- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
도서관 LOD가 확산되지 못하는 현시점에서, 본 연구의 목적은 국내 도서관 LOD의 발행과 구축에 대한 현황을 살펴보고, 그 개선방안을 모색하기 위한 것이다. 사용한 연구방법은 문헌연구, 사례조사, 전문가 면담이다. 본 연구에서 제시된 개선방안은 첫째 도서관은 LOD 구축 대상의 중복을 피하고, 유일하고 특화된 자료를 구축할 필요가 있다. 둘째 도서관은 이용자 요구를 반영한 LOD 서비스를 개발하고, 편리한 LOD 인터페이스를 구현할 필요가 있다. 셋째 도서관은 데이터의 식별체계를 마련하고 전거파일을 구축할 필요가 있다. 넷째 도서관은 사서나 이용자에게 데이터 개방과 연계의 필요성을 인식시키고, 이를 위한 교육과 홍보의 기회를 제공할 필요가 있다. 다섯째 도서관은 통합 검색을 위해 LOD를 활용하고, 도서관 LOD를 검색할 수 있는 통합 플랫폼을 마련할 필요가 있다. 여섯째 도서관은 LOD 발행과 활용을 위한 협력을 강화하고, 실무협의체를 구성할 필요가 있다. 일곱째 정부는 LOD 추진에 대한 지속적인 의지로 강력한 정책을 추진해야 하며, 계속해서 예산 지원을 할 필요가 있다.
Abstract
The purpose of this study is to find the cause and solution of the situation where library LOD does not spread after the introduction of library LOD. Research methods include literature research, case studies, and expert interviews. The improvement plan presented in this study is that first, the library needs to avoid the redundancy of the LOD construction target and build the only and specialized data. Second, libraries need to develop LOD services that reflect user needs and implement convenient LOD interfaces. Third, libraries need to establish identification system of data and build a authority file. Fourth, libraries need to recognize the necessity of data opening and linking to librarians and users, and provide opportunities for education and publicity. Fifth, it is necessary to use LOD for integrated search and to establish an integrated platform for search of library LOD. Sixth, libraries need to strengthen cooperation for LOD issuance and utilization, and form a working-level consultative body. Seventh, the government should pursue strong policies with a continuous commitment to LOD promotion and need to continue to provide budget support.
초록
본 연구는 디지털 도서관의 콘텐츠를 탐색하는 동안 이용자의 암묵적 적합성 피드백을 활용하여 적합성을 판단하기 위해 뇌파 기반 및 시선추적 기반 방법들을 제안하고 평가해 보았다. 이를 위해서 32명을 대상으로 하여 동영상, 이미지, 텍스트 데이터를 활용하여 뇌파/시선추적 실험들을 수행하였다. 제안된 방법들의 유용성을 평가하기 위해서, 딥러닝 기반의 인공지능 방법들을 경쟁 기준으로 사용하였다. 평가 결과, 주제에 적합한 동영상과 이미지(얼굴/감정)를 선택하는 데에는 뇌파 컴포넌트 기반 방법들(av_P600, f_P3b)이 높은 분류 정확도를 나타냈고, 이미지(객체)와 텍스트(신문 기사)를 선택하는 데에는 인공지능 기반 방법 즉, 객체 인식 기반 방법과 자연언어 처리 방법이 각각 높은 분류 정확도를 나타냈다. 끝으로, 뇌파, 시선추적 및 인공지능 기술에 기반한 디지털 도서관 인터페이스를 구현하기 위한 지침 즉, 암묵적 적합성 피드백에 기반한 시스템 모형을 제안하고, 분류 정확도를 향상시키기 위해서 미디어별로 적합한 뇌파 기반, 시선추적 기반 및 인공지능 기반 방법들을 제시하였다.
Abstract
This study proposed and evaluated electroencephalography (EEG)-based and eye-tracking-based methods to determine relevance by utilizing users’ implicit relevance feedback while navigating content in a digital library. For this, EEG/eye-tracking experiments were conducted on 32 participants using video, image, and text data. To assess the usefulness of the proposed methods, deep learning-based artificial intelligence (AI) techniques were used as a competitive benchmark. The evaluation results showed that EEG component-based methods (av_P600 and f_P3b components) demonstrated high classification accuracy in selecting relevant videos and images (faces/emotions). In contrast, AI-based methods, specifically object recognition and natural language processing, showed high classification accuracy for selecting images (objects) and texts (newspaper articles). Finally, guidelines for implementing a digital library interface based on EEG, eye-tracking, and artificial intelligence technologies have been proposed. Specifically, a system model based on implicit relevance feedback has been presented. Moreover, to enhance classification accuracy, methods suitable for each media type have been suggested, including EEG-based, eye-tracking-based, and AI-based approaches.