제1장 서 론
1. 연구의 배경과 목표
□ 연구의 배경
○ 과학기술정보통신부는 범부처 연구지원시스템 통합을 추진하고 있는 상황
- 범부처 연구지원시스템 통합은 연구자 중심 연구환경 구현, 연구행정 개선 및 R&D 효율성 제고를 목적으로 추진 중 위해 부처・기관별로 별도 운영 중
- 연구비 관리 분야는 2019년 9월 이미 통합 시스템이 개통되었고, 연구자 정보 통합은 2020년, 과제지원 시스템 통합은 2021년으로 계획되어 있는 상황
○ 데이터 기반 연구개발 관리 혁신 방안을 선제적으로 연구하여 범부처 연구지원시스템 통합의 효과 극대화 정책방안 마련 필요
- 범부처 연구지원시스템 통합이 연구개발 관리와 과학기술 정보의 수집/축적/활용 방식을 근본적으로 변화시키기 위해서는 정책적 기반의 형성이 중요
- 특히, 과학기술 관련 정보와 통계 데이터를 정비・확장하고, 연구개발 관리에 있어 데이터 기반 의사결정이 본격적으로 이뤄질 수 있도록 하는 국가 정책적 지원체계의 마련이 시급한 상황
□ 연구의 목표
○ 본 연구의 연구목표는 다음과 같음
- 첫째, 디지털 전환 시대 연구개발 관리 시스템 통합을 계기로 한, 데이터 기반 연구개발 관리 가능성을 탐색하고 이론 및 방법론을 정리
- 둘째, 데이터 기반 연구개발 관리 혁신 방안을 마련
○ 이러한 연구 목표를 전제로, 다음과 같은 몇 가지 연구 질문에 답하고자 함
데이터 기반 연구개발 관리 체계는 가능한가?
데이터 기반 연구개발 관리 체계는 R&D 효과성 제고에 어떻게 기여할 수 있는가?
데이터 기반 연구개발 관리 혁신 방안은 무엇인가?
□ 연구의 구성
○ 주요 연구 내용은 다음과 같이 구성함
- 첫째, 데이터 기반 연구개발 관리의 의의
- 둘째, 연구개발 관리의 디지털 전환을 위한 데이터 인프라 구축 방안
- 셋째, R&D 과정 전주기에 걸친 데이터 기반 연구개발 관리 혁신 방안
2. 선행연구
□ 등장 배경
○ 데이터가 연구개발 및 과학기술정책이 강조되는 배경은 크게 두 가지 관점으로 요약
- 첫째, 근거기반 과학기술정책(evidence-based science and technology policy) 혹은 과학기술정책의 과학화(science of science policy)의 흐름
․ ‘과학정책의 과학화’는 2005년 AAAS(미국과학진흥협회) 포럼에서 미국 대통령 과학자문관이었던 Dr. John H. Marburger의 연설에서 비롯
- 둘째, 4차 산업혁명과 빅데이터 강조의 관점
․ OECD에서 2013년 Data-driven Innovation을 발표
□ 해외동향
○ 증거기반 정책수립, 데이터 기반의 R&D 관리 방식, 데이터 연계를 통한 새로운 정책연구가 가능해질 것으로 전망
- 향후, 행정데이터의 활용으로 정책 평가의 영역이 강화될 수 있을 것임을 강조
□ 국내동향
○ 국내에서는 주로 국가연구개발사업 관리 및 정부R&D 투자 효과를 중심으로 데이터 활용 방안 논의 중
- 최근 연구관리시스템 통합을 추진하면서, 연구관리시스템 뿐만 아니라 국가연구개발사업 기획 및 평가방식 전반에 대한 문제점을 논의하고 데이터를 접목하여 해결방안을 모색
- 데이터 연계를 통한 정부R&D 투자 효과성 실증연구 확산
□ 시사점
○ 국가연구개발사업 및 R&D 전반과 관련된 여러 시스템 및 DB에 축적된 데이터
- 국가연구개발사업의 관리시스템을 개선하기 위한 목적으로 데이터 통합 및 연계 등이 논의되고 있는 상황
- NTIS 등 다양한 R&D 데이터까지 연계하여 실증 정책연구 확산
3. ‘데이터 기반 연구개발 관리 체계’의 비전과 연구의 틀
□ ‘데이터 플랫폼’ 개념의 제시
○ R&D 생태계의 행위자들이 활동할 수 있는 데이터 플랫폼은 연구개발 관리 데이터뿐만 아니라 더 광범위한 과학기술 정보통계를 종합 정비・축적함으로써 구축 가능
[그림 1] 데이터 플랫폼의 개념
- 데이터 플랫폼은 그 사용자(user)들인 연구자(지식 공급자), 관리기관, 기업과 국민(지식 수요자)이 마음껏 지식을 창출
- 나아가 자격 있는 연구팀을 지원하고 지식을 찾아 활용하고, 원하는 연구자를 찾아 계약 연구를 의뢰할 수 있는 마당 역할을 수행
