- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
이 연구에서는 웹과 학술지를 통한 학술 커뮤니케이션의 특성을 각각 분석하고, 웹상에서의 학술 커뮤니케이션 패턴이 학문 분야에 따라 어떤 차이를 보이는지 비교하였다. 경제학과 컴퓨터공학정보시스템 분야에서 키워드를 추출하여 이와 관련된 학술적 웹페이지와 학술지 논문을 수집하였고, 이를 학술적 웹페이지의 특성, 웹페이지 동시링크와 학술지 논문 동시인용 데이터의 다차원척도(MDS) 분석, 시간의 흐름에 따른 학술 활동의 변화 등 세 가지 측면에서 분석하였다. 분석 결과, 웹과 학술지를 통한 학술 커뮤니케이션에는 공통점과 차이점이 나타났으며, 이런 현상은 두 학문 분야에서 모두 확인되었다. 그리고 웹을 통한 학술 커뮤니케이션의 경우 같은 학문 분야 내의 세부 주제에 따라서 고유한 특성이 나타나는 것을 볼 수 있었다.
Abstract
In this study, the characteristics of scholarly communication through the Web and scientific journals are explored, and scholarly communication patterns in two scientific disciplines are compared to reveal the difference. Economics and Computer Science－Information Systems are selected as two disciplines to be analyzed. In the data collection process, 10 keywords are extracted from a database for each subject field, and scholarly Web pages and journal articles related to these keywords are collected and analyzed. Our investigation includes the characteristics of scholarly Web pages, Multi-Dimensional Scaling (MDS) analysis of co-linked Web pages as well as co-cited journal articles, and changes in the scholarly communication activities occurring on the Web and in scientific journals respectively over time. We found certain differences as well as common features in scholarly communication patterns between the Web and scientific journals for both fields of Economics and Computer Science. We also found that scholarly communication occurring on the Web displays unique features for each subtopic within the same field of study.
초록
이 연구에서는 기존의 h-지수와 g-지수에 대해 달리 해석해보고 새로운 Hirsch 유형 복합 지표인 전치 g-지수를 제안하고자 한다. 새로운 해석에 따라서 h-지수 및 g-지수 산출 그래프의 가로축이 인용빈도 기준값에 해당하고 세로축이 논문 수가 되도록 축을 전치하고, 이로부터 새로운 전치 g-지수를 제안하였다. 한국학술지인용색인 KCI의 문헌정보학 분야 연구자들을 대상으로 적용해본 결과, 제안된 새 지수는 h-지수 및 g-지수에 비해서 변별력이 높으며 연구의 질보다 연구의 양 차이에 더 민감한 것으로 나타났다. 연구를 지속하는 꾸준한 연구자를 그렇지 못한 연구자와 변별해주는 차별화된 특성을 가지고 있으므로 전치 g-지수는 다면적인 연구 성과 평가에 도움이 될 것으로 기대된다.
Abstract
This study suggests a new Hirsch-type composite index, ‘transposed g-index’ with a different viewpoint on h-index and g-index. From this new point of view, the axes of the graph describing the h-index and g-index are transposed so that the horizontal axis corresponds to the citation frequency threshold and the vertical axis corresponds to the number of documents. Based on this transposed graph, a new indicator transposed g-index is suggested and applied to library and information science researchers’ outcomes in Korean Citation Index database. The results show that this new index has more discriminating power than h-index and g-index, and is more sensitive to differences in quantitative aspects than quality of research. It is expected that the transposed g-index will be helpful for the multifaceted evaluation of the research outcome because it has differentiating characteristics that distinguish consistent researchers who continue to study from those who do not.
초록
이 연구에서는 국내 문헌정보학 학술지 논문의 사사표기 유형을 파악하고, 유형에 따라 학술지 논문의 계량서지적 특성에 차이가 있는지를 알아보고자 하였다. 분석을 위해서 국내 문헌정보학 분야 대표 학술지 4종에 2013년부터 2021년까지 9년간 게재된 논문 2,143편의 사사표기와 참고문헌, 인용횟수를 데이터로 확보하였다. 전체 논문 중에서 61.2%인 1,311편에 실린 사사표기 1,433건의 내용을 분석하여 유형을 나눈 다음, 각 유형에 해당하는 논문의 계량서지적 특성을 살펴보았다. 사사표기 유형은 크게 ‘윤리(중복게재회피)’와 ‘감사’ 유형으로 양분되었으며, 각각 9가지와 10가지로 세분할 수 있었다. 계량서지적 특성으로 참고문헌 수, 참고문헌의 최신성, 인용도를 살펴본 결과 모든 특성이 사사표기 유형별로 차이가 있는 것으로 나타났다.
