- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
정보이용자연구는 인간과 인문환경을 대상으로 삼는 연구 분야로서, 본질적으로 연구의 활용성과 확장성이 높다. 그러나 국내에서는 정보이용자연구에 대한 연구동향과 실태가 제대로 파악되지 않아, 정보이용자연구의 가치 있는 연구 결과물들의 공유와 확산이 미진한 상황이다. 따라서 본 연구에서는 1980년부터 2015년까지 국내 문헌정보학 학술지 5개에 게재된 5,392편의 논문들 중, 정보이용자연구를 주제로 또는 정보이용자연구를 방법론으로 활용하여 생산된 논문들을 전수조사한 다음, 주제 분류표 및 분류 원칙을 설계하여 분류하고, 국내 정보이용자연구의 생산성과 연구동향을 질적인 내용 분석을 가미하여 분석하였다. 그 결과, 정보이용자연구는 도서관 주제가 가장 많았다. 또한 정보이용자연구 결과물을 활용하여, 타 인접 학문과의 연계를 바탕으로 학계에의 또는 사회 제문제 해결에 기여할 수 있는 방안을 제안하였다.
Abstract
As a type of humanities discipline, information user studies tend to have influence and applicability on the related research fields. However, research trends and status of the user studies in Korea have not been extensively explored and thus resulted in limited sharing of the research outcomes. In this research, all papers related to the information user studies were selected from 5,392 articles reported in the five Korean Library and Information Science Journals. The chosen papers were classified according to the subject categories then qualitatively analyzed in terms of research productivity and trends. Library was the main theme of the information user studies. A number of suggestions were generated to apply the information user studies outcomes in solving academic as well as wider societal problems.
초록
이 연구는 색인가가 주제 색인하는 과정에서 참조하는 여러 문서구성요소를 문서 범주화의 정보원으로 인식하여 이들이 문서 범주화 성능에 미치는 영향을 살펴보는데 그 목적이 있다. 이는 기존의 문서 범주화 연구가 전문(full text)에 치중하는 것과는 달리 문서구성요소로서 정보원의 영향을 평가하여 문서 범주화에 효율적으로 사용될 수 있는지를 파악하고자 한다. 전형적인 과학기술 분야의 저널 및 회의록 논문을 데이터 집합으로 하였을 때 정보원은 본문정보 중심과 문서구성요소 중심으로 나뉘어 질 수 있다. 본문정보 중심은 본론 자체와 서론과 결론으로 구성되며, 문서구성요소 중심은 제목, 인용, 출처, 초록, 키워드로 파악된다. 실험 결과를 살펴보면, 인용, 출처, 제목 정보원은 본문 정보원과 비교하여 유의한 차이를 보이지 않으며, 키워드 정보원은 본문 정보원과 비교하여 유의한 차이를 보인다. 이러한 결과는 색인가가 참고하는 문서구성요소로서의 정보원이 문서 범주화에 본문을 대신하여 효율적으로 활용될 수 있음을 보여주고 있다.
Abstract
The purpose of this study is to examine whether the information resources referenced by human indexers during indexing process are effective on Text Categorization. More specifically, information resources from bibliographic information as well as full text information were explored in the context of a typical scientific journal article data set. The experiment results pointed out that information resources such as citation, source title, and title were not significantly different with full text. Whereas keyword was found to be significantly different with full text. The findings of this study identify that information resources referenced by human indexers can be considered good candidates for text categorization for automatic subject term assignment.
초록
전 학문 분야를 포괄하는 광역 과학 지도는 학문 분야 사이의 구조적인 관계를 시각적으로 분석하는데 사용되고 있다. 이 연구에서는 광역 과학 지도에 대한 선행 연구를 개관한 후 새로운 방법으로 국내의 학술 활동을 반영하는 광역 과학 지도를 생성하였다. 광역 과학 지도에 대한 연구는 ISI사(현재 Thomson Scientific)의 Garfield와 Small에 의해서 촉발되었고 최근에는 스페인 그라나다 대학의 SCImago 연구팀과 미국 인디애나 대학의 Brner 교수팀이 활발히 연구 결과를 발표하고 있다. 이들은 자신들이 만들어 발표하고 있는 지도를 과학 지도 또는 사이언토그램이라고 부르며, 이에 관련된 활동을 과학지도학(scientography)이라고 하였다. 기존의 광역 과학 지도는 대부분 학술 논문 사이의 인용 분석에 근거하여 제작되었으나, 국내 학술 논문에 대한 인용 데이터베이스는 아직 미비한 상태이다. 따라서 이 연구에서는 국내의 광역 과학 지도를 만들기 위해서 학술진흥재단에 신청된 과제 제안서의 텍스트를 활용하였다. 학문 분야 사이의 연결 정보를 네트워크로 표현하는 수단으로 널리 사용되고 있는 패스파인더 네트워크(PFNet) 알고리즘으로 광역 과학 지도를 생성한 후, 이의 대안으로 개발된 클러스터링 기반 네트워크(CBNet) 알고리즘으로 다시 지도를 생성하였다. 최종적으로 두 지도에 나타난 상반된 관점을 통합하도록 CBNet 지도를 수정하여 국내 광역 과학 지도를 제시하였다.
