특허 피인용 네트워크 분석을 통한 혁신확산 패턴 분석: 가트너하이프사이클 AI 분야를 중심으로

신선아; 강주영

doi:10.13088/jiis.2024.30.3.027

추천

검색

질문

자료유형: 학술저널

저자정보: 신선아 (아주대학교) 강주영 (아주대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제30권 제3호

발행연도: 2024.9

수록면: 27 - 41 (15page)

DOI: 10.13088/jiis.2024.30.3.027

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

국가 및 기업 간에 기술 경쟁이 치열해지고 있는 현대 사회에서, 기술 초격차를 확대하기 위한 경쟁이 가속화되고 있다. 이에 정부, 산업계에서는 근거에 기반한 기술 전략 및 예측이 이루어질 수 있도록 노력하고 있다. 가트너에서 매년 발표하는 하이프사이클은 미래의 기술 시장을 예측할 수 있는 실용적인 보고서로 평가되지만 하이프사이클에 대한 실증적인 검토는 부족한 실정이다. 본 연구에서는 혁신확산이론에 근거하여 인공지능 분야 29개 기술의 하이프사이클 단계별 기술들의 특성 차이를 분석하였다. 이를 위해 기술 분야의 시장동향 및 예측자료로서의 가치가 있는 특허 데이터를 본 연구에 활용하였다. 한국, 미국, 일본, 중국, 유럽의 등록특허 4,018건을 수집하였다. 단계별 특허의 영향력의 정도와 방향성의 확인을 통한 확산패턴을 분석하기 위해 각 특허별 출원인 및 심사관의 피인용 정보를 네트워크 데이터로 변환하여 후행특허에 영향을 미친 특허의 관계를 분석하고자 하였다. 이를 바탕으로 수용자 확산비율과 비교하였다. 또한 응집규모를 파악 후 연결중심화, 근접중심화 정도를 외향(out)/내향(in)로 나누어 단계별 네트워크의 구조적인 특징을 살펴보았다. 또한 전체 네트워크 내에서 각 단계별 네트워크의 위치를 시각화하여 단계별 위치적인 특성의 차이를 확인하였다. 연구결과 연결중심화, 근접중심화 값이 Tb와 S단계에서 내부로 유입되는 스타형 네트워크 구조가 강해지는 것으로 나타났다. 특히 S단계에서 그 형태가 더 강하였는데, 이는 특허라는 데이터의 특성 상 하이프사이클 곡선의 구성 요소인 기술적/사업적 성숙도(Engineering and Business Maturity)의 영향으로 해석할 수 있다.

In the midst of intensifying technological competition between nations and enterprises alike, the competition to maintain the technological lead persists as an ongoing trend. In light of this, both governmental bodies and industrial sectors are endeavoring to facilitate technology strategies and projections that are grounded in a substantial evidential basis. The “Hype Cycle”, which Gartner annually releases, is appraised as a pragmatic report pertaining to future technologies, yet the empirical examination of the Hype Cycle remains notably insufficient. The present research analytically investigates the differences in the characteristics of technologies at each stage of the Hype Cycle, grounded in the theory of innovation diffusion. In this study, based on innovation diffusion theory, we analyzed the differences in characteristics of 29 technologies in the artificial intelligence field at each stage of their hype cycle. We collected 4,018 registered patents from Korea, the United States, Japan, China, and Europe. In order to confirm the process and pattern of patent diffusion by stage, we attempted to analyze the relationship between patents that influenced subsequent patents by converting the citation information of applicants and examiners for each patent into network data. Based on this, we identified the scale of agglomeration and examined the structural characteristics of the network at each stage by dividing the degree of connection centralization and proximity centralization into outward and inward. In addition, the location of the network at each stage within the entire network was visualized to confirm differences in locational characteristics at each stage. Findings from the research demonstrate that the star-shaped network structure-characterized by inbound link centrality and closeness centrality values-intensifies, particularly in the ‘Tb(Innovation Trigger)’ and ‘S(Slope of Enlightment)’ stages. Especially at the S stage, this form was more robust, which can be interpreted as being influenced by the technological/business maturity, an inherent component of the Hype Cycle curve, derived from the patent data characteristics.

#가트너하이프사이클 #혁신확산 #특허네트워크 #기술동향분석 #Gartner Hype Cycle #Innovation Diffusion #Patent Network #Technology Foresight

참고문헌 (33)

참고문헌 신청

곽기영. (2017). 소셜네트워크분석, 서울 : 청람.

김용학, 김영진. (2016). 사회 연결망 분석, 서울 : 박영사.

김헌, 백동현, 신민주, 한동석. (2008). 불완전 인용정보 하에서의 특허의 기술적 중요도 평가 모형. ｢지능정보연구｣, 14(2), 121-136.

박준형, 곽기영. (2013). 특허 인용 관계가 기업 성과 에 미치는 영향, ｢지능정보연구｣, 19(3), 127-139. https://doi.org/10.13088/jiis.2013.19.3.127

배준희, 반진욱. (2022). SPECIAL REPORT 2 긴 박해진 삼성전자 : 이재용식 초격차 전략. 매경이코노미, 50-54.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

신선아

소속기관 아주대학교

주요연구분야 공학 > 산업공학 복합학 > 기술정책

논문수 8 이용수 952

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-090881065

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (33)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)