 선호가 정 점을 지나 하락한다. 이는 과학기술, 경제, 산업, 사
고재창․조근태․조윤호
No 2007 2008 2009 2010 2011
1 Innovation Innovation Innovation Innovation Innovation
2 Patent R&D R&D R&D Patent
3 Forecast Patent Patent Patent Technology transfer
4 Bibliometric Forecast Forecast Forecast Technology
5 Text mining SME Technology forecast Technology transfer Delphi
6 China Bio-tech China Network University
7 Nano technology Text mining Technology innovation Open innovation Learning 8 Science and
technology
University-industry
co-operation ICT Scenario Open innovation
9 Research evaluation Literature-based
discovery Radical innovation Uncertainty Commercialization 10 Computational
linguistics IR Disruptive innovation Adaptation Academic
entrepreneurship
<Table 3> Top 10 Keywords with Preferential Attachment
0.811%
0.811% 1.014% 1.014% 0.811%
2.434%
3.043%
4.665%
2.637%
4.462%
4.868%
5.274%
0.000%
4.868%
6.491% 6.897%
5.882%
0%
1%
2%
3%
4%
5%
6%
7%
8%
2007 2008 2009 2010 2011
Top 1% Top 3% Top 5% Top 7% Top 9%
<Figure 9> Ratio of New Keywords in the Top-N%
Keywords with Preferential Attachment (It is based on the New Keywords created in 2007)
회 환경이 변화할 경우 연구자들은 신규 연구분야 또는 새로운 연구영역을 창출할 가능성이 있는 키 워드에 주목하여 많은 연구를 진행하지만, 시간이 지날수록 연구주제가 진부화됨에 따라 연구의 독창 성을 상실하여 점차 연구자의 관심이 소멸되기 때 문이다. 따라서 향후 연구자들이 새로운 연구주제 를 선정하고자 할 경우, 자료수집, 논문 작성 및 게 재 등의 시간을 고려하여 1년～2년 전에 선호적 연 결이 높은 신규 키워드를 중심으로 연구주제를 선 택할 필요가 있을 것으로 판단된다.
세부적으로 다른 키워드와 연결될 확률이 높은 키워드 중 상위 1% 및 상위 5%에 포함된 신규 키워 드를 살펴보면, 첫째, 상위 1%에 포함된 신규 키워 드는 2009년 4개의 키워드를 제외하고 2007년～
2011년 기간 동안 없다. 2009년에 상위 1%에 포함된 신규 키워드는 Disruptive innovation(파괴적 혁신), Natural growth(자연 증가), Logistic curve(로지스 틱 곡선), World(세계) 등이다. 특히 Disruptive in- novation의 선호적 연결이 증가한 이유로는 애플의
아이폰(iPhone) 사례와 같이 글로벌 경쟁 심화 및 까다로워지는 소비자 등으로 인해 존속적 혁신 (Sustaining innovation)만으로 글로벌 경쟁우위를 유지하기에는 한계가 있기 때문이라 판단된다.
둘째, 상위 5%에 포함된 신규 키워드를 살펴보 면, 2008년 12개 키워드, 2009년 15개 키워드, 2010
The Number
of Keywords The Number of Componets 5,014
98 76 54 32 1
12 23 163 2036 61
<Figure 10> Components of the Keyword Network(2002～2011) 년 23 개 키워드, 2011 년 13 개의 키워드가 다른 키워
드와 연결될 확률이 높은 것으로 나타났다. 그러나 4 년 동안 일치하는 신규 키워드는 존재하지 않지만 2009 년부터 Bioenergy(바이오에너지)가 연속적으 로 다른 키워드와 연결될 확률이 높게 나타났다. 이 는 2007 년 이후 지구온난화, 고유가 문제가 글로벌 이슈로 대두됨에 따라 환경경영 또는 그린경영 관 련 연구주제에 관심을 가졌기 때문이라 판단된다.
4.5 키워드 네트워크의 컴포넌트 분석 및 중심성 분석
키워드 네트워크에서 컴포넌트 분석 및 중심성 분석은 기술경영의 연구 동향, 타 학문과의 통섭을 위한 주제 등을 파악하는데 유용하다. 2002년～
2011년 동안의 키워드 네트워크는 5,368개의 키워 드는 총 22,286번 관계를 맺으며, <Figure 10>과 같이 총 90개의 컴포넌트로 구성되어 있다. 가장 큰 컴포넌트(이하 메인 컴포넌트)는 5,014개의 키워드 로 구성되어 있으며, 2,515개의 논문에서 사용되었다.
