- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구는 다양한 지식이 축적되고 공유되며 구성원 간의 관계와 상호작용을 바탕으로 지식이 생산되고 활용되는 공간인 소셜 러닝 커뮤니티에서 학습자의 지식소싱 행위가 지식활용 성과에 어떠한 영향을 미치는지를 실증적으로 분석하는 것을 목적으로 하였다. 이를 위해 한 대학의 사회과학분야 전공수업에 참여한 55명의 학습자들을 대상으로 소셜 러닝 커뮤니티를 구성하고 한 학기의 소셜 러닝 완료 후 설문조사를 통해 자료를 수집하였으며, 다중회귀분석을 사용하여 지식소싱 행위와 지식활용 성과의 영향관계를 규명하였다. 연구 결과, 양자 지식소싱과 문서 지식소싱은 지식재이용과 지식응용에 영향을 미치며, 그룹 지식소싱은 지식응용과 지식혁신에 영향을 미치는 것으로 나타났다. 본 연구의 결과는 소셜 러닝 커뮤니티에서 지식의 이용 목적에 따라 효율적인 지식소싱 행위를 선택하는데 유용할 것으로 기대된다.
Abstract
This research aims to analyze empirically the effects of learners’ knowledge sourcing behavior on the knowledge utilization outcomes in a social learning community. This kind of virtual community is of service to users who not only produce but also share a variety of valuable knowledge which is created based on relationships and interactions among learners. In order to conduct the study, a group of learners was made of 55 undergraduate students who were majoring in social science. The data was collected by online survey at the end of the term and multiple regression methods have been used for empirical analysis. The study shows that dyadic knowledge sourcing and published knowledge sourcing both have significant effects on knowledge reuse and knowledge adaptation. In addition, knowledge adaptation and knowledge innovation were affected by group knowledge sourcing. The research results help to select appropriate knowledge sourcing behavior depending on one’s purpose of knowledge use.
초록
정보통신기술의 발달로 학술 정보의 양이 기하급수적으로 증가하였고 방대한 양의 텍스트 데이터를 처리하기 위한 자동화된 텍스트 처리의 필요성이 대두되었다. 생의학 문헌에서 생물학적 의미와 치료 효과 등에 대한 정보를 발견해내는 바이오 텍스트 마이닝은 문헌 내의 각 개념들 간의 유의미한 연관성을 발견하여 의학 영역에서 상당한 시간과 비용을 줄여준다. 문헌 기반 발견 연구로 새로운 생의학적 가설들이 발견되었지만 기존의 연구들은 반자동화된 기법으로 전문가의 개입이 필수적이며 원인과 결과의 한가지의 관계만을 밝히는 제한점이 있다. 따라서 본 연구에서는 중간 개념인 B를 다수준으로 확장하여 다양한 관계성을 동시출현 개체와 동사 추출을 통해 확인한다. 그래프 기반의 경로 추론을 통해 각 노드 사이의 관계성을 체계적으로 분석하여 규명할 수 있었으며 새로운 방법론적 시도를 통해 기존에 밝혀지지 않았던 새로운 가설 제시의 가능성을 기대할 수 있다.
Abstract
Due to the recent development of Information and Communication Technologies (ICT), the amount of research publications has increased exponentially. In response to this rapid growth, the demand of automated text processing methods has risen to deal with massive amount of text data. Biomedical text mining discovering hidden biological meanings and treatments from biomedical literatures becomes a pivotal methodology and it helps medical disciplines reduce the time and cost. Many researchers have conducted literature-based discovery studies to generate new hypotheses. However, existing approaches either require intensive manual process of during the procedures or a semi-automatic procedure to find and select biomedical entities. In addition, they had limitations of showing one dimension that is, the cause-and-effect relationship between two concepts. Thus, this study proposed a novel approach to discover various relationships among source and target concepts and their intermediate concepts by expanding intermediate concepts to multi-levels. This study provided distinct perspectives for literature-based discovery by not only discovering the meaningful relationship among concepts in biomedical literature through graph-based path interference but also being able to generate feasible new hypotheses.