지역 산업기술지형의 변화 양태와 시사점 Changes in Regional Industrial Technology Landscape and Their Implications

그러나 최진호 김희수 임남규(2011)에서는 키워드 분석은 특허가 기술하려는 내용을 파악할 수는 있지만 단순히 출현빈도 만을 반영한다면 기술 간의 관계를 파악하는 데 어려움이 있다는 문제를 지적하고 있다. 따라서 특허의 내용 간의 관계를 동시에 반영하기 위한 방법으로서 키워드 네트워크 분석이 시도되고 있다. Choi and Hwang(2014)은 발광다이오드(LED: Light Emitting Diode) 분야와 무선 광대역 통신 분야의 특허 키워드에서 단어 간의 관계를 멱함수(power-law) 분포로 추정함으로써 다수의 키워드와 관련을 맺고 있는 키워드일수록 새로운 키워드와 연결이 맺으려는 성향을 설명했다. 또한 최근 키워드 분석은 문장에 사용된 단어에 품사를 식별하여 의미적 분석으로 발전하는 경향을 보인다. 영어의 경우 품사를 식별하여 어떤 기술이 어떤 목적으로 활용되는지와 같이 의미를 반영하는 키워드 분석을 주어-동사-목적어(SAO: Subject-Action-Object) 분석이라 부른다. Gerken and Moehrle (2012)은 SAO 분석을 통해 어떤 하나의 특허와 기존 특허 간의 단어 유사성을 측정하여 신규성을 판단하는 방법을 고안해 냈다. 게다가 최근에는 특허 건수 혹은 인용정보에서 나아가 특허 서지정보에 포함된 다양한 유형의 자료를 트렌드 분석에 활용하고 있다. Leydesdorff and Bornmann(2012)의 연구에서는 USPTO에 등록된 특허의 인용정보와 발명자 주소를 특정 지역에서 개발된 기술을 진단하고 모니터링하는데 사용했다. 또한 특허의 기술적 내용을 묘사하기 위해 특허의 명칭과 요약에 포함된 키워드를 기초로 키워드 분석이 최근 주요하게 수행되고 있다. 키워드 분석은 기존에 널리 활용되었던 인용 분석의 단점을 보완하는 방법으로 주목을 받고 있다. 인용 자료는 특허 자체가 기술하려는 내용을 표현하지 못 하고, 인용문헌 역시 발명자가 전략적으로 선정하므로 지식전파를 드러내는데 한계가 있다고 여겨졌기 때문이다. 일반적으로 특허에서 키워드를 추출하여 출현 빈도를 기초로 주제 지도(topic map)로 표현하곤 한다. 마지막으로 특허 서지정보를 활용한 트렌드 분석은 앞서 설명한 두 가지 분석 유형과 함께 활용되면서 기술구조 혹은 기술발전사를 이해하는데 널리 활용되고 있다. 가령, Verspagen(2007)은 연료전지 분야와 관련된 미국 특허상표국(USPTO: United States Patent and Trademark Office)의 특허 인용정보를 활용하여 기술발전 궤도(trajectory)를 추적하였다. 그 결과 기술발전 초기에는 개별 부품개발이 주류를 이루고, 이후 하나의 전지(cell)로 개발되는 과정을 거쳐 여러 개의 연료전지로 구성된 시스템이 개발되기까지의 과정을 설명할 수 있었다. 이와 같이 대부분의 트렌드 분석은 시간이라는 개념이 반영되어 앞서 제시한 성과평가 혹은 지식전파에 활용된 분석까지 포함할 수도 있다. 본 절에서는 지역별 특허 분석을 통해 지역의 기술 지식구조를 살펴보았다. 사회과학에서 개별 주체들간 네트워크의 구조적 분석을 위해 이용되는 사회연결망 분석(social network analysis : SNA)를 활용하여 지역 기술지식 구조에 대해 파악하였다. 