- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
이 연구는 국내 대학 리포지터리의 글로벌 가시성과 영향력을 파악하기 위하여 관련 사이트인 OpenDOAR, ROAR, RWR 등에서 데이터를 수집하여 분석하였다. 그리고 이 분석 결과를 기관 리포지터리의 위상을 공고히 하고 영향력 확산에 노력하는 비영어권 아시아 주요 국가와 비교함으로써 국내 대학 리포지터리의 경쟁력을 확인하였다. 연구 결과 세 사이트에 모두 등재되어 있는 국내 대학 리포지터리는 9개에 불과하였다. 이 가운데 RWR 세계 순위 500위 안에 든 대학은 한 곳일 정도로 국내 대학 리포지터리의 세계적인 위상은 매우 낮았다. 반면 아시아 주요국인 일본과 대만은 대학의 리포지터리 수가 각각 257개, 52개일 정도로 많아 국내 대학 리포지터리 현황과 대조적이었다. 그렇지만 이 연구는 국내 선도적인 대학 리포지터리가 최근 연구업적관리시스템과 연계하여 구성원의 샐프 아카이빙을 보다 적극적으로 수행하기 시작하였다는 점을 새롭게 확인하였다. 이는 향후 대학 리포지터리의 양적 성장을 기대할 수 있게 하는 단서라는 점에서 긍정적이었다.
Abstract
This study attempts to measure visibility and impact of university repositories in South Korea with the help of web-sites, OpenDOAR, ROAR and RWR. Further understanding the self-archiving status of South Korea, the analysis results were compared with the reputation and power of major Asian countries’ university repositories. The results showed that only nine institutional repositories of the universities in South Korea were active. There was only one South Korean university repository in the RWR top 500. All the other repositories ranked in bottom level. However, among Asian countries, Japan and Taiwan have established many institutional repositories. They had 257 and 52 repositories respectively. Fortunately, some leading university repositories in South Korea began activating self-archiving with the help of linking their own research outputs management system. Also, the attempts by other South Korean university repositories expect a substantial quantitative growth in the near future.
초록
최근 들어 다양한 분야에서 딥러닝이 혁신적인 기계학습 기법으로 급속하게 확산되고 있다. 이 연구에서는 딥러닝 연구동향을 분석하기 위해서 자아 중심 주제 인용분석 기법을 변형하여 응용해보았다. 이를 위해 Web of Science에서 ‘deep learning’으로 탐색하여 검색된 문헌 중 소수의 씨앗 문헌으로부터 인용 관계를 통해 분석 대상 문헌을 확보하는 방법을 시도하였다. 씨앗 문헌을 인용하는 최근 논문들을 딥러닝 분야의 현행 연구를 반영하는 자아 문헌집합으로 설정하였다. 자아 문헌으로부터 빈번히 인용된 선행 연구들은 딥러닝 분야의 연구 주제를 나타내는 인용 정체성 문헌집합으로 설정하였다. 자아 문헌집합에 대해서는 공저 네트워크 분석을 비롯한 정량적 분석을 실시하여 주요 국가와 연구 기관을 파악하였다. 인용 정체성 문헌들에 대해서는 동시인용 분석을 실시하고, 도출된 문헌 군집을 인용하는 주요 키워드인 인용 이미지 키워드를 파악하여 주요 문헌과 주요 연구 주제를 밝혀내었다. 마지막으로 특정 주제에 대한 인용 영향력이 성장하는 추세를 반영하는 인용 성장지수 CGI를 제안하고 측정하여 딥러닝 분야의 선도 연구 주제가 변화하는 동향을 밝혔다.
Abstract
Recently, deep learning has been rapidly spreading as an innovative machine learning technique in various domains. This study explored the research trends of deep learning via modified ego centered topic citation analysis. To do that, a few seed documents were selected from among the retrieved documents with the keyword ‘deep learning’ from Web of Science, and the related documents were obtained through citation relations. Those papers citing seed documents were set as ego documents reflecting current research in the field of deep learning. Preliminary studies cited frequently in the ego documents were set as the citation identity documents that represents the specific themes in the field of deep learning. For ego documents which are the result of current research activities, some quantitative analysis methods including co-authorship network analysis were performed to identify major countries and research institutes. For the citation identity documents, co-citation analysis was conducted, and key literatures and key research themes were identified by investigating the citation image keywords, which are major keywords those citing the citation identity document clusters. Finally, we proposed and measured the citation growth index which reflects the growth trend of the citation influence on a specific topic, and showed the changes in the leading research themes in the field of deep learning.