Linking Global Science Funding to Research Publications

Motivation

• Known: 과학 펀딩은 현대 과학 아키텍처를 구조화하지만, 기존 데이터베이스(IRIS UMETRICS, OpenAlex, Dimensions)는 지역적 편향, 불완전한 커버리지, 투명하지 않은 매칭 알고리즘으로 인해 글로벌 펀딩 분석이 단편적이고 비교 불가능한 상태이다.
• Gap: 펀딩 인정은 자유 텍스트로 기록되어 명명 규칙, 약자, 번역, 조직 단위가 다양하게 나타나며, 조화된 글로벌 펀더 신원 매핑과 투명한 정규화 절차가 부재하다.
• Why: 펀딩 정보의 체계적 정규화는 펀딩 흐름 추적, 지역별 자금 배분 공평성 평가, 글로벌 연구 시스템의 집중도 분석을 가능하게 하며, 이는 과학 정책 수립과 자금 배분 의사결정에 중요하다.
• Approach: 다단계 정규화 파이프라인(어휘 정규화, 유사도 기반 클러스터링, 규칙 기반 매칭, 명명 엔티티 인식, 수동 검증)을 구축하고, WoS, OpenAlex, Dimensions 간 종이 수준의 비교와 전문 텍스트 수동 검증으로 기술 검증을 수행했다.

Achievement

Figure 4: Geographic distribution of funding agencies across biblio-

• 대규모 정규화 데이터셋 구축: 7.4백만 개의 펀딩 인정 문자열을 1.9백만 개의 표준 조직 식별자에 매칭하여 투명성을 위해 매칭 타입과 미해결 사례 기록
• 다단계 파이프라인 개발: 어휘 정규화, MinHash LSH, 규칙 기반 매칭, NER 지원, 유사도 기반 폴백 방식을 통합한 체계적 정규화 방법론 제시
• 기술 검증 수행: 재현율(recall)과 정확도(precision) 메트릭을 보고하고 세 데이터베이스 간 펀더 표현의 실질적 차이 정량화
• 지역적 불균형 실증: 특히 저빈도 조직과 글로벌 남부(Global South) 펀더에서 데이터베이스 간 커버리지 편향 증명

How

• Web of Science CORE-ESCI 2023 스냅샷에서 펀딩 에이전시 필드 추출
• Research Organization Registry(ROR v1.72)의 110,000+ 조직에 대한 표준 식별자 사용
• OpenAlex(2025-09-29 스냅샷)의 Crossref 메타데이터 및 ROR 기반 기관 식별자 활용
• Dimensions 상업 플랫폼의 펀드 데이터베이스 통합 및 텍스트 마이닝 데이터 활용
• 어휘 정규화(대소문자 통일, 구두점 제거), 약자 감지 실행
• MinHash LSH를 이용한 확장성 있는 유사도 기반 클러스터링
• 규칙 기반 매칭 규칙 정의 및 적용
• 명명 엔티티 인식(NER) 모델을 보조 도구로 활용
• 불확실한 경우 유사도 기반 폴백 메서드 적용
• 표본 추출을 통한 수동 검증 및 전문 텍스트 펀딩 섹션과의 비교

Originality

• 기존 데이터베이스의 편향을 명시적으로 정량화하는 종이 수준의 직접 비교 수행 (WoS vs OpenAlex vs Dimensions)
• 매칭되지 않거나 다중 매칭된 경우를 보존하여 투명성과 하위 유연성을 동시에 확보하는 설계
• 글로벌 남부 펀더의 과소 표현을 구체적으로 증명하고 데이터베이스 선택이 연구 결론에 미치는 영향 명시
• 7.4백만 문자열 규모의 대규모 정규화 과제를 체계적 다단계 파이프라인으로 처리한 방법론적 기여

Limitation & Further Study

• 펀딩 인정은 완전하지 않으며, 데이터베이스 간 추출 방식(반자동 파이싱 vs 전문 마이닝 vs 그랜트 메타데이터)의 차이로 인한 근본적 커버리지 편향 해결 불가
• 영문 출판물과 비영문 출판물 간 기존 편향(특히 WoS)이 파이프라인으로 완전히 제거되지 않음
• 수동 검증은 표본 기반이므로 전체 데이터셋의 오류율을 완전히 정량화하지 못함
• 펀더 조직의 계층적 구조(예: 지부 vs 모조직) 처리에 대한 명확한 기준 부재
• 후속 연구: 시계열 펀더 이름 변화 추적, 비영문 펀더명에 대한 다언어 정규화 개선, 기계학습 기반 자동 매칭 모델 개발 필요

Evaluation

총평: 이 논문은 글로벌 과학 펀딩 데이터의 단편화 문제를 체계적으로 해결하고 투명한 정규화 파이프라인을 제시하여, 과학정책 연구와 펀딩 분석의 재현 가능성을 크게 향상시키는 중요한 데이터 인프라 기여이다.