- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
전 세계적으로 협동연구가 증가함에 따라 복수저자 연구업적물 상의 개별저자 기여도를 보다 정확하고 합리적으로 산정하는 것이 중요해지고 있다. 효과적인 저자 기여도 산정을 위해서는 개별 학문분야의 고유한 연구행태 및 규범에 대한 이해가 우선되어야 한다. 그럼에도 불구하고 연구업적 평가 시 개별 학문분야의 특수성을 고려하지 않고 일률적인 방식으로 저자 기여도를 산정하는 경우가 많다. 따라서 본 연구에서는 국내 대학에서 사용하는 교수 연구업적 평가방식에 제시된 복수저자 기여도 측정방식이 특정 학문분야 즉, 경제학 분야 교수의 연구업적 평가에 적용되었을 때 나타나는 문제점을 제시하고 이를 해결할 수 있는 방안을 제안하였다. 본 연구에서는 문헌연구, 업적평가 규정분석 및 경제학 분야 교수 면담 등을 통하여 경제학 분야의 알파벳 순 저자표기 관행을 확인하였고, 이러한 표기방식이 연구업적 평가과정에 제대로 고려되고 있지 않음을 알 수 있었다. 연구결과를 토대로 저자들은 세 가지 즉, (1) 대학 업적평가 규정상의 주저자에 대한 명확한 정의 및 인정기준 확립, (2) 복수저자 기여율 평가규정의 융통성 제고, (3) 저자 기여율에 대한 인식연구의 필요성 등을 제안하였다.
Abstract
There has been growing interest in the methods for measuring the credits of individual authors in multi-authored research papers in response to the increase of research collaboration. Having a good understanding for academic norms of individual discipline is essential to measure author credit effectively. However, many Korean universities do not consider different norms for determining the order of authors across disciplines. Rather, they tend to use a standardized method to assess the credits of authors in multi-authored papers. Therefore, this study presented some problems of applying a standardized method to measure author credits in multi-authored papers in economics. The findings of this study confirmed the frequent use of alphabetical author order in economics papers; however, many university guidelines for research evaluation do not take account the alphabetical authorship in measuring the credits of authors. The authors suggest the needs for (1) establishment of a clear definition for primary authors, (2) flexibility in assessment methods for author credit, and (3) empirical research on author credit.
초록
최근 들어 다양한 분야에서 딥러닝이 혁신적인 기계학습 기법으로 급속하게 확산되고 있다. 이 연구에서는 딥러닝 연구동향을 분석하기 위해서 자아 중심 주제 인용분석 기법을 변형하여 응용해보았다. 이를 위해 Web of Science에서 ‘deep learning’으로 탐색하여 검색된 문헌 중 소수의 씨앗 문헌으로부터 인용 관계를 통해 분석 대상 문헌을 확보하는 방법을 시도하였다. 씨앗 문헌을 인용하는 최근 논문들을 딥러닝 분야의 현행 연구를 반영하는 자아 문헌집합으로 설정하였다. 자아 문헌으로부터 빈번히 인용된 선행 연구들은 딥러닝 분야의 연구 주제를 나타내는 인용 정체성 문헌집합으로 설정하였다. 자아 문헌집합에 대해서는 공저 네트워크 분석을 비롯한 정량적 분석을 실시하여 주요 국가와 연구 기관을 파악하였다. 인용 정체성 문헌들에 대해서는 동시인용 분석을 실시하고, 도출된 문헌 군집을 인용하는 주요 키워드인 인용 이미지 키워드를 파악하여 주요 문헌과 주요 연구 주제를 밝혀내었다. 마지막으로 특정 주제에 대한 인용 영향력이 성장하는 추세를 반영하는 인용 성장지수 CGI를 제안하고 측정하여 딥러닝 분야의 선도 연구 주제가 변화하는 동향을 밝혔다.
Abstract
Recently, deep learning has been rapidly spreading as an innovative machine learning technique in various domains. This study explored the research trends of deep learning via modified ego centered topic citation analysis. To do that, a few seed documents were selected from among the retrieved documents with the keyword ‘deep learning’ from Web of Science, and the related documents were obtained through citation relations. Those papers citing seed documents were set as ego documents reflecting current research in the field of deep learning. Preliminary studies cited frequently in the ego documents were set as the citation identity documents that represents the specific themes in the field of deep learning. For ego documents which are the result of current research activities, some quantitative analysis methods including co-authorship network analysis were performed to identify major countries and research institutes. For the citation identity documents, co-citation analysis was conducted, and key literatures and key research themes were identified by investigating the citation image keywords, which are major keywords those citing the citation identity document clusters. Finally, we proposed and measured the citation growth index which reflects the growth trend of the citation influence on a specific topic, and showed the changes in the leading research themes in the field of deep learning.