Abstract
Global map of science, which is visualizing large scientific domains, can be used to visually analyze the structural relationships between major areas of science. This paper reviewed previous efforts on global science map, and then tried to making a science map of Korea with some new methods. There are several research groups on making global map of science including Dr. Small and Dr. Garfield of ISI (now Thompson Scientific), SCImago research group at the University of Granada, and Dr. Brner's InfoVis Lab at the Indiana University. They called their maps as science map or scientogram and called the activity of mapping science as scientography. Most of the previous works are based on citations between scientific articles. However citation database for Korean journal articles is still under construction. This research tried to make a Korean science map with the text in the proposals suggested for funding from Korean Research Foundation. Two kinds of method for generating networks of scientific fields are used. One is Pathfinder network (PFNet) alogorithm which has been used in several published bibliometric studies. The other is clustering-based network (CBnet) algorithm which was proposed recently as an alternative to PFNet. In order to take into account both views of the two algorithms, the resulting maps are combined to a final science map of Korea.
초록
본 연구는 대학도서관 정보서비스 연구동향을 살펴보고자 함이 목적이며 이를 수행하기 위하여 2006년부터 2015년까지 문헌정보학 주요 4개 학회지에 발표된 대학도서관 정보서비스 논문을 대상으로 내용분석을 실시하였다. 조사항목으로는 대학도서관 정보서비스 연구 건수, 정보서비스 기능별 하위 주제, 연구방법, 자료수집방법, 연구 이용자 대상 그리고 이론 연구 vs. 실제 서비스 연구이다. 연구결과, 대학도서관 대상의 정보서비스 연구는 다른 분야에 비해 많은 연구가 이루어졌다. 정보서비스 기능에서는 정보제공 기능이, 하위 주제별로는 전자정보서비스, 정보활용교육, 정보(참고)봉사 일반에 관한 연구가 주를 이루고 있었다. 연구방법으로는 조사연구, 사례연구가 주로 사용되었으며 자료수집방법으로는 질문지와 웹사이트 방법이 많이 사용되었다. 학부생 대상의 이용자 연구가 많았으며 실제 서비스 연구가 많은 비중을 차지하였다.
Abstract
With the purpose of looking into the information service study tendency, targeted at university library, this performed a content analysis of the articles in print from 2006 to 2015 on major four academic journals of Library and Information Science. Investigation items were study number of information services, subsidiary themes classified with information service functions, study method, collection method, user object, and theory study vs. service study in reality. As a result, information service studies were performed more than other areas. Information service functions targeted at the study were that of information supply. Major subsidiary themes were electronic information service, information literacy instruction, and information (reference) services general. Major study methods were survey research method,, case study, and major material collection methods were questionnaire and web-based research methods. Major user studies were targeted at undergraduates, and service study in reality took a great share.
초록
여러 학문 분야에서 데이터의 공유와 재이용에 관한 관심이 증가하고 있다. 실제로 다른 연구자의 데이터를 다시 연구에 사용하고 인용을 부여하는 관행이 서서히 자리를 잡아가고 있다. 이러한 변화를 반영하여 톰슨로이터는 Data Citation Index(DCI)라는 데이터인용 색인 데이터베이스 서비스를 2012년부터 제공하기 시작하였다. DCI는 모든 학문의 전 영역에서 데이터의 인용 현황을 저널의 논문과 유사하게 집계한다. 본 연구에서는 데이터인용이 활발한 사회학 분야의 인용된 연구데이터를 분석하여 해당 분야의 특성과 지적구조를 규명하고자 하였다. 이를 위해 논문 인용을 기반으로 한 사회학 분야의 지적구조와 비교하였으며, 사회학 분야의 연구데이터의 특성과 고유한 지적구조를 살펴보고자 하였다. 분석을 위한 데이터는 두 종류로 수집하였다. 첫째는 DCI에서 ‘Sociology’로 주제 검색을 수행하여 총 8,365건의 인용된 데이터를 수집하였다. 둘째로, 논문 인용 분석과의 비교를 위해서 Web of Science에서 ‘Sociology’로 주제 검색을 수행하여 총 12,132건의 데이터를 수집하였다. 이 두 데이터를 활용하여 저자키워드 동시출현단어 분석을 수행한 결과, 데이터를 기반으로 한 사회학 분야는 2영역 15군집으로 구성된 반면, 논문을 기반으로 한 사회학 분야는 3영역 17군집으로 나타났다. 내용적인 특성을 살펴보면, 전통적으로 사회학의 지적구조를 나타낸다고 볼 수 있는 논문 기반 사회학과 달리 사회학 분야의 연구데이터는 의학 분야와의 활발한 접목을 찾아볼 수 있으며, 그 중에서도 공중보건과 심리학이 중심 영역인 것으로 나타났다.
