- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
데이터 학술지와 데이터 논문이 오픈과학 패러다임에서 데이터 공유와 재이용이라는 학술활동이 등장하여 지속적으로 성장하고 있다. 본 논문은 영향력있는 다학제적 분야의 데이터 학술지인 Scientific Data에 게제된 총 713건의 논문을 대상으로 저자, 인용, 주제분야 측면을 분석하였다. 그 결과 저자의 주된 주제 영역은 생명공학, 물리학 등으로 나타났으며, 공저자 수는 평균 12명이다. 공저 형태를 네트워크로 살펴보면, 특정 연구자 그룹이 패쇄적으로 공저활동을 수행하는 것으로 나타났다. 인용의 주제영역을 살펴보면, 데이터 논문 저자의 주제영역과 크게 다르지 않게 나타났으나, 방법론을 주로 다루는 학술지의 인용 비중이 높은 것은 데이터 논문의 특징으로 볼 수 있다. 데이터 논문 저자의 키워드를 사용하여 동시출현단어분석 네트워크로 살펴본 데이터 논문의 주제영역은 생물학이 중심이며, 구체적으로 해양생태, 암, 게놈, 데이터베이스, 기온 등의 세부 주제 영역을 확인할 수 있다. 이러한 결과는 다학제학문 분야를 다루는 데이터 학술지이지만, 데이터 학술지 출간에 관한 논의를 일찍부터 시작해온 생명공학 분야에 집중된 현상을 보여준다.
Abstract
Data journals and data papers have grown and considered an important scholarly practice in the paradigm of open science in the context of data sharing and data reuse. This study investigates a total of 713 data papers published in Scientific Data in terms of author, citation, and subject areas. The findings of the study show that the subject areas of core authors are found as the areas of Biotechnology and Physics. An average number of co-authors is 12 and the patterns of co-authorship are recognized as several closed sub-networks. In terms of citation status, the subject areas of cited publications are highly similar to the areas of data paper authors. However, the citation analysis indicates that there are considerable citations on the journals specialized on methodology. The network with authors’ keywords identifies more detailed areas such as marine ecology, cancer, genome, database, and temperature. This result indicates that biology oriented-subjects are primary areas in the journal although Scientific Data is categorized in multidisciplinary science in Web of Science database.
초록
오픈과학의 흐름에서 데이터 공유와 재이용은 중요한 연구자의 활동이 되어가고 있다. 데이터 공유와 재이용에 관한 여러 논의 중에서 데이터학술지와 데이터논문의 발간이 가시적인 결과를 보여주고 있다. 데이터학술지는 여러 학문 분야에서 발간되고 있으며, 논문의 수도 점차 증가하고 있다. 데이터논문은 데이터 자체와는 다르게 인용을 주고 받는 활동이 포함되어, 따라서 이들이 형성하는 고유한 지적구조가 생겨나게 된다. 본 연구는 데이터학술지와 데이터논문이 학술커뮤니티에서 구성하는 지적구조를 규명하고자 Web of Science에 색인된 14종의 데이터학술지와 6,086건의 데이터논문과 인용된 참고문헌 84,908건을 분석하였다. 저자사항과 함께 동시인용분석과 서지결합분석을 네트워크로 시각화하여 데이터논문이 형성한 세부 주제 분야를 규명하였다. 분석결과, 저자, 저자소속기관, 국가를 추출하여 출현빈도를 살펴보면, 전통적인 학술지 논문과 다른 양상을 보인다. 이러한 결과는 데이터의 생산이 용이한 기관과 국가에 주로 데이터논문을 출간하기 때문이라고 해석될 수 있다. 동시인용분석와 서지결합분석 모두 분석도구, 데이터베이스, 게놈구성 등이 주된 세부 주제 영역으로 나타났다. 동시인용분석결과는 9개의 군집으로 형성되었는데, 특정 주제 분야로 나타난 영역은 수질과 기후 등의 분야이다. 서지결합분석은 총 27개의 컴포넌트로 구성되었는데, 수질, 기후 이 외에도 해양, 대기 등의 세부 주제 영역이 파악되었다. 특기할만한 사항으로는 사회과학 분야의 주제 영역도 나타났다는 점이다.
