- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
최근 도서관 건립과 운영의 방향은 사람들의 변화된 삶의 방식을 반영하고 지역 환경에 기반한 특성화를 통한 혁신적 공간을 제안하고 있다. 이에 이 연구에서는 A군의 한탄강 유네스코 세계지질공원 내 건립되는 (가칭)송대소도서관의 운영에 대한 목표로 복합문화시설로서의 역할, 워케이션의 성지로서 체류형 독서문화 문화공간으로 운영, A군의 랜드마크로서의 역할을 제시하였다. 운영전략으로는 (가칭)송대소도서관의 건립 타당성 확보, 운영 추진동력으로 도서관 정책 연계, 랜드스케이프 건축을 통한 지질특화도서관 운영에 따른 도서관 존재 당위성 입증을 전략으로 세웠다. 이에 따른 운영계획으로 인력, 장서, 서비스, 예산계획으로 구분하여 제시하였다.
Abstract
The directions of recent library construction and operation reflect people’s changed lifestyle and suggest innovative spaces specialized on the basis of the local environment. Hence, as the goals of the operation of (tentatively named) Songdaeso Library to be constructed within the Hantangang River UNESCO Global Geopark, this study proposes ‘acting as complex cultural facilities,’ ‘operating stay-type reading culture space which is a shrine for workcation,’ and ‘acting as the landmark of A-gun (郡, county).’ And this study works out strategies for its operation, which includes ‘securing the validity of the construction of (tentatively named) Songdaeso Library,’ ‘linking to library policy as the driving force behind its operation,’ and ‘demonstrating the necessity for the existence of the library arising from the operation of the geological specialized library through landscape architecture.’ It also presents concomitant operating plans, which are categorized into plans for manpower, library books, services, and budget.
초록
본 연구는 국내 학술지 중 상용DB를 통하여 원문서비스를 제공하지 않고 무료로 원문을 공개하는 309종의 학술지들이 어떤 이유로 무료서비스를 선택하였는지를 파악하기 위하여 학술지 편집인들을 대상으로 조사하였다. 또한 이들 무료 오픈액세스 학술지 편집인의 오픈액세스에 대한 인식과 지지도 및 지지이유에 대해서도 파악해보고자 하였다. 연구결과 오픈액세스를 선택한 이유는 학술논문의 무료이용 확대와 인용 확대의지, 해당 학문분야의 국제적 분위기 때문인 것으로 나타났다. 학술지 편집인들은 오픈액세스에 대하여 알고 있는 경우가 약 65%, 지지하는 응답자가 약 75%였다. 지지 이유로는 학술연구성과 공유, 동료연구자의 이용가능성 확대, 학술지 인지도 향상 등을 제시하였다.
Abstract
This study surveyed editors of 309 gratis open access journals in Korea in order to examine the reason why they decided to open their journals to the public on the Web. Also this study examined their perceptions and attitudes toward open access publishing. The main reasons of open access publishing in Korea were expansion of free use, increasing citation, and international trends regarding open access in their scholarly fields. Also, 65% of all respondents were aware of the concepts of open access, and 75% supported open access. The reasons of supporting open access were sharing of research results with the public, increasing the availability of peer researchers, and enhancing journal reputations.
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
문헌정보학 분야의 국내 학술지 논문으로 구성된 문헌집합을 대상으로 기계학습에 기초한 자동분류의 성능에 영향을 미치는 요소들을 검토하였다. 특히, 「정보관리학회지」에 수록된 논문에 주제 범주를 자동 할당하는 분류 성능 측면에서 용어 가중치부여 기법, 학습집합 크기, 분류 알고리즘, 범주 할당 방법 등 주요 요소들의 특성을 다각적인 실험을 통해 살펴보았다. 결과적으로 분류 환경 및 문헌집합의 특성에 따라 각 요소를 적절하게 적용하는 것이 효과적이며, 보다 단순한 모델의 사용으로 상당히 좋은 수준의 성능을 도출할 수 있었다. 또한, 국내 학술지 논문의 분류는 특정 논문에 하나 이상의 범주를 할당하는 복수-범주 분류(multi-label classification)가 실제 환경에 부합한다고 할 수 있다. 따라서 이러한 환경을 고려하여 단순하고 빠른 분류 알고리즘과 소규모의 학습집합을 사용하는 최적의 분류 모델을 제안하였다.