반면에 소규모의 컴포넌트는 1～9개의 키워드로 구 성되어 있으며, 1개～2개의 논문에서 사용되었다.
일반적으로 큰 컴포넌트에서 키워드간의 관계는 기 술경영 저널에서 선호되는 연구주제라 할 수 있는
반면에 소규모의 컴포넌트는 기술경영에서 처음 소 개된 연구주제라 할 수 있다.
메인 컴포넌트의 중심성이 높은 Top10의 키워드 를 살펴보면, <Table 4>와 같다. 연결중심성, 매개 중심성, 근접중심성이 공통적으로 높은 키워드는, Innovation(혁신), R&D(연구개발), Patent(특허), Forecast(예측), Technology transfer(기술이전), Technology(기술), SME(중소기업) 등 7개로, 이는 기술경영분야의 논문에서 많이 사용된 Top10 키워 드와 70%가 일치한다.
세부적으로 살펴보면, 첫째 연결중심성이 높은 키 워드는 Innovation(혁신) > R&D(연구개발) > Patent (특허) > Forecast(예측) > Technology transfer(기 술이전) > Technology(기술) > Bibliometric(출판물 에 대한 통계적 분석) > SME(중소기업) > Bio-tech (바이오 기술) > Delphi(델파이 기법) 순이다. 일반적 으로 키워드와 키워드 간의 조합은 연구주제가 된다.
따라서 연결중심성이 높은 키워드는 논문에서 다른 키워드와 함께 많이 사용된 키워드이기 때문에, 이러 한 키워드를 사용한 연구주제가 많다는 것을 의미한다.
따라서 기술경영분야를 처음 연구하는 학자들은 연 결중심성이 높은 키워드를 중심으로 논문을 검색하 여 최신 연구동향을 파악하고 연구주제를 설정할
고재창․조근태․조윤호
No. Keyword Degree Keyword Betweenness Keyword Closeness
1 Innovation 1,372 Innovation 3,736,594.250 Innovation 0.459
2 R&D 449 R&D 922,627.313 R&D 0.406
3 Patent 406 Patent 814,078.125 Patent 0.395
4 Forecast 299 Forecast 640,701.688 Technology transfer 0.380
5 Technology transfer 286 Technology transfer 446,530.438 Forecast 0.375
6 Technology 222 Technology forecast 417,891.469 Bio-tech 0.375
7 Bibliometric 219 IT 354,832.406 SME 0.373
8 SME 215 Innovation system 352,035.969 China 0.371
9 Bio-tech 212 Technology 350,295.531 Technology 0.371
10 Delphi 206 SME 338,868.688 Co-operation 0.370
<Table 4> Keywords with High Centralities
필요가 있다.
둘째, 매개중심성이 높은 키워드는 Innovation(혁신)
> R&D(연구개발) > Patent(특허) > Forecast(예측)
> Technology transfer(기술이전) > Technology forecast(기술예측) > IT(정보기술) > Innovation system(혁신시스템) > Technology(기술) > SME (중소기업) 순이다. 이러한 키워드는 상이한 연구주 제들 사이를 연결하는 키워드이다. 따라서 연구하고 자 하는 주제를 다른 연구주제와 통섭을 하고자 할 경우, 이러한 매개중심성이 높은 키워드를 통해 쉽게 접근 가능하다.
마지막으로 근접중심성이 높은 키워드는 Innova- tion(혁신) > R&D(연구개발) > Patent(특허) >
Technology transfer(기술이전) > Forecast(예측) >
Bio-tech(바이오 기술) > SME(중소기업) > China (중국) > Technology(기술) > Co-operation(협업) 순이다. 이러한 키워드는 다른 키워드와 직․간접 연결 을 통해 전체 키워드 네트워크상에서 중심에 있기 때문에, 기술경영분야의 특정 주제에 치우치지 않고, 전 분야에서 쉽게 사용될 수 있는 키워드이다. 따라서 기술경영분야를 처음 연구하는 학자들은 매개중심 성이 높은 키워드를 중심으로 논문을 검색하여 기술 경영분야의 전반적인 흐름을 살펴볼 필요가 있다.
