- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구는 일상생활 정보탐색의 맥락에서 개인에게 생활의 모니터링 도구로 기능할 수 있는 주변 사람과의 반복적 접촉인 일상적 만남에 대해 탐색한 연구이다. 의도적 정보행위와 비의도적 정보행위의 조합인 일상적 만남의 특성을 밝히기 위해 일상생활 정보탐색 이론에 관한 연구를 바탕으로 9명의 기러기엄마와 일대일 면접을 수행하였다. 결론적으로 일상적 만남에서의 정보요구, 정보탐색과정, 정보탐색행위의 특성 등을 밝혀내고, 연구 참여자의 해석에 기초한 일상적 만남의 레퍼토리를 분석함으로써 정보원으로서의 가치를 살펴보았다.
Abstract
This study focuses on the characteristics of information seeking behavior through the casual interactions which are regular contacts with others as information sources in the context of ELIS. Qualitative data were gathered using semi-structured one-to-one interviews with 9 wild-goose mothers in order to investigate the casual interactions. We identified information needs, patterns and characteristics of information seeking behavior through the casual interactions and the major interpretative repertoires.
초록
최근 국내적으로 e-Book 산업에 대한 성장 전망을 실현화하기 위한 노력은 끊임없이 진보되어 왔다. e-Book의 경우 정보 시스템 영역에서 가치 시스템을 구현하고 있음에도 불구하고, e-Book을 정보 시스템 영역으로 확장하여 사용자 입장에서 성공 메커니즘을 살펴본 연구는 찾아보기 힘들다. 이에 본 연구에서는 e-Book의 성공 모형을 제안하고 평가를 수행하였다. 전체 241명의 e-Book 사용자들로부터 자료를 수집하여 구조방정식 모형을 통해 검증하였다. 그 결과 모든 구성개념들의 관계가 유의적으로 도출됨으로써 e-Book의 연구 영역을 정보 시스템 연구 영역으로 확장할 수 있는 이론적 토대를 마련하였다. 아울러 경로별 멀티그룹 구조모형 분석을 통해 개인의 지각된 효용 차이에 따라 e-Book의 성공 요소들이 서로 상이하게 영향력을 행사함을 밝힘으로써 e-Book 시장을 활성화 할 수 있는 실무적인 시사점을 논의하였다.
Abstract
With the proliferation of the e-Book industry, people are increasingly interacting with e-Book as information systems. While e-Book contains the components regarded as an information system(IS), few studies have been conducted to assess the success of e-Book from IS perspective. This study proposed and empirically evaluated an e-Book success model. Structural equation modeling techniques were applied to the data collected by questionnaire from 241 users of e-Book. Every relationship among constructs was significantly supported by the data. This finding provided theoretical implications to extend existing e-Book research into the broader IS research area. Furthermore, this study illustrated the use of multi-group structural analysis to test the differences in structural weights between high e-Book and high paper book utility groups. The managerial implications of the results in setting different relationships and allocating appropriate paths to vitalize the e-Book market were discussed.
초록
구조적 초록은 학술 논문의 주제를 표현하는 역할을 하여 학술 논문을 처리하는데 중요한 요소로 인식되어왔다. 이 연구에서는 구조적 초록을 구성하는 세부 필드의 속성을 4개로 분석하고 초록의 구조를 활용하여 문서 클러스터링에 적용할 수 있는 가능성을 고찰고자 하였다. 구조적 초록의 필드 속성을 문서 클러스터링에 적용한 결과 클러스터링 기법간의 편차가 있었으나 연구 목적이 제공하는 정보량에 비해 주제성이 커서 클러스터링 성능에 가장 큰 영향을 미치고 있는 것으로 나타났다. 또한 분석 결과 특정 필드에 특화되어 출현하는 필드 종속적인 단어가 발생하는 것으로 나타나 필드 종속적인 단어를 배제하고 집단내 평균연결 기법을 적용하였을 때는 클러스터링의 성능이 개선되는 것으로 분석되었다.