Abstract
In the context of open science, data sharing and reuse are becoming important researchers’ activities. Among the discussions about data sharing and reuse, data journals and data papers shows visible results. Data journals are published in many academic fields, and the number of papers is increasing. Unlike the data itself, data papers contain activities that cite and receive citations, thus creating their own intellectual structures. This study analyzed 14 data journals indexed by Web of Science, 6,086 data papers and 84,908 cited references to examine the intellectual structure of data journals and data papers in academic community. Along with the author’s details, the co-citation analysis and bibliographic coupling analysis were visualized in network to identify the detailed subject areas. The results of the analysis show that the frequent authors, affiliated institutions, and countries are different from that of traditional journal papers. These results can be interpreted as mainly because the authors who can easily produce data publish data papers. In both co-citation and bibliographic analysis, analytical tools, databases, and genome composition were the main subtopic areas. The co-citation analysis resulted in nine clusters, with specific subject areas being water quality and climate. The bibliographic analysis consisted of a total of 27 components, and detailed subject areas such as ocean and atmosphere were identified in addition to water quality and climate. Notably, the subject areas of the social sciences have also emerged.
초록
기계학습 기반 문서범주화 기법에 있어서 최적의 자질을 구성하는 것이 성능향상에 있어서 중요하다. 본 연구는 학술지 수록 논문의 필수적 구성요소인 저자 제공 키워드와 논문제목을 대상으로 자질확장에 관한 실험을 수행하였다. 자질확장은 기본적으로 선정된 자질에 기반하여 WordNet과 같은 의미기반 사전 도구를 활용하는 것이 일반적이다. 본 연구는 키워드와 논문제목을 대상으로 WordNet 동의어 관계 용어를 활용하여 자질확장을 수행하였으며, 실험 결과 문서범주화 성능이 자질확장을 적용하지 않은 결과와 비교하여 월등히 향상됨을 보여주었다. 이러한 성능향상에 긍정적인 영향을 미치는 요소로 파악된 것은 정제된 자질 기반 및 분류어 기준의 동의어 자질확장이다. 이때 용어의 중의성 해소 적용과 비적용 모두 성능향상에 영향을 미친 것으로 파악되었다. 본 연구의 결과로 키워드와 논문제목을 활용한 분류어 기준 동의어 자질 확장은 문서 범주화 성능향상에 긍정적인 요소라는 것을 제시하였다.
Abstract
Identifying optimal feature sets in Text Categorization(TC) is crucial in terms of improving the effectiveness. In this study, experiments on feature expansion were conducted using author provided keyword sets and article titles from typical scientific journal articles. The tool used for expanding feature sets is WordNet, a lexical database for English words. Given a data set and a lexical tool, this study presented that feature expansion with synonymous relationship was significantly effective on improving the results of TC. The experiment results pointed out that when expanding feature sets with synonyms using on classifier names, the effectiveness of TC was considerably improved regardless of word sense disambiguation.
초록
이 연구는 색인가가 주제 색인하는 과정에서 참조하는 여러 문서구성요소를 문서 범주화의 정보원으로 인식하여 이들이 문서 범주화 성능에 미치는 영향을 살펴보는데 그 목적이 있다. 이는 기존의 문서 범주화 연구가 전문(full text)에 치중하는 것과는 달리 문서구성요소로서 정보원의 영향을 평가하여 문서 범주화에 효율적으로 사용될 수 있는지를 파악하고자 한다. 전형적인 과학기술 분야의 저널 및 회의록 논문을 데이터 집합으로 하였을 때 정보원은 본문정보 중심과 문서구성요소 중심으로 나뉘어 질 수 있다. 본문정보 중심은 본론 자체와 서론과 결론으로 구성되며, 문서구성요소 중심은 제목, 인용, 출처, 초록, 키워드로 파악된다. 실험 결과를 살펴보면, 인용, 출처, 제목 정보원은 본문 정보원과 비교하여 유의한 차이를 보이지 않으며, 키워드 정보원은 본문 정보원과 비교하여 유의한 차이를 보인다. 이러한 결과는 색인가가 참고하는 문서구성요소로서의 정보원이 문서 범주화에 본문을 대신하여 효율적으로 활용될 수 있음을 보여주고 있다.
Abstract
The purpose of this study is to examine whether the information resources referenced by human indexers during indexing process are effective on Text Categorization. More specifically, information resources from bibliographic information as well as full text information were explored in the context of a typical scientific journal article data set. The experiment results pointed out that information resources such as citation, source title, and title were not significantly different with full text. Whereas keyword was found to be significantly different with full text. The findings of this study identify that information resources referenced by human indexers can be considered good candidates for text categorization for automatic subject term assignment.
