- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구에서는 지구적 환경문제의 해결 방식으로서 환경과학 분야의 학술활동과 같은 학문적 접근 방식과 환경 NGO 중심의 환경운동과 같은 실천적 접근 방식을 두 가지 주요 흐름이라 보고, 이들 각각의 특성을 계량정보학적 분석을 통해 파악하고 비교하였다. 지난 10년 간 환경과학 분야에서 인용된 저널의 주제범주 간 동시인용 관계를 분석함으로써 이 분야의 지식 구조를 파악하였고, 환경 NGO의 웹 사이트에서 수집된 외부링크 데이터를 이용하여 이들의 관심 분야를 확인하였다. 또한 저널 논문과 NGO 뉴스에서 추출된 핵심어를 이용한 동시출현단어 분석을 통해 하위 주제를 파악하여 이들 간의 주제적 유사성과 상이성을 구체화하였다.
Abstract
This study aims to understand and compare the characteristics of two major approaches to solving global environmental problems-an academic approach including scholarly activities of environmental sciences and a practical approach of environmental movements led by NGOs-by employing informetric analysis methods. Knowledge structure of environmental sciences is depicted through co-citation networks of subject categories assigned to the cited journals in the discipline of environmental sciences for the 10-year period from 2000 to 2009. Furthermore, major interests of environmental NGOs are identified on the basis of external link data collected from web sites of the NGOs. Co-word analyses are also performed using the texts of journal papers in environmental sciences as well as news articles provided by NGO sites. Through the analyses, dominant subject areas of environmental sciences and environmental movements are identified demonstrating similarities and differences between the two approaches.
초록
세계에는 수많은 도서관이 있지만 어떤 시스템도 이 모든 도서관에 대한 정보를 총체적으로 제공하는 기관은 없다는 인식에서, 본 연구에서는 위키원리 기반 도서관지도정보시스템을 구축하고자 하였다. 또한 구글지도서비스를 매쉬업함으로써 도서관위치정보서비스도 제공하고자 하였다. 새로운 서비스 시스템이 개발됨에 따라, 이 시스템을 통해 제공될 정보의 효과적 조직 및 관리를 위해 새로운 메타데이터를 개발할 필요가 있었으며, 이를 위해 델파이 연구기법을 적용하였다. 델파이 전문위원으로 대학, 전문, 학교, 공공, 국가도서관의 사서를 포함하여 도서관 지도정보의 전문가인 연구소의 연구원 및 대학의 교수진 등 총 13명을 위촉하였다. 이들을 대상으로 한 제 3차에 걸친 델파이 설문분석과정을 통해, 초기 메타데이터 항목에 대한 추가, 수정, 삭제가 이루어졌으며, 도서관 위치정보, 도서관 정보, 장서정보, 행사정보로 구성된, 4개 부문 49개 항목의 메타데이터가 최종적으로 제안되었다.
Abstract
This study aimed to construct the Library Map Information System(LMIS) based on the Wiki theory of Web 2.0. We built this system because there was no collective source of information about every library in the world. Also, this system was developed to provide a library location information service by mashing-up with the Google Map. Through this study, the metadata applied to the newly constructed system was developed by using the Delphi method. A total of 13 experts including librarians of schools, public, academic, special, and national libraries as well as LIS faculty members and researchers, were commissioned as Delphi experts. Through three rounds of a Delphi survey analysis, the addition, modification, and deletion of the initial metadata elements was accomplished, and then the library contact/location information, library information, collection information, and event information was proposed. The metadata for LMIS was organized into four sectors and then 49 elements, each assigned to a sector.
초록
이 연구에서는 특허의 인용에 영향을 미치는 주요 변수들을 토대로 특허의 피인용횟수를 예측하기 위한 모형을 제시하였다. 이를 위해 미국특허를 대상으로 5개 주제분야에 걸쳐 특허의 피인용횟수와 일정 수준 이상의 상관관계, 즉 5% 이상의 설명력을 갖는 것으로 밝혀진 페이지 수, 청구항 수, 참고문헌 평균 피인용횟수, 서지결합도, 문헌간유사도 등 5개 변수들을 토대로 다중회귀분석을 실시하였다. 연구결과에 따르면, 제시된 5개 주제분야의 특허인용 예측모형의 설명력은 주제분야에 따라 58.3%~89.6%로 나타났으며, 예측변수로 사용된 5개의 독립변수 중 특허 피인용횟수에 가장 영향력이 높은 변수는 ‘문헌간유사도’로 나타났다. 또한 이 연구에서 추정된 주제분야별 예측모형을 토대로 산출한 특허 피인용횟수에 대한 예측값과 실제값을 비교한 결과 이들 예측모형은 5개 주제분야에서 모두 적합한 것으로 나타났다.
Abstract
The purpose of this study is to develop a prediction model of patent citation counts based on major factors which affect patent citation. To this end, we performed multiple regression analysis between the patent citation counts and five explanatory variables such as the number of pages, the number of claims, the reference-average-citation rate, the strength of bibliographic coupling, and the document similarity proved as having 5% or more standardized variances(r2) with patent citation counts, with a test dataset of U.S. patents in five subject fields. As a result, our prediction models showed 58.3% to 89.6% predictability depending on subject fields and revealed the document similarity has the highest impact on citation counts among the five predictive variables in all the subject fields. The result of comparison between the predicted citation counts and the actual ones confirmed the usefulness of the citation prediction models built for each subject field.