Nobel Laureates Are Almost the Same as Us

Motivation

• Known: 과거 연구는 노벨상 수상자들의 주요 업적이 경력 초반에 나타나고 과학이 개인 천재의 역할을 강조한다는 견해와 과학이 대규모 팀으로 이동했다는 관찰을 통해 노벨상 수상자의 경력이 일반과학자와 다르다고 제안했다.
• Gap: 기존 연구는 노벨상 수상 논문만 집중 분석했고, 수상자의 전체 경력 맥락에서 수상 논문의 특성을 체계적으로 비교하지 않았으며, 수상 논문을 제외한 나머지 저작물들이 random impact rule을 따르는지 검증하지 못했다.
• Why: 노벨상 수상자의 경력 패턴이 일반 과학자와 동일한지 여부는 과학에서 개인 천재의 역할과 팀 협업의 중요성에 대한 근본적인 질문을 다루기 때문에 중요하다. 또한 selection bias를 고려하여 인정받지 못한 우수 연구자들의 존재 가능성을 시사한다.
• Approach: 1900-2016년 물리학, 화학, 생리의학 분야 노벨상 수상자 545명(92.4%)의 전체 경력 데이터셋을 구축하고, 수상 논문과 최고 인용 논문의 경력 내 위치를 분석했으며, 수상 논문을 제외한 후 나머지 최고 인용 논문들의 위치를 비교했으며, 팀 규모를 분석하여 수상 논문과 인접 논문의 협업 규모를 비교했다.

Achievement

• 수상 논문과 최고 인용 논문의 위치 분석: 수상 논문과 최고 인용 논문이 경력 초반에 집중되는 경향을 확인했으나, 수상 논문을 제외하면 다른 최고 인용 논문들은 uniform 분포를 따름
• Random impact rule 검증: 수상 논문 제외 시 노벨상 수상자의 경력도 일반과학자와 동일하게 random impact rule을 따름
• 팀 규모 분석: 노벨상 수상자는 평균적으로 더 큰 팀으로 작업하지만(4.04 vs 3.25), 수상 논문은 작은 팀(2명 이하)의 비율이 높음(60.14% vs 50.41%)
• 학문 분야 간 일관성: 물리학, 화학, 생리의학 세 분야 모두에서 결과의 일관성을 확인함
• Selection bias 논의: Nobel Prize가 사후에 수여되지 않는 구조가 선택 편향을 만들며, 인정받지 못한 우수 연구자('lost winners')의 존재 가능성 제시

How

Fig. 1 | Career patterns of Nobel laureates. a | The cumulative distributions (C) of relative positions (Ni/N) of the pr

• 노벨상 수상자들의 전체 출판 기록을 시간 순서대로 정렬하고 수상 논문 및 최고 인용 논문의 상대적 위치(Ni/N) 계산
• Cumulative distribution을 그려 random impact rule의 uniform 분포와 비교
• 수상 논문을 제거한 수정된 시퀀스에서 상위 3개 인용 논문의 위치 재분석
• 각 논문의 저자 수로 팀 크기 정의하고, 수상 논문과 동일 저자가 발표한 인접 논문들(전후 각 2편)의 팀 규모 비교
• Chi-squared test와 Student's t-test를 통한 통계적 유의성 검증
• 3개 학문 분야 각각에 대해 동일한 분석 반복 수행

Originality

• 새로운 분석 관점: 기존 연구는 수상 논문만 분석했으나, 이 논문은 수상 논문을 제외한 나머지 경력을 분석하여 선택 편향을 체계적으로 제거
• Selection bias의 명시적 고려: 노벨상 미수여 사후 조건이 만드는 선택 편향을 이론적으로 분석하고 'lost winners' 개념 도입
• 반직관적 발견: 가장 인용된 논문이 큰 팀에서 나올 것이라는 예상에 반해 노벨상 수상 논문은 작은 팀의 특성을 보여줌
• 포괄적 데이터셋: 92.4% 정도의 높은 커버리지를 가진 전 세기 노벨상 수상자 전체 경력 데이터 활용

Limitation & Further Study

• 데이터 가용성: 모든 노벨상 수상자의 완전한 출판 기록을 확보하지 못했으며(92.4%), 인용 데이터의 정확성에 의존
• 인과성 미해명: 작은 팀이 breakthrough를 낳는 이유 또는 그 역인지 명확하지 않음
• 학문 분야 제한: 물리학, 화학, 생리의학만 분석하여 다른 과학 분야의 노벨상(경제학 등)은 미포함
• 시간 변화 미분석: 세기 동안 팀 규모와 인용 패턴의 장기적 변화 추세를 충분히 분석하지 않음
• 후속 연구 필요: selection bias의 정량적 영향 추정, 'lost winners' 인구의 규모 추정, 팀 규모와 혁신성의 인과관계 규명

Evaluation

총평: 이 논문은 노벨상 수상자의 경력이 수상 논문을 제외하면 일반과학자와 동일한 random impact rule을 따른다는 반직관적이고 흥미로운 발견을 제시한다. 포괄적 데이터셋과 체계적인 선택 편향 제거 분석이 강점이며, 과학 경력의 우연성과 팀 협업의 역할에 대한 중요한 통찰을 제공한다.