과학자 승진 예측을 위한 서지계량 지표 평가

초록

본 연구는 수천 명의 CNRS 과학자를 대상으로 논문 수, 인용 수, h‑지수 등 다양한 서지계량 지표를 정량화하고, 이들 지표가 연구자의 연령·직급·경력에 어떻게 영향을 받는지를 분석한다. 특히 경력 길이로 정규화한 h‑지수(h/연차)가 동일 생산성을 가진 과학자들 사이에서도 연령에 따라 변동한다는 점을 발견하였다. 약 600명의 승진 사례를 이용해 여러 지표의 승진 예측력을 비교한 결과, h‑지수가 가장 높은 상관관계를 보였으며 그 뒤를 논문 수가 따랐다. 인용 수나 평균 인용 수는 승진 예측에 거의 기여하지 못한다는 점이 확인되었다.

상세 분석

이 논문은 CNRS(프랑스 국립과학연구센터) 소속 과학자들을 대상으로 대규모 서지계량 데이터를 구축한 뒤, 그 데이터가 승진 예측에 얼마나 유용한지를 체계적으로 검증한다. 먼저 연구자는 Web of Science와 자체 데이터베이스를 연계해 과학자별 논문 수, 총 인용 수, h‑지수, 평균 인용 수 등 핵심 지표를 추출하고, 각 과학자의 경력 시작 연도와 현재 직급(연구원, 연구원급, 연구소장 등)을 매핑하였다. 이렇게 구축된 데이터베이스는 수천 명에 달하며, 분야별(물리·화학·생물·사회과학 등)로 균등하게 분포되어 있다.

연구자는 먼저 연령·경력과 지표 간의 상관관계를 살펴보았다. 전통적으로 h‑지수는 연구자의 생산성과 영향력을 동시에 반영한다는 가정하에 경력 길이에 비례해 증가할 것으로 기대되지만, 본 분석에서는 h‑지수를 경력 연수로 나눈 정규화값(h/연차)이 연령이 높을수록 감소하는 경향을 보였다. 이는 동일한 연간 생산성을 유지하더라도 시간이 지남에 따라 인용 축적 속도가 둔화되거나, 연구 분야의 인용 문화가 변할 가능성을 시사한다.

다음으로 승진 예측 모델을 구축하였다. 승진 여부(예: 연구원 → 선임연구원)라는 이진 변수를 종속 변수로 두고, 각 서지계량 지표를 독립 변수로 사용해 로지스틱 회귀분석을 수행했다. 모델의 설명력은 AUC(Area Under Curve)와 정확도(accuracy)로 평가했으며, 분야별로 별도 모델을 적용해 지표의 예측력 차이를 비교하였다. 결과는 전반적으로 h‑지수가 가장 높은 AUC(≈0.68)를 기록했으며, 논문 수가 그 뒤를 이었다(≈0.62). 반면 총 인용 수와 평균 인용 수는 AUC가 0.55 이하로, 거의 무작위 수준의 예측력을 보였다.

흥미로운 점은 어느 한 분야에서도 단일 지표가 승진을 완벽히 설명하지 못한다는 것이다. 예를 들어, 물리학 분야에서는 h‑지수가 상대적으로 강한 예측력을 보였지만, 사회과학 분야에서는 논문 수가 더 큰 영향을 미쳤다. 이는 각 학문 분야마다 연구 성과를 평가하는 문화와 인용 패턴이 다르기 때문으로 해석된다. 또한, 전체 승진 사례 중 약 50%만을 h‑지수만으로 정확히 예측할 수 있었으며, 이는 서지계량 지표만으로는 개인의 리더십, 팀 기여도, 외부 평가 등 비정량적 요소를 충분히 포착하지 못한다는 한계를 드러낸다.

마지막으로 저자는 이러한 한계를 보완하기 위해 서지계량 지표와 정성적 평가(동료 평가, 프로젝트 리더십 등)를 결합한 다중 평가 체계를 제안한다. 또한, 경력 정규화 방법을 개선해 연령·경력 효과를 보다 정교하게 보정하는 모델 개발이 필요하다고 강조한다.