- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구의 목적은 이용자의 스마트폰 무선신호를 이용하여 이용자가 공공도서관 공간을 어떻게 이용하는지에 대한 이용행태를 분석하는 것이다. 공간이용 데이터를 수집하는 방법으로 이용자의 스마트폰 무선신호를 감지하여 이용자의 동선을 추적하였고 수집된 데이터를 로데이터로 하여 추가적인 분석을 진행하였다. 서울 시내 한 구립도서관에서 4개월 동안 수집된 이용자 공간이용 데이터를 분석한 결과, 전월 대비 평균 37.9%의 이용자들이 익월에도 이용을 하는 것으로 나타났고 이용자 중의 50%는 7분 미만으로 도서관에 머무는 것으로 나타났다. 또한 도서관을 이용하는 시간을 분석한 결과, 오후 2-3시 사이에 이용자들이 가장 많았으며 주말 오후 5시 이후에는 이용자가 매우 적게 나타났다. 층간 공간이동을 분석한 결과, 서가가 위치한 3층과 4층 사이의 공간이동이 유사하게 높게 나타났다. 이러한 결과는 스마트폰 무선신호를 이용한 도서관 공간이용행태를 분석하는 방법론이 기존에 주로 사용되었던 관찰을 통한 분석보다 효과적임을 제시하고 있다. 따라서 향후 도서관 공간이용 분석에 적극 활용된다면 도서관 공간운영의 활용성을 높일 것으로 기대된다.
Abstract
The purpose of this study is to analyze library space use patterns through users’ smartphone WiFi. This study is applied a method to detect WiFi signal of users’ smartphone to analyze the in-library wayfinding of users. The library usage data were collected for four months in a library in Seoul, Korea. The results show that the average 37.9% of library users revisits the library the next month. Half of users stay under 7 minutes in the library. Users mainly visit the library between 2 and 3 o’clock, and few users visit the library after 5 pm on weekends. The floor moving pattern result shows that the co-visit rate between the third and fourth floor is higher than others, in that these two floors are mainly composed of book shelves. These results indicate that the method to detect the WiFi signal for spatial pattern analysis could be more effective than observation which was used in previous research. It, therefore, is expected that this method would be applied in other libraries to analyze and enhance the library space usage.
초록
이 연구는 클랜디닌과 코넬리가 제안한 내러티브 탐구방법을 활용하여 은퇴 노인들의 도서관 이용 경험을 탐구한 것이다. 도서관이라는 공간을 이용하는 것이 은퇴노인들의 삶에 가져다 준 변화의 구체적이고, 심층적인 내용을 파악하고, 그것이 삶에 가져다주는 의미를 점검하기 위한 것이다. 이를 위해서 서울 시내 공공도서관을 이용하는 세 사람의 은퇴 노인을 연구참여자로 선정하여 인터뷰하였고, 이를 바탕으로 현장텍스트를 구성하였다. 현장텍스트를 바탕으로 연구참여자들의 이야기는 소설, 에세이, 편지 형식의 연구텍스트로 재구성되었다. 이들의 도서관 이용 경험은 각각 규칙적인 생활을 위한 거점, 재미와 활력, 새로운 꿈꾸기를 위한 보물창고, 노년을 견디는 위안의 원천으로 해석되었다. 책읽기를 통한 건강한 삶에의 지향이라는 공통점을 발견할 수 있었다. 연구의 결과는 공공도서관의 노인 이용자에 관한 이해를 확충하는 데 유용하고, 서비스 개선을 위한 기초자료로 활용할 수 있으리라 기대한다.
Abstract
The purpose of this study is to comprehend the retired elderly person’s experience of library using the narrative inquiry method proposed by Clandinin and Cornelly. I intended to grasp the details of the several changes that library use brings to the lives. It was also to examine the meanings of the experiences for their lives. For this purpose, three elderly retirees using public libraries in Seoul were selected as research participants. I interviewed their experiences and constructed field text from interview. Based on the field text, the story of the participants was reconstructed into research text which is form of novels, essays, and letters. Their experience in using libraries was interpreted as a source of regular life, fun and vitality, a treasure house for dreaming new life, a source of consolation to endure old age. And I found some common points within their narrative that they seek for a healthy life through reading books. The results of this study are expected to be useful for expanding the understanding of the public library’s elderly users and to be used as basic data for service improvement.
초록
대표적인 앙상블 기법으로서 랜덤포레스트(RF)를 문헌정보학 분야의 학술지 논문에 대한 자동분류에 적용하였다. 특히, 국내 학술지 논문에 주제 범주를 자동 할당하는 분류 성능 측면에서 트리 수, 자질선정, 학습집합 크기 등 주요 요소들에 대한 다각적인 실험을 수행하였다. 이를 통해, 실제 환경의 불균형 데이터세트(imbalanced dataset)에 대하여 랜덤포레스트(RF)의 성능을 최적화할 수 있는 방안을 모색하였다. 결과적으로 국내 학술지 논문의 자동분류에서 랜덤포레스트(RF)는 트리 수 구간 100〜1000(C)과 카이제곱통계량(CHI)으로 선정한 소규모의 자질집합(10%), 대부분의 학습집합(9〜10년)을 사용하는 경우에 가장 좋은 분류 성능을 기대할 수 있는 것으로 나타났다.
Abstract
Random Forest (RF), a representative ensemble technique, was applied to automatic classification of journal articles in the field of library and information science. Especially, I performed various experiments on the main factors such as tree number, feature selection, and learning set size in terms of classification performance that automatically assigns class labels to domestic journals. Through this, I explored ways to optimize the performance of random forests (RF) for imbalanced datasets in real environments. Consequently, for the automatic classification of domestic journal articles, Random Forest (RF) can be expected to have the best classification performance when using tree number interval 100〜1000(C), small feature set (10%) based on chi-square statistic (CHI), and most learning sets (9-10 years).