초록
세대적 특성과 정보기술의 발달은 이미지의 생산과 이용을 가속화한다. 본 연구는 이미지 이용자의 일상생활 맥락에서 정보요구를 분석하여 이미지 접근점 확장에 관한 논의를 목적으로 하였다. 이를 위하여 소셜 Q&A 서비스인 네이버 지식인에서 이미지를 검색하고자 하는 질문 105건을 추출하였다. 이미지 질문은 이용 목적과 이미지 속성으로 구분한 프레임워크를 이용하여 분석하였다. 분석결과로서 이용 목적은 총 8가지로, 이미지를 데이터로서 이용하고자 하는 목적이 두드러졌으며, 이중에서 ‘보고그리기’는 기존 연구결과에서 찾아볼 수 없었던 이용 목적으로 새롭게 도출되었다. 이미지 속성에서는 의미, 비시각적, 구성 측면에서 의미와 비시각적 속성이 우세하게 나타났다. 전통적으로 이미지 검색과 접근에서 의미 측면의 속성은 중요하게 인식되어 왔으나, 본 연구의 분석결과에서 보여주는 바와 같이 비시각적 측면 특히, 맥락 요소의 비중은 접근점 제공에 있어서 중요한 시사점으로 볼 수 있다.
Abstract
Images have been substantially searched and used due to not only the advanced internet and digital technologies but the characteristics of a younger generation. The purpose of this study aims to discuss the ways on expanding the access points to images by analyzing the needs of users in context of everyday life. In order to achieve the purpose of this study, 105 questions of image seeking in NAVER, which is one of social Q&A services in Korea, were analyzed. For the analysis, a two-dimensional framework with image uses and image attributes were utilized. The findings of this study demonstrate that considerable use purposes on data oriented pole, such as information processing, information dissemination and learning are identified. On the other hand, image attributes from the needs of image show that non-visual aspects including contextual attributes are recognized substantially in addition to the traditional semantic attributes.
초록
본 논문은 임상의사가 환자치료 시 발생하는 문제를 해결하기 위해 온라인상에서 정보검색하는 과정을 연구하였다. 이를 위해 국내 대학병원 내과 전문의 10명을 대상으로 관찰조사와 심층면담을 수행하였다. Wilson의 문제 해결 모형을 기반으로 임상의사가 임상질문 해결을 위해 온라인상에서 검색하는 단계별 특성과 정보검색의 효용성에 대해 분석하였다. 그 결과, 임상의사는 사전 배경지식을 바탕으로 즉각적인 임상질문을 구성하지만, 실제 검색에서는 대부분 기본 검색전략만 사용하였으며, 본인에게 익숙한 특정 정보원만을 선호하였다. 하지만, 온라인 정보검색 평균 만족도는 7점 리커트 스케일 기준 5.7로 높게 나타났으며, 정보검색 후에 문제해결지수가 상승하였다. 임상의사는 잘 정리된 근거 중심의 신뢰성 높은 정보를 빠르고 쉽게 이용하기를 원하기 때문에 환자 진료시스템에서 바로 치료에 필요한 정보를 보여줄 수 있는 검색시스템의 연계가 필요함을 알 수 있다. 또한, 구글이나 PubMed 외에 다른 온라인 정보원에 대한 인지도는 현격히 낮게 나타나 다른 정보원에 대한 적극적인 홍보와 정보활용교육의 활성화도 필요함을 알 수 있다.
Abstract
This study aims to analyze physicians’ online information search process to solve the clinical questions at the point of care. To achieve this purpose, ten university hospital-based physicians participated in-depth interviews and observation studies. Based on Wilson’s problem solving process, this study analyzed the characteristics of each information search stage and efficiency of online searching. The results showed that participants tend to relatively immediately formulate their clinical questions. However, basic searching strategies were only used and a few preferred information sources were chosen. However, average satisfaction degree of online searching appeared high with 5.7 (7 Likert-scale) and problem-solving index increased after searching. As physicians are likely to use well organized and evidenced-based credible information easily, it implies the needs for an integrated search system within the electronic medical record (EMR). In addition, as other online resources’ awareness is lower comparing Google and PubMed, active promotions and training of other resources are needed.
초록
이용자 관점에서 도서관 서비스에 대한 품질 평가는 시간의 흐름과 정보기술과 같은 환경에 따라 변화한다. 따라서 도서관은 서비스 품질과 이용자 만족도를 지속적으로 측정하여 새로운 환경에 필요한 개선점을 도출할 필요가 있다. 본 연구의 목적은 국내외 대학도서관을 대상으로 LibQUAL+ 서비스 품질 평가 결과의 변화와 경향을 분석하고 개선 방향을 규명하고자 하였다. 이를 위해 국내외 대학도서관 각각 1개관을 선정하였다. 캐나다 맥길대학교 도서관은 6년간 누적된 LibQUAL+결과를 대상으로 하였으며, 국내 A대학은 2012년 결과와 본 연구에서 수행한 2015년 결과를 분석하였다. 분석방법으로는 방사형 차트, 막대 차트, 그래프를 이용하여 LibQUAL+ 22개 항목, 3개 차원에 대한 이상 기대치, 실제 인식치, 최소 기대치와 적정성 갭, 우수성 갭의 변화를 비교․분석하였다. 분석 결과는 연도별, 학부생과 대학원생의 도서관 서비스에 대한 인식수준의 변화 및 기대수준에 있어 현저한 차이가 있음을 보여주었다. 특히, A대학의 분석결과는 이용자들의 전반적인 도서관의 기대수준이 향상되었으나 이에 반해 인식수준은 낮은 것으로 나타났다. 또한 이러한 결과는 이용자의 집단(학부생, 대학원생)에 따라 큰 차이를 보였다. 따라서 대학도서관 서비스는 직원, 자원, 시설 차원에 대한 개선방안이 필요하며, 개별 이용자 그룹에 특화된 서비스 개선이 필요한 것으로 나타났다.