Abstract
This study examined the factors affecting the performance of automatic classification based on machine learning for domestic journal articles in the field of LIS. In particular, In view of the classification performance that assigning automatically the class labels to the articles in 「Journal of the Korean Society for Information Management」, I investigated the characteristics of the key factors(weighting schemes, training set size, classification algorithms, label assigning methods) through the diversified experiments. Consequently, It is effective to apply each element appropriately according to the classification environment and the characteristics of the document set, and a fairly good performance can be obtained by using a simpler model. In addition, the classification of domestic journals can be considered as a multi-label classification that assigns more than one category to a specific article. Therefore, I proposed an optimal classification model using simple and fast classification algorithm and small learning set considering this environment.
초록
이 연구에서는 사건중심 뉴스기사 요약문을 자동생성하기 위해 뉴스기사들을 SVM 분류기를 이용하여 사건 주제범주로 먼저 분류한 후, 각 주제범주 내에서 싱글패스 클러스터링 알고리즘을 통해 특정한 사건 관련 기사들을 탐지하는 기법을 제안하였다. 사건탐지 성능을 높이기 위해 고유명사에 가중치를 부여하고, 뉴스의 발생시간을 고려한 시간벌점함수를 제안하였다. 또한 일정 규모 이상의 클러스터를 분할하여 적절한 크기의 사건 클러스터를 생성하도록 수정된 싱글패스 알고리즘을 사용하였다. 이 연구에서 제안한 사건탐지 기법의 성능은 단순 싱글패스 클러스터링 기법에 비해 정확률, 재현율, F-척도에서 각각 37.1%, 0.1%, 35.4%의 성능 향상률을 보였고, 오보율과 탐지비용에서는 각각 74.7%, 11.3%의 향상률을 나타냈다.
Abstract
This study investigates an event detection method with the aim of generating an event-focused news summary from a set of news articles on a certain event using a multi-document summarization technique. The event detection method first classifies news articles into the event related topic categories by employing a SVM classifier and then creates event clusters containing news articles on an event by a modified single pass clustering algorithm. The clustering algorithm applies a time penalty function as well as cluster partitioning to enhance the clustering performance. It was found that the event detection method proposed in this study showed a satisfactory performance in terms of both the F-measure and the detection cost.
초록
본 연구의 목적은 지식기여 활동의 영향요인을 분석하고, 지식기여 활성화 방안을 모색하는데 있다. 특히 본 연구에서는 공공부문을 대상으로 온라인에서의 지식기여와 오프라인에서의 지식기여 활동에 영향을 미치는 요인을 분석하고, 이를 통해 지식기여 활성화 방안을 제시하고자 하였다. 구조방정식 모형 분석을 통한 가설검증 결과, 온라인 지식기여와 오프라인 지식기여에 유의미한 영향을 미치는 요인으로는 지지적 리더십, 내재적 동기, 지식품질 등으로 나타났다. 이러한 분석결과를 토대로 본 연구에서는 지식기여 활성화를 위한 전략 및 함의를 제시하였다.
Abstract
The purposes of this study are to find factors that have influences on the knowledge contribution activities, and to offer some suggestions to improve the knowledge contribution. Especially this study suggests to improve knowledge contribution by analyzing both on-line and off-line knowledge contribution activities in the public sector. The results of data analysis by structured equation model(SEM) indicate that leadership, intrinsic motivation, and knowledge quality significantly influence on-line and off-line knowledge contribution. Based on the results, the potential implications for the strategy of effective knowledge contribution are discussed.
