Future technology prediction is critical in the rapidly changing mobility industry. Existing analysis methods relying on subjective judgment have limitations. This study proposes a quantitative, reproducible technology trend analysis methodology using vast academic literature data from OpenAlex. The methodology involves LLM-based data extraction, hierarchical topic modeling via BERTopic to construct technology structures, and adapting the Prophet model and boston consulting group(BCG) matrix to classify technology types (emerging, growing, mature, declining). This research provides a foundation for data-driven, objective technology exploration and preemptive R&D strategy establishment in a dynamic environment.
한국어
급격한 인공지능의 부상 등으로 급변하고 혼란스러운 상황에서 모빌리티 산업 분야에서 미 래에 사용될 기술에 대한 예측의 중요성이 더욱 부각되고 있으나, 소수 전문가의 주관적 판단 에 의존하는 기존 분석 방식에는 한계가 존재한다. 본 연구는 이러한 한계를 극복하기 위해, 대규모 학술 데이터베이스인 OpenAlex를 활용하여 방대한 학술 문헌 데이터를 자동으로 채굴, 클러스터링, 평가하는 정량적·재현가능한 기술 트렌드 분석 방법론을 제안한다. 제안된 방법론 은 거대 언어 모델 기반 데이터 추출, BERTopic을 활용한 계층적 토픽 모델링을 통한 기술 구 조 구축, 그리고 Prophet 모델과 boston consulting group(BCG) 매트릭스 변용을 통한 미래 성장 잠재력 예측 및 기술 유형을 자동 분류(부상, 성장, 성숙, 쇠퇴)하는 절차로 구성된다. 이 연구 는 데이터 기반의 객관적인 기술 탐색과 미래 예측을 통한 선제적 R&D 전략 수립의 기틀을 마련하고 급변하는 기술 환경에서 효과적인 R&D 전략 수립을 위한 이론적 토대를 제공할 수 있을 것으로 기대된다.
목차
요약 ABSTRACT Ⅰ. 연구의 배경 및 목적 Ⅱ. 이론적 배경 및 선행 연구 고찰 1. 계량서지학 기반의 기술 트렌드 분석 2. 학술 문헌의 선행 지표로서의 가치와 기술 예측에서의 역할 3. 개방형 학술 데이터베이스: OpenAlex 4. 심층신경망을 이용한 토픽 모델링: BERTopic 5. 융복합 기술 분야 분석을 위한 광범위 범주 설정의 필요성 Ⅲ. 기술 트렌드 분석 방법론 개발 1. 데이터 수집 및 모빌리티 분야 필터링 2. 계층적 토픽 모델링 3. 미래성장 잠재력 예측을 통한 기술 트렌드 분류 Ⅳ. 결론 및 향후 연구과제 1. 연구의 학술적 기여 2. 정책 및 R&D 의사결정에의 실무 적용 방안 3. 연구의 한계 및 향후 연구 방향 ACKNOWLEDGEMENTS REFERENCES
키워드
모빌리티 분야기술 트렌드오픈알렉스거대언어모형클러스터링Mobility FieldTechnology TrendsOpenAlexLarge Language ModelClustering