- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
이 연구는 KCI 기타인문학, 기타사회과학, 사회과학일반 분야(이하 ‘일반 및 기타 분야’로 표기)에 속한 학술지의 다학문성과 학제성을 분석한 후, 이를 바탕으로 일반 및 기타 분야의 학술지 분류에 대한 개선방안을 제안하는 것이 목적이다. 개별 학술지의 다학문성과 학제성은 인용관계에 나타난 학술지 단위 엔트로피와 논문 단위 엔트로피로 각각 측정하였다. 학술지 간 인용관계 분석 결과 KCI 일반 및 기타 분야에는 다학문성과 학제성 측면에서 다양한 학술지가 혼재되어 있는 것으로 나타났다. 일반 및 기타 분야 학술지의 분류를 바로잡기 위해서는 우선 학술연구분야 분류표에 인문학일반 분야를 새로 설정할 필요가 있음을 밝혔다. 나아가서 각 학술지의 다학문성 수준 및 학제성 수준을 고려하여 일반 및 기타 분야 학술지를 재분류하는 방안을 제안하였다.
Abstract
This study analyzed humanities and social science (HSS) journals of KCI to examine the multidisciplinarity and interdisciplinarity in the general and miscellaneous fields (hereinafter referred to as ‘GM fields’), The multidisciplinarity and interdisciplinarity identified in this study will be a foundation to improve classification of KCI journals in GM fields. Each journal’s multidisciplinarity and interdisciplinarity were measured by journal-level entropy and document-level entropy, respectively, in the citation relationships. According to the analysis, GM field journals have wide ranges of multidisciplinarity and interdisciplinarity. To improve classification quality of journals in GM fields, the general humanities should be considered as a new classification class for the multidisciplinary and interdisciplinary journals in the humanities. Furthermore, this study proposes a strategy to reclassify GM field journals of HSS according to their multidisciplinarity and interdisciplinarity.
초록
문헌범주화에서는 학습문헌집합에 부여된 주제범주의 정확성이 일정 수준을 가진다고 가정한다. 그러나, 이는 실제 문헌집단에 대한 지식이 없이 이루어진 가정이다. 본 연구는 실제 문헌집단에서 기 부여된 주제범주의 정확성의 수준을 알아보고, 학습문헌집합에 기 부여된 주제범주의 정확도와 문헌범주화 성능과의 관계를 확인하려고 시도하였다. 특히, 학습문헌집합에 부여된 주제범주의 질을 수작업 재색인을 통하여 향상시킴으로써 어느 정도까지 범주화 성능을 향상시킬 수 있는가를 파악하고자 하였다. 이를 위하여 과학기술분야의 1,150 초록 레코드 1,150건을 전문가 집단을 활용하여 재색인한 후, 15개의 중복문헌을 제거하고 907개의 학습문헌집합과 227개의 실험문헌집합으로 나누었다. 이들을 초기문헌집단, Recat-1, Recat-2의 재 색인 이전과 이후 문헌집단의 범주화 성능을 kNN 분류기를 이용하여 비교하였다. 초기문헌집단의 범주부여 평균 정확성은 16%였으며, 이 문헌집단의 범주화 성능은 F1값으로 17%였다. 반면, 주제범주의 정확성을 향상시킨 Recat-1 집단은 F1값 61%로 초기문헌집단의 성능을 3.6배나 향상시켰다.
Abstract
In text categorization a certain level of correctness of labels assigned to training documents is assumed without solid knowledge on that of real-world collections. Our research attempts to explore the quality of pre-assigned subject categories in a real-world collection, and to identify the relationship between the quality of category assignment in training set and text categorization performance. Particularly, we are interested in to what extent the performance can be improved by enhancing the quality (i.e., correctness) of category assignment in training documents. A collection of 1,150 abstracts in computer science is re-classified by an expert group, and divided into 907 training documents and 227 test documents (15 duplicates are removed). The performances of before and after re-classification groups, called Initial set and Recat-1/Recat-2 sets respectively, are compared using a kNN classifier. The average correctness of subject categories in the Initial set is 16%, and the categorization performance with the Initial set shows 17% in F1 value. On the other hand, the Recat-1 set scores F1 value of 61%, which is 3.6 times higher than that of the Initial set.