□ 국가 데이터 플랫폼 발전 방향
○ 국가 데이터 플랫폼의 구성 요소가 현재(통합 연구지원시스템)보다 확장되면 사용자의 니즈를 더 잘 충족시킬 수 있을 것
- 전문기관 등의 플랫폼 관리자는 데이터 기반 연구개발 관리를 통해 효율성을 제고
- 정책 담당자와 데이터 분석가는 데이터 기반 심층 분석을 다층적으로 수행할 수 있고 증거기반 정책 수립 가능
- 연구자와 연구기관 등 지식 공급자는 연구자 중심 관리 체계 확립을 통해 행정 부담을 획기적으로 완화
- 지식 수요자는 과제 정보와 문서화된 성과정보(논문, 특허 등) 탐색을 효율적으로 할 수 있고 보다 중요한 암묵적 지식(연구자 및 연구그룹 정보) 탐색도 가능
[그림 2] 데이터 플랫폼 발전 방향
□ R&D 과정 전주기별 데이터 기반 연구개발 관리 혁신 연구의 틀
○ ‘국가 과학기술 데이터 플랫폼’ 구축과 과학기술혁신정책 의사결정과 관리 체계마련이라고 하는 비전을 고려하되, 정부의 정책 수요에 부응하기 위해 현장 지향적 연구 수행
○ 이를 위해, 연구개발 주기별로 시스템(현재는 데이터 기반 연구개발 관리 시스템, 미래에는 국가 과학기술 데이터 플랫폼) 사용자의 니즈를 파악
- 연구개발 주기는 기획/선정/수행/성과평가/성과활용 전주기를 의미
- 사용자는 지식 수요자, 지식 공급자, 플랫폼 관리자, 데이터 분석가를 의미
- 사용자의 니즈에 따라 데이터 기반 의사결정과 관리 체계가 어떻게 발전하면 좋을지 정책 과제를 도출
- 정책 과제가 구현되기 위한 데이터 기반(infrastructure)은 무엇인지도 구체적으로 제시
제2장 연구개발 관리의 운영 현황과 문제
1. 연구개발 관리의 일반 현황
□ R&D관리 단계의 구성
○ 우리나라 각 부처에서는 소관 R&D 사업계획을 수립하고, 출연하거나 연구관리 전문기관 등에 위탁하여 소관 R&D 사업과제를 공모・선정・추진・평가하는 관리업무를 수행
- 연구관리 전문가관은 부처의 연구개발 사업기획을 지원하고, 과제기획의 선정 및 평가업무를 수행하며, 연구비의 집행 및 정산 업무와 함께 감사 기능도 담당
○ 국가연구개발사업 연구관리 표준매뉴얼(2020.1.)에는 정부R&D사업 연구관리 전반에 관한 공통사항과 전주기 R&D과정에 대한 표준적인 가이드라인을 제공
- 이 가이드라인에서는 ‘사전조사 및 기획 → 공고 및 신청 → 과제선정 → 과제협약 → 연구비 지급 및 관리 → 결과 보고・평가 및 사업 실적 보고・정산 → 성과의 소유 및 활용촉진 → 기술료 징수 및 사용’ 순으로 구성된 총 여덟 가지의 프로세스를 정의
□ R&D관리 시스템 현황
○ 현재 각 부처 산하 전문기관들은 R&D사업 관리를 위해 공동관리규정에 준하되 기관별로 세부규정을 정하여 시스템을 운영 중
- 총 53개의 전문기관별 R&D관리 시스템 지원기능 현황을 분석한 결과, 한국에너지기술평가원(46개, 86.8%), 정보통신기술진흥센터・한국보건산업진흥원(45개, 84.9%), 한국산업기술진흥원(44개, 83.0%)이 연구관리시스템을 많이 활용하는 것으로 나타남
- 반면, 국립문화재연구소(17개, 32.1%), 한국원자력안전재단(18개, 34.0%), 국립재난안전연구원(19개, 32.1%)은 상대적으로 낮은 시스템 활용 비중을 보임
○ 연구관리전문기관들은 전반적으로 사업(과제)기획 단계부터 성과물관리에 이르기까지 전산 시스템을 활용하여 전주기 연구관리 중인 상황
- 반면, 과제 최종선정 이전에 수행하는 개념평가 활동은 다른 활동들에 비해 시스템을 활용하지 않는 것으로 나타남
- 또한 사후관리 중 납부변경신청접수, 어음관리, 금융관리, 문제과제관리를 위한 전산화 기반 활동이 다소 부족
- 연구자(회원)관리에 있어서 주민등록번호 수집/관리와 같이 민감한 개인정보에 대한 관리는 상당수 전문기관들이 다루지 않는 것으로 나타남
- 성과물 관리 측면에서 환경, 보건, 농림, 재난 영역에 해당하는 전문기관들은 보고서 등 기본성과물과 더불어 화합물, 생명자원(생물자원, 생명정보), 신품종(신품종식물, 신품종 정보)을 추가적인 관리대상으로 다루고 있는 상황
2. 전문기관 연구개발 관리 사례
□ 한국산업기술평가관리원(KEIT)
