[논문 리뷰] A social Network Analysis of the Operations Research/Industrial Engineering Faculty Hiring Network

Enrique Del Castillo, Adam Meyers외 1명|arXiv (Cornell University)|2018. 02. 28.

Complex Network Analysis Techniques참고 문헌 19인용 수 3

한 줄 요약

이 논문은 미국의 운영연구/산업공학(ORIE) 교수 채용 네트워크에 사회적 네트워크 분석과 잠재적 지수형 무작위 그래프 모델링을 적용하여 거의 선형적인 계층 구조와 세 개의 명백한 소집단을 규명하였다. 학문적 명성의 정도를 수량화하기 위해 최소 위반 및 강도(MVS2) 지수를 도입하였으며, 이는 높은 자기 채용률과 낮은 그룹 간 이동성과 관련이 있으며, 학술적 이동성과 지식 확산에 대한 시사점을 제공한다.

ABSTRACT

We study the U.S. Operations Research/Industrial-Systems Engineering (ORIE) faculty hiring network, consisting of 1,179 faculty origin and destination data together with attribute data from 83 ORIE departments. A social network analysis of faculty hires can reveal important patterns in an academic field, such as the existence of a hierarchy or sociological aspects such as the presence of communities of departments. We first statistically test for the existence of a linear hierarchy in the network and for its steepness. We find a near linear hierarchical order of the departments, proposing a new index for hiring networks, which we contrast with other indicators of hierarchy, including published rankings. A single index is not capable to capture the full structure of a complex network, however, so we next fit a latent exponential random graph model (ERGM) to the network, which is able to reproduce its main observed characteristics: high incidence of self-hiring, skewed out-degree distribution, low density and clustering. Finally, we use the latent variables in the ERGM to simplify the network to one where faculty hires take place among three groups of departments. We contrast our findings with those reported for other related disciplines, Computer Science and Business.

연구 동기 및 목표

• 미국 ORIE 교수 채용 네트워크의 구조적 패턴, 즉 계층 구조와 커뮤니티 구조를 규명하는 것.
• 주관적인 순위에 의존하지 않는 객관적이고 데이터 기반의 학과 명성 측정법(MVS2)을 개발하는 것.
• 복잡한 특징들인 자기 채용과 비대칭적인 차수 분포를 반영하기 위해 잠재적 지수형 무작위 그래프 모델(ERGM)을 사용하여 네트워크를 모델링하는 것.
• 채용 패턴과 잠재적 위치를 바탕으로 네트워크를 세 개의 유기적인 학과 집단으로 단순화하는 것.
• 컴퓨터 과학 및 경영학과 같은 관련 분야의 채용 동역학과 비교하여 ORIE의 네트워크 구조와 자기 채용 비율의 차이를 부각하는 것.

제안 방법

• ORIE 채용 네트워크에서 선형 지배 계층의 존재성과 기울기를 평가하기 위해 통계적 가설 검정을 수행하는 것.
• 부트스트랩된 네트워크를 기반으로 최적화를 수행하여 순위 기반이 아닌 학과 명성 측정법인 최소 위반 및 강도(MVS2) 지수를 제안하는 것.
• 자기 채용, 비대칭적인 외부 차수 분포, 낮은 밀도, 군집화와 같은 핵심 네트워크 특징을 반영하기 위해 잠재적 위치 지수형 무작위 그래프 모델(ERGM)을 적합하는 것.
• ERGM에서 유도된 잠재 변수를 사용하여 군집 분석을 수행하여 네트워크를 세 개의 명백한 학과 집단으로 축소하는 것.
• 채용 횟수 비례의 간선 무게를 사용하여 단순화된 네트워크를 시각화하여 내부 집단 간 채용을 강조하고, 집단 간 연결은 최소화하는 것.
• 공개된 순위(US News, NRC)와 컴퓨터 과학 및 경영학과의 채용 네트워크를 비교하여 연구 결과의 맥락을 제공하는 것.

실험 결과

연구 질문

• RQ1 ORIE 교수 채용 네트워크에 선형 계층이 존재하는가? 기울기는 얼마나 심한가?
• RQ2 제안된 MVS2 학과 명성 지수는 US News 및 NRC와 같은 기존 순위와 어떻게 비교되는가?
• RQ3 자기 채용, 차수 분포, 군집화와 같은 네트워크 특징들은 잠재적 ERGM에 의해 어떻게 가장 잘 반영되는가?
• RQ4 잠재적 위치를 바탕으로 ORIE 채용 네트워크를 의미 있는 소수의 유기적인 학과 집단으로 단순화할 수 있는가?
• RQ5 ORIE의 구조적 패턴은 컴퓨터 과학 및 경영학과 같은 관련 분야의 패턴과 어떻게 비교되는가?

주요 결과

• ORIE 교수 채용 네트워크는 통계적으로 지배적인 순서가 있는 강력한 거의 선형 계층을 보이며, 이는 학과 간 순서의 우월성을 뒷받침한다.
• MVS2 지수는 순위 기반의 평가에 의존하지 않는 강력한 데이터 기반의 명성 측정법을 제공하며, 공개된 순위와의 상관관계가 낮아 네트워크 기반의 영향력을 더 정확하게 반영할 수 있음을 시사한다.
• 잠재적 ERGM은 핵심 네트워크 특징을 성공적으로 재현하였으며, 자기 채용(컴퓨터 과학의 약 두 배, 경영학의 세 배), 비대칭적인 외부 차수 분포, 낮은 밀도, 군집화를 포함한다.
• 네트워크는 상위 등급, 중간 등급, 하위 등급의 세 개의 명백한 집단으로 단순화되며, 대부분의 채용은 집단 내에서 이루어지고 집단 간 이동은 최소화된다.
• 중간 등급 집단의 학과는 높은 중심성 중심성을 가지며, 계층 전체의 연결성을 유지하는 데 핵심적인 역할을 한다.
• ORIE 전반에서의 높은 자기 채용 비율(컴퓨터 과학 및 경영학보다 뚜렷하게 높음)은 새로운 아이디어와 교과과정 혁신의 유입을 저해할 수 있다.