초록
최근 도서관에서 실시하는 이용자 만족도 조사, LibQUAL+ 평가 등을 통해 계량적 데이터뿐만 아니라 이용자의 직접적 견해를 담은 이용자 코멘트 데이터가 점점 더 많이 수집되고 있다. 이러한 질적 데이터는 이용자의 입장을 이해하고, 도서관 서비스의 환경 개선이 필요한 영역을 확인하며, 이용자 니즈의 우선순위를 파악하는 등 도서관 서비스 개선을 위한 전략 수립에 유용한 자료로써 활용될 수 있는 것이다. 따라서 이용자 코멘트 데이터는 그 내용이 분석되고, 분석 결과를 서비스 및 정책에 반영할 필요가 있다. 본 연구는 이용자 코멘트 데이터의 활용성을 높일 수 있는 기반을 제공하고자, LibQUAL+ 설문의 이용자 코멘트 분석을 중심으로 하여 실제 외국 도서관의 LibQUAL+ 설문 이용자 코멘트 분석 방법을 알아보고, 분석을 위해 사용된 질적 데이터 분석 소프트웨어 및 분류표 등 분석도구에 대해 살펴보았다. 또한, 대표적 질적 데이터 분석 소프트웨어와 외국에서 LibQUAL+ 이용자 코멘트 분석을 위해 개발된 분류표를 최근 국내 대학도서관에서 시행된 LibQUAL+ 설문의 이용자 코멘트 일부에 적용하여 분석해봄으로써 그 유용성을 확인하였다.
Abstract
Using user satisfaction surveys and LibQUAL+ instruments, libraries are increasingly gathering qualitative data such as verbatim user comments as well as quantitative data. Such qualitative data can be utilized as clues in establishing library service strategies: to better understand user issues, to identify areas for service improvement, and to prioritize user needs. For this, it is necessary to analyze user comments data and to apply results to the delivery of service and the library policies. This study is an attempt to investigate ways in which user comments data can be made useful in libraries. It identifies different methods of analyzing user comments data from LibQUAL+ surveys and compares qualitative data analysis software programs and taxonomies. It also presents the results of applying these tools to a subset of actual user comments data gathered from a recent LibQUAL+ survey at a major university library in Korea.
초록
이 연구는 색인어가 특정 주제 영역의 지식 구조를 표현할 수 있다는 것을 전제로 한다. 여기에서는 문헌정보학 관련 학술지인 정보관리학회지, 한국도서관정보학회지, 한국문헌정보학회지 등에 수록된 논문을 대상으로 국회도서관이 배정한 색인어를 클러스터링하여 문헌정보학의 지식 구조를 파악하였다.그 과정에서, 색인어간의 연관도 및 동시 출현 빈도를 이용하여 색인어 군집을 생성하였고, 초출색인어와 시기 구분에 의한 시계열 분석을 수행함으로써 문헌정보학의 발전 과정과 그 동향을 밝혔다. 또한 색인어 군집에 의해 도출된 지식 구조와 기존의 전통적인 분류체계의 지식 구조를 비교하여 두 지식 구조간의 차이를 분석하였다.
Abstract
This study was conducted upon the premise that index terms display the intellectual structure of a specific subject field. In this study, an attempt was made to grasp the intellectual structure of Library and Information Science by clustering the index terms of the journals of the related academic societies at the Library of National Assembly - such as the Journal of the Korean Society for Information Management, the Journal of the Korean Library and Information Science Society, and the Journal of the Korean Society for Library and Information Science. Through the course of the study, index term clusters were generated based on the linkage of the index terms and the frequency of co-occurrence, and moreover, time periods analysis was conducted along with studies on first-appearing terms, in order to clarify the trend and development process of the Library and Information Science. This study also analysed the difference between two intellectual structure by comparing the structure generated by index term clusters with the existing structure of traditional classification systems.
초록
이 연구에서는 수작업 태깅없이 기계가독형 사전을 이용하여 자동으로 의미를 태깅한 후 학습데이터로 구축한 분류기에 대해 의미를 분류하는 단어 중의성 해소 모형을 제시하였다. 자동 태깅을 위해 사전 추출 정보 기반 방법과 연어 공기 기반 방법을 적용하였다. 실험 결과, 자동 태깅에서는 복수 자질 축소를 적용한 사전 추출 정보 기반 방법이 70.06%의 태깅 정확도를 보여 연어 공기 기반 방법의 56.33% 보다 24.37% 향상된 성능을 가져왔다. 사전 추출 정보 기반 방법을 이용한 분류기의 분류 정학도는 68.11%로서 연어 공기 기반 방법의 62.09% 보다 9.7% 향상된 성능을 보였다. 또한 두 자동 태깅 방법을 결합한 결과 태깅 정확도는 76.09%, 분류 정확도는 76.16%로 나타났다.