초록
오픈 액세스 운동은 출판된 과학적 연구결과물을 비용 없이 누구나가 인터넷을 통해 이용 가능해야 한다는 원칙을 지지하는 운동이다. 오픈 액세스라는 용어는 이 운동의 폭넓은 의미로 사용되고 있으며, BOAI에서는 이 목표를 달성하기 위해 ‘셀프 아카이빙’과 ‘오픈 액세스 저널’ 두 가지의 전략을 제시하고 있다. 본 연구에서는 최근 논의되고 있는 다양한 오픈 액세스 운동들의 개요와 수행전략 등을 소개하고, 사서, 대학, 출판사, 기금단체, 학회, 정부)들의 역할과 대응전략을 BOAI에서 제시하고 있는 두 전략의 관점에서 분석하고 있다.
Abstract
Open access movement supports the principle that the published output of scientific research should be available to everyone without charge. The term open access is used in the broad context of the wider movement. To achieve the objectives of open access to scholarly journal literature, BOAI (Budapest Open Access Initiative) recommends using two complementary strategies: ‘self-archiving’ in institutional/disciplinary repositories and ‘open access journals.’ This study introduces the strategies of open access movements and analyzes the ways to help the cause of open access by academic stakeholders (i.e., researchers, librarians, universities, publishers, foundations, learned societies, and government) from the perspective of two BOAI strategies.
초록
이 논문의 목적은 SVM(지지벡터기계) 분류기의 성능을 문헌간 유사도를 이용해서 향상시키는 것이다. 는 문헌 벡터 자질 표현에 기반한 SVM 문헌자동분류를 제안하였다. 제안한 방식은 분류 자질로 색인어 대신 문헌 벡터를, 자질값으로 가중치 대신 벡터유사도를 사용한다. 제안한 방식에 대한 실험 결과, SVM 분류기의 성능을 향상시킬 수 있었다. 실행 효율 향상을 위해서 문헌 벡터 자질 선정 방안과 범주 센트로이드 벡터를 사용하는 방안을 제안하였다. 실험 결과 소규모의 벡터 자질 집합만으로도 색인어 자질을 사용하는 기존 방식보다 나은 성능을 얻을 수 있었다.
Abstract
The purpose of this paper is to explore the ways to improve the performance of SVM(Support Vector Machines) text classifier using inter-document similarit ies. SVMs are powerful machine technique for automatic document classification. In this paper text categorization via SVMs aproach based on feature representation with document vectors is suggested. In this appr oach, document vectors instead stead of term weights are used as feature values. Experiments show that SVM clasifier with do cument vector features can improve the document classification performance. For the sake o f run-time efficiency, two methods are developed: One is to select document vector feature s, and the other is to use category centroid vector features instead. Experiments on these two methods show that we the performance of conventional methods with index term features.
초록
최근 새로운 형태의 공공도서관 즉, 타시설과 한 건물 혹은 한 대지에 같이 건립되는 복합시설 공공도서관이 부각되었다. 새로운 형태의 공공도서관이 이용자의 우호적인 지지와 지자체의 적극적인 지원을 받기 위해서는 이에 대한 이용자들의 평가와 요구에 대한 분석을 바탕으로 한 도서관의 운영전략 및 건립방안이 세워져야 할 것이다. 이에 본 연구에서는 서울소재 28개관의 복합시설 공공도서관 이용자를 대상으로 도서관 이용만족도와 복합화에 대한 인식을 조사하기 위하여 설문조사를 실시하였다. 그 결과 복합시설 공공도서관 이용자들은 복합시설 도서관을 이용하면서 인적자원, 정보자원, 서비스, 환경, 지역사회의 유대에 대해 대체적으로 만족하고 있으며, 복합화에 대해서도 긍정적으로 인식하고 있는 것을 확인할 수 있었다. 복합시설 공공도서관이 이용자에게 더 만족할 수 있는 환경과 서비스를 제공하기 위해서는 도서관에 대한 편리한 접근성, 충분한 도서관의 규모 확보, 외부소음 방지 방안, 복합이용의 시너지 효과를 보일 수 있는 타시설과 연계, 복합시설 내 타시설과의 연계 프로그램 활성화 등이 이루어져야 할 것이다.
