KCI등재
딥러닝을 활용한 정부 R&D 기업지원효과 예측 분석 = Predictive Analysis of the Impact of Corporate R&D Support Using Deep Learning
저자
발행기관
학술지명
권호사항
발행연도
2020
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
20-41(22쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
We explored the possibility of developing a deep learning model that predicts the effects of enterprise support based on national R&D project information and company information. As a result of applying the deep learning model, it was found that the deep learning has a performance characteristic that can contribute to improve the accuracy of proper company selection. When the policy effect is divided into positive and negative, it has a prediction accuracy of 60% ~ 77% based on test data not used for learning. As a result of this study, the R&D beneficiary selection model based on the deep learning technique has high operability and application necessity
더보기정부 R&D 지원은 수혜기업의 평균적인 매출액 증가, 고용 증가, R&D 투자 증가 등에 있어 긍정적인 정책효과를가져오는 것으로 알려져 있다. 하지만 개별 기업 단위에서 살펴보면 기업의 특성에 따라 그 효과는 유의하지 않거나부(-)의 효과를 가지기도 한다. 즉, 기업 특성에 따른 수혜효과의 이질성이 나타나게 된다. 이러한 측면에서 각 기업지원에 대한 개별적 사전적 예측의 필요성이 제기되고 있다.
본 연구에서는 국가연구개발사업 정보와 기업 정보를 바탕으로 기업지원 효과에 대해 사전 예측하는 딥러닝 모형의개발 가능성을 탐색하였다. 먼저 PSM 방법론을 활용하여 정부 R&D 미수혜기업 대비 수혜기업의 매출액, R&D투자, 고용 지표에 대한 정책효과를 산출하였으며, 이 분석 결과를 기반으로 딥러닝 모형을 학습시켜 기업지원 효과를예측하는 모형을 구현하였다.
딥러닝 모형의 예측 성능 및 특징을 분석한 결과, 딥러닝 모형은 적절한 수혜기업 선정에 기여할 수 있는 성능 특성을 가진 것으로 나타났다. 정책효과를 양수와 음수로 구분하였을 때 테스트 데이터셋을 기준으로 60%~77% 가량의 예측 정확도를 가지는 것으로 나타났다. 로짓모형을 통한 분석과 비교하였을 때 예측 정확도 면에서 향상되었음을 확인하였다. 또한, 긍정편향적 예측 특성이 크게 개선되었으며 보다 넓은 기업군에 대해 예측을 수행 가능 한 것으로 나타났다. 딥러닝에 기반한 R&D 수혜기업 선정 모형은 적용 가능성과 효용성이 높다는 측면에서 향후 효율적이고 객관적인 선정 평가에 기여할 수 있을 것으로 보인다.
분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2009-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2008-01-01 | 평가 | 등재후보학술지 유지 (등재후보2차) | KCI후보 |
2007-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2006-01-01 | 평가 | 등재후보학술지 유지 (등재후보1차) | KCI후보 |
2005-01-01 | 평가 | 등재후보학술지 유지 (등재후보1차) | KCI후보 |
2003-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.31 | 1.31 | 1.14 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.21 | 1.2 | 1.278 | 0.16 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)