Abstract
This study presents an effective word sense disambiguation model that does not require manual sense tagging process by automatically tagging the right sense using a machine-readable dictionary, and attempts to classify the senses of those words using a classifier built from the training data. The automatic tagging technique was implemnted by the dictionary information-based and the collocation co-occurrence-based methods. The dictionary information-based method that applied multiple feature selection showed the tagging accuracy of 70.06%, and the collocation co-occurrence-based method 56.33%. The sense classifier using the dictionary information-based tagging method showed the classification accuracy of 68.11%, and that using the collocation co-occurrence-based tagging method 62.09%. The combined tagging method applying data fusion technique achieved a greater performance of 76.09% resulting in the classification accuracy of 76.16%.
초록
본 연구는 영유아 도서의 자료조직 실태를 파악하기 위하여 J시에 소재한 8개 시립도서관 영유아실을 대상으로 자료조직 현황과 문제점을 분석하고 이를 토대로 개선방안을 제시하였다. 조사방법은 분석대상 도서관의 어린이실 담당 사서 8명, 영유아실을 방문한 부모 25명을 대상으로 인터뷰를 실시하였다. 조사 결과, 모든 도서관에서 KDC를 적용하여 분류하고 있었으나 배가는 분류체계와는 달리 출판사명의 자모순 배가를 실시하고 있었다. 이러한 출판사별 배가 방식은 사서 측면에서는 정리의 편리성이 높은 것으로 평가되었으나 이용자들은 분류체계와 배가의 이원화로 인해 자료 검색의 어려움을 겪고 있는 것으로 조사되었다. 또한, 온라인검색목록시스템의 검색 결과에 도서 위치에 대한 정확하고 충분한 정보가 제공되지 않는 경우가 많았다. 이러한 결과를 바탕으로 본 연구는 (1) KDC를 유지하되 배가 방식을 청구기호 순으로 전환하는 방안과 (2) 새로운 영유아용 분류표를 개발하는 두 가지 개선방안을 제안하였다.
Abstract
With a purpose of investigating the current status of resource organization for infants and young children’s resources, this study examined 8 municipal libraries in J city and suggested recommendations for improvements. To do that, interviews were conducted with 8 children’s librarians and 25 users, who were parents visiting the libraries. All libraries examined were using KDC to classify young children’s resources, but books were shelved by the alphabetic order of publishers’ names. This arrangement strategy was regarded very convenient in re-shelving materials from the perspective of librarians, but users had difficulties in finding books because of the separation of the classification system and the arrangement system. Also, the online public cataloging system did not provide accurate and sufficient information to locate a book. Based on the results, this study suggested two ways for improvements: (1) classifying and arranging books by KDC, (2) developing a new classification system customized to infants and young children.
초록
본 연구에서는 디지털 도서관의 상호운영성 및 통합 관리 문제를 해결하기 위해 상호운영성을 위한 핵심 기술 및 디지털 도서관의 기능, 서비스를 분석하여 정보기술아키텍처의 기술참조모델을 설계하였다. 제시된 디지털 도서관의 정보기술아키텍처의 영역은 1)Metadata Management, 2)Library Services, 3)Service Integration 4)Service Management, 5)Open Interface, 6)Network, 7)Architecture 등 총 7개의 영역으로 구분되며, 20개의 세부 기술 영역으로 하였다. 이러한 연구결과는 정보시스템간의 상호운영성 및 호환성을 확보하기 위한 핵심 기술을 식별함으로서 디지털 도서관의 체계적인 구축과 효율성을 제고하기 위한 틀을 제공할 수 있을 것이다.
Abstract
In order to solve the problems of the digital library's Interoperability and integrated management, we analyzed core technologies for interoperability in digital library in terms of information creation, organization, service. And then we proposed information technology reference model that is composed of 7 scopes. The proposed scope included 1)Metadata Management, 2)Library Services, 3)Service Integration 4)Service Management, 5)Open Interface, 6)Network, 7)Architecture. Those results can be used as a framework for developing interoperable digital library system.