Abstract
Recently, attention has been drawn to a new form of a public library, that is, a public library in a complex facility constructed in the same building or site with another facility. To get active users’ or local governments’ supports in the public library in a complex facility, it is necessary to build library strategic plans based on the analysis of users’ evaluation and demands. Thus, this study analyzed the user satisfaction and perception of the 28 public libraries in complex facilities in Seoul. As a result, it was found that most users overall satisfied with public libraries in complex facilities in terms of human resources, information resources, and the links among services and positively perceived their environments and services. In order to provide more satisfaction to the users in public libraries in complex facilities first, it is necessary to improve the accessibility of libraries, to secure the sufficient library space, to prevent the outside noise, to link the facilities which bring mutual synergistic effect, and to develop a program and service accompanying other facilities.
초록
문헌간 유사도를 자질로 사용하는 분류기에서 미분류 문헌을 학습에 활용하여 분류 성능을 높이는 방안을 모색해보았다. 자동분류를 위해서 다량의 학습문헌을 수작업으로 확보하는 것은 많은 비용이 들기 때문에 미분류 문헌의 활용은 실용적인 면에서 중요하다. 미분류 문헌을 활용하는 준지도학습 알고리즘은 대부분 수작업으로 분류된 문헌을 학습데이터로 삼아서 미분류 문헌을 분류하는 첫 번째 단계와, 수작업으로 분류된 문헌과 자동으로 분류된 문헌을 모두 학습 데이터로 삼아서 분류기를 학습시키는 두 번째 단계로 구성된다. 이 논문에서는 문헌간 유사도 자질을 적용하는 상황을 고려하여 두 가지 준지도학습 알고리즘을 검토하였다. 이중에서 1단계 준지도학습 방식은 미분류 문헌을 문헌유사도 자질 생성에만 활용하므로 간단하며, 2단계 준지도학습 방식은 미분류 문헌을 문헌유사도 자질 생성과 함께 학습 예제로도 활용하는 알고리즘이다. 지지벡터기계와 나이브베이즈 분류기를 이용한 실험 결과, 두 가지 준지도학습 방식 모두 미분류 문헌을 활용하지 않는 지도학습 방식보다 높은 성능을 보이는 것으로 나타났다. 특히 실행효율을 고려한다면 제안된 1단계 준지도학습 방식이 미분류 문헌을 활용하여 분류 성능을 높일 수 있는 좋은 방안이라는 결론을 얻었다
Abstract
This paper studies the problem of classifying documents with labeled and unlabeled learning data, especially with regards to using document similarity features. The problem of using unlabeled data is practically important because in many information systems obtaining training labels is expensive, while large quantities of unlabeled documents are readily available. There are two steps in general semi-supervised learning algorithm. First, it trains a classifier using the available labeled documents, and classifies the unlabeled documents. Then, it trains a new classifier using all the training documents which were labeled either manually or automatically. We suggested two types of semi-supervised learning algorithm with regards to using document similarity features. The one is one step semi-supervised learning which is using unlabeled documents only to generate document similarity features. And the other is two step semi-supervised learning which is using unlabeled documents as learning examples as well as similarity features. Experimental results, obtained using support vector machines and naive Bayes classifier, show that we can get improved performance with small labeled and large unlabeled documents then the performance of supervised learning which uses labeled-only data. When considering the efficiency of a classifier system, the one step semi-supervised learning algorithm which is suggested in this study could be a good solution for improving classification performance with unlabeled documents.