[논문 리뷰] Technology Mapping Using WebAI: The Case of 3D Printing

Julian Schwierzy, Robert Dehghan외 7명|arXiv (Cornell University)|2022. 01. 04.

Innovation Diffusion and Forecasting인용 수 5

한 줄 요약

이 연구는 다국어 언어 모델을 활용한 웹AI 기반의 방법론을 제안하여 기업 웹사이트 텍스트를 통해 3D 프린팅 기술의 확산을 제조업체, 서비스 제공업체, 소매업체 및 정보 제공업체로 구분하여 맵핑한다. 연구 결과, 지역적 채택 강도는 기술 대학과 기존 제조 산업 클러스터에 근접할수록 높으며, 서비스 제공업체는 참여 기업의 57.7%를 차지하고, 제조업체의 74.9%는 혁신적이라고 분류된다.

ABSTRACT

The diffusion of new technologies is crucial for the realization of social and economic returns to innovation. Tracking and mapping technology diffusion is, however, typically limited by the extent to which we can observe technology adoption. This study uses website texts to train a multilingual language model ensemble to map technology diffusion for the case of 3D printing. The study identifies relevant actors and their roles in the diffusion process. The results show that besides manufacturers, service provider, retailers, and information providers play an important role. The geographic distribution of adoption intensity suggests that regional 3D-printing intensity is driven by experienced lead users and the presence of technical universities. The overall adoption intensity varies by sector and firm size. These patterns indicate that the approach of using webAI provides a useful and novel tool for technology mapping which adds to existing measures based on patents or survey data.

연구 동기 및 목표

• 기존 지표인 특허나 설문 조사로는 측정하기 어려운 기술 확산을 추적하기 위한 새로운 웹 기반 방법 개발
• 제조업체, 서비스 제공업체, 소매업체 및 정보 제공업체 등 다양한 주체의 역할을 식별하고 분류하여 3D 프린팅 기술의 확산에 기여하는 바를 분석
• 독일 내 세분화된 지역 수준에서 3D 프린팅 채택의 지리적 및 부문적 패턴 분석
• 기술 채택 강도와 기술 대학 및 제조 산업 존재 여부와 같은 구조적 요인 간의 관계 평가
• 기존 혁신 지표와의 비교를 통해 본 방법론의 타당성을 검증하고, 혁신 정책 및 연구에서 보조 도구로의 잠재력 탐색

제안 방법

• 3D 프린팅과 관련된 주제별 키워드를 활용해 독일 전역의 기업 웹사이트에서 텍스트를 추출하기 위한 웹 스크래핑 파이프라인 구축
• 참여 유형(제조업체, 서비스 제공업체, 소매업체, 정보 제공업체)을 정의하기 위해 텍스트 문단을 수동으로 주석 처리하여 레이블이 부여된 학습 데이터셋 구축
• 레이블이 부여된 데이터를 기반으로 다국어 언어 모델 앙상블을 훈련시켜 기업의 3D 프린팅 참여 수준과 유형을 분류
• ORBIS 데이터베이스의 130만 개 독일 기업에 모델을 적용하여 지역 및 부문별 채택 강도 예측
• 공간 분석을 통해 채택 강도와 기술 대학 및 제조 산업 클러스터와의 거리 간 상관관계 분석
• 내부 일관성 검증 및 특허 기반 연구와의 비교를 통해 결과를 검증하였으며, 레이블 일관성 및 웹사이트 커버리지의 한계를 인정함

실험 결과

연구 질문

• RQ1 웹AI를 통한 웹사이트 텍스트 분석은 특허나 설문 조사 데이터를 넘어서 기술 확산 맵핑을 어떻게 향상시킬 수 있는가?
• RQ2 제조업체, 서비스 제공업체, 소매업체 또는 정보 제공업체 중 어느 유형의 기업이 3D 프린팅 채택에 가장 적극적인가? 이는 지역 및 부문에 따라 어떻게 달라지는가?
• RQ3 기술 대학 및 기존 제조 산업의 존재 여부가 지역적 3D 프린팅 채택 강도에 어느 정도 영향을 미치는가?
• RQ4 다양한 참여 유형에 따라 3D 프린팅에 참여한 기업의 혁신 성과는 어떻게 비교되는가?
• RQ5 웹AI 기반 맵핑은 기존 특허 기반 분석에서 포착하지 못한 채택 패턴을 어떻게 드러내는가?

주요 결과

• 웹AI 접근법은 3D 프린팅에 참여한 기업의 57.7%를 혁신적(이노프로브 ≥ 0.4)으로 성공적으로 식별하였으며, 제조업체의 74.9%는 혁신적이라고 분류됨
• 서비스 제공업체가 3D 프린팅 수용자 중 가장 큰 비중을 차지하여, 직접 생산 외의 기술 확산에서 핵심적인 역할을 함을 시사함
• 기술 대학과 전통적인 제조 산업이 집중된 지역에 근접한 지역에서 지역적 채택 강도가 뚜렷이 높음
• 뮌른, 베를린, 헤르부르크, 슈타른베르크와 같은 지리적 핫스팟이 확인되었으며, 제조 산업이 적은 지역이나 신규 혁신 클러스터인 자나 지역은 특허 데이터에서 다소 간과된 것으로 확인됨
• 특허 기반 연구에서 포착하지 못한 패턴, 특히 제조 산업 집약도가 낮거나 신규 혁신 클러스터에서의 기술 채택 패턴을 이 방법이 탐지함
• 레이블 신뢰성 및 웹사이트 커버리지의 한계가 존재하지만, 모델의 예측 결과는 일관성 검증과 기존 혁신 연구와의 일치를 통해 검증됨