Funding the Frontier: Visualizing the Broad Impact of Science and Science Funding

Motivation

• Known: 기존 연구는 과학 펀딩과 논문 산출의 관계에만 집중하며, 과학의 다운스트림 사회적 영향(정책, 임상시험, 뉴스 등)을 추적하는 연구가 부족하다. 펀딩 정책 수립을 위해 투명하고 포괄적인 영향 평가 도구가 필요하다.
• Gap: 펀딩에서 특허, 정책문서, 임상시험, 뉴스미디어 등 다양한 다운스트림 영향으로의 연결고리가 체계적으로 분석되지 못하고 있으며, 펀딩 의사결정자들을 위한 통합적 시각분석 도구가 부재하다.
• Why: 과학 펀딩의 사회적 영향을 종합적으로 이해하면 펀딩 정책이 사회 수요와 부합하도록 할 수 있고, 펀더, 정책입안자, 대학지도자 등 다양한 의사결정자의 전략 수립을 지원할 수 있다.
• Approach: 대규모 데이터 수집(7M 그랜트를 140M 논문, 160M 특허, 10.9M 정책문서 등과 1.8B 인용링크로 연결)과 과학계량학(SciSci) 및 시각분석(Visual Analytics) 방법론을 결합하여, 다차원 영향지표와 예측모델을 포함한 통합 시각분석 시스템을 설계·개발하였다.

Achievement

Figure 4: The FtF system UI. The Query View (A) is for data filtering. The Grant View (B) and PI View (C)

• 대규모 통합 데이터셋: 7M 연구 그랜트, 140M 논문, 160M 특허, 10.9M 정책문서, 800K 임상시험, 5.8M 뉴스피드를 1.8B 인용링크로 연결하는 최대 규모의 과학 펀딩-영향 데이터베이스 구축
• 다차원 영향 분석 프레임워크: 학술, 기술, 정책, 임상, 공공인식 등 다양한 차원의 영향지표 정의 및 통합 평가 체계 제안
• 대화형 시각분석 시스템(FtF): Query View, Grant View, Impact View 등 조정된 다중 뷰를 통한 직관적 탐색 및 비교 분석 인터페이스 제공
• 예측 모델: 역사 데이터 기반 머신러닝 모델로 고영향 연구 주제 및 연구자 식별하여 미래 펀딩 기회 제시

How

Figure 2: FtF system overview. The system consists of a preprocessing module, an analysis module, and

• 도메인 전문가(펀더, 연구자, 정책가) 인터뷰를 통해 요구사항 파악
• 다양한 데이터소스(그랜트DB, 논문(SCOPUS), 특허(USPTO), 정책문서, 임상시험, 뉴스) 수집 및 전처리
• 인용 네트워크 기반 연결 및 다차원 영향지표(publication count, citation impact, patent citations, policy mentions 등) 계산
• 신경망 기반 예측모델 학습 및 향후 영향 가능성 점수 부여
• ImpactGlyph 등 혁신적 시각 인코딩과 다중 조정 뷰 설계
• 사례 연구, 전문가 인터뷰, 정량 평가를 통한 시스템 검증

Originality

• 펀딩의 다운스트림 영향을 처음으로 체계적으로 추적하는 통합 데이터 연결 아키텍처 제시
• 학술-기술-정책-임상-공공인식을 아우르는 5차원 영향 평가 프레임워크 개발
• 복잡한 이질적 네트워크와 다차원 데이터를 직관적으로 탐색할 수 있는 ImpactGlyph 등 혁신적 시각화 설계
• 펀딩 의사결정 지원을 위한 예측 모델 통합으로 과학 정책 수립에 실질적 가치 제공
• 과학계량학과 시각분석의 학제간 통합으로 새로운 과학정책 연구 방향 개척

Limitation & Further Study

• 데이터 수집의 시간차와 불완전성(특히 장기 영향 측정의 어려움) - 실시간 업데이트 메커니즘과 시계열 분석 강화 필요
• 단편적 영향지표(citation count 등)에 의존으로 질적 영향 평가 미흡 - 정성적 분석과 혼합방법론 도입 필요
• 인과관계 규명의 한계(관측 데이터 기반 인과추론의 어려움) - 대조군 설계 등 준실험적 방법 고려 필요
• 특정 국가·분야 데이터 편향 가능성 - 글로벌 데이터 수집 확대 및 지역별 검증 필요
• 예측 모델의 흑박스성 - 해석가능성(Explainable AI) 개선으로 신뢰성 제고 필요

Evaluation

총평: 본 논문은 과학 펀딩의 사회적 영향을 최초로 체계적으로 추적·분석하는 대규모 통합 데이터 기반 시각분석 시스템을 제시함으로써, 과학정책 수립과 펀딩 의사결정에 혁신적 도구를 제공한다. 과학계량학과 시각분석의 효과적 통합, 5차원 영향 평가 프레임워크, 그리고 실제 의사결정자 피드백 기반 검증으로 높은 학술·실무적 가치를 실현한다.