Abstract
Structured abstracts have been regarded as an essential information factor to represent topics of journal articles. This study aims to provide an unconventional view to utilize structured abstracts with the analysis on sub fields of a structured abstract in depth. In this study, a structured abstract was segmented into four fields, namely, purpose, design, findings, and values/implications. Each field was compared in the performance analysis of document clustering. In result, the purpose statement of an abstract affected on the performance of journal article clustering more than any other fields. Furthermore, certain types of keywords were identified to be excluded in the document clustering to improve clustering performance, especially by Within group average clustering method. These keywords had stronger relationship to a specific abstract field such as research design than the topic of an article.
초록
전통적인 저자동시인용분석은 인용색인 데이터베이스가 색인하는 제 1저자만을 대상으로 하기 때문에 제1저자 이외의 저자의 기여도가 제외된다는 한계를 지니고 있다. 본 연구의 목적은 경제학 분야를 대상으로 하여 복수저자기반의 저자동시인용분석을 활용하여 해당 학문분야의 지적구조를 제시하고자 한다. 이를 위하여 네 가지 실험집단을 구성하였다. (1) 인용된 문헌의 제 1저자만을 고려한 저자동시인용분석, (2) 문헌당 총합 제한 없이 복수저자에게 동일한 인용빈도 부여한 저자동시인용분석, (3) 문헌당 총 합을 제한하여 인용빈도를 부여한 저자동시인용분석, (4) 저자기입 순서를 고려하여 인용빈도를 부여한 저자동시인용분석. 본 연구의 결과는 크게 제 1저자만 고려한 방식과 복수저자를 모두 고려한 방식에 따라 군집형성에 있어서 차이를 보였다. 또한 복수저자의 인용빈도를 구하는 방식에 따라서 군집의 소속이 달라지는 변화를 찾아볼 수 있다. 이러한 결과는 공동저작이 증가하는 학문적 추세에 비추어서 학문의 지적구조를 밝히기 위해서는 복수저자가 고려된 저자동시인용분석이 중요하다는 점을 시사한다.
Abstract
The author co-citation analysis is generally based on the frequency of the first author because most citation databases include only the first author in the bibliographic information. In this sense, the purpose of this study is to provide a better knowledge structure by utilizing the multiple authorship of author co-citation analysis. To achieve the purpose of this study, four different data sets are prepared: (1) counting the first author, (2) counting all the author without limiting the total frequency, (3) counting all the author with limiting the total frequency, and (4) counting adjusted frequencies based on the order of author subscription. The findings of this study show that there are clear differences between the knowledge structure counting all the author and the one counting only the first author. In addition, depending on the different methods, there are subtle changes of cluster members for authors.
초록
본 연구에서는 서지 정보를 확장하기 위한 방안으로 링크드 데이터를 선정하였다. 링크드 데이터는 웹 공간을 통해 공유 가능한 식별기호와 데이터 구조 및 링크 정보를 제공하기 때문이다. 특히 링크드 데이터는 서지 온톨로지와 결합하여 서지데이터를 확장시키는데 유용하다. 이에 링크드 데이터와 서지 온톨로지를 분석하고, 연계 가능한 링크드 데이터를 검토하였다. 그리고 이를 바탕으로 링크드 데이터로 구축된 기존의 전거 데이터 및 서지 데이터를 연계하였다. 이러한 실험적 연계를 통해 향후 링크드 데이터를 효과적으로 활용하기 위한 과제를 도출할 수 있었다. 즉, 1) 다양한 링크드 데이터 중에서 각 기관에서 적합한 데이터를 선정할 수 있어야 하며, 2) 선정된 링크드 데이터를 연계하기 위한 기준을 정립해야 하고, 마지막으로 3) 자관의 고유한 데이터를 개발하여 이를 다시 공유해 나가야 할 것을 제안하였다.
Abstract
In this study, Linked Data was used for extending bibliographic data, because Linked Data provides shareable identifiers, data structures, and link information. Linked Data is especially efficient in expanding bibliographic data integrated with bibliographic ontology. Therefore, Linked Data and bibliographic ontologies were analyzed and available Linked Data was suggested. By linking between meta-data schemes, bibliographic data, and authority data, issues for the effective Linked Data sharing were suggested: 1) selecting proper Linked Data for each bibliographic organization, 2) linking between different Linked Data, and 3) developing their own Linked Data for each bibliographic organization.
