【 배경 및 목표의 개요 】현재진행형인 디지털 대전환(digital great transformation)과 뉴노멀(new normal)이 실제로 어떻게 전개되고 있으며 누구에게 어떠한 영향을 미치는지를 파악하는 것은, 기술과 비즈니스 환경 변화에 따른 사회·경제의 진화를 이해하고 적절하게 대응하기 위해 중요하다. 이는 우리의 삶의 큰 틀을 결정하는 문제이...

O 1차년도 : 4차 산업혁명의 정의와 범위를 규정하고 미시적 관점에서의 생산방식의 변화에 대한 이론을 정립 - 4차 산업혁명을 플랫폼기반 서비스화(platform-based servicification)로 정의하고 이에 따른 비즈니스모델 변화를 다면플랫폼(multi-sided platform) 이론을 중심으로 수리적으로 개념화함으로써 몇 가지 대표적 생태계 유형(typological motifs)을 발굴한다. [ 수학적 특징 ] 유형별 모티브는 네트워크 아키텍처(network architecture)에서 차별화된 대수적 특징(예: graph topology가 다름 -- star형 vs. mesh형 등)을 보인다. 또한 각각의 유형은 게임이론(game theory) 측면에서 그 구조가 다르며(예: Cournot-Nash형 vs. Stackelberg형 등) 서로 다른 균형을 낳는다. O 2차년도 : 기존 산업경제시스템의 투입산출(IO) 모형을 4차 산업혁명의 특징(1차년도의 연구결과물)에 맞추어 거시적으로 재구성(reconfiguration)하는 수리모형(프레임워크) 개발 - 기존 IO 모형은 실질적으로 산업경제시스템의 자원 흐름과 비즈니스 거래를 행렬로 정리한 것으로(IO 행렬), 이 행렬로부터 4차 산업혁명의 미시적 특징을 정리한 1차년도 연구결과를 반영한 거시적 가치흐름(macroscopic core value flows)을 추출하여 IO 행렬을 재구성한다. 그 결과를 구조적 측면에서 보면 계층적 네트워크로 표현할 수 있기 때문에 "IO-네트워크 모형"으로 부른다. [ 수학적 특징 ] 기존 IO 모형으로부터 IO-네트워크 모형을 도출하는 과정은, 前 단계 연구결과에 의한 제약조건(constraints)하에서 행렬 분해(matrix factorization)에 관한 최적화(optimization) 모형을 구축하는 것이다. 최적화 문제의 알고리즘을 개발하고 그 결과를 정리하는 과정에서 네트워크이론(complex and social network theory)을 활용한다. O 3차년도 : IO-네트워크 모형의 구조적/행태적 특징과 성과를 드러내는 정량지표를 개발하고, 실증 분석을 통해 OECD 국가 간 4차 산업혁명의 파급효과와 성과를 비교/분석함으로써 향후 개선을 위한 이론적 근거를 제공 - IO-네트워크 모형에 내포된 구조적/행태적 특징(structural and behavioral properties)과, 일자리 창출, 생산성, 복원성(resilience)과 같은 성과척도(performance measures)를 측정하는 정량지표(quantitative indices)를 개발한다. OECD 국가의 데이터에 IO-네트워크 모형을 적용함으로써 국가 간 구조, 행태, 성과의 차이를 실증적으로 비교/분석(empirical tests)한다. 구조적/행태적 특성과 성과 간의 상관관계를 탐색함으로써 성과 개선의 이론적 근거를 제공한다. [ 수학적 특징 ] IO-네트워크 모형의 핵심인 구조화된 네트워크형 행렬의 특징(예: eigensystem)으로부터 구조적 특징을 포착하는 정량지표를 산출한다. 또한 IO-네트워크 모형의 핵심 구조와 자원 흐름을 중심으로 심층적으로 집계(aggregation)하면 좀 더 축약된 형태(reduced form)의 stock-flow 시스템으로 요약할 수 있다. 이는 Finn과 Hannon 등이 생태계 묘사를 위해 IO 방법론을 적용한 뒤 연립미분방정식체계(simultaneous differential equation system)를 도출하는 접근법을 응용하는 것이다. 이로부터 행태와 성과를 위한 정량지표를 산출하고 동태적 IO-네트워크 모형을 구축한다. OECD 국가의 IO 데이터를 활용한 실증 분석과 구조적/행태적 특성과 성과 간의 상관관계의 탐색은 일반적인 통계 분석과 더불어 DEA(Data Envelopment Analysis) 혹은 SFA(Stochastic Frontier Analysis)을 적용한다.