○ 한국산업기술평가관리원(KEIT)은 산업기술혁신사업을 대상으로 R&D관리를 수행
- 산업기술혁신사업은 ‘산업, 에너지・자원 분야의 기술혁신을 촉진하기 위하여 정부 및 기술혁신주체 등이 참여하여 추진하는 사업’을 의미
○ 2019년 12월 기준으로, 동 기관의 지원사업은 70개로 구성되어 있으며, 총 사업비는 16,109.92억 원 규모
- 지원사업 중 창의산업, 소재부품산업, 시스템산업으로 구성된 산업핵심기술개발(11,725.86억 원, 72.8%)이 과반수 이상을 차지하고 있는 것으로 나타남
- 이 외에, 미래성장동력기술개발(954.92억 원, 5.9%)과 공공기술개발(1,058.59억 원, 6.6%)이 12.5%를 차지하고 있으며, 기타 개별 사업들로 나타남
□ 한국연구재단(NRF)
○ 한국연구재단(NRF)은 2009년에 한국과학재단,한국학술진흥재단,국제과학기술협력재단 3개 기관이 통합되어 신설된 국가기초연구관리 전문기관
○ 2020년 예산을 기준으로, 한국연구재단은 연구개발 사업(4조 2,382억 원, 60%), 연구진흥 및 기반구축 사업(8,657억 원, 12.2%), 인력양성 사업(1조 7,221억 원, 24.4%), 국제협력 사업(739억 원, 1.0%)에 7조 692억 원을 투입
- 2020년도 연간 사업일정에 따르면, 총 19개 프로그램, 58개 단위사업, 141개 세부사업, 263개 세세부사업을 지원 및 관리하는 것으로 나타남
- 한편, 한국연구재단은 2020년 4월부터 국가연구개발사업 공고・진행 및 관련 사항을 회원연구자들에게 제공하는 스마트폰 모바일 앱 ‘NRF사업공고20’ 서비스를 시작
3. 현행 연구개발 관리의 문제
□ 전문기관별 상이한 연구지원시스템 운영
○ 현행 국가연구개발 지원시스템은 시스템 관리 미흡과 전문기관 간 유기적인 협업에 한계를 보이고 있어 정보공유의 제한이 많아 연구자뿐만 아니라 관리자에게도 불편을 야기하는 상황
- 특히, 관리자 입장에서 제한적인 정보공유와 타기관과의 제약적 협업은 기관 간 국가연구개발관리 수준과 역량의 차이를 심화시켜 국가연구개발사업 및 과제 추진의 비효율성을 초래
□ 실질적인 관리규정 지침 표준화 미흡
○ 공동관리규정을 토대로 부처 간 관리방안의 통일성을 제고하는 노력을 하고 있으나, 17개 부・처청・에서는 국가연구개발관리와 관련하여 173개의 법령・훈령・고시・지침을 활용하고 있고, 국가연구개발관리 시 실제 활용되는 절차, 서식, 기준이 과도하게 많으며 포맷이 상이
- 부처별 서식은 평균 18개이며, 서류는 평균 42개로 조사된다. 또한 법・규정과 관련하여 식약처・농진청・방사청(2018년 기준)은 사업관리방법, 성과물 소유 등 동일한 의미와 내용에 대해서도 각기 규정마다 다른 용어를 사용 중
□ 연구자의 행정낭비와 정보입력 오류의 상존
○ 과학기술정보통신부・한국과학기술기획평가원(2019)의 연구자 인식조사 결과에 따르면, 중복기재사항이 많아 양식에 따라 정보를 입력하는 데 시간이 많이 소요되는 것으로 나타남
- 용어 설명의 부족과 연구비 집행 종이 영수증 제출 등 행정적 대응에 어려움이 여전히 존재하며, 기관별 서식과 제출서류의 차이가 연구자 입장에서 혼란을 야기
□ 통합시스템 전환에 따른 기회비용 발생 및 데이터 손망실
○ 정부는 통합시스템을 개발・적용하고자 하나, 향후 발생할 문제들이 여전히 존재
- 새로운 메뉴 구성, 기능의 추가 및 변경, 기능 간 통폐합 등에 따라 연구자들이 익숙해지는 데 시간이 소요될 것으로 예상
- 새로운 통합시스템의 출현은 데이터의 손망실 문제로 연결될 가능성 존재
□ 통합시스템 운영을 위한 사전준비 및 계획 미흡
○ 전문기관 소속의 사업관리 담당자들은 향후 활용할 통합시스템의 기능・구성・운영 등에 대한 기본적인 내용을 인지하고 있지 못한 상황
- 이로 인해 당초 통합시스템 개발의 취지와는 달리 사업관리 활동의 분산을 초래할 소지가 있어 이원화 등의 운영・관리 문제에 봉착할 가능성 존재
제3장 데이터 기반 연구개발 관리의 법제도 현황
1. 공동관리규정과 국가연구개발혁신법
□ 공동관리규정
