대규모 CV 데이터베이스를 활용한 협업 네트워크 분석과 보너스 효과

초록

브라질 Lattes 플랫폼의 270만 명 연구자 CV를 분석해 30년간 협업 네트워크가 지수적으로 성장하고, 협업 규모와 논문 생산이 파워‑law 형태를 보이며, 정부 장학금 수혜자들이 전체 연구자의 5 %에 불과하지만 생산성은 20 배에 달한다는 점을 밝혀냈다.

상세 분석

본 연구는 Lattes 플랫폼에 등록된 2.7 백만 개의 이력서를 자동 파싱해 연구자‑논문 이분 그래프를 구축한 뒤, 동일 논문을 공유하는 연구자들 사이에 가중치가 부여된 공동저자 네트워크를 생성하였다. 논문 중복 제거는 Damerau‑Levenshtein 거리 기반 문자열 매칭으로 10 % 이하 차이만을 동일 논문으로 간주해 오류를 최소화하였다. 네트워크 규모는 275 천 명의 연구자와 1 백만 개 이상의 공동연구 관계(에지)로 구성되었으며, 90 % 이상이 하나의 거대 연결성분에 포함돼 학문 간 확산이 활발함을 시사한다.

시간에 따른 성장 분석에서는 연구자 수 (s_r)와 협업 수 (s_c)가 각각 (e^{0.139t})와 (e^{0.181t}) 형태로 30년간 지수적으로 증가했으며, 협업 수는 연구자 수에 대해 초선형((\lambda≈1.31)) 관계를 보여 네트워크가 점점 더 촘촘해짐을 확인했다.

정도 분포 (P(k))는 초기에는 지수적 절단을 가진 파워‑law((P(k)∝k^{-γ_y}e^{-k/l_y})) 형태였고, 네트워크가 오래될수록 절단 길이 (l_y)가 급격히 늘어나면서 순수 파워‑law에 수렴한다는 점이 관측되었다. 이는 협업 기회가 시간이 지남에 따라 제한이 완화되고, 고연결 연구자가 지속적으로 등장한다는 메커니즘을 반영한다. 논문 생산량 (n) 역시 파워‑law와 지수 절단((β_p≈1.7, l_p≈157))을 보이며, Lotka 법칙이 현대 대규모 데이터에서도 유효함을 재확인한다.

네트워크 구조적 특성으로는 평균 클러스터링 계수 (C=0.465)와 양의 어소시어티비티 계수 (r=0.094)가 나타나 사회적 네트워크와 유사한 높은 응집성과 동질적 연결 성향을 보였다. 평균 근접 이웃 차수 (k_{nn}(k))는 로그 형태로 증가해, 고연결 연구자가 또 다른 고연결 연구자와 협업할 확률이 높음을 입증한다.

특히 정부 장학금(보너스) 수혜자 집단(SCN)은 전체 연구자의 5 % 미만이지만, 전체 논문 생산량의 20 %를 차지하고 평균 논문 수가 5배 이상, 평균 협업 수가 4.8배 이상 높은 것으로 나타났다. 이들은 연결성분 내에서 더 큰 비중을 차지해 네트워크의 핵심 서브그래프를 형성한다.

지리적 분석에서는 브라질 26개 주와 연방구역 모두에서 협업 차수 분포가 거의 동일하게 나타났으며, 평균 협업 수 (⟨k⟩)가 주별 연구자 수 (N)에 대해 (⟨k⟩∝N^{0.12})의 약한 스케일링을 보였다. 이는 지역적 인구 규모가 협업 기회의 상한을 제한하지만, 국가 전체 네트워크가 동일한 성장 메커니즘을 공유한다는 증거이다.

종합적으로, Lattes 데이터베이스는 연구자 개별의 생산성과 협업 패턴을 정밀히 추적할 수 있는 풍부한 자원을 제공하며, 네트워크 성장의 보편적 법칙과 정책적 보너스가 연구 성과에 미치는 영향을 정량화하는 데 유용함을 입증한다.