- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구에서는 두 단계를 거쳐서, 즉 리포지토리 운영에 필요한 이슈들을 제시한 SPARC 체크리스트 문헌 등을 분석하고(제 1 단계), 16개 국내외 대학의 리포지토리 운영현황을 사례 연구를 통해서 살펴본 후(제 2 단계), 리포지토리 운영에 중요한 여섯가지 요인을 추출하였다. 추출된 여섯가지 요인인 ①학내 합의 형성과 운영 체제, ②콘텐츠, ③지식 재산권, ④학내 동종 사업과의 제휴, ⑤기술과 시스템 및 ⑥도서리를 앞으로 구축할 계획 중인 대학은 물론 이미 구축된 리포지토리를 다각적으로 검토하여 활성화 방안을 모색하고 있는 대학에 하나의 지침이 될 것이다.
Abstract
The purpose of the study is to implement the management model o f the institutional repositories for the efficient di ational knowledge focusing on the dCollection system which is operated by KERIS (service provider ). In order to build the management model, the two steps were utilized. The first step is to investigate the checklists epository implementation through literature review. On the other hand, the second one is to sur vey the current status of the sixteen domestic and foreign in stitutional repositories through interviews, surveys and email hrough the two steps, the management model including six components such as content and l ibrarian role was proposed. The proposed management model will be utilized to suply guide s both to the universities which plan to build their institutional repositories and to the universities which try to promote the activities of their repositories.
초록
본 연구는 디지털 도서관의 콘텐츠를 탐색하는 동안 이용자의 암묵적 적합성 피드백을 활용하여 적합성을 판단하기 위해 뇌파 기반 및 시선추적 기반 방법들을 제안하고 평가해 보았다. 이를 위해서 32명을 대상으로 하여 동영상, 이미지, 텍스트 데이터를 활용하여 뇌파/시선추적 실험들을 수행하였다. 제안된 방법들의 유용성을 평가하기 위해서, 딥러닝 기반의 인공지능 방법들을 경쟁 기준으로 사용하였다. 평가 결과, 주제에 적합한 동영상과 이미지(얼굴/감정)를 선택하는 데에는 뇌파 컴포넌트 기반 방법들(av_P600, f_P3b)이 높은 분류 정확도를 나타냈고, 이미지(객체)와 텍스트(신문 기사)를 선택하는 데에는 인공지능 기반 방법 즉, 객체 인식 기반 방법과 자연언어 처리 방법이 각각 높은 분류 정확도를 나타냈다. 끝으로, 뇌파, 시선추적 및 인공지능 기술에 기반한 디지털 도서관 인터페이스를 구현하기 위한 지침 즉, 암묵적 적합성 피드백에 기반한 시스템 모형을 제안하고, 분류 정확도를 향상시키기 위해서 미디어별로 적합한 뇌파 기반, 시선추적 기반 및 인공지능 기반 방법들을 제시하였다.
Abstract
This study proposed and evaluated electroencephalography (EEG)-based and eye-tracking-based methods to determine relevance by utilizing users’ implicit relevance feedback while navigating content in a digital library. For this, EEG/eye-tracking experiments were conducted on 32 participants using video, image, and text data. To assess the usefulness of the proposed methods, deep learning-based artificial intelligence (AI) techniques were used as a competitive benchmark. The evaluation results showed that EEG component-based methods (av_P600 and f_P3b components) demonstrated high classification accuracy in selecting relevant videos and images (faces/emotions). In contrast, AI-based methods, specifically object recognition and natural language processing, showed high classification accuracy for selecting images (objects) and texts (newspaper articles). Finally, guidelines for implementing a digital library interface based on EEG, eye-tracking, and artificial intelligence technologies have been proposed. Specifically, a system model based on implicit relevance feedback has been presented. Moreover, to enhance classification accuracy, methods suitable for each media type have been suggested, including EEG-based, eye-tracking-based, and AI-based approaches.