○ 공동관리규정은 2001년 과학기술기본법 제11조의 규정에 의한 국가연구개발사업의 기획・평가 및 관리에 관하여 필요한 사항을 규정하기 위해 처음으로 제정
- 공동관리규정의 제・개정은 국가연구개발사업 관리에 있어서 발생하는 다양한 미비점들을 보완하기 위해 실시(2020년 3월까지 39차례 개정)
□ 국가연구개발혁신법
○ 공동관리규정은 2018년 12월에 발의되어 최근 국회 본회의를 통과(2020. 5. 20.)한 ‘국가연구개발혁신법(시행 2021. 1. 1.)’에 귀속될 예정
- ‘국가연구개발혁신법’은 4차 산업혁명 시대를 선도하기 위해 국가연구개발체제의 근본적인 체질 개선과 혁신을 모색하는 등 보다 도전적이고 혁신적인 연구개발을 추구함과 동시에 연구자 중심의 자율적이고 안정적인 연구 환경을 조성하기 위해 제정된 법률
2. R&D 프로세스별 데이터 기반 연구개발 관리 법제도 현황
□ 현행법상 국가연구개발 관리 프로세스
○ 국가연구개발사업은 중앙행정기관이 법령에 근거하여 연구개발을 위하여 예산 또는 기금으로 지원하는 사업을 의미(공동관리규정 제2조 1호 및 국가연구개발혁신법 제2조 1호)
- 현행법상 국가연구개발사업의 기획, 관리, 평가 및 활용 등은 모두 명확한 법적 관리의 대상
□ 국가연구개발 관리 프로세스별 조문 개정연혁 검토
○ (기획) 2001년 공동관리규정이 제정된 이후, 국가연구개발 기획 관련 주요 개정내용 중에서 데이터의 수집 및 활용과 관련된 사항은 6건에 해당
- 국가연구개발 과제의 기획에 있어 데이터는 사전조사와 기획연구의 적시성 확보를 위한 동향파악 자료확보와 연구과제의 공고 및 신청시 연구책임자와 참여자의 실적 확보 측면에서 주로 다루어져 온 것으로 파악
○ (선정) 2001년 공동관리규정이 제정된 이후, 국가연구개발 선정 관련 주요 개정내용 중에서 데이터의 수집 및 활용과 관련된 사항은 5건에 해당
- 국가연구개발 과제의 선정에 있어 데이터는 연구개발과제 선정시 연구자의 기존 실적, 역량을 검증하기 위한 부분과 연구개발과제의 중복성 검토 측면에서 다루어져 온 것으로 확인
○ (협약) 2001년 공동관리규정이 제정된 이후, 국가연구개발 협약 관련 주요 개정내용 중에서 데이터의 수집 및 활용과 관련된 사항은 5건에 해당
- 국가연구개발 과제 협약에 있어 데이터는 협약 체결 정보의 표준화 차원에서 주로 다루어져 온 것으로 확인
○ (지급 및 관리) 2001년 공동관리규정이 제정된 이후, 국가연구개발비의 지급 및 관리 관련 주요 개정내용 중에서 데이터의 수집 및 활용과 관련된 사항은 7건에 해당
- 국가연구개발비의 지급 및 관리에 있어 데이터는 연구비 자체의 관리에 중점을 두고 제도를 마련해 왔으나 차츰 연구행정 전반에 대한 관리를 포괄하는 형태로 발전하였다는 점과 연구비관리 우수기관 지정제도(2008)가 연구관리 우수제도(2012)에서 연구비 관리체계 평가제도(2015)로 다시 변경되었다고 하는 연역적 시사점 도출 가능
○ (성과의 평가 및 활용) 2001년 공동관리규정이 제정된 이후, 국가연구개발사업 성과의 평가 및 활용 관련 주요 개정내용 중에서 데이터의 수집 및 활용과 관련된 사항은 15건에 해당
- 국가연구개발사업 성과의 평가 및 활용에 있어 데이터는 연구개발성과평가, 연구개발정보의 관리, 연구성과 관리・유통의 기반 마련 등의 영역에서 중요성을 지니고 강조되어 왔음을 확인
제4장 데이터 기반 R&D 기획 혁신 방안
□ 연구개발 기획
○ 연구개발 기획의 개념
- 연구개발 기획은 연구개발의 목표를 달성하기 위해서 효율적인 수단을 모색・준비하여 연구개발 활동으로 구체화되는 과정으로 정의
○ 연구개발 기획 개념의 변화
- 1세대 연구개발(1950-1960) 시기에는 연구 관리 혹은 기술 경영이라는 개념이 거의 없던 시기라서 연구개발 기획 또한 독자적인 기능으로 자리하지 못함
- 2세대 연구개발(1970-1980) 시기에는 기획 또한 과제 중심으로 이루어졌음
- 3세대 연구개발(1990년대) 시기, 본격적인 기술경영 시대가 문을 열면서 조직 차원에서의 사업 전략이 추진되었고, 기획은 사업을 중심으로 수행
