- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
국가기록원의 기록정보콘텐츠는 사회적 관심이나 열람 요청이 많은 주제에 대해 신뢰성 있는 기록물을 누구나 쉽게 활용할 수 있도록 정리한 것이다. 그러나 기록정보콘텐츠를 이용하는데 접근성의 어려움, 상세정보부족, 사용 용이성과 흥미 유도성이 낮은 전달방식, 맞춤형 콘텐츠 부족 등의 이슈가 대두되었다. 이에 대한 타개책으로 본 연구에서는 유튜브(YouTube) 채널을 통한 기록정보콘텐츠의 활용방안을 제안한다. 이를 위해 국가기록원 기록정보콘텐츠의 서비스 현황과 문제점을 분석하고, 해외 유사 기관의 영상콘텐츠 활용 현황과 비교․분석하였다. 나아가 구체적인 유튜브 채널을 통한 기록정보콘텐츠 영상화 프로세스를 제안하고 예시를 적용하였다. 이를 통해 국가기록원 기록정보콘텐츠의 인지도와 활용성이 제고되기를 기대한다.
Abstract
The archival contents of the National Archives of Korea are organized so that anyone can easily use the records with a lot of social interest or request for reading. However, there are some problems in accessibility of archival contents, lack of detailed information, difficult to use and less interesting delivery method, and lack of customized content. As an alternative to this, this study proposed the utilization method of the archival contents of the National Archives through YouTube channel. For this purpose, we analyze the status and problems of the archival contents of the National Archives and understand the contents of the YouTube channel of the foreign agencies and the National Archives, and evaluate and compare them. Based on this, we propose and apply the process of the archival contents visualization using YouTube. Through this, We expect that the recognition and usability of the contents information of the National Archives of Records will be improved.
초록
기록관의 역할이 커지고 있음에도 불구하고 아직 기록의 중요성에 대해 인지하지 못하는 잠재적 이용자가 많다. 이 연구에서는 이용자에 대한 기록정보서비스를 강화하기 위한 방법으로 기록관과 이용자의 상호작용을 지원하는 챗봇을 개발해보고자 하였다. 이에 챗봇의 구체적인 개발 절차와 방법을 살펴보고, 명지대학교 대학사료실을 사례로 이용자 요구 및 질의 분석을 진행하였으며, 챗봇 개발을 위한 논리적 구조 설계를 진행하였다. 이어 IBM Watson Conversation과 카카오톡 메신저를 통해 챗봇을 구축한 뒤, 시험 실행(Pilot run) 과정을 통해 챗봇과 이용자의 상호작용 과정을 확인하였다. 이러한 기록정보서비스 챗봇 개발 경험을 바탕으로, 챗봇 도입을 위한 수준 결정, 이용자 요구 분석, 챗봇 구축을 위한 도구 선정, 대화식 상호작용을 위한 구문 설정과 관련된 시사점을 제시하였다.
Abstract
The role of archives and records centers is expanding, however many potential users are not aware of the importance of the records and archives. As a method to improve the archival information services to users, in this study, we developed chatbot that supports the interaction between the users and the archives and records centers. Thus we examined the specific development procedures and methods, analyzed user requests and questions of the archives and records center of Myongji university as a case, and conducted a logical structure design for chatbot development. After building the chatbot based on IBM Watson Conversation and Kakaotalk messenger, we were able to find how the chatbot interacted with the users through a pilot run. Based on the experience of developing information service chatbot, the implications related the introduction of the chatbot were suggested which include determination of the level of the chatbot, analysis of the user requests, selection of the tool for the chatbot, and syntax setting for the conversational interaction.
