- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
최근 도서관 공간과 용품에 대한 관심과 수요가 증대하면서 담당 사서는 관련 업무를 수행하여야 하는 빈도가 늘어나고, 업무 중요도도 증가하였다. 본 연구는 업무 수행을 원활히 하고, 이용자의 만족도도 증가시키기 위하여 공공도서관, 어린이도서관, 학교도서관의 공간구성에 필요한 핵심용품과 비핵심용품을 개발하였다. 공공도서관 공간구성은 장서공간, 열람공간, 문화공간 등 9개 영역으로 구분하고, 용품 80-90개(핵심용품 50-60개, 비핵심용품 20-30개)를 도출하였다. 어린이도서관은 열람공간(서가공간, 진입공간), 특별활동공간 등 4개 공간으로 구분하고, 60-70개(핵심용품 30여개, 비핵심용품 30-40개)를, 학교도서관은 장서공간, 멀티미디어공간, 열람공간, 교수학습공간 등 7개 공간으로 구분하고, 90여개(핵심용품 30-40개, 비핵심용품 50-60개)를 제시하였다. 본 결과는 사서의 구매업무에 활용할 수 있을 것이며, 추가적으로 관리지침 및 기준, 관리매뉴얼 등의 업무도구 개발이 필요하다.
Abstract
As public interests and demands on the library space and library goods increase, the role of librarians dealing with this issue has become more important. This research develops lists of core and non-core goods in space managements of public libraries, children's libraries, and school libraries. The lists will make the librarian's tasks effective and maximize user satisfaction. For public libraries, the space is divided into nine main areas, and a total of 80-90 goods(50-60 core and 20-30 non-core goods) are identified. The space of children's libraries is divided into four main areas(space for reading, books, entry, and special activities) with a list of 60-70 library goods(30 core and 30-40 non-core goods). School libraries consist of seven distinctive spaces, including spaces for books, multi-media, reading, and teaching, and it requires 90 goods in total(30-40 core and 50-60 non-core goods). The findings of this study can be utilized in listing up library goods. Further research should be conducted to develop such tools as guidelines, standards and manuals for space management.
초록
이 연구에서는 한 대학도서관의 신착 도서 리스트 중 사회 과학 분야 6,253권에 대해 목차 정보를 이용하여 자동 분류를 적용하였다. 분류기는 kNN 알고리즘을 사용하였으며 자동 분류의 범주로 도서관에서 도서에 부여한 DDC 300대 강목을 사용하였다. 분류 자질은 도서의 서명과 목차를 사용하였으며, 목차는 인터넷 서점으로부터 Open API를 통해 획득하였다. 자동 분류 실험 결과, 목차 자질은 분류 재현율과 분류 정확률 모두를 향상시키는 좋은 자질임을 알 수 있었다. 또한 목차는 풍부한 자질로 불균형인 데이터의 과적합 문제를 완화시키는 것으로 나타났다. 법학과 교육학은 사회 과학 분야에서 특정성이 높아 서명 자질만으로도 좋은 분류 성능을 가져오는 점도 파악할 수 있었다.
Abstract
This study applied automatic classification using table of contents (TOC) text for 6,253 social science books from a newly arrived list collected by a university library. The k-nearest neighbors (kNN) algorithm was used as a classifier, and the ten divisions on the second level of the DDC’s main class 300 given to books by the library were used as classes (labels). The features used in this study were keywords extracted from titles and TOCs of the books. The TOCs were obtained through the OpenAPI from an Internet bookstore. As a result, it was found that the TOC features were good for improving both classification recall and precision. The TOC was shown to reduce the overfitting problem of imbalanced data with its rich features. Law and education have high topic specificity in the field of social sciences, so the only title features can bring good classification performance in these fields.