- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 논문에서는 OpenURL을 이용한 전자자원 링킹시스템의 개요를 기술하고 있다 이어서 16개의 OpenURL link resolver를 선정해서 서버설치여부, 보유하고 있는 저널종수, 서비스 커스터마이제이션, 사용통계서비스 등을 기준으로 비교분석하였다. 분석결과는 각 도서관 및 유관기관에서 링킹시스템을 구입 또는 구축해서 이용할 경우 자관에 맞는 시스템을 선정하는데 도움이 될 것이다.
Abstract
This study describes the concept of link resolvers using OpenURL. Then, the study analyzed the commercially available link resolvers in terms of remote & local hosting, title list, customization of the services and usage statistics. The results will help the libraries select the appropriate link resolvers that are relevant to the features of the libraries.
초록
디지털도서관은 통합관리를 위해 정보기술의 표준화 모델인 아키텍처와 거버넌스를 도입하고 있으며, 도서관의 체계적인 정보기술 거버넌스는 도서관의 정보기술과 업무 부문의 효과적인 융합으로 통합적인 조직의 전략 및 목표를 개발하고, 추진하여 관리하는 조직 기능이라 할 수 있다. 이러한 맥락에서, 본 연구의 목적은 도서관 조직 내의 정보기술 및 업무 관련 사회연결망 구조를 통해 도서관의 통합적 관리․운영을 위한 전략적 연계의 사회적 자본에 대한 분석 모델을 제시하는 데 있다. 전략적 연계를 위한 사회적 자본의 분석 모형은 첫째, 인적자원의 특성을 통한 전체 사회연결망 분석으로 둘째, 1) 커뮤니케이션 2) 경쟁력 및 가치 3) 거버넌스 4) 파트너쉽 5) 범위와 아키텍처 6) 역량의 전략적 연계 요소 분석으로 셋째, 전략적 통합성 및 기능적 통합성의 전략 적 연계 분석으로 설계하였다. 이러한 세 가지 사회적 자본은 사회연결망 분석 이론의 연결성, 중심성, 관계성으로 평가된다.
Abstract
This research applied the concepts of IT architecture and IT governance for managing with an integrated computing environment and organized structure, which base a digital library’s management and operation. It also aims to analyze the structural system between information technology of human resources and strategy alignment elements of business, which both constitute the core content. Social network analysis software was used to investigate the complicated relationship between IT and business-related strategy alignment elements. The following is the results of carrying out this research on the social network structure and features of strategy alignment elements for a digital library. First, analysis indexes for strategy alignment elements and social network of a digital library were developed. Second, an analysis model was designed based on the analysis index for social network as to strategy alignment elements. Analysis model was appraised by collecting social network datasets for such strategy alignment elements as Communications, Competency and Value, Governance, Partnership, Scope and Architecture, and Skills against the Business strategy, Information strategy, Business and Technology of a digital library. As for the content of analysis, social network structure and specific features were analyzed in relation to a digital library’s (1) General social network, (2) Structure of strategy alignment elements, (3) Strategy fit and Functional integration.
초록
본 연구에서는 한국어 데이터로 학습된 BERT 모델을 기반으로 문헌정보학 분야의 문서를 자동으로 분류하여 성능을 분석하였다. 이를 위해 문헌정보학 분야의 7개 학술지의 5,357개 논문의 초록 데이터를 학습된 데이터의 크기에 따라서 자동분류의 성능에 어떠한 차이가 있는지를 분석, 평가하였다. 성능 평가척도는 정확률(Precision), 재현율(Recall), F 척도를 사용하였다. 평가결과 데이터의 양이 많고 품질이 높은 주제 분야들은 F 척도가 90% 이상으로 높은 수준의 성능을 보였다. 반면에 데이터 품질이 낮고 내용적으로 다른 주제 분야들과 유사도가 높고 주제적으로 확실히 구별되는 자질이 적을 경우 유의미한 높은 수준의 성능 평가가 도출되지 못하였다. 이러한 연구는 미래 학술 문헌에서 지속적으로 활용할 수 있는 사전학습모델의 활용 가능성을 제시하기 위한 기초자료로 활용될 수 있을 것으로 기대한다.
Abstract
In this study, we analyzed the performance of the BERT-based document classification model by automatically classifying documents in the field of library and information science based on the KoBERT. For this purpose, abstract data of 5,357 papers in 7 journals in the field of library and information science were analyzed and evaluated for any difference in the performance of automatic classification according to the size of the learned data. As performance evaluation scales, precision, recall, and F scale were used. As a result of the evaluation, subject areas with large amounts of data and high quality showed a high level of performance with an F scale of 90% or more. On the other hand, if the data quality was low, the similarity with other subject areas was high, and there were few features that were clearly distinguished thematically, a meaningful high-level performance evaluation could not be derived. This study is expected to be used as basic data to suggest the possibility of using a pre-trained learning model to automatically classify the academic documents.