Impacts of inter-institutional mobility on scientific performance from research capital and social capital perspectives

Motivation

• Known: 연구자의 이동은 지식 확산과 혁신을 촉진하는 중요한 메커니즘이며, 기존 연구는 주로 학술기관 간 이동에 집중했다. AI 분야에서 산학협력 이동이 증가하고 있으나 개인 수준의 성과에 미치는 영향에 대한 정량적 분석은 부족하다.
• Gap: 기존 연구는 기관 수준의 혁신 성과에 초점을 맞추었으나, 개인 수준에서 연구자본(논문 생산성)과 사회자본(협력 네트워크)의 누적에 미치는 차등적 영향을 분석한 연구가 미흡하다. 또한 내생성(endogeneity) 문제로 인한 인과관계 규명이 어려웠다.
• Why: AI 분야의 급속한 발전에 따라 학술기관과 산업체 간 인재 이동이 가속화되고 있으며, 이는 개인 경력 개발 전략과 국가 인재 정책 수립에 직결된 중요한 이슈이다. 두 이동 유형의 차별적 성과 분석은 연구자의 합리적 선택과 정책입안자의 의사결정을 지원한다.
• Approach: AI 논문 데이터베이스(Web of Science 등)를 활용한 서지계량 분석으로 이동 동기와 선행조건을 파악하고, PSM으로 비교가능한 집단을 구성하여 선택 편향을 통제한 후, 회귀분석으로 이동이 연구자본(논문 수, 피인용도)과 사회자본(협력자 규모, 고임팩트 협력자)에 미치는 순효과를 추정한다.

Achievement

Fig. 3   The distribution of flow

• 이동 동기 및 선행조건 규명: aca.ind 이동을 선택하는 연구자는 단기간에 많은 논문 발표, 고임팩트 연구자와의 협력, 높은 학문적 생산성을 갖춘 특성을 보임
• 사회자본 축적 우위: aca.ind 이동이 aca.aca 이동보다 협력 네트워크 규모 확대 및 고임팩트 연구자와의 새로운 협력 구축에 더 효과적임을 실증
• 연구자본 누적의 절충: aca.ind 이동 후 단기적 논문 생산성은 감소 추세를 보이나, 산업체 협력자와의 새로운 협력 관계로 사회자본 보상이 발생
• 정책적 시사점 도출: 인재 영입 전략(고성과자 영입), 조직 구조 최적화(산학협력 촉진), 지식혁신체계 평가 개선 방안 제시

How

Fig. 2   Steps of data preprocessing

• 데이터 수집: Web of Science 및 AI 관련 논문 데이터베이스에서 2000-2020년 AI 분야 논문 및 저자 이동 정보 추출
• 변수 정의: 종속변수(논문 수, 피인용도, 협력자 수, 협력자 임팩트), 독립변수(이동 유형, 이동 시기), 통제변수(학문적 나이, 이동 전 성과)
• PSM(성향점수매칭) 적용: 이동 집단과 비이동 집단 간 선택 편향 제거를 위해 로지스틱 회귀로 성향점수 계산 후 1:1 매칭 수행
• 회귀분석: OLS(ordinary least squares) 또는 고정효과 모형을 이용하여 이동이 성과에 미치는 평균 처리 효과(Average Treatment Effect, ATE) 추정
• 집단 비교: aca.aca와 aca.ind 이동 집단을 대조하여 이동 유형별 성과 차이를 정량화

Originality

• 개인 수준의 세분화 분석: 기존의 기관 또는 국가 수준 분석에서 벗어나 개인 연구자의 연구자본과 사회자본 축적 메커니즘을 분리 분석
• 이동 유형의 차등 효과 규명: 학술 간(aca.aca) vs 학산(aca.ind) 이동의 성과 영향을 직접 비교하여 기존 연구에서 간과한 차이점 실증
• 내생성 문제 해결: PSM을 활용하여 '높은 초기 역량이 이동 선택과 성과 모두에 영향'하는 내생성 문제를 통제한 인과추론 수행", 'AI 분야 특화 분석: 기술혁신과 산업응용이 급속도로 진행되는 AI 분야의 특수성을 반영한 시의적절한 분석
• 정책-학술 연계: 개인 경력 전략과 국가 정책 수립의 양측면에 실질적 시사점을 제공하는 통합적 접근

Limitation & Further Study

• 데이터 범위 제한: AI 분야에만 한정되어 다른 과학 분야(물리학, 화학, 생물학 등)로의 일반화 제한
• 기간 제한: 2000-2020년 데이터 기반으로 최근 산학협력 이동의 급증 추세를 완전히 포함하지 못함
• 측정의 한계: 논문 정보만으로 저자의 실제 이동 시점과 기관을 완벽하게 파악하기 어려우며, 특허 출원·혁신 성과 등 산업 성과 미반영
• 시간 효과 미분석: 이동 후 시간 경과에 따른 성과 변화의 동태적 분석 부족(예: 3년, 5년, 10년 후 효과의 차이)
• 기제 설명 부재: '왜' 사회자본은 축적되고 연구자본은 감소하는지에 대한 질적 설명이나 메커니즘 분석이 제한적", '후속 연구 방향: (1) 다학제 데이터 통합(특허, 기술이전, 벤처창업 등)을 통한 산업 임팩트 분석, (2) 인터뷰·설문조사를 통한 정성적 근거 확보, (3) 이동 후 장기 추적 패널 분석, (4) 산업체 규모·산업 부문별 세분화 분석

Evaluation

총평: 본 논문은 PSM을 활용한 인과추론으로 학산 이동의 실제 효과를 정량화하고, 연구자본 vs 사회자본의 차등적 축적을 실증함으로써 기존 문헌의 중요한 갭을 채웠다. AI 분야의 시의적절한 선택과 명확한 분석 설계는 강점이나, 단일 분야 분석과 성과 측정의 협소함은 개선이 필요하다.