디지털 리더십의 기원은 Avolio(2000)가 제시한 “E-리더십(e-leadership)”으로부터 시작되었다. Avolio(2000)에 의하면 E-리더십은 첨단정보기술을 통해 개인, 그룹 또는 조직전체에 대한 태도, 감정, 사고, 행동 및 성과에 변화를 가져오는 사회적 영향과정으로 정의하였다. E-리더십은 정보통신기술을 사용하여 대규모 부서 간, 조직 내, 조직간 상호작용과 조직 구성원의 의사소통 및 행동변화에 관심을 두었다(Liu, 2024; Van Wart et al., 2019). 4차 혁명 시대의 흐름에 따라 디지털 기술이 점차 발전하면서 빅데이터, 클라우드 컴퓨팅, 사물인터넷, 블록체인, 인공지능 등 새로운 디지털 기술이 등장하였다(Liu, 2024). 이러한 디지털 기술은 조직 전체의 프로세스 개선 및 혁신과 밀접하게 연결되다 보니 E-리더십의 개념보다 더 넓은 범위로 확장되면서 디지털 리더십으로 통합하게 되었다(Liu, 2024; Ju, 2021).

한편 EI Sawy et al.(2016)은 디지털 리더십을 기업과 비즈니스 과정을 디지털화로 전환하는 과정을 성공적으로 추진하기 위한 리더의 행동으로 정의하였다. 비슷한 맥락에서 Wasono & Furinto(2018)은 디지털 리더십을 리더십 역량과 디지털 역량을 결합하고 디지털 기술의 장점을 사용하여 성과를 높이기 위한 리더의 행동으로 정의하였다. 선행연구들은 디지털 리더십을 리더의 역량과 디지털 문화를 결합하여 기업의 가치를 창출하기 위한 리더의 행동이라고 밝히고 (Mihardjo & Rukmana, 2018; Zeike et al., 2019), 보다 구체적으로 디지털 기술을 사용하여 성과를 창출할 수 있는 기회를 포착하고 전략적 비즈니스 모델을 실행하기 위한 리더의 능력으로 이해할 수 있다고 하였다. Saputra et al.(2021)은 디지털 리더십을 리더가 기업과 종업원들의 성장을 위해 디지털 기술을 사용할 수 있도록 지원하는 리더의 행동으로 간주하였다. 한편 Benitez et al.(2022)은 디지털 리더십을 리더가 가진 디지털 기술, 통 찰력, 비즈니스의 전략 수립 및 실행 능력을 통해 조직을 디지털화로 전환하기 위한 리더의 핵심역량이라고 밝혔다. 학자마다 디지털 리더십의 정의가 다르지만, 종합하여 보면, 디지털 리더십이란 조직을 디지털화로 전환하는 과정에서 명확하고 의미 있는 비전을 창출하고 전략을 실행하기 위해 종업원을 지원하는 리더의 행동이라고 할 수 있겠다(Zhu et al., 2022; Peng, 2021; Oberer & Erkollar, 2018; Larjovuori et al., 2016; Kurubacak, 2006).

디지털 리더십의 특징은 Avolio(2000)가 제시한 E-리더십의 특징으로 부터 시작되었다. Avolio(2000)은 개인이나 조직의 태도, 행동, 감정, 성과에 대해 첨단정보기술을 통해 리드하는 역량을 가져야 한다고 제시하였다. 하지만 기술발전으로 E-리더십의 특징은 더 넒은 범위로 확장되면서 구체적인 디지털 리더십의 개념과 특징을 탐색하려는 시도가 이어지고 있다. 이러한 배경에서, EI Sawy et al.(2016)은 디지털 리더십의 특징으로 디지털 기술을 사용한 전략 수립, 디지털 비즈니스 모델 구축, 디지털 상호작용, 디지털 사고와 디지털 문화 구축을 제시하였다. 비슷한 맥락에서, Benitez et al.(2020)은 디지털 리더십의 특징으로 디지털 역량, 통찰력, 비즈니스 전략 수립, 의사결정, 디지털 사고를 제시하였다. 한편, Wasono & Furinto(2018)은 디지털 리더십의 특징으로 창의성, 지식축적, 글로벌 비전 제시, 민첩성, 사고력을 강조하였고, Zeike et al.(2019)은 디지털 사고, 디지털 역량을 디지털 리더십의 특징으로 제시하였다. 마지막으로 Peng(2021)도 디지털 리더십의 주요특징으로 디지털 사고, 상호작용, 의사결정, 통찰력, 디지털 구현 등을 제시하였다. 지금까지 선행연구를 종합해 보면 디지털 리더십 특징으로 디지털 역량, 비전 제시, 민첩성, 디지털 사고, 통찰력 등으로 나타났다.

