다양성과 네트워크 일관성으로 보는 학제간 연구 평가

초록

본 논문은 학제간 연구를 정량적으로 평가하기 위해 두 축인 ‘학문 다양성’과 ‘네트워크 일관성’ 지표를 제안한다. 전자는 사전 정의된 분류 체계 위에서 연구 집합의 폭넓은 지식 기반을 측정하고, 후자는 논문 간 유사성 네트워크의 구조적 일관성을 통해 지식 통합의 새로움을 파악한다. 바이오나노과학 사례를 통해 두 지표가 서로 보완적인 관점을 제공함을 보인다.

상세 분석

이 연구는 학제간성(interdisciplinarity)을 “지식 통합”이라는 넓은 개념으로 재정의하고, 이를 두 가지 정량적 차원으로 분해한다. 첫 번째 차원인 ‘학문 다양성(diversity)’은 기존의 상위‑하위 분류 체계(예: Web of Science 분야, OECD 분류)를 활용해 연구 집합이 전 세계 과학 지도 상에서 차지하는 위치와 폭을 측정한다. 구체적으로 저자, 참고문헌, 인용문 등을 사전 정의된 카테고리로 매핑한 뒤, Shannon 엔트로피, Rao-Stirling 지수 등 다변량 다양성 지표를 적용한다. 이 과정은 “top‑down” 접근법이라 부르며, 연구가 어느 정도의 학문적 ‘폭’을 가지고 있는지를 파악한다.

두 번째 차원인 ‘네트워크 일관성(coherence)’은 “bottom‑up” 접근법으로, 연구 집합 내부의 논문 간 유사성(공동 인용, 키워드 겹침, 저자 협업 등)을 기반으로 네트워크를 구축한다. 구축된 네트워크에서 평균 경로 길이, 클러스터링 계수, 모듈러리티 등을 계산해 구조적 일관성을 정량화한다. 높은 일관성은 연구가 이미 존재하는 지식 네트워크 안에서 긴밀히 연결되어 있음을 의미하고, 낮은 일관성은 새로운 연결을 창출하거나 기존 분야 간의 ‘다리’를 놓는 혁신적 통합을 시사한다.

논문은 이 두 지표를 바이오나노과학(bionanoscience) 분야의 개별 논문에 적용해 사례 연구를 수행한다. 다양성 지표는 대부분의 논문이 물리·화학·생물·공학 등 여러 전통적 분야를 포괄하고 있음을 보여주며, 이는 해당 연구가 넓은 학문적 기반을 활용한다는 증거다. 반면 네트워크 일관성 지표는 일부 논문이 기존 네트워크와는 낮은 연결성을 보이며, 이는 새로운 개념적 연결고리를 제시하거나 기존 분야 간의 경계를 허무는 ‘혁신적 통합’ 역할을 함을 의미한다.

이러한 결과는 두 지표가 서로 보완적인 정보를 제공한다는 점을 강조한다. 다양성만으로는 연구가 실제로 얼마나 새로운 통합을 이루었는지를 판단하기 어렵고, 일관성만으로는 연구가 어느 정도의 학문적 폭을 갖추었는지를 알 수 없다. 따라서 두 지표를 동시에 고려하면 학제간 연구의 ‘폭’과 ‘깊이’를 동시에 평가할 수 있다.

또한 저자는 이 프레임워크가 급변하는 신흥 과학·기술 분야(예: 인공지능·합성생물학 등)에서 새로운 분류 체계와 혁신 주장 사이의 긴장을 정량적으로 분석하는 데 유용할 것이라고 제안한다. 향후 연구에서는 지표의 가중치 조정, 시간적 동태 분석, 그리고 정책적 활용 방안 등을 탐색할 여지가 있다.