과학자 이동 네트워크와 경력 시간 상관성 분석

초록

본 연구는 350만 명의 과학자 경력 데이터를 활용해 대학·도시·국가 수준에서 이동 경로의 시간적 상관성을 고차원 네트워크 모델로 정량화한다. 상위 100대 대학에서는 특정 기관 간 이동이 빈번히 나타나며, 국가 간에도 유사한 패턴이 존재하지만 도시 수준에서는 뚜렷한 상관성이 발견되지 않는다. 결과는 학문적 경력이 기관·국가 수준의 경로 의존성을 보이며, 이동 프로그램의 효율성을 평가하는 데 활용될 수 있음을 시사한다.

상세 분석

이 논문은 과학자들의 이동 패턴을 정량적으로 파악하기 위해 두 개의 대규모 서지 데이터베이스(MEDLINE, Microsoft Academic Graph)를 결합하고, 3.5백만 건의 개별 경력 궤적을 추출하였다. 기존 연구가 정적 네트워크에 기반해 이동 흐름을 단순히 집계한 데 반해, 저자들은 ‘Higher‑Order Network(고차원 네트워크)’라는 최신 방법론을 도입해 시간적 순서 정보를 보존한다. 구체적으로 1차, 2차 전이 행렬을 구축하고, 다중 차수(Multi‑Order) 모델을 통해 최적 차수를 자동 선택함으로써 경력 전이의 비마코프적 특성을 드러냈다.

분석은 세 가지 집계 수준(대학, 도시, 국가)으로 진행되었다. 대학 수준에서는 Times Higher Education 세계 평판 순위 상위 100개 대학을 대상으로 했으며, 이들 사이에서 ‘경로 의존성(path dependence)’이 강하게 나타났다. 예컨대, 특정 대학 A에서 B로 이동한 뒤 C로 가는 경우가 빈번히 관찰돼, 단순한 확률적 이동 모델로는 설명되지 않는다. 반면 도시 수준에서는 대부분의 전이가 무작위에 가깝게 분포해 고차원 구조가 거의 사라졌다. 이는 도시 간 거리가 짧거나 동일 국가 내에 집중된 경우, 이동 제약이 상대적으로 낮아 경로가 다양해지는 현상으로 해석될 수 있다. 국가 수준에서는 여전히 뚜렷한 클러스터가 형성돼, 특정 국가 간 교류가 강화되는 패턴이 드러났다.

또한, 2차 네트워크의 연결성 분석에서 전체 노드(대학 쌍)의 23%만이 하나의 거대한 연결 성분에 포함되고, 평균 최단 경로 길이가 24에 달한다는 점을 지적한다. 이는 실제 경력 궤적이 이론적인 ‘작은 세계(small‑world)’ 구조와는 달리 제한된 경로만을 이용한다는 증거다. 마코프 가정에 기반한 최대 엔트로피 모델을 적용했을 때는 모든 대학이 연결되는 반면, 실 데이터 기반 고차원 모델에서는 많은 쌍이 연결되지 않음이 확인되었다. 이는 시간적 순서가 이동 제약을 크게 좌우한다는 강력한 증거이며, 정책 입안자가 단순히 기관 간 연결성만을 보고 프로그램을 설계하면 비효율적일 수 있음을 시사한다.

결론적으로, 고차원 네트워크 분석은 과학자 이동의 구조적 특성을 보다 정밀하게 포착한다. 특히 상위 명문 대학과 국가 간 이동에서 나타나는 ‘경로 의존성’은 인재 유치·유지 정책, 국제 협력 프로그램, 그리고 학문적 지식 흐름을 설계할 때 핵심 고려 요소가 된다.