초록
학술지 논문에 디스크립터를 자동부여하기 위하여 기계학습 기반의 접근법을 적용하였다. 정보학 분야의 핵심 학술지를 선정하여 지난 11년간 수록된 논문들을 대상으로 문헌집단을 구성하였고, 자질 선정과 학습집합의 크기에 따른 성능을 살펴보았다. 자질 선정에서는 카이제곱 통계량(CHI)과 고빈도 선호 자질 선정 기준들(COS, GSS, JAC)을 사용하여 자질을 축소한 다음, 지지벡터기계(SVM)로 학습한 결과가 가장 좋은 성능을 보였다. 학습집합의 크기에서는 지지벡터기계(SVM)와 투표형 퍼셉트론(VPT)의 경우에는 상당한 영향을 받지만 나이브 베이즈(NB)의 경우에는 거의 영향을 받지 않는 것으로 나타났다.
Abstract
This study utilizes various approaches of machine learning in the process of automatically assigning descriptors to journal articles. After selecting core journals in the field of information science and organizing test collection from the articles of the past 11 years, the effectiveness of feature selection and the size of training set was examined. In the regard of feature selection, after reducing the feature set by χ2 statistics(CHI) and criteria which prefer high-frequency features(COS, GSS, JAC), the trained Support Vector Machines(SVM) performs the best. With respective to the size of the training set, it significantly influences the performance of Support Vector Machines(SVM) and Voted Perceptron(VTP). but it scarcely affects that of Naive Bayes(NB).
초록
학문의 전문화와 학제성은 학문의 발전과 함께 이루어지며, 학제성을 규명하는 것은 학문의 좌표 설정에 있어서 중요하다. 본 연구는 연구자의 소속 학과와 연구 영역 간의 상관관계 분석을 통해서 학제성을 규명하는데 목적이 있다. 한국학술진흥재단에 등록된 63,578명의 연구자 소속 학과와 대분류 및 중분류 연구영역 간의 상관관계를 분석하였다. 이러한 상관관계 분석을 통해서, 대분류 연구영역 간에는 사회과학과 복합학, 의약학과 복합학, 자연과학과 의약학, 자연과학과 농수해양 간의 학제성을 찾아볼 수 있었다. 보다 구체적인 상관관계는 중분류 연구영역 단계와 소속 학과 간의 상관관계 분석을 통해 나타났다. 즉, 복합학과 사회과학은 다양한 연구영역이 서로 학제적 성격을 나타내며, 복합학과 의약학은 복합학 하위의 뇌과학 연구영역 때문인 것으로 분석되었다. 또한 자연과학과 의약학은 자연과학 내의 기타자연과학, 화학, 생물학에 기인한 것이며, 자연과학과 농수해양은 농수해양 내의 농학, 수산학, 식품과학 연구영역에 인한 것으로 나타났다.
Abstract
The purpose of this study is to identify interdisciplinarity among eight research areas based upon the correlations between researchers' department affiliations and research areas. More specifically, eight research areas and their sub-areas, 153 sub-areas with researchers' department affiliations were analyzed in terms of Pearson correlation analyses. The findings demonstrated that there was interdisciplinarity between Social Science and Multiple Science Areas, Social Science and Medical & Pharmaceutical Area, Natural Science and Medical & Pharmaceutical Area, and Medical & Pharmaceutical Area and Agricultural Science.
초록
본 연구는 문헌정보학 분야 연구논문에서 저자들의 이론 활용 정도를 분석하기 위하여 한국문헌정보학회지와 정보관리학회지를 대상으로 지난 30년간 연구된 654편의 논문에 대한 내용분석이 이루어졌다. 주요 연구내용은 연구논문의 연대별 생산성, 세부주제영역별 생산성, 연구에 활용된 이론의 유형과 근원, 개별 이론별 활용도, 세부주제 영역별 활용도, 학회지별 활용도 등에 대한 개념적 연구와 실증적 연구가 수행되었다. 이를 위하여 이론의 개념적 기준 설정과 문헌정보연구의 세부주제영역에 대한 새로운 분류 체계, 특히 이론의 활용성을 평가하기 위한 기준으로 ‘이론 활용 5단계’ 모델을 제시하였다.
Abstract
This study analyzed authorsuse of theory in 654 articles that appeared in two core library and information science journals during last three decades. In order to analyze degree of theory use of LIS, such as, publication productivity, growth and distribution of theory in subfields, name and origin of theory, usability of each theory, subfields and journals, and so on, content analysis of LIS theories was performed through conceptual and empirical study. For the purpose of this study, we suggested a couple of new analytical methods, so called, 'Subfield Classification Scheme' within LIS, and '5 Degrees of Theory Use' model for the first time.