- 4세대 연구개발(2000년대) 이후는 급진적 혁신경영의 시대로서 기회 포착과 위기관리가 더욱 강조되고 있는 상황
□ 연구개발 기획의 주요 방법론
○ 연구개발 기획에 활용되는 방법은 정성적 방법(Qualitative Method)과 정량적 방법(Quantitative Method)크게 두 가지로 구분
- 정성적 방법은 주로 관련 분야의 전문가들로부터 의견을 수렴하여 이들의 경험과 직관을 바탕으로 결과를 추정
- 정량적 방법은 과거 데이터에 통계적 기법을 적용하여 현재의 트렌드를 확인하거나 과거의 현상이 미래에도 지속될 것이라는 가정으로 규칙성을 재조정
○ 실제 연구개발 기획에는 정량적 방법과 정성적 방법을 혼합하여 두 방법의 단점을 보완하는 방식이 주로 활용
- (혼합방식의 예) 기술로드맵, 델파이(Delphi), 기술수명주기(Technology Life Cycle), 교차영향분석(Cross Impact Analysis) 등
□ 기존 연구개발 기획의 한계
○ 기획 과정에서 부처 간에 이해관계 충돌, 전문가들이 자신들의 영역을 지나치게 강조한 나머지 전체 사업의 방향을 훼손, 기획기간 및 비용의 증가와 예산 부족 등의 문제를 지적
○ 과학지도, 기술로드맵, 미래전망 등 미래 사회와 과학기술에 대한 다양한 시도가 진행되고 있음에도 그 방식은 여전히 소수 전문가들의 지식과 경험에 크게 의존
- 데이터 기반의 기획 활동은 학술적 논의에 머물러 있거나 소규모 사업에만 적용되어 왔음을 확인
○ 데이터 기반 연구개발 기획에는 주로 논문이나 특허가 활용 중
- 이들 데이터는 학술 및 기술 동향을 반영한다는 측면에서 의미가 있으나 연구개발의 최신성을 나타내기에 한계 존재
○ 일반적인 연구개발 기획이 단순히 학술적・기술적 수준 향상을 목표로 하는 과거의 방식으로 수행된다는 점도 한계로 지적
- 시장이나 사회적 수요 보다 기술 자체의 중요성을 강조한 나머지 우리나라의 연구개발 기획이 모방단계 기획에 머물러 있는 상황
○ 현재의 연구개발 기획은 일회성에 머물러 있어 과학기술의 발전이나 경제・사회적인 환경 변화에 따라 기획을 수정 혹은 보완하려는 노력이 부족
- 과거 비상시적이고 일회적이었던 국가과학기술지도(NTRM)나 차세대 성장동력 등 국가에서 추진했던 기획의 한계점 인식
- 현재 미래유망기술 상시 발굴 시스템은 엄밀하게 상시 발굴이라기보다는 1년을 주기로 유망기술을 발굴하는 시스템
○ 어떤 유형의 연구개발 기획에서 가용한 데이터와 방법이 무엇인지에 대해서 구체적인 논의가 진행되지는 않고 있는 상황
- 데이터를 기반으로 한 연구개발 기획이라도 기획의 대상이 중장기적으로 추진할 사업인지 혹은 단기간에 수행할 과제인지에 따라 요구하는 데이터의 종류가 상이
○ 데이터 기반의 연구개발 기획에 대한 개념 정의나 일관된 방법론이 정의되어 있지 않아 활용에 어려움
- 데이터 분석의 결과를 국가연구개발사업 기획 과정에 반영하는 규정이 제대로 갖추어지지 않은 상황
□ 데이터 기반의 연구개발 기획의 향후 추진과제
○ 첫째, 국가연구개발 사업에 활용될 다양한 출처의 데이터를 통합・제공하는 플랫폼을 구축할 필요
- 데이터 기반의 연구개발 기획에 필요한 데이터의 종류가 관련 정부정책, 시장, 규제, 고용 정보 등으로 점차 다양해지고 있기 때문
○ 둘째, 과거 산발적・비상시적으로 수행되었던 데이터 기반 과학기술 모니터링 활동을 경제사회 시스템과 연동된 과학기술 시스템으로 대상을 확대하여 상시적 모니터링을 수행하도록 신생 이슈 탐색 시스템을 구축할 필요
- 환경 변화를 신속하게 감지하여 기존의 연구개발 계획을 수정하고, 경제사회적 기대에 부응하는 연구를 지속적으로 발굴할 필요
○ 셋째, 연구개발 기획단계에서 수행된 기술수요조사 결과와 연구신청서를 전담 분석하는 조직인 ‘BERA(Big-data based Early-stage R&D Analysis) 센터(가칭)’ 신설・운영을 제안
- 이 조직은 PMS에 집결될 R&D 수행 부처의 기술수요조사 결과와 연구신청서를 분석하여 연구 현장의 R&D 수요가 신규 사업이나 과제로 신속하게 연계되고, 중복 기획을 방지하는 역할 수행