Abstract
Users tend to perceive differently the service quality of library depending on the advance of digital information technologies. It is necessary to analyze the cumulative results of LibQUAL+ in order to identify the suggestions for improvement of library services. This study aims to comparatively analyze the results of LibQUAL+ and demonstrate the trends and changes for the services of university library. To achieve the purpose of this study, two university libraries were selected for analysis. The library of McGill University in Canada was selected with the six years’ results of LibQUAL+. Another library located in Seoul was selected with the 2012 result of LibQUAL+ and a new LibQUAL+ in 20015 was conducted for this study. The results were analyzed with three dimensions and 22 items in terms of circular chart, bar chart, and graph. Findings of this study indicated that there were substantial differences in terms of years of LibQUAL+ survey and user groups with undergraduate/graduate students in three dimensions. In particular, the results of A library showed that users were likely to expect more from the university library, but they perceived low service quality. In addition, there was found considerable differences among users groups in terms of undergraduate and graduate students. The improvements for library services need to focus on three dimensions such as staff, resources, and facilities as well as customized services for individual user groups.
초록
학문의 구조, 특성, 하위 분야 등을 계량적으로 규명하는 지적구조 분석 연구가 최근 급격히 증가하는 추세이다. 지적구조 분석 연구를 수행하기 위하여 전통적으로 사용되는 분석기법은 서지결합분석, 동시인용분석, 단어동시출현분석, 저자서지결합분석 등이다. 이 연구의 목적은 키워드서지결합분석(KBCA, Keyword Bibliographic Coupling Analysis)을 새로운 지적구조 분석 방식으로 제안하고자 한다. 키워드서지결합분석 기법은 저자서지결합분석의 변형으로 저자 대신에 키워드를 표지로 하여 키워드가 공유한 참고문헌의 수를 두 키워드의 주제적 결합 정도로 산정한다. 제안된 키워드서지결합분석 기법을 사용하여 Web of Science에서 검색된 ‘Open Data’ 분야의 1,366건의 논문집합을 대상으로 분석하였다. 1,366건의 논문집합에서 추출된 7회 이상 출현한 63종의 키워드를 오픈데이터 분야의 핵심 키워드로 선정하였다. 63종의 핵심 키워드를 대상으로 키워드서지결합분석 기법으로 제시된 지적구조는 열린정부와 오픈사이언스라는 주된 영역과 10개의 소주제로 규명되었다. 이에 반해 단어동시출현분석의 지적구조 네트워크는 전체 구성과 세부 영역 구조 규명에 있어 미진한 것으로 나타났다. 이러한 결과는 키워드서지결합분석이 키워드 간의 서지결합도를 사용하여 키워드 간의 관계를 풍부하게 측정하기 때문이라고 볼 수 있다.
Abstract
Intellectual structure analysis, which quantitatively identifies the structure, characteristics, and sub-domains of fields, has rapidly increased in recent years. Analysis techniques traditionally used to conduct intellectual structure analysis research include bibliographic coupling analysis, co-citation analysis, co-occurrence analysis, and author bibliographic coupling analysis. This study proposes a novel intellectual structure analysis method, Keyword Bibliographic Coupling Analysis (KBCA). The Keyword Bibliographic Coupling Analysis (KBCA) is a variation of the author bibliographic coupling analysis, which targets keywords instead of authors. It calculates the number of references shared by two keywords to the degree of coupling between the two keywords. A set of 1,366 articles in the field of ‘Open Data’ searched in the Web of Science were collected using the proposed KBCA technique. A total of 63 keywords that appeared more than 7 times, extracted from 1,366 article sets, were selected as core keywords in the open data field. The intellectual structure presented by the KBCA technique with 63 key keywords identified the main areas of open government and open science and 10 sub-areas. On the other hand, the intellectual structure network of co-occurrence word analysis was found to be insufficient in the overall structure and detailed domain structure. This result can be considered because the KBCA sufficiently measures the relationship between keywords using the degree of bibliographic coupling.