과학 발전의 동역학 분석: 궤적과 체제의 진화

초록

본 논문은 다변량 통계와 시계열 분석 사이의 격차를 엔트로피 통계와 최신 다차원 척도법(MDS)으로 메우고, 과학의 비선형 진화를 변수 간 구성(configuration) 관점에서 설명한다. 애니메이션을 활용해 변수 구성에 기반한 여러 시각을 결합하고, 궤적·체제(regime) 형태의 경로 의존성을 시각화한다. 또한 엔트로피 기반 검정을 통해 경로 의존적 전이와 시스템 형성을 정량적으로 평가한다.

상세 분석

이 연구는 과학사 데이터의 동적 특성을 포착하기 위해 기존의 정적 다변량 분석과 순수 시계열 모델을 통합하는 새로운 방법론을 제시한다. 핵심 도구는 셰넌 엔트로피와 그 확장인 상대 엔트로피(Kullback‑Leibler divergence)이며, 이는 변수 간 상호 의존성을 확률분포 형태로 정량화한다. 저자는 먼저 각 연도별 혹은 기간별 논문 집합을 고차원 벡터 공간에 매핑하고, 이 벡터들의 공동 확률분포를 추정한다. 그런 다음 엔트로피 변화량을 계산해 ‘정보 흐름’(information flow)을 측정하고, 급격한 엔트로피 감소는 새로운 체제(regime)의 출현, 급증은 기존 체제의 붕괴를 의미한다는 가설을 검증한다.

다차원 척도법(MDS)은 이러한 확률분포를 2차원 혹은 3차원 시각화 공간으로 투사한다. 기존 MDS는 정적 거리 행렬을 입력으로 하지만, 저자는 시간에 따라 변하는 거리 행렬을 연속적으로 업데이트하는 ‘동적 MDS’를 구현한다. 이 과정에서 스트레스 함수(stress function)를 최소화하면서도 시간적 연속성을 보존하도록 제약을 추가한다. 결과적으로 각 시점의 배치가 애니메이션 프레임으로 연결되어, 연구자는 과학 분야 간의 이동 경로(trajectory)와 급격한 전환점(phase transition)을 직관적으로 관찰할 수 있다.

또한, 엔트로피 통계적 검정은 부트스트랩 및 퍼뮤테이션 기법을 이용해 무작위 변화와 실제 관측된 변화 사이의 유의성을 평가한다. 특히, ‘조건부 엔트로피’(conditional entropy)를 사용해 특정 변수(예: 특정 학문 분야)의 변화가 전체 시스템에 미치는 영향을 분리한다. 이는 “핵심-주변” 구조가 어떻게 재편성되는지를 정량적으로 보여준다.

이러한 방법론적 통합은 과학의 비선형 성장, 급격한 패러다임 전환, 그리고 장기적 안정 체제의 형성을 동시에 포착한다는 점에서 혁신적이다. 특히, 변수 간 구성(configuration)이 단순 평균·분산 수준을 넘어 복합적인 상호작용 네트워크를 형성한다는 점을 강조함으로써, 전통적인 ‘지표 기반’ 분석의 한계를 넘어선다.