(K-EECS) 전자, 컴퓨터 분야 K-연구의 전체적인 동향 (data ver. 20250709)

–

무엇을, 어떤 데이터로 분석할까?

전자, 컴퓨터 분야의 국내 연구현황에 대한 다양한 분석을 해보기 위해, 현재 19개 국내 대학의 전산, 전자 관련학과에 소속된 현직 전임교수들의 연구내용을 수집하고 있습니다.

다음과 같은 대학들을 대상으로, 각 대학의 전자, 컴퓨터 관련 학과에 소속된 전임 교수들의 구글 스칼라에 공개된 데이터를 활용합니다.

• 경희대, 고려대, 광운대, 서강대, 서울대, 성균관대, 숭실대, 아주대, 연세대, 이화여대, 인하대, 중앙대, POSTECH, 한양대, 홍익대
• KAIST, GIST, DGIST, UNIST

2025년 7월 초에 1차 수집을 완료하여 약 1200여 명의 연구내용(약 180,000여 개의 논문, 특허 등)을 확보하였으며, 이후에도 지속적으로 모니터링하면서 연구자들을 계속 탐색하고 수집 대상 대학도 계속 늘려갈 예정입니다.

이러한 데이터를 활용하면 앞으로 다음과 같은 분석을 해볼 수 있을 겁니다.

• (1) 국내 대학의 전자, 컴퓨터 분야의 연구자들은 (전체적으로) 어떤 주제의 연구를 수행하는가?
• (2) 연구 주제의 흐름과 분포는 시간에 따라 어떻게 변화해 왔는가?
• (3) 특정 세부 주제(키워드)에 대하여 누가 가장 활발한 연구를 수행하고 있는가? (예: 양자컴퓨팅, 언어모델, AI반도체, 드론… )
• (4) 최근에 각 주제(키워드)에 대해 새로 발표된 국내 대학 교수들의 연구결과는 무엇이며 누가 발표했는가?
• (5) 국내 대학의 연구 수준은 국제적인 수준과 비교할 때 어느 정도인가?
• (6) 기타….

–

세부 연구 주제의 분포 (2020년 이후부터 현재까지)

가장 먼저, 전체 수집 결과들로부터 70여 개의 주제를 추출해 보았습니다.

–

그림 1은 2020년부터 최근까지의 연구 내용들에 포함된 주제들 중에서 가장 많은 비중을 차지하는 상위 10개의 주제와 하위 10개의 주제를 나타냅니다.

상위 10개의 주제에는 기계학습, 인공지능 분야의 세부 주제들이 가장 많이 보이고, 나노 관련 분야도 눈에 띕니다.

하위 10개의 주제에는 통신, 보안, 반도체, 제어 분야의 세부 주제들이 포함되어 있습니다.

–

연구 열기가 뜨거워지는 주제 (2016년 이후부터 현재까지)

–

그림 2는 최근 10년 동안 전체 연구에서 차지하는 비중이 가장 급격하게 커진 10개의 세부 연구 주제들을 나타냅니다.

그림을 통해, 다음과 같은 기계학습, 인공지능 분야에 속하는 세부 주제들의 비중이 가장 많이 상승하는 경향을 보였음을 알 수 있습니다.

• Advanced Language Model Evaluation and Instruction Tuning
• Advanced Video Compression and Digital Signal Processing
• Robust Machine Learning and AI Integrity Techniques
• Cross-Modal Visual and Text Processing in Machine Learning
• Reinforcement Learning and Optimization Strategies in AI
• Audio and Speech Signal Processing and Recognition

–

연구 열기가 식어가는 주제 (2016년 이후부터 현재까지)

–

그림 3은 최근 10년 동안 전체 연구에서 차지하는 비중이 가장 급격하게 줄어든 10개의 세부 연구 주제들을 나타냅니다.

그림을 통해, 무선 네트워크, 소셜 미디어, 나노 소재, 보안과 관련된 분야에 속하는 세부 주제들의 비중이 가장 많이 줄어드는 경향을 보였음을 알 수 있습니다.

–

앞으로의 분석에 대한 기대와 한계

데이터를 계속 수집하고 있으므로, 앞으로 다양한 분석을 해볼 수 있을 것으로 기대합니다. 물론, 이러한 분석과정에는 다음과 같은 한계점이 있습니다.

첫째, 대학에 소속된 전임교수들 중에는 구글 스칼라를 활용하지 않는 사람들도 있습니다. 따라서 현재는 이러한 교수들의 연구내용은 분석대상에서 빠져 있습니다. 앞으로 포함시키기 위해 노력할 예정입니다.

둘째, 국내의 전체 연구동향을 파악하려면 대학에 소속된 사람들 외에, 연구소나 기업에 속한 연구자들 및 개인 연구자들도 분석대상에 포함시켜야 합니다. 현재는 이러한 사람들의 연구내용은 분석대상에서 빠져 있지만, 앞으로 포함시키기 위해 계속 노력할 예정입니다.

세째, 구글 스칼라 데이터에는 오류가 포함되어 있을 수 있습니다. 가장 대표적인 오류는 동명이인 또는 이름이 비슷한 사람들의 연구가 잘못 포함되는 것입니다. 일단은, 연구자들이 자신의 구글 스칼라 계정을 잘 관리할 거라는 믿음을 가져보겠습니다.

마지막으로, 연구자에 따라 구글 스칼라를 활용하는 특성이 다릅니다. 국제 논문만 포함시키는 연구자들도 있고, 국제/국내 논문 모두를 포함시키는 연구자들도 있을 수 있으며, 논문 뿐만 아니라 특허까지 포함시키는 연구자들도 있을 수 있습니다. 그러나, 전체적인 연구 동향이나 연구자 개인의 성향을 파악하는 데에는 큰 무리가 없을 것으로 생각하고 있습니다.

–

Next post on its way!