5. 결론
5.1 연구결과 요약 및 시사점
최근 경영환경의 불확실성이 증대되고 글로벌 경 쟁환경이 치열해짐에 따라 기업이 경쟁우위를 유지 하고 미래 성장동력을 확보하기 위해 기술동향을 파악하여 지속적 혁신, 핵심역량 강화, 핵심기술 보 유 및 새로운 가치를 창출하는 것이 중요하다. 따라 서 본 연구에서는 네트워크 분석관점에서 기술경영 관련 연구의 동향을 분석하였다. 특히 해외 기술경 영관련 저널의 키워드를 추출한 다음 네트워크로 구성하여, 키워드 네트워크의 구조적 분석, 선호적 연결 및 성장 분석, 컴포넌트 분석 및 중심성 분석을 수행하였다. 이를 통해 기술경영관련 연구 동향을 파악하였다. 본 연구의 결과는 다음과 같다.
첫째, 논문 별 키워드는 1개～23개의 분포를 지니 고 있으며, 평균적으로 논문 당 4.574개의 키워드가 있다. 또한 키워드 중 90%가 10년 동안 3번 이하로 사용되었다. 특히 1번만 사용된 키워드는 약 75%의 비중을 차지하고 있음을 확인하였다. 둘째, 키워드 네트워크는 좁은 세상 네트워크 및 척도 없는 네트 워크의 특징을 따르고 있음을 확인하였다. 특히 기
술경영관련 논문에 사용된 키워드 중 소수의 키워 드의 독점화 경향이 높음을 확인할 수 있었다. 셋째, 선호적 연결 및 성장 분석을 통해 기술경영분야의 키워드는 시간이 지남에 따라 선호적 연결을 통한 생존과 소멸 과정에 의해 부익부 빈익빈 현상이 고 착되고 있고 있음을 확인하였다. 또한 신규 키워드 의 선호적 연결 정도 분석을 통해 신규 연구분야 또는 새로운 연구영역을 창출할 가능성이 있는 키 워드 관련 연구 주제에 대한 관심이 시간이 지남에 따라 증가하다가 일정 시점이 지나면 감소함을 확 인하였다. 넷째, 컴포넌트 분석 및 중심성 분석을 통해 기술경영관련 연구 동향을 확인하였다. 특히 중심성 분석을 통해 Innovation(혁신), R&D(연구 개발), Patent(특허), Forecast(예측), Technology transfer(기술이전), Technology(기술), SME(중소 기업) 등의 키워드가 연결중심성, 매개중심성, 근접 중심성이 높음을 확인하였다.
따라서 이러한 연구 결과를 바탕으로 다음과 같 은 시사점을 얻을 수 있다. 기술경영관련 연구는 기 존의 선호적 연결이 높은 키워드를 바탕으로 신규 생성된 키워드들이 서로 연결되어, 이들간의 조합 으로 새로운 연구주제가 되고 있다. 따라서 새로운 연구 주제를 선정하고자 할 경우 연결중심성이 높 은 키워드를 중심으로 연구동향을 파악하고, 최근 1년～2년 전부터 선호적 연결이 높은 기존 키워드 와 신규 키워드를 조합하여 연구주제를 선택할 필 요가 있다. 또한 기술경영과 통섭을 하고자 할 경우 매개중심성이 높은 키워드를 활용할 필요가 있다.
5.2 연구의 한계점 및 미래 연구 방향 본 연구는 기술경영관련 저널에 게재된 논문의 키워드를 네트워크관점에서 분석하였지만, 다음과 같은 한계점을 지니고 있다. 첫째, 본 연구에서는
기술경영관련 저널에 게재된 모든 논문에 대한 키 워드를 수집하지 못하였기 때문에, 연구의 결과를 기술경영관련 연구동향으로 일반화하기에는 한계 가 있다. 기술경영관련 저널은 국내․외 방대하기 때 문에 수집하기에는 많은 시간과 비용이 소요된다.
이에 본 연구에서는 Impact factor가 높은 3개의 해 외저널 만을 대상으로 하여 분석하였다. 둘째, 본 연구는 키워드 네트워크의 밀도, 컴포넌트, 중심성 등의 분석을 통해 기술경영관련 연구 동향을 파악 하였지만, 좀 더 심도 있는 분석을 하기 위해 네트워 크 분석에서 측정 가능한 많은 지표를 분석할 필요 가 있음에도 하지 못한 한계점이 있다. 셋째, 논문에 사용된 키워드가 동일한 의미를 지니고 있지만 서 로 다른 단어로 쓰여져 있는 경우가 많아, 전문가들 의 도움을 받아 표준화 작업을 시도하였다. 그러나 전문가들이 기계적으로 표준화 규칙을 제시하기 보다는 논문의 내용에 맞게 표준화 작업을 시도하 지 못한 한계점이 있다. 마지막으로, Innovation, Technology 등의 키워드는 기술경영 논문에서 일 반적으로 사용된다. 이러한 키워드를 제외하고 분 석을 하면 좀 더 심도 깊은 의미를 찾을 수 있었음에 도 불구하고 하지 못한 한계점이 있다. 따라서 이러 한 한계점을 고려한 후속 연구가 이루어진다면 의 미 있는 연구가 될 것이라고 판단된다.
