[논문 리뷰] Why Scientists Chase Big Problems: Individual Strategy and Social Optimality

Carl T. Bergstrom, Jacob G. Foster외 1명|arXiv (Cornell University)|2016. 05. 19.

Innovation, Sustainability, Human-Machine Systems참고 문헌 57인용 수 15

한 줄 요약

이 논문은 게임 이론 모델을 사용하여 과학자들이 큰 문제를 추구할 것인지, 혹은 일상적인 연구를 할 것인지 선택하는 방식을 분석하며, 고위험 과학적 경쟁에 진입하는 것은 일반적으로 정상 과학자들뿐임을 보여준다. Open Science(부분 결과의 즉각적 공유)가 항상 발견을 가속화한다는 가정을 도전하며, 오히려 그러한 투명성이 핵심 연구자들을 위축시켜 경쟁의 동기를 감소시켜 전체적인 진전을 늦출 수 있음을 보여준다.

ABSTRACT

Scientists pursue collective knowledge, but they also seek personal recognition from their peers. When scientists decide whether or not to work on a big new problem, they weigh the potential rewards of a major discovery against the costs of setting aside other projects. These self-interested choices can potentially spread researchers across problems in an efficient manner, but efficiency is not guaranteed. We use simple economic models to understand such decisions and their collective consequences. Academic science differs from industrial R&D in that academics often share partial solutions to gain reputation. This convention of Open Science is thought to accelerate collective discovery, but we find that it need not do so. The ability to share partial results influences which scientists work on a particular problem; consequently, Open Science can slow down the solution of a problem if it deters entry by important actors.

연구 동기 및 목표

• 과학자들이 높은 영향력을 가진 '큰 문제'를 추구할 것인지, 일상적인 연구를 할 것인지 결정하는 데 영향을 미치는 전략적 인센티브를 이해하기 위해.
• Open Science의 사회적 효율성 분석 — 구체적으로, 부분 결과를 즉각적으로 공유하는 것이 과학적 발견을 가속화하는지 여부를 평가하기 위해.
• 개인적 인centives, 과학적 명성, 그리고 과학적 문제 해결에서의 집단적 결과 간의 상호작용을 모델링하기 위해.
• 정책적 분석에 유용한 공식적 프레임워크를 개발하기 위해 — 문제 선택, 정보 공유, 시간 선호도, 과학적 자본을 통합하기 위해.
• Open Science가 경쟁적인 연구 환경에서 과학적 효율성을 항상 향상시킨다는 가정을 도전하기 위해.

제안 방법

• 과학자들이 기대되는 명성의 이득과 기회비용을 바탕으로 큰 문제를 해결하기 위한 경쟁에 참가할지 여부를 결정하는 동적 게임 이론 모델을 구축한다.
• 시간 선호도와 이질적인 과학적 자본을 통합하여, 정상 과학자들이 고위험 경쟁에 더 많이 참가할 가능성이 있음을 모델링한다.
• 참가 또는 비참가의 전략적 선택을 도입하며, 부분 결과는 개방적으로 공유된다.
• 정보 공유가 참가 유인에 미치는 영향을 분석하여, 정보 공유가 정상 과학자들의 기대 수익을 감소시킬 수 있음을 보여준다.
• 비교 정적 분석을 통해 정보 공유 규범, 경쟁 수준, 시간 선호도의 변화가 문제 해결 속도에 미치는 영향을 평가한다.
• 모델을 확장하여 내생적 신뢰 체계와 문제의 난이도에 대한 불확실성을 고려함으로써 더 풍부한 정책 분석을 가능하게 한다.

실험 결과

연구 질문

• RQ1 정상 과학자들이 큰 과학적 문제를 해결하기 위한 경쟁에 들어갈 조건는 무엇이며, 이는 명성 인센티브와 경쟁 수준에 어떻게 의존하는가?
• RQ2 부분 결과의 즉각적 공유(Open Science)가 항상 문제 해결 속도를 높는가, 아니면 핵심 인력의 참여를 저해할 수 있는가?
• RQ3 과학자들 간의 시간 선호도의 이질성과 큰 문제에 대한 인지적 노동 배분의 효율성은 어떻게 영향을 미치는가?
• RQ4 정보 공유 규범은 높은 영향력을 가진 과학자들이 경쟁적인 연구 경쟁에 참가할 동기를 어떻게 감소시킬 수 있는가?
• RQ5 과학적 신뢰 체계의 구조를 어떻게 재설계하여 개인의 인centives를 큰 문제 해결의 사회적 효율성과 더 잘 맞출 수 있는가?

주요 결과

• 참가의 기회비용이 매우 높기 때문에, 높은 과학적 자본을 가진 과학자들만 큰 문제를 해결하기 위한 경쟁에 참가하고 경쟁할 것으로 예측된다.
• Open Science는 부분 결과를 공유함으로써 독점적 명성을 잃을 염려가 있는 정상 과학자들을 위축시켜 큰 문제의 해결 속도를 늦출 수 있다.
• 기존의 관념인 'Open Science는 항상 발견을 가속화한다'는 믿음은 일반적으로 참이 아니며, 이는 그것이 창출하는 전략적 인센티브에 따라 달라진다.
• 부분 정보 공유의 존재는 특히 문제의 난이도나 경쟁자의 강도에 대해 불확실성이 있는 상황에서 정상 과학자들의 기대 수익을 감소시킨다.
• 과학자들 간의 시간 선호도 이질성은 사회적으로 최적의 연구 노력 배분 가능성을 더욱 낮춘다.
• 모델은 개인의 이성적 행동조차도 신뢰 체계와 정보 체계의 인센티브가 맞물리지 않을 경우 사회적 효율성이 보장되지 않음을 드러낸다.