- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 논문은 고에너지 물리학(HEP) 분야 국내 연구자들의 학술 커뮤니케이션의 특성을 파악하고자 성공적인 오픈액세스 모델로 평가되는 SCOAP3 학술지를 분석하였다. HEP 분야 국내 연구자들의 협업과 연구 활동 내용을 파악하기 위한 연구방법으로 통계를 활용한 양적 분석과 저자 소속기관과 학술지에 대한 네트워크 분석을 수행하였다. 연구 결과, 국내 연구자가 참여한 10종의 SCOAP3 학술지 가운데 국내 저자 참여 논문 비율은 전체 논문 가운데 8.0%였다. 논문 한 편당 공저자 수가 천 명이 넘는 논문 비율이 전체 논문의 28.7%나 되었다. 이 분석 결과들은 HEP 글로벌 네트워크에서 국내 연구자들이 적극적으로 협업하고 있다는 것을 증명하였다. 소속기관을 중심으로 협력 관계를 파악하고자 네트워크 분석을 실시한 결과, 협력 네트워크를 3개의 클러스터로 구분할 수 있었다. 즉 S대학 중심의 클러스터, CERN과 협력 인프라를 제공하는 K연구기관 중심의 클러스터, 그리고 I연구원 중심의 클러스터로 나누어졌다. 연구기관과 학술지의 네트워크 분석을 통하여 학술지 중 JHEP, PRD, PLB가 참여도가 높은 학술지였으며 대학들과 연구원들도 협력하여 오픈 액세스 논문 저작에 참여하고 있음을 알 수 있었다. 본 연구 결과는 SCOAP3 컨소시엄에 참여하는 도서관들이 HEP 분야 연구자를 이해하고 이들을 위한 최적의 연구 정보환경을 구축하기 위한 기초자료로 활용될 수 있다.
Abstract
This paper analyzed SCOAP3 journals, which have been evaluated as successful open access models, to understand the characteristics of scholarly communication among domestic researchers in the field of high energy physics (HEP). As research methods, a quantitative analysis using statistics and a network analysis of authors’ affiliated institutions and academic journals were conducted to understand collaboration and research activities of domestic researchers in the HEP field. The results of the study revealed that, among the 10 SCOAP3 journals in which Korean researchers participated, the proportion of articles in which Korean authors participated was 8.0% of the total. The proportion of papers with more than 1,000 co-authors per paper was 28.7% of the total. The results of this analysis proved that Korean researchers were actively collaborating in the HEP global network. From the results of the network analysis to understand the cooperative relationship centered on the affiliated organization, the cooperative network could be divided into three clusters: a cluster centered on S universities, a cluster centered on K research institutes that provided researchers a cooperative infrastructure with CERN, and a cluster centered on I research institute. Through the network analysis for research institutes and journals, it was found that JHEP, PRD, and PLB among academic journals were highly participating journals, and universities and researchers were also participating in the writing of open access papers. The results of this study can be used as a basic resource for understanding researchers and building a research information environment in libraries.
초록
심사자 자동추천시스템은 심사 대상에 대한 포괄성, 전문성, 공정성, 타당성을 확보할 수 있도록 설계되어야 한다. 이를 위해 본 연구는 다면적인 학문분야분류표의 각 범주 간 연관성을 자동으로 산출할 수 있는 확률적 온톨로지를 적용하여 포괄적으로 심사자 추천 범위를 넓히고 전문성을 반영한 심사자 랭킹을 가능하도록 한다. 또한 연구자 간의 멘터, 공저역, 공동연구를 포함하는 연구자 네트워크를 구축하고 이를 심사자 배제 규칙으로 활용함으로써 공정한 심사자 추천이 이루어질 수 있도록 한다. 아울러, 전문가들을 통해 상기 방법론과 패널 결과를 검증 받아 타당성 있는 시스템이 갖추어야 할 방향을 제시한다.
Abstract
Automatic Recommendation System of Panel pool should be designed to support universal, expertness, fairness, and reasonableness in the process of review of proposals. In this research, we apply the theory of probabilistic ontology to measure relatedness between terms in the classification of academic domain, enlarge the number of review candidates , and rank recommendable reviewers according to their expertness. In addition, we construct a researcher network connecting among researchers according to their various relationships like mentor, coauthor, and cooperative research. We use the researcher network to exclude inappropriate reviewers and support fairness of reviewer recommendation process. Our methodology recommending proper reviewers is verified from experts in the field of proposal examination. It propose the proper method for developing a resonable reviewer recommendation system.
초록
최근 들어 다양한 분야에서 딥러닝이 혁신적인 기계학습 기법으로 급속하게 확산되고 있다. 이 연구에서는 딥러닝 연구동향을 분석하기 위해서 자아 중심 주제 인용분석 기법을 변형하여 응용해보았다. 이를 위해 Web of Science에서 ‘deep learning’으로 탐색하여 검색된 문헌 중 소수의 씨앗 문헌으로부터 인용 관계를 통해 분석 대상 문헌을 확보하는 방법을 시도하였다. 씨앗 문헌을 인용하는 최근 논문들을 딥러닝 분야의 현행 연구를 반영하는 자아 문헌집합으로 설정하였다. 자아 문헌으로부터 빈번히 인용된 선행 연구들은 딥러닝 분야의 연구 주제를 나타내는 인용 정체성 문헌집합으로 설정하였다. 자아 문헌집합에 대해서는 공저 네트워크 분석을 비롯한 정량적 분석을 실시하여 주요 국가와 연구 기관을 파악하였다. 인용 정체성 문헌들에 대해서는 동시인용 분석을 실시하고, 도출된 문헌 군집을 인용하는 주요 키워드인 인용 이미지 키워드를 파악하여 주요 문헌과 주요 연구 주제를 밝혀내었다. 마지막으로 특정 주제에 대한 인용 영향력이 성장하는 추세를 반영하는 인용 성장지수 CGI를 제안하고 측정하여 딥러닝 분야의 선도 연구 주제가 변화하는 동향을 밝혔다.
Abstract
Recently, deep learning has been rapidly spreading as an innovative machine learning technique in various domains. This study explored the research trends of deep learning via modified ego centered topic citation analysis. To do that, a few seed documents were selected from among the retrieved documents with the keyword ‘deep learning’ from Web of Science, and the related documents were obtained through citation relations. Those papers citing seed documents were set as ego documents reflecting current research in the field of deep learning. Preliminary studies cited frequently in the ego documents were set as the citation identity documents that represents the specific themes in the field of deep learning. For ego documents which are the result of current research activities, some quantitative analysis methods including co-authorship network analysis were performed to identify major countries and research institutes. For the citation identity documents, co-citation analysis was conducted, and key literatures and key research themes were identified by investigating the citation image keywords, which are major keywords those citing the citation identity document clusters. Finally, we proposed and measured the citation growth index which reflects the growth trend of the citation influence on a specific topic, and showed the changes in the leading research themes in the field of deep learning.