선행연구들의 동향을 파악하여 분석하는 과정은 연구자의 주관적 해설과 판단기준에 오류가 내포되어 있으며, 분석하는데 많은 시간이 소요되는 한계가 존재한다(최석봉, 2020; Law & Whittaker, 1992). 이러한 한계점을 극복하기 위해서는 다량의 데이터에서 연구주제를 효과적으로 추출할 수 있는 텍스트 마이닝을 사용한 분석방법이 제안되었다(Egger & Yu, 2020; Li et al., 2019). 텍스트 마이닝을 사용한 분석방법에는 형태소 분석, 오피니언 마이닝(감성분석), 토픽모델링(Topic Modeling) 등이 있다(임영희, 2022; 김성근 외, 2016). 그중 토픽모델링은 NPL(Natural Language Processing)을 통해 키워드를 추출하고, 키워드 간의 연결된 패턴을 식별하는데 효과적인 분석방법으로 연구동향을 체계적으로 파악하는데 주로 사용되고 있다(Egger & Yu, 2022; Hong & Davison, 2010; Guo et al., 2017). 특히, 토픽모델링은 대용량의 키워드로는 주제를 탐색하는 데는 어려움이 있어, 키워드 간에 연결된 네트워크를 형성하고 연관된 키워드 간의 집합을 통해 숨어 있는 주제를 찾는데 효과적이다(강지운 & 이효섭, 2020; 강범일 외, 2013; De Battisiti et al., 2015; 김현식 외, 2014).

토픽모델링의 대표적인 기법으로는 잠재의미 분석(Latent Semantic Analysis, LSA)와 잠재 디리클레할당(Latent Dirichlet Allocation, LDA)이 있다(Albalawi et al., 2020; Deerwester et al., 1990; Blei & Jordan, 2023). LSA 기법은 정형화되지 않는 문장에서 키워드가 동시에 제시되는 빈도를 확인하고, 키워드의 분포를 통해 주제를 추출하는 분석방법이다(Albalawi et al., 2020; Deerwester et al., 1990; 임영희, 2022). 한편, LDA 기법은 정형화되지 않는 문장에서 빈번하게 등장하는 키워드를 추출하고 연결된 패턴을 통해 주제를 추출하는 분석방법이다(강지운 & 이효섭, 2020; Blei, 2012). LDA기법의 토픽모델링은 비정형 데이터에서 키워드를 추출하고 연결된 주제를 도출함으로 결과를 해석하는 과정이 용의한 장점을 가지고 있다(강지운 & 이효섭, 2020; Griffiths & Steyvers, 2004; Blei, 2012).

토픽모델링을 통한 분석방법은 명확히 표준화된 방법론은 없으나 다수의 연구에서 데이터 수집, 데이터 전처러, 빈도분석, 네트워크 분석, 토픽모델링의 절차로 진행되고 있다. 따라서, 첫번째 단계는 데이터 수집단계로 주제와 관련된 논문을 수집하는 과정이다. 두 번째 단계는 데이터 전처리과정으로써 수집된 논문에서 연구주제와 관련된 키워드를 추출하고 정제작업을 통해 연구의 목적을 달성하기 위한 중요한 단계이다. 데이터 전처리과정은 불용어 제거, 형태소 분석, 토큰화, n-gram의 절차로 진행된다(Albalawi et al., 2020; Bird & Loper, 2004). 세번째, 네번째 단계는 TF_IDF 기법을 사용하여 키워드의 빈도 분석과 키워드 네트워크 분석을 통해 핵심 개념과 지식구조를 분석하는 단계이다(최석봉, 2020; Albalawi et al., 2020; He, 1999). 마지막 단계는 LDA 기법을 사용하여 키워드를 그룹핑하고 핵심 주제를 도출함으로써 연구동향을 토픽단위로 분류하기 위한 단계이다(Albalawi et al., 2020; Blei et al., 2012).