초록
본 연구는 LDA 토픽 모델과 딥 러닝을 적용한 단어 임베딩 기반의 Doc2Vec 기법을 활용하여 자질을 선정하고 자질집합의 크기와 종류 및 분류 알고리즘에 따른 분류 성능의 차이를 평가하였다. 또한 자질집합의 적절한 크기를 확인하고 문헌의 위치에 따라 종류를 다르게 구성하여 분류에 이용할 때 높은 성능을 나타내는 자질집합이 무엇인지 확인하였다. 마지막으로 딥 러닝을 활용한 실험에서는 학습 횟수와 문맥 추론 정보의 유무에 따른 분류 성능을 비교하였다. 실험문헌집단은 PMC에서 제공하는 생의학 학술문헌을 수집하고 질병 범주 체계에 따라 구분하여 Disease-35083을 구축하였다. 연구를 통하여 가장 높은 성능을 나타낸 자질집합의 종류와 크기를 확인하고 학습 시간에 효율성을 나타냄으로써 자질로의 확장 가능성을 가지는 자질집합을 제시하였다. 또한 딥 러닝과 기존 방법 간의 차이점을 비교하고 분류 환경에 따라 적합한 방법을 제안하였다.
Abstract
This research evaluated differences of classification performance for feature selection methods using LDA topic model and Doc2Vec which is based on word embedding using deep learning, feature corpus sizes and classification algorithms. In addition to find the feature corpus with high performance of classification, an experiment was conducted using feature corpus was composed differently according to the location of the document and by adjusting the size of the feature corpus. Conclusionally, in the experiments using deep learning evaluate training frequency and specifically considered information for context inference. This study constructed biomedical document dataset, Disease-35083 which consisted biomedical scholarly documents provided by PMC and categorized by the disease category. Throughout the study this research verifies which type and size of feature corpus produces the highest performance and, also suggests some feature corpus which carry an extensibility to specific feature by displaying efficiency during the training time. Additionally, this research compares the differences between deep learning and existing method and suggests an appropriate method by classification environment.
초록
본 연구는 2014년부터 2018년까지 최근 5년간 미국에서 발표된 도서관학 및 정보과학 분야 학위논문의 연구 동향을 파악하기 위해 PQDT Global 데이터베이스에 수록된 1,016편의 박사학위 논문을 수집하여 각 논문의 관련 학문 분야를 나타내는 분야명들을 추출하고 네트워크 분석을 통해 분야명 간의 관계와 네트워크 전반에 걸쳐 다른 분야들과 관계가 있는 전역중심성이 높은 분야명을 파악하는 것과 동시에 군집분석을 통해 연관성 높은 분야명들이 어떠한 군집을 형성하는지, 각 군집 안에서 지역중심성이 높은 분야명들은 어떤 것들인지 살펴보았다. 103개 핵심 분야명 키워드를 이용한 네트워크 분석 결과 최근 5년간 미국의 도서관학 및 정보과학 분야 박사학위 논문의 관련 학문분야로는 컴퓨터 관련 분야, 교육 관련 분야, 커뮤니케이션 관련 분야 외에도 다양한 이용자 집단에 관한 연구와 정보시스템 관련 분야 등을 포함하여 26개의 군집을 형성하는 것으로 나타났다. 26개 군집들 중 정보과학을 중심으로 하는 군집에는 컴퓨터 관련 학문 분야명들이 다수 포함되었고, 도서관학을 중심으로 하는 군집에는 대부분 교육 관련 분야명들이 포함되었으며, 그 외에도 이용자 연구와 관련하여 특정 이용자 그룹과 관련된 젠더연구 분야나 정보시스템과 관련하여 경영학, 지리학, 의공학 등 다양한 학문 분야와 연관되어 있음을 알 수 있다.
Abstract
The study examines the research trends of doctoral dissertations in Library Science and Information Science published in the U.S. for the last 5 years. Data collected from PQDT Global includes 1,016 doctoral dissertations containing “Library Science” or “Information Science” as subject headings, and keywords extracted from those dissertations were used for a network analysis, which helps identifying the intellectual structure of the dissertations. Also, the analysis using 103 subject heading keywords resulted in various centrality measures, including triangle betweenness centrality and nearest neighbor centrality, as well as 26 clusters of associated subject headings. The most frequently studied subjects include computer-related subjects, education-related subjects, and communication-related subjects, and a cluster with information science as the most central subject contains most of the computer-related keywords, while a cluster with library science as the most central subject contains many of the education-related keywords. Other related subjects include various user groups for user studies, and subjects related to information systems such as management, economics, geography, and biomedical engineering.