사회연결망 분석은 본래 개인, 조직 간의 관계와 그 구조를 분석하기 위한 목적에서 개발된 분석방법론이나, 최근 다양한 주체 간 네트워크에 대한 중요성이 강조되면서, 제반 사회과학 분야에서 활용도가 확산되는 추세이다. 지역 혁신 활동의 성과로 나타나는 특허에 대한 사회네트워크 분석은 기술 지식구조에 대한 특성을 이해하고, 전체 구조의 진화과정에 대한 계량적 분석 가능하다. 특허청의 특허 정보사이트인 특허정보넷(KIPRS)에서 제공하는 특허 출원 자료를 하여, 국제특허분류코드(이하 IPC)로 나타나는 기술 간 융합을 중심으로 지역별 기술지식구조의 특성과 변화과정을 살펴보았다. 주요 트렌드(M-2)는 발명의 명칭을 활용하여, 연결된 그룹을 구성하는 핵심적 키워드를 도출함으로써 사례지역 특허의 이면에 존재하는 것으로 기대할 수 있는 모종의 트렌드(경향성)를 살펴보는 부분이다. 자연어 처리 등의 복잡한 과정을 거쳐 명사 키워드를 추출하고 동시출현빈도에 따른 단어간 관련성을 토대로 연결된 그룹(키워드 조합)의 조직화된 특성을 분석한다. 이를 통해 트렌드 변화의 특성과 트렌드를 구성하는 핵심적 키워드를 파악해 볼 수 있다. 요컨대 트렌드 분석은 키워드 기반 네트워크 분석이라 할 수 있다. 연구의 핵심적 해석 부분에 해당하는 제6장의 정합성(M-3)은 사례지역 분석의 요소기술 연계 특성, 트렌드 분석에서 도출된 핵심적 특허 분류코드와 지역전략산업의 구성코드를 연계표에 기반하여 그 연관성을 살펴본다. 분석 결과를 토대로 1차적으로 정합성 또는 이격 양상을 검토하고, 2차적으로 사례지역에 관련된 전문가 자문 등을 참고하여 결과 해석에 있어서의 합리성을 제고한다. 키워드의 기술통계 분석은 등장 빈도를 기초로 수행되므로 추가적인 설명이 없어도 분석결과를 이해하는데 큰 어려움이 없을 것이다. 그러나 네트워크 분석을 통해 단어 간의 관련성을 파악하고, 기술구조를 식별하는 방식은 생소하게 여겨질 수 있으므로 추가 설명을 덧붙임으로써 이해를 돕고자 한다. 키워드의 기술통계 분석은 등장 빈도를 기초로 수행되므로 추가적인 설명이 없어도 분석결과를 이해하는데 큰 어려움이 없을 것이다. 그러나 네트워크 분석을 통해 단어 간의 관련성을 파악하고, 기술구조를 식별하는 방식은 생소하게 여겨질 수 있으므로 추가 설명을 덧붙임으로써 이해를 돕고자 한다. 일반적으로 네트워크라 함은 결점(node)과 결점 간의 연결(link)의 집합을 일컫는다. 본 연구에서 활용하는 키워드 네트워크는 발명의 명칭에서 추출한 개별 키워드를 결점으로 보고, 동일 특허에서 동시에 출현하는 키워드 조합을 연결로 간주한다. 한 건의 특허에서 동시에 등장하는 키워드 조합이 발명을 구성하므로 함께 추출된 모든 키워드를 상호 연결함으로써 이들의 관련성을 나타낸다. 구성된 네트워크에서 구조적 특성은 다양한 지표를 통해 측정한다. 구조적 특성은 결점 수준과 결점의 집합으로 이루어진 하위 그룹 수준에서 측정한 것으로 구분할 수 있겠다. 기본적으로 결점 수준에서 측정한 지표는 개별 키워드가 보유한 연결 수를 기준으로 다양한 키워드와 관계를 맺고 있는 결점을 확인한다. 이렇게 다수의 연결을 보유한 지점을 네트워크에서는 ‘허브’(hub)라고 부르기도 한다. 개별 키워드 수준에서 영향력을 파악한 것과 유사하게, 전체 네트워크 수준에서 모든 키워드가 고른 영향력을 보유하는지에 대해서도 이해할 필요도 있다. 네트워크에서 키워드가 미치는 영향력에는 상대적인 차이가 있고, 그 격차가 네트워크의 구조적 특성을 반영하기 때문이다. 이는 전체 네트워크에 포함된 키워드 연결이 어떤 분포를 띄고 있는지를 확인하는 작업을 의미한다.