본 연구는 디지털 리더십과 관련된 선행연구들이 국내연구가 거의 없고, 대부분 해외 학자들에 의해 연구가 진행된 점을 감안하여, 해외학술지에 게재된 논문을 대상으로 분석을 실시하였다. 2024년 10월을 기준으로, 디지털 리더십과 관련된 논문 데이터를 수집하기 위하여 해외 최대 학술지 데이터를 보유하고 있는, 네덜란드의 Scopus Database(http://www.scopus.com)를 활용하였다. Scopus에는 경영학 및 조직행동 분야에서 널리 알려진 ‘Academy of Management Journal’, ‘Journal of Organizational Behavior’, ‘Journal of Applied Psychology’ 등의 저널이 포함되어 있다. 또한 디지털 리더십 연구는 연구의 범위와 적용이 확장되고 있는 주제로서 보다 많은 기존 연구를 분석대상에 포함시키고자 해외학술데이터베이스로 가장 규모가 큰 Scopus를 활용하였다. 구체적으로 “digital leadership“이 논문의 <keyword>에 포함된 데이터를 대상으로 먼저 수집을 하였다. 이과정에서 논문이 영어가 아닌 경우와 Dacument type이 “Book”, “Book Chapter”, “Conference paper”는 분석에서 제외하였다. 따라서 최종적으로 총 169편의 논문이 수집되어 분석에 활용되었다.

본 연구는 디지털 리더십과 관련된 선행연구의 동향을 파악하기 위해 Python 3.8을 활용하여 Topic 모델링 기법을 적용하여 분석을 실시하였다(Van Rossum & Drake, 2009). 구체적인 분석을 위한 논문수집 절차는 다음과 같다. 먼저 데이터 수집을 위해 Scopus 데이터베이스에서 “digital leadership”의 키워드를 사용하여 검색 가능한 모든 논문을 수집하였다. 이후 선행연구의 논문에 사용된 언어가 영어가 아닌 경우와 Document type이 “Book”, “Book Chapter”, “Conference paper”인 샘플을 제외하였다. 둘째, 논문의 제목, 초록, 키워드에서 주제어를 추출하기 위해 전처리 작업을 실시하였다. 전처리 작업은 Python 패키지 “NLTK(Natural language toolkit)”를 통해 단어 단위로 구분하였고, 대문자를 소문자로 변환하였다(Maier et al., 2018). 또한, 의미 없는 단어와 조사, 부사, 접속사, 관계대명사를 제거하였고, 인접한 단어가 한개 단어의미를 담고 있는 단어를 구분하기 위해 Python 패키지 “spaCy”를 사용하여 전처리 작업을 실시하여 주제어를 추출하였다(Honnibal & Montani, 2017). 셋째, Python 패키지 “wordcloud”와 “Counter”를 사용하여 빈도분석을 실시하였고, 워크 클라우드로 시각화를 실시하였다. 넷째, Python 패키지 “networkx”를 사용하여 네트워크 분석을 실시하였다. 마지막으로 주제어 분석 및 도출을 위해 Python 패키지 “gensim”을 사용하여 토픽모델링 분석을 실시하였다.

본 연구에서는 먼저 해외 Scopus 데이터베이스에 등록된 디지털 리더십 논문의 연도별 분류를 실시하였으며, 그 결과는 [표 1]과 같다. 2019년 Covid-19이 발생한 이후 격리 및 재택근무가 증가하면서부터 디지털 리더십의 연구가 활발히 진행되어 온 것으로 파악되었다. 디지털 리더십 논문이 게재된 학술지를 분류한 결과는 [표 2]와 같고, ‘Frontiers in Psychology’ 8편, ‘International Journal of Data and Network Science’와 ‘Sustainability’ 7편, "Business Horizons" 6편 등으로 높은 빈도수를 보였다.