초록
본 연구의 목적은 스마트 사회/스마트 세대를 위한 스마트 도서관을 지향하기 위해 필요한 우리나라 도서관의 정책적 과제들을 발굴하는 데 있다. 이러한 목적을 위해 본 연구에서는 도서관 R&D 정책과제 탐색을 위한 방법론을 정립하고, 계량정보 분석 방법과 주제분석 방법, 브레인스토밍 기법을 활용하여 도서관 분야의 유망과제를 발굴하는 작업을 수행하였다. 이렇게 하여 도출한 도서관 R&D 유망과제 예비 리스트는 연구팀의 브레인스토밍과 전문가 평가를 통해 최종 과제화 되었다. 또한, 본 연구에서 도출한 최종 과제의 중요도를 산출하기 위해 전문가에 의한 AHP 분석 작업을 수행하였다. 이 연구의 결과는 우리나라 도서관 정보서비스의 질적 향상뿐만 아니라 미래의 변화를 스스로 주도할 수 있는 지적 기반의 마련을 위한 R&D 과제 개발 및 이행을 위한 기초자료로 활용할 수 있을 것이다.
Abstract
This study intends to develop R&D policy agendas that are required to prepare a smart library/smart society in Korea libraries. To the end, methodology was established to explore policy issues and agenda for library R&D, and the preliminary agendas were drawn from informetrics, subject analysis, and brainstorming techniques. Then, the preliminary agendas were revised through supplementary works, such as the comprehensive investigation into research papers and the recent research projects. Based on the results, evaluation for the R&D agendas was performed. The Analytic Hierarchy Process (AHP) method was used as a structured technique for analyzing the importance and the priority of the agendas. This study can be used for improving and/or expanding quality of information services in Korean libraries and for exploring the requirements to play a crucial role in the future society.
초록
텍스트 범주화에 있어서 일반적인 문제는 문헌을 표현하는 핵심적인 용어라도 학습문헌 집합에 나타나지 않으면 이 용어는 분류자질로 선정되지 않는다는 것과 형태가 다른 동의어들은 서로 다른 자질로 사용된다는 점이다. 이 연구에서는 위키피디아를 활용하여 문헌에 나타나는 동의어들을 하나의 분류자질로 변환하고, 학습문헌 집합에 출현하지 않은 입력문헌의 용어를 가장 유사한 학습문헌의 용어로 대체함으로써 범주화 성능을 향상시키고자 하였다. 분류자질 선정 실험에서는 (1) 비학습용어 추출 시 범주 정보의 사용여부, (2) 용어의 유사도 측정 방법(위키피디아 문서의 제목과 본문, 카테고리 정보, 링크 정보), (3) 유사도 척도(단순 공기빈도, 정규화된 공기빈도) 등 세 가지 조건을 결합하여 실험을 수행하였다. 비학습용어를 유사도 임계치 이상의 최고 유사도를 갖는 학습용어로 대체하여 kNN 분류기로 분류할 경우 모든 조건 결합에서 범주화 성능이 0.35%~1.85% 향상되었다. 실험 결과 범주화 성능이 크게 향상되지는 못하였지만 위키피디아를 활용하여 분류자질을 선정하는 방법이 효과적인 것으로 확인되었다.
Abstract
In text categorization, core terms of an input document are hardly selected as classification features if they do not occur in a training document set. Besides, synonymous terms with the same concept are usually treated as different features. This study aims to improve text categorization performance by integrating synonyms into a single feature and by replacing input terms not in the training document set with the most similar term occurring in training documents using Wikipedia. For the selection of classification features, experiments were performed in various settings composed of three different conditions: the use of category information of non-training terms, the part of Wikipedia used for measuring term-term similarity, and the type of similarity measures. The categorization performance of a kNN classifier was improved by 0.35~1.85% in F1 value in all the experimental settings when non-learning terms were replaced by the learning term with the highest similarity above the threshold value. Although the improvement ratio is not as high as expected, several semantic as well as structural devices of Wikipedia could be used for selecting more effective classification features.