Abstract
In this study, we aimed to identify the types of acknowledgments in Korean LIS journal articles and to find out whether there are differences in the bibliometric characteristics of journal articles based on the types of acknowledgments. For the analysis, the acknowledgments, references, and citation counts of 2,143 articles published in four representative journals in the field of library and information science in Korea for nine years from 2013 to 2021 were obtained as data. We analyzed the contents of 1,433 acknowledgments in 1,311 articles (61.2% of all articles) to divide them into types and then examined the bibliometric characteristics of each type of article. The acknowledgment types were broadly divided into the ‘ethics’ type (avoiding duplicate publication) and ‘thanks’ type, which were further subdivided into 9 and 10 types, respectively. We examined the number of references, recency of references, and citations as bibliometric characteristics, and found that all of these characteristics differed between the types of acknowledgements.
초록
대학생들의 전자저널 수용 현황을 파악하기 위하여 5개 대학교에서 설강중인 11개 교과목 수강생을 대상으로 전자저널에 대한 인식과 이용 경험, 목적, 방법, 수준, 선호도, 만족도, 문제점 등에 대해 설문조사를 수행하였다. 총 813건의 응답을 분석한 결과, 대학생 일반의 전자저널과 서비스 인식 수준은 각각 63.7%와 59.9%, 이용경험자는 국내저널 43.8%, 해외 전자저널 18.0%로 나타났다. 인식경로는 교수 소개, 우연한 발견, 도서관이용교육을 통한 것이며, 이용빈도는 극히 낮다. 전공계열과 대학 규모에 따라 인식과 이용에 통계적으로 유의한 차이가 있다. 주된 이용 목적은 과제해결이고, 교외와 도서관내에서 이용하며, 간략검색을 한다. 접근 및 검색과 자료획득에 어려움이 있으나, 만족도는 보통 이상이다. 비이용은 기회나 지식의 결여에 기인하나, 추후 수용의지는 긍정적으로(93.8%) 나타났다. 문헌정보학전공 학생은 기타전공 학생에 비해 전자저널 및 자관서비스 인식, 전자저널 이용경험은 높지만, 검색 경로와 방법에는 큰 차이가 없다. 연구결과에 기초하여, 전자저널 수용 증진 방안을 제언하였다.
Abstract
The purpose of this study is to understand the acceptance of the electronic journals among undergraduate students. Using a survey questionnaire, this study collected the data collected from 813 students taking 11 courses offered in five different universities. The levels of electronic jounal and its service awareness appeared to be low as 63.7% and 59.9% respectively. Only 43.8% of the respondents report their experience of using Korean e-journals. There is a statistically significant difference in use among college groups and students' major of study. E-journals are mostly used off-campus and within the library, using simple search techniques. In spite of difficulties in search and gathering information, the satisfaction level marked above average. Reasons of nonuse are lack of opportunity and knowledge. However, 93.8% of nonusers report a willingness to use the e-journals in the future. LIS students show higher e-journal awareness and use experience compared to non-LIS students. Yet, the levels of using simple search techniques and satisfaction show little difference from those of the non-LIS students. The findings of the study suggest implications to promote the acceptance of e-journals among college students.
초록
본 연구에서는 사서교사가 제공해야 할 정보활용교육의 일부로서 저작권 교육 관련 자료를 새로 개발하였다. 그리고 Jigsaw 협동학습법을 적용하는 집단과 강의식 교수법을 적용하는 집단, 아무런 수업을 하지 않는 집단으로 나누어 수업을 진행하였다. 수업이 끝나고 교수법이 고등학생들의 저작권 지식 및 저작권 태도에 미치는 효과를 분석함으로써 보다 더 효과적인 저작권 수업 방식을 모색하려 하였다. 실험 결과 저작권 지식 부분에서는 Jigsaw 협동학습법이 가장 높은 교육적 효과를 보였으며 저작권 태도 부분에서는 Jigsaw 협동학습법이 실천적 태도 부분에서 강의식 교수법보다 더 높은 교육적 효과를 나타내었다.
Abstract
This study aims to identify the effects of instruction methods on the students’ knowledge and attitudes to persue an effective instruction for information literacy. For this purpose, a copyright class as a quasi-experiment is provided to students in a high school in different ways including the teacher-centered lecture and the student-centered Jigsaw cooperative learning program. As a result, Group D (Jjgsaw method) showed the highest educational effectiveness among the four groups in terms of the knowledge of copyright. the group also showed higher instructional effectiveness compared to other groups in the practical attitude, which was one of the three types of attitude to copyright.