○ 넷째, 연구자 수준에서 데이터 기반 연구개발 기획을 활성화하기 위한 목적에서 정보 및 연구기획 컨설팅 서비스를 강화
- 정부는 연구자 스스로가 데이터 기반으로 연구개발을 기획할 수 있도록 분석 가이드라인을 배포하고 표준분석 모델을 제공
제5장 데이터 기반 R&D 과제 선정 및 수행 혁신
□ 현재의 R&D 과제 선정 절차
○ 연구계획서 접수 및 평가패널 구성
- 사업공고가 이루어지면 연구자들은 사업공고 내용에 따라 연구계획서를 온라인으로 제출하게 되고, 온라인 제출은 연구자들이 주어진 양식에 따라 작성한 연구계획서를 연구재단의 e-R&D시스템에 업로드 함으로써 완료
○ R&D 과제 선정 평가
- 평가 방법은 평가형태에 따라 다음과 같이 구분
<표 1> 평가방법의 정의
평가형태
내 용
서면평가(온라인 포함)
연구계획서・보고서 등 제출된 자료에 기술된 내용을 바탕으로 개별적으로 평가
토론평가
연구계획서・보고서 등 제출된 자료에 대하여 전담평가위원의 과제 검토결과 발표 후, 평가위원 간 질의・토론으로 평가
발표평가
연구계획서・보고서 등 제출된 자료와 연구과제 책임자의 발표를 바탕으로 질의 답변 및 평가위원 간 토의 등을 통하여 종합적으로 평가
현장평가
연구현장 확인이 필요한 경우, 현장을 방문하여 점검・평가
□ R&D 과제 선정 시의 문제점
○ 평가자 선정을 위한 기준을 국가가 제시하고 있음에도 불구하고 R&D 과제 평가에 대한 불만은 늘 제기되고 있는 실정
- 2020년 차세대 한림원 회원 75명을 대상으로 설문조사를 실시한 결과, 상피제도로 인한 평가위원 구성의 전문성 저하를 응답자의 절반 이상이 문제로 지적(42명, 56%)
- 평가자의 전문성을 높이기 위해 동일 기관(대학 및 연구소) 소속이더라도 학과나 연구조직이 다르면 평가에 참여할 수 있는 길은 열어놓았지만, 이를 실제로 적용하기 위해서는 평가의 공정성을 확보할 수 있는 방안이 모색되어야 할 필요
□ 빅데이터 플랫폼 구축의 필요성
○ 현행 DB/시스템의 한계 극복을 위해 빅데이터 플랫폼으로의 발전 필요
- (현행 DB/시스템의 한계) ① 각 기관의 특성을 반영하여 구축된 관계로 과제관리시스템은 각각 상이한 구조와 방식으로 운영되고 있는 실정, ② DB/시스템의 구축이 2000년 이후에 본격적으로 이루어졌지만 DB/시스템을 구축할 당시에는 대부분 연구인력정보, 연구비관리시스템, 과제관리시스템을 각각 독립적으로 구축하여 해당 목적으로만 활용
- DB들이 모여 빅데이터 플랫폼으로 발전하기 위해서는 연구자정보와 과제정보, 논문정보, 연구비관리(정산) 정보가 모두 하나의 구조 안에서 상호 연계되어야 가능
□ R&D과제 선정 및 수행 개선방안
○ 빅데이터 플랫폼을 활용한 평가자 선정
- 평가자들의 평가 이력을 빅데이터 플랫폼에 추가하고, 그 과제의 성과 수준(예: 연구성과로 제시된 논문의 피인용수 등)을 종합적으로 파악
○ 경직적 규제의 해소 및 적정 연구활동 지원
- 해당 연구가 한 연구자의 지속적 연구를 위한 내용인지 아니면 다른 연구자의 연구내용을 복사하여 사용하는 것인지 빅테이터를 통해 분석되는 경우 경직적인 규제 해소에 기여
○ 연구수행 및 정산 단계에서의 활용
- 인건비의 경우 타 과제의 수, 이체 금액, 각 과제의 참여율 등의 연관성에 대해 빅데이터 분석을 수행한다면, 부적절한 집행이 이루어지는 패턴을 찾아낼 수 있을 것
□ 데이터 기반 연구개발 혁신을 위한 정책방향
○ 국가연구개발 관리체계 단계별 지능화 전략 마련
- 연구개발과제의 기획・선정・수행 등 일련의 연구과정이 데이터 기반에서 인공지능 기반으로 관리가 지능화되도록 장기 계획을 수립하고 시행
○ R&D 빅데이터 개방 및 활용 생태계 구축
- 범부처 통합연구지원시스템(PMS)의 구축 및 운영을 통해 정부가 확보하게 될 방대한 양의 R&D 기본정보를 민간에서 비즈니스 등으로 활용할 수 있도록 적극 개방할 수 있는 연계 시스템을 마련
○ 첨단기술 활용으로 R&D효율 향상
- 빅데이터 분석기술와 AI 기법을 도입하여 정부의 연구개발 관리 전반에 대한 전문성과 공정성 향상
제6장 데이터 기반 R&D 성과평가 혁신방안
□ 국가 연구개발 성과평가 현황
