공동저자 순서와 기여를 반영한 방향성 공동저자 네트워크 분석

초록

본 논문은 기존의 무방향 공동저자 네트워크가 저자 간 기여 차이를 무시한다는 한계를 지적하고, Kim·Diesner(2014)의 공동저자 신용 할당 모델을 기반으로 방향성·가중치·자기루프를 포함한 네트워크를 구축한다. Psychometrika에 게재된 861명의 저자를 대상으로 적용·검증한 결과, 전통적인 무방향 지표와는 다른 협업 계층 구조와 핵심 학자를 효과적으로 식별함을 보여준다.

상세 요약

이 연구는 공동저자 네트워크 분석에서 가장 흔히 간과되는 ‘저자 순서’라는 정보를 정량화하려는 시도이다. 기존 문헌에서는 공동저자를 무방향 그래프로 모델링해 모든 저자가 동등하게 기여했다고 가정했지만, 실제 학술 관행에서는 첫 번째 저자·교신 저자 등 순위에 따라 기여도가 크게 달라진다. Kim·Diesner(2014)의 신용 할당 모델은 이러한 순위 정보를 ‘전달 가능성(transferability)’과 ‘보존율(retention)’이라는 두 파라미터로 변환해, 각 저자 간에 비대칭적인 신용 흐름을 만든다. 즉, 선순위 저자는 후순위 저자에게 일정 비율의 신용을 ‘전달’하고, 자신은 남은 신용을 보존한다. 이 과정에서 자기루프(self‑loop)가 발생해 각 저자의 총 신용이 보존되면서도 네트워크는 방향성을 갖는다.

연구자는 Psychometrika에 2000년부터 2020년까지 게재된 논문 데이터를 수집해 861명의 저자를 추출하고, 각 논문의 저자 순서를 기반으로 위 모델을 적용해 가중치가 부여된 방향성 네트워크를 구축했다. 네트워크 특성으로는 인디그리·아웃디그리, 강도(Weighted degree), 페이지랭크(PageRank), 그리고 새로운 ‘협업 위계(Hierarchy Index)’를 제안했다. 특히, 페이지랭크와 협업 위계는 전통적인 무방향 중심성 지표와 비교했을 때, 교신 저자나 첫 번째 저자와 같은 핵심 연구자를 더 명확히 드러냈다.

검증 단계에서는 두 가지 접근법을 사용했다. 첫째, 네트워크 구조에서 도출된 상위 10명 학자를 Psychometric Society의 이사회·수상자 명단과 교차 검증해 80% 이상의 일치율을 보였다. 둘째, 무방향 네트워크 기반의 전통적 지표와 비교해, 방향성 모델이 동일 논문 집합에서도 다른 협업 패턴을 포착함을 시각화하였다. 예를 들어, 다수의 공동저자를 가진 대규모 프로젝트에서는 무방향 네트워크가 모든 저자를 동등하게 연결하지만, 방향성 네트워크는 핵심 기여자를 중심으로 신용 흐름이 집중되는 모습을 보여준다.

이 논문의 주요 기여는 다음과 같다. (1) 공동저자 순서를 정량화해 방향성·가중치·자기루프를 포함한 네트워크 모델을 실제 데이터에 적용함으로써 기존 방법의 한계를 극복했다. (2) 새로운 중심성 지표와 협업 위계 개념을 도입해 학술 공동체 내의 위계적 구조를 드러냈다. (3) Psychometrika 사례를 통해 모델의 타당성을 실증하고, 학술 평가·연구자 네트워크 분석에 실용적인 도구로 활용 가능성을 제시했다. 향후 연구에서는 다른 학문 분야와 다중 저자·다중 논문 상황에 모델을 확장하고, 순위 외에도 기여도 설문·공동연구 계약 등 추가적인 정성 정보를 통합하는 방안을 모색할 수 있다.