초록
동일한 인명을 갖는 서로 다른 실세계 사람들이 존재하는 현실은 인터넷 세계에서 인명으로 표현된 개체의 신원을 식별해야 하는 문제를 발생시킨다. 상기의 문제가 학술정보 내의 저자명 개체로 제한된 경우를 저자식별이라 부른다. 저자식별은 식별 대상이 되는 저자명 개체 사이의 유사도 즉 저자유사도를 계산하는 단계와 이후 저자명 개체들을 군집화하는 단계로 이루어진다. 저자유사도는 공저자, 논문제목, 게재지정보 등의 저자식별자질들의 자질유사도로부터 계산되는데, 이를 위해 기존에 교사방법과 비교사방법들이 사용되었다. 저자식별된 학습샘플을 사용하는 교사방법은 비교사방법에 비해 다양한 저자식별자질들을 결합하는 최적의 저자유사도함수를 자동학습할 수 있다는 장점이 있다. 그러나, 기존 교사방법 연구에서는 SVM, MEM 등의 일부 기계학습기법만이 시도되었다. 이 논문은 다양한 기계학습기법들이 저자식별에 미치는 성능, 오류, 효율성을 비교하고, 공저자와 논문제목 자질에 대해 자질값 추출 및 자질 유사도 계산을 위한 여러 기법들의 비교분석을 제공한다.
Abstract
In bibliographic data, the use of personal names to indicate authors makes it difficult to specify a particular author since there are numerous authors whose personal names are the same. Resolving same-name author instances into different individuals is called author resolution, which consists of two steps: calculating author similarities and then clustering same-name author instances into different person groups. Author similarities are computed from similarities of author-related bibliographic features such as coauthors, titles of papers, publication information, using supervised or unsupervised methods. Supervised approaches employ machine learning techniques to automatically learn the author similarity function from author-resolved training samples. So far, however, a few machine learning methods have been investigated for author resolution. This paper provides a comparative evaluation of a variety of recent high-performing machine learning techniques on author disambiguation, and compares several methods of processing author disambiguation features such as coauthors and titles of papers.
초록
본 연구는 정리업무에서 시행하고 있는 목록업무의 아웃소싱에 대한 전국 대학도서관의 실태를 조사하여 아웃소싱된 목록을 DB화하는 과정을 상세하게 파악하고자 하였다. 그리고 업체에서 입력한 목록에 대한 사서의 견해를 심층적인 각도에서 조명하고자 하였다 그리고 도서관 사서와 업체 직원간의 목록기술 내용에 대한 양자간의 인식도의 차이를 면밀히 분석하여 문제점을 파악하고 그 해결점을 모색하고자 하였으며, 동시 현 국립중앙도서관의 CIP와 한국교육학술정보원(KERIS)의 참조목록의 기능과 역할에 대한 인식을 재조명하여, 미래 우리나라 도서관의 정리업무가 나아갈 방향을 제시하고자 시도하였다.
Abstract
This study aims at understanding in detail the process of constructing database from outsourced cataloging by investigating the actual conditions of university libraries nationwide regarding the outsourcing of cataloging processing that are being carried out in technical processing. And librarians' opinions about the cataloging inserted by outsourcing companies are considered and revised in depth. Also the degree of understanding of outsourcing company staffs regarding the cataloging is investigated then compared to that of library processing staffs and the difference is analyzed.Coupled with that, degree of understanding about CIP of National Library of Korea and functionality of reference cataloging of Korea Education & Research Information Service(KERIS) is investigated, thus the future directions to which technical processing of library should move forward are presented.
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
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.
초록
오늘날 폭발적인 정보의 증가로 이용자들은 자신이 원하는 정보를 찾기 위해 엄청난 시간과 노력을 기울여야 한다. 이 문제를 해결하기 위하여 이용자의 정보요구를 분석하고 이용자에게 적합한 논문을 추천해주는 논문추천시스템이 등장하고 있다. 그러나 대부분의 논문추천시스템은 논문추천시스템의 핵심인 이용자 프로파일을 간과하고 있다. 따라서 이 연구는 논문추천시스템의 성능을 좌우하는 이용자 프로파일을 기존의 평균으로 계산하지 않고 새로운 TPIPF(Topic Proportion-Inverse Paper Frequency)로 계산하는 방법을 제안하였다. 제안된 방법과 기존의 방법을 모두 논문추천시스템에 적용하여 각각의 성능을 온라인 참고문헌 관리도구인 CiteULike에서 제공된 데이터 실험을 통하여 비교하였다. 그 결과 제안된 TPIPF 방법을 적용한 논문추천시스템의 성능이 더 높다는 것을 알 수 있었다.
Abstract
Nowadays users spend more time and effort to find what they want because of information overload. To solve the problem, scientific article recommendation system analyse users’ needs and recommend them proper articles. However, most of the scientific article recommendation systems neglected the core part, user profile. Therefore, in this paper, instead of mean which applied in user profile in previous studies, New TPIPF (Topic Proportion-Inverse Paper Frequency) was applied to scientific article recommendation system. Moreover, the accuracy of two scientific article recommendation systems with above different methods was compared with experiments of public dataset from online reference manager, CiteULike. As a result, the proposed scientific article recommendation system with TPIPF was proven to be better.