○ 국가연구개발사업에 있어서 성과평가는 연구개발을 통하여 달성하고자 하는 성과목표 달성도를 성과지표에 따라 평가하는 활동을 의미
- 평가 유형은 과제평가, 사업평가, 기관평가 등으로 구분하고 중앙행정기관, 연구회, 연구기관 등이 실시하는 자체평가와 과학기술정보통신부가 실시하는 특정평가와 상위평가가 있음
- 현행 국가연구개발사업 평가체계에서 정책에 대한 평가는 별도로 존재하지 않으며, 연구개발사업평가 중 사업군(群) 특정평가에서 부분적으로 정책평가를 하고 있는 상황
□ 데이터 기반 성과평가 이슈와 개선과제
○ 현행 성과평가제도 혁신 방향 및 특징
- 평가혁신 방향과 관련하여 제기되는 이슈는 자율성, 전략성, 전문성, 개방성 등 4가지로 요약
<표 2> 국가 R&D 전략방향과 성과평가계획
1차 (06~10)
2차 (11~15)
3차 (16~20)
4차 (21~25)
국가 R&D 전략
R&D 투자의 효율성 제고
평가 방향
성과 중심 평가
(목표・지표)
개방
질적 우수성
연구자중심
평가선진화
자율과 책임
성과창출 역량 제고
핵심
전략
평가
계량・객관화
개방형
자율성
일관성
자율성/전략성
전문성
활용
실효성
정책조정
/예산배분・조정
정책평가 연계・조정
환류체계 개선
(정책・사업・예산)
인프라
구축
맞춤형 평가
강화/네트워크 구축
성과・평가정보 공개
평가위원 전문성・책임성
교육 확대/내실화
평가・성과정보 개방성 확대
인프라 통합・확충
○ 데이터 기반 성과평가 혁신을 위한 성과정보와 평가정보의 생성, 관리 및 유통, 활용 단계별 효율적인 축적과 공유를 위한 국가차원의 평가 플랫폼의 구축・활용 방안을 모색 필요
- 평가실명제, 상피제, 평가의 전문성・자율성, 평가의 수용성 제고 등은 평가위원 관련 정보, 성과 및 평가 관련 정보의 축적 및 공유를 위한 데이터 인프라 구축과 시스템의 성공적인 운영 여부에 따라 좌우될 것이기 때문
○ 평가 유형별・단계별 데이터 관리・활용 이슈
- (과제평가) 평가 결과의 공개 또는 공유와 관련한 규정의 정비 필요
- (사업평가) 사업의 생애주기별로 생산되는 각종 정보를 표준화하고 체계적으로 수집하고 이를 빅데이터화 하여 향후 평가, 예산 배분 및 조정, 신규 사업 기획 등에 활용 필요
- (기관평가) 연구기관이 생산하는 각종 투입, 과정, 성과, 사회적 기여 활동 등의 정보를 보다 체계적으로 수집・활용할 필요
□ 데이터 기반 성과평가 혁신방안
○ 평가 정보의 축적・연계 및 공유 확대
- PMS와 NTIS의 연계를 위한 성과・평가 정보 표준화 및 검증체계를 구축
- 연구・평가 인력, 성과・평가 정보 공유 및 활용에 관한 기준을 마련
○ 평가 결과의 활용 및 환류 체계 구축
- 평가 결과 활용 실적 모니터링 및 정책 환류 시스템 구축
○ 선도형 R&D체계로 전환하기 위한 법률 체계 개선
- 선도형 R&D체계에 부합하는 평가 유형별 기준과 원칙 조정
제7장 데이터 기반 연구성과 활용 혁신 방안
□ 연구성과 관리・활용 현황
○ 연구 성과를 관리하는 입장에서는 모든 절차가 중요하지만 연구 성과를 이용하려는 최종 수요자 입장에서 확인되는 시스템은 주로 파랑색으로 표시된 세 가지 도메인임
[그림 3] 국가 R&D 사업 연구성과 관리・활용 체계 개괄
○ 국가R&D 성과의 관리・활용 현황을 요약하면 다음과 같음
- 첫째, 국가 차원에서 공공재원 투자 대비 성과 창출의 실태를 조사・평가하기 위한 성과정보 수집 및 공개의 절차가 일차적으로 존재
- 둘째, 연구관리 전문기관에서는 6대 성과정보 이외 과제단위 세부 성과정보를 구축・제공하고 있다. 가장 일반적인 활동은 우수한 국가R&D사업 성과를 기관 홈페이를 통해 홍보
- 셋째, 연구성과물 관리・유통 전담기관을 통해 국가R&D사업의 세부 성과를 검색・활용할 수 있다. 논문, 특허, 기술요약정보, 소프트웨어 등의 성과 정보는 개별 전담기관의 포털사이트를 통해 검색・접근가능
□ 연구성과 활용・확산의 핵심 이슈와 문제점
○ 공급자 중심 관리와 성과정보의 연계 부족
- 분산적인 관리체계의 접근성 및 활용도를 높이기 위한 추가적 대책이 필요
○ 이용자 중심 개방형 지원 서비스의 부족