참고문헌
Albert, R. and A. L. Barabasi, “Statistical Mech- anics of Complex Networks,” Reviews of Modern Physics, Vol.74, No.1(2002), 47～97.
Alberth, S., “Forecasting Technology Costs via the Experience Curve-Myth or Magic?,”
Technological Forecasting and Social Change,
고재창․조근태․조윤호
Vol.75, No.7(2008), 952～983.
Alencar, M. S. M., A. L.Porter, and A. M. S. Antunes,
“Nanopatenting Patterns in Relation to Product Life Cycle,” Technological Forecasting and Social Change, Vol.74, No. 9(2007), 1661～1680.
Amorim, S., J. P. Barthelemy and C. Ribeiro,
“Clustering and Clique Partitioning : Simulated Annealing and Tabu Search Approaches,”
Journal of Classification, Vol.9, No.2(1992), 17
～41.
Andersen, P. D., B. H. Jørgensen, L. Lading, and B. Rasmussen, “Sensor Foresight-Technology and Market,” Vol.24, No.4(2004), 311～320.
Anderson, T., R. Färe, S. Grosskopf, L. Inman, and X. Song, “Further Examination of Moore’s Law with Data Envelopment Analysis,”Techno- logical Forecasting and Social Change, Vol.69, No.5(2002), 465～477.
Anderson, T. R., T. U. Daim, and J. Kim, “Technol- ogy forecasting for wireless communication,”
Technovation, Vol.28, No.9(2008), 602～614.
Bañuls, V. A. and J. L. Salmeron, “Foresighting Key Areas in the Information Technology Industry,” Technovation, Vol.28, No.3(2008), 103～111.
Barabási, A. L. and R. Albert, “Emergence of Scaling in Random Networks,”Science, Vol.286, No.5439 (1999), 509～512.
Barabási, A. L., R. Albert, and H. Jeong, “Scale-free Characteristics of Random Networks : the Topology of the World-Wide Web,”Physica A : Statistical Mechanics and its Applications, Vol.281, No.1-4(2000), 69～77.
Bengisu, M. and R. Nekhili, “Forecasting Emerging Technologies with the Aid of Science and Technology Databases,”Technological Forecast- ing and Social Change, Vol.73, No.7(2006), 835
～844.
Breiger, R., S. Boorman, and P. Arabie, “An Algorithm for Clustering Relational Data with Applications to Social Network Analysis and Comparison with Multi-dimensional Scaling,”
Journal of Mathematical Psychology, Vol.12, No.3(1975), 328～383.
Borch, K. and B. Rasmussen, “Commercial use of GM Crop Technology : Identifying the Drivers Using Life Cycle Methodology in a Technology Foresight Framework,”Technological Fore- casting and Social Change, Vol.69, No. 8(2002), 765～780.
Borch, K. and B. Rasmussen, “Refining the Debate on GM Crops Using Technological Foresight -the Danish Experience,”Technological Fore- casting and Social Change, Vol.72, No.5(2005), 549～566.
Boretos, G. P., “The Future of the Global Economy,”
Technological Forecasting and Social Change, Vol.76, No.3(2009), 316～326.
Boretos, G. P., “The Future of the Mobile Phone Business,” Technological Forecasting and Social Change, Vol.74, No.3(2007), 331～340.
Buchanan, M., Nexus : Small Worlds and the Groundbreaking Theory of Networks, W.W.
Norton, New York, 2002.
Burt, R. S., Structure 4.1 Reference Manual, Columbia University, New York, 1991.
Chang, P. C., N. T. Tsou, B. J. C. Yuan, and C.
C. Huang, “Development Trends in Taiwan's Opto-electronics Industry,”Technovation, Vol.22, No.3(2002), 161～173.
Chang, P. C., C. P. Wang, B. J. C. Yuan, and K.
T. Chuang, “Forecast of Development Trends in Taiwan’s Machinery Industry,”Technological Forecasting and Social Change, Vol.69, No.8 (2002), 781～802.
Chang, S. C., H. C. Lai, and H. C. Yu, “A Variable
