AI요약

기존 연구성과 평가 방식은 논문 수나 특허 수와 같은 양적 잣대에 치우쳐 질적 우수성과 분야별 특성을 제대로 반영하지 못하는 한계가 있었습니다. 본 기술은 연구성과 및 인용관계 데이터베이스를 활용하여 이 문제점을 해결합니다. Tsallis q-exponential 함수를 통해 인용 횟수와 연구성과 개수 간의 관계를 근사화하고 effective Temperature T 값을 추출하여 연구 집단의 영향력을 파악합니다. 또한, 연구성과 간 인용관계를 네트워크로 구성하고 modularity 행렬의 고유벡터를 분석하여 각 연구성과와 그룹의 질적 우수성을 수치화합니다. 이 기술은 기관, 국가, 분야별 연구 집단의 상대적 우수성과 인용 강도를 객관적으로 분석하고 시각화하여, 기존 양적 평가의 한계를 극복하고 신뢰성 높은 질적 평가 지표를 제공합니다. 연구 기획 및 투자 의사결정에 실질적인 도움을 드릴 수 있습니다.