인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 국가연구개발(R&D) 과제에서 기술적 성과와 경제적 성과 간 연계와 관련성이 높은 주요 예측 요인을 분석하고, 설명 가능한 인공지능(XAI) 기반 예측모형의 활용 가능성을 검토하는 것을 목적으로 한다. 이를 위해 국가과학기술지식정보서비스(NTIS)의 과제 및 성과 데이터를 활용하여 특허 등록을 통해 기술적 성과가 확인된 93,299건의 국가 R&D 과제를 분석하였다. 기술적-경제적 성과 간 연계 여부를 예측하기 위해 로지스틱 회귀모형(Logistic Regression)과 XGBoost(eXtreme Gradient Boosting) 모형을 적용하여 성능을 비교하였으며, SHAP(SHapley Additive exPlanations)을 결합하여 주요 예측 요인과 비선형적 관계를 분석하였다. 연구 결과 XGBoost 모형은 로지스틱 회귀모형보다 우수한 예측 성능을 확보하였음을 확인하였다. 또한 SHAP 분석을 통해 현물 총 연구비, 주관부처, 연구기간이 성과 연계에 높은 기여도를 나타내는 주요 요인으로 식별되었으며, 일부 연속형 변수에서는 비선형적 관계와 경험적 임계 특성이 나타났다. 본 연구는 설명 가능한 인공지능 기반 접근을 통해 국가 R&D 성과 연계의 특성을 실증적으로 분석하였으며, 향후 국가 R&D 과제의 기획·평가 및 성과관리 과정에서 데이터 기반의 의사결정을 지원하기 위한 정량적 참고 자료를 제공하였다는 점에서 의의가 있다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
