- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
이 연구에서는 White가 제안한 자아 중심 인용 분석을 응용하여 연구 주제에 대한 다층적인 분석을 가능하게 해주는 자아 중심 주제 인용 분석 기법을 제안하였다. 시험적으로 폭소노미에 대한 연구문헌을 Web of Science 데이터베이스로부터 검색한 후 이에 대한 주제 인용 분석을 수행해보았다. 폭소노미 주제에 대한 자아 중심 인용 분석은 자아 문헌 집단 분석, 주제 인용 정체성 분석, 주제 인용 이미지 분석의 세 단계로 나뉘어 수행되었다. 분석 결과 이 연구에서 제안된 자아 중심 주제 인용 분석을 통해서 폭소노미 연구의 내부 지적 구조와 외부 지적 구조를 함께 파악하는 것이 가능함이 확인되었다.
Abstract
This research aims to present the ego-centered topic citation analysis, which is a new application of White’s ego-centered citation analysis, for analyzing multilayered knowledge structure of a subject domain. An experimental topic citation analysis was carried out on the folksonomy research documents retrieved from Web of Science. Ego-centered topic citation analyses on folksonomy research domain were conducted in three stages: ego-documents set analysis, topic citation identity analysis, and topic citation image analysis. The results showed that the ego-centered topic citation analysis suggested in this study was successfully performed to illustrate the inner and the outer knowledge structures of folksonomy research domain.
초록
이 연구에서는 연구자의 연구 이력을 분석하기 위해서 White(2000)가 제안한 인용 정체성과 Hellsten 등(2007)이 제안한 자기 인용 네트워크의 두 가지 최신 기법을 비교해보았다. 국내 대표적인 정보학자인 정영미의 연구 성과물을 대상으로 실험적인 분석을 수행해본 결과 두 기법에서 구분한 연구 시기가 동일하게 나뉘었으며 주요 연구 주제도 유사하게 파악되었다. 그러나 인용 정체성 지도에서는 주제영역별로 영향받은 주요 저자를 파악할 수 있는 반면에 자기 인용 네트워크에서는 시기별 핵심 문헌과 선도 문헌이 식별되었다. 따라서 이 두 가지 기법을 상호보완적으로 사용할 때 연구자의 연구 이력에 대해서 풍부한 정보를 획득할 수 있다는 결론을 얻었다.
Abstract
This paper compares two recent methods for exploring a scientist's research history: citation identity and self-citation network. The former is proposed by White(2000), while the latter is suggested by Hellsten et al.(2007). An experimental citation analysis was carried out on the research output of Young Mee Chung, a renouned Korean information scientist. The result shows that the two methods divided the research period into two sub-periods in the same way. They also identified the major research themes very similarly. In the analysis of each method's performance in depth, the two methods revealed different functions to understand a researcher's history. Citation identity was useful to identify authors who have affected Chung's research in terms of research topics. whereas, self-citation network was successful to identify the core papers and leading papers of the research sub-periods. This study indicates the combination of two methods can provide rich information on a scientist's research history.
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.
초록
본 연구는 국내외 학술지에서 이론개발과 이론활용이 이루어진 이론연구를 조사함으로써, 문헌정보학 이론의 효율성과 활용성을 분석하고 이를 기반으로 문헌정보학의 학문적 본질을 규명하는 데 목적이 있다. 이를 위해 국내외 문헌정보학의 대표 학술지를 두 종씩 선정하여 1984년부터 2003년 상반기까지 게재된 연구논문 1,661편에 대한 내용분석을 실시하였다. 이론개발과 이론활용에 대한 질적 평가를 위해 4단계의 이론 효율성 모델과 5단계의 이론 활용성 모델을 각각 분석척도로 사용하였다. 이론연구에 대한 구체적인 분석을 위해 연구의 배경적 속성(학회지, 발행국, 연구시기), 연구의 내용적 속성(연구주제, 연구방법), 연구자 속성(소속, 전공, 연구경력)을 조사하고, 활용된 이론의 근원학문과 활용주기를 분석하였다. 또한 저자동시인용법을 적용하여 동시이론활용을 분석함으로써 20년간 문헌정보학 연구자들에 의해 형성된 이론적 기반에 대한 지적 구조를 규명하였다.
Abstract
The purpose of this study is to analyze the identity and relationship of library and information science by exploring theoretical aspects of LIS research, including theory building and theory use. The sample of this study consists of 1,661 research articles published from 1984 to 2003 in two Korean and two American core LIS journals. Theory articles are analyzed with two scales, such as '4-degree of theory efficiency' and '5-degree of theory use.' Each article is coded in terms of journal, country, publication year, subfield, and methodology of the article, and affiliation, department, and research experience of the first author. The theories used therein are coded according to their origin and age. Also, an author co-citation technique is applied to represent intellectual structure on a two-dimensional map, which has been constructed by theory use of LIS authors for 20 years.