- 기존의 국가 R&D 성과정보를 새로운 민간 기술・서비스와 접목하여 성과 활용의 가능성을 높이려는 노력을 적극 지원할 필요
○ 연구데이터의 공유・활용을 위한 기술적・정책적 기반 부족
- 연구데이터의 생산 및 활용 수요가 계속해서 증가할 것이라 예상되는 상황에서, 연구데이터를 국가 R&D 사업의 성과로서 인정・관리・활용할 수 있는 법・제도적 기반이나 기술적 기반이 약한 현실을 직시하고 관련 대책을 마련할 필요
○ 연구성과 정보의 공개 vs. 보호 기준 불명확
- 데이터3법을 포함하여 변화한 법제 내 존재하는 해석의 불확실성을 고려하여, 개인정보 관련된 공개・활용 가능성을 점검
- 저작권이나 특허, 영업비밀 등의 지식재산 관련 갈등이슈가 없는지 사전적으로 점검・대응
○ 연구성과 공개에 대한 기여자 보상 체계 부족
- 기여자에 대한 보상 구조에 대해 보다 근본적으로 검토할 필요
□ 데이터 기반 연구성과 활용 개선의 방향
○ 수요자 중심 국가R&D사업 성과정보의 연계 제공
- 연구과제 관리 정보(연구기관 보유)와 연구성과에 관한 정보(연구관리 전문기관 보유) 연계 제공
- 연구성과에 관한 정보(연구관리 전문기관 보유)와 연구성과물 정보(연구성과물 관리유통 전담기관) 연계 제공, 동일과제에서 발생한 연구성과물간 정보 연계 등
○ 국가R&D사업의 성과정보와 외부 DB 연계 서비스 활성화
- 국가R&D사업의 성과와 외부 학술・기술적 성과 DB와의 연계 서비스 확대
- 수요자 맞춤형 성과정보 제공서비스 활성화를 위한 민관 협력 강화
○ 국가R&D사업에서 산출된 연구데이터의 접근성 제고
- 국가R&D사업에서 생산된 연구데이터의 관리・공유・활용을 지원하기 위한 법적 근거 마련
- 연구데이터의 체계적 관리와 공유・활용을 촉진하는 디지털 인프라 서비스 활성화
○ 국가 R&D 성과정보와 데이터 이용의 준칙 마련 및 이행
- 데이터 제공 및 이용을 통한 이익 및 책임 배분・설정을 위한 라이선스, 협약・계약의 활성화
- 데이터의 보호 vs. 개방의 균형을 맞춘 이용의 준칙과 실천지침 개발 및 이행
제8장 데이터 기반 연구성과 활용 체계 혁신 방안
□ 데이터 활용을 위한 인프라
○ 활용의 인적 인프라는 기관이 운영하는 연구개발관리 시스템의 수요자인 기관 외부 전문가 그룹을 확보하여 활용하는데 중심
- (데이터 활용의 틀) 데이터의 활용 틀을 예시로 제시하면 다음과 같음
<표 3> 데이터 활용의 틀
데이터
연계
정도
높음
OOO 데이터 +
XXX 데이터 +
*** 데이터 +
△△△ 지표 +
OOO 변화 데이터
OOO 파급효과 분석
데이터기반
OOO 분석 및 전망
낮음
OOO 데이터 +
△△△ 데이터
OOO 현황 분석
OO에 따른
생산성 변화 전망
독립
OOO 데이터,
XXX 데이터,
△△△데이터,
*** 데이터,
OOO 현황
데이터 기반
OO 전망
기초 데이터
분석 데이터
예측 데이터
데이터 가공 정도
□ 데이터 인프라 혁신 방안
○ 활용에 기반한 관리 인프라 구축 및 운영
- 기초데이터를 미리 수집할 수 있도록 연구관리 시스템 구축시 반영하여 분석에 필요한 자료 조사를 최소화하는 것이 필요
[그림 4] 연구관리자 관점의 활용 인프라 구축 및 운영 필요성
○ 데이터 수요자관점의 활용 인프라 구축 및 운영
- 연구관리 데이터 활용과 관련한 현재 상황은 연구관리 시스템에서 제공할 수 있는 기초 데이터가 있으니 이것을 활용할 방법이 있는지 찾아 데이터의 활용도를 높이자는 접근 방식
- 그러나 활용을 실질적으로 높이기 위해서는 데이터 구축 이전에 활용 계획이 먼저 수립
[그림 5] 정책분석가 관점의 활용 인프라 구축 및 운영 필요성
제9장 결론: 데이터기반 연구개발 관리 혁신 정책 과제
□ 분산형 국가과학기술데이터 플랫폼 구축과 단계적 발전
○ 1단계 통합지원시스템은 중앙집중형으로 통합 시스템이 구축되나, 2~3단계에서는 분산형, 협력형 플랫폼으로 발전
[그림 6] 국가과학기술데이터 플랫폼의 단계별 발전
□ 데이터 기반 연구개발관리 혁신의 비전과 정책과제
○ 비전: 국가과학기술데이터 플랫폼 구축을 통한 데이터기반 연구개발관리 혁신
○ [총괄과제 1] 국가과학기술데이터 플랫폼 구축
- 통합지원시스템(P