Abstract
Through a wide variety of disciplines, practices on data access and re-use have been increased recently. In fact, there has been an emerging phenomenon that researchers tend to use the data sets produced by other researchers and give scholarly credit as citation. With respect to this practice, in 2012, Thomson Reuters launched Data Citation Index (DCI). With the DCI, citation to research data published by researchers are collected and analyzed in a similar way for citation to journal articles. The purpose of this study is to identify the characteristics and intellectual structure of sociology field based on research data, which is one of actively data-citing fields. To accomplish this purpose, two data sets were collected and analyzed. First, from DCI, a total of 8,365 data were collected in the field of sociology. Second, a total of 12,132 data were collected from Web of Science with a topic search with ‘Sociology’. As a result of the co-word analysis of author provided-keywords for both data sets, the intellectual structure of research data-based sociology was composed of two areas and 15 clusters and that of article-based sociology was composed with three areas and 17 clusters. More importantly, medical science area was found to be actively studied in research data-based sociology and public health and psychology are identified to be central areas from data citation.
초록
본 연구는 2004년에서 2012년까지 9년간의 KERIS 문헌복사 트랜잭션 데이터를 대상으로 문헌복사 서비스 참여기관에 대한 통계 분석과 네트워크 분석을 수행하였다. 연구 결과 발견한 주요 사실은 다음과 같다. 첫째, 신청건수가 제공건수에 비해 많은 기관이 전체 기관 중에서 약 80%를 차지하고 있었다. 둘째, 신청과 제공면 모두 건수가 많은 상위기관들에게 문헌복사 서비스 의존도가 높으며, 특히 제공면에서 그 집중도가 더욱 높았다. 셋째, 2012년 대학도서관 학술지를 대상으로 주제별 네트워크 분석 결과 각 주제별로 단일기관 집중형, 복수기관 주도형, 다수기관 분산형과 같은 세 가지 유형의 협력체제가 나타남을 파악하였다.
Abstract
In this study, we analyzed KERIS Document Delivery Service (DDS) using its transaction data for the period of nine years from 2004 to 2012. We first examined the overall statistics focusing on member contributions, and conducted a network analysis based on the records of request/response (supply) between member libraries. Key findings include the following: First, in over 80% of member libraries, the number of outgoing requests exceeded the number of their responses to incoming requests. That is, for the vast majority of member libraries, their participation was concentrated on the request side. Second, KERIS DDS relies heavily on a relatively small number of top contributors, especially on the supply side. While the top contributors were active in both requests and responses (supplies), in most cases, they received and processed a disproportionally large number of requests. Third, the network analysis based on DDS requests for journal articles in 2012 further revealed the central role of top contributors. The level and pattern of concentration, however, appeared to differ by subjects (DDC). Three main patterns of centralization were found in different subjects - a network centered on a single member, a network having multiple centers, or a distributed network.
초록
본 연구의 목적은 LDA 토픽모델링 결과와 BERTopic 토픽모델링 결과를 합성하는 방법론인 Augmented and Extended Topics(AET)를 제안하고, 이를 사용해 문헌정보학 분야의 연구주제를 분석하는 데 있다. AET의 실제 적용결과를 확인하기 위해 2001년 1월부터 2021년 10월까지의 Web of Science 내 문헌정보학 학술지 85종에 게재된 학술논문 서지 데이터 55,442건을 분석하였다. AET는 서로 다른 토픽모델링 결과의 관계를 WORD2VEC 기반 코사인 유사도 매트릭스로 구축하고, 매트릭스 내 의미적 관계가 유효한 범위 내에서 매트릭스 재정렬 및 분할 과정을 반복해 증강토픽(Augmented Topics, 이하 AT)을 추출한 뒤, 나머지 영역에서 코사인 유사도 평균값 순위와 BERTopic 토픽 규모 순위에 대한 조화평균을 통해 확장토픽(Extended Topics, 이하 ET)을 결정한다. 최적 표준으로 도출된 LDA 토픽모델링 결과와 AET 결과를 비교한 결과, AT는 LDA 토픽모델링 토픽을 한층 더 구체화하고 세분화하였으며 ET는 유효한 토픽을 발견하였다. AT(Augmented Topics)의 성능은 LDA 이상이었으며 ET(Extended Topics)는 일부 경우를 제외하고 대부분 LDA와 유사한 수준의 성능을 나타내었다.
Abstract
The purpose of this study is to propose AET (Augmented and Extended Topics), a novel method of synthesizing both LDA and BERTopic results, and to analyze the recently published LIS articles as an experimental approach. To achieve the purpose of this study, 55,442 abstracts from 85 LIS journals within the WoS database, which spans from January 2001 to October 2021, were analyzed. AET first constructs a WORD2VEC-based cosine similarity matrix between LDA and BERTopic results, extracts AT (Augmented Topics) by repeating the matrix reordering and segmentation procedures as long as their semantic relations are still valid, and finally determines ET (Extended Topics) by removing any LDA related residual subtopics from the matrix and ordering the rest of them by (BERTopic topic size rank, Inverse cosine similarity rank). AET, by comparing with the baseline LDA result, shows that AT has effectively concretized the original LDA topic model and ET has discovered new meaningful topics that LDA didn’t. When it comes to the qualitative performance evaluation, AT performs better than LDA while ET shows similar performances except in a few cases.