- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구에서는 공공연구기금으로 생산된 논문성과물에 대한 공중의 접근을 확대하기 위한 방안을 모색하기 위하여 국내외 주요학술지의 오픈액세스 관련 정책을 조사 분석하였다. 조사대상의 선정을 위하여 국가과학기술지식정보서비스(NTIS)논문의 국내외 등록현황, 원문연계 비중, 기금지원기관별 논문성과물 현황과 게재 학술지 현황을 분석하였으며, 이를 기반으로 공공연구기금 논문성과물의 게재 건수가 높은 국내외 18종의 학술지를 선정하였다. 조사 결과는 오픈액세스 관련 정책의 성문화 및 공시, 저작권 귀속주체, 재사용 권리, 셀프 아카이빙 정책, 무료접근 등의 구성요소로 구분하여 분석하고, 이를 토대로 국가차원에서 공공연구기금 논문성과물의 수집 유통 정책 수립에 참고할 사항들을 제안하였다.
Abstract
This study analyzes the open access policies of major scholarly journals that have large number of publicly funded articles, for the purposes of expanding and facilitating the public access. Eighteen scholarly journals in Korea and abroad were selected based on the number of published publicly funded articles through a survey of dissemination of publicly funded journal articles via information from NTIS. The open access policies of the selected journals were analyzed by 5 categories including codification of OA related policy, copyrights, reuse rights, self archiving policy, free access. As a result, this research proposed several considerations for establishing national policies for the collection and distribution of the publicly funded research products.
초록
연구전선이란 연구논문들 간에 인용이 빈번하게 발생하며, 지속적으로 발전이 이루어지고 있는 연구영역을 의미한다. 연구행위가 집중되는 핵심 연구분야로 발전 가능성이 높은 연구전선을 조기에 예측해내는 것은 학계와 산업계, 정부기관, 나아가 국가의 과학기술 발전에 큰 유익을 가져다 줄 수 있는 유용한 사회적 자원이 된다. 본 연구는 복합자질을 활용하여 연구전선을 추론하는 모델을 제시하고자 시도하였다. 연구전선 추론은 핵심 연구영역으로 발전할 가능성이 높은 문헌들이 포함될 수 있도록 문헌을 복합자질로 표현하고, 그 자질들을 심층학습하여 새로 발행된 문헌들이 연구전선에 포함될 수 있는지 그 가능성을 예측하였다. 서지 자질, 네트워크 자질, 내용 자질 등 복합자질 세트를 사용하여 문헌을 표현하고 피인용을 많이 받을 가능성이 있는 문헌을 추론하기 위해서 확률기반 팩터그래프 모델을 적용하였다. 추출된 자질들은 팩터그래프의 변수로 표현되어 합-곱 알고리즘과 접합 트리 알고리즘을 적용하여 연구전선 추론이 이루어졌다. 팩터그래프 확률모델을 적용하여 연구전선을 추론․구축한 결과, 서지결합도 4 이상으로 구축된 베이스라인 연구전선과 큰 차이를 보였다. 팩터그래프 기반 연구전선그룹이 서지결합 기반 연구전선그룹보다 문헌 간의 직접 연결정도가 강하며 연결 관계에 있지 않은 두 개의 문헌을 연결시키는 매개정도 또한 강한 집단으로 나타났다.
Abstract
This study attempts to infer research fronts using factor graph model based on heterogeneous features. The model suggested by this study infers research fronts having documents with the potential to be cited multiple times in the future. To this end, the documents are represented by bibliographic, network, and content features. Bibliographic features contain bibliographic information such as the number of authors, the number of institutions to which the authors belong, proceedings, the number of keywords the authors provide, funds, the number of references, the number of pages, and the journal impact factor. Network features include degree centrality, betweenness, and closeness among the document network. Content features include keywords from the title and abstract using keyphrase extraction techniques. The model learns these features of a publication and infers whether the document would be an RF using sum-product algorithm and junction tree algorithm on a factor graph. We experimentally demonstrate that when predicting RFs, the FG predicted more densely connected documents than those predicted by RFs constructed using a traditional bibliometric approach. Our results also indicate that FG-predicted documents exhibit stronger degrees of centrality and betweenness among RFs.