다음은 디지털 리더십 연구의 주요 연구주제를 파악하기 위해 총 171편의 논문에서 추출한 주제어의 빈도분석을 실시하였다. 디지털 리더십과 관련된 주제어 중 3회 이상 출현한 주제어를 [표 3]으로 정리하였고, 워드클라우드로 시각화를 진행하였다([그림 1] 참고). 구체적으로 그 결과를 보면 ‘digital leadership’ 249회, ‘digital transformation’ 63회, ‘role’ 19회, ‘leadership’ 16회 등으로 높은 출현 빈도수를 보였다.

본 연구는 디지털 리더십과 관련하여 주제어 간의 연결성을 확인하기 위해 네트워크 분석을 실시하였다. 네트워크 분석은 빈도분석결과에서 3회 이상 사용된 주제어를 대상으로 실시하였다. 또한, 네트워크 분석은 연결 중심성 (Degree centrality>과 매개 중심성(Betweenness centrality)을 분석하였고, 그 결과는 [그림 2]에서 제시하였다(최석봉, 2020; 정기백 & 최석봉, 2020). 먼저 연결 중심성은 [표 4]에 제시하였다. 분석결과 ‘digital leadership’, ‘digital transformation’, ‘e-leadership’, ‘bibilometric analysis’, ‘dynamic capability’ 순으로 강하게 나타났다. 한편, 매개 중심성은 [표 5]에 제시하였다. 분석결과 ‘digital leadership’, ‘digital transformation’, ‘e-leadership’, ‘dynamic capability’, ‘leadership’ 순으로 높은 연결 및 매개 중심성을 강하게 보였다.

마지막으로 본 연구에서는 디지털 리더십과 관련하여 잠재된 주제(토픽)을 분석하기 위해 LDA 기법을 사용하여 토픽 모델링 분석을 실시하여, 그 결과를 [표 6]에 제시하였다. 분석결과 디지털 리더십은 8개 토픽으로 분류할 수 있었다. 먼저, 토픽1은 ‘digital literacy’, ‘innovation capability’, ‘digital innovation’ 등의 주제어가 포함되었고, 디지털 능력과 혁신에 관련된 디지털 리더십에 대한 주제로 분류되었다. 토픽2는 ‘digital transformation’, ‘business model innovation’, ‘innovative work behavior’ 등의 주제어가 포함되었고, 이는 디지털 전환과 혁신에 관련된 주제로 분류되었다. 토픽 3은 ‘work engagement’, ‘technology integration’, ‘artificial intelligence’ 등의 주제어가 포함되었고, 디지털 기술과 업무 몰입에 관련된 디지털 리더십에 대한 연구주제로 분류되었다. 토픽 4는 ‘digital leadership’, ‘digital transformation’, ‘dynamic capability’ 등 주제어가 포함되었고, 디지털 리더십과 디지털 전환, 동적 역량과 관련된 주제로 분류되었다. 토픽 5는 ‘digital transformation’, ‘servant leadership’, ‘e-leadership’ 등 주제어가 포함되었고, 디지털 정보와 리더십에 관련된 주제로 분류되었다. 토픽 6은 ‘higher education’, ‘digitization’, ‘artificial intelligence’ 등 주제어가 포함되었고, 디지털 기술과 교육에 관련된 주제로 분류되었으며, 토픽 7은 ‘digital transformation’, ‘digital culture’, ‘organizational change’ 등 주제어가 포함되어, 디지털 전환과 조직문화 및 변화에 관련된 디지털 리더십에 대한 주제로 분류되었다. 토픽 8 ‘e-leadership’, ‘virtual leadership’, ‘technology leadership’, 등 주제어가 포함되었고, 디지털 기술과 각종 리더십에 관련된 주제로 분류되었다.