바로가기메뉴

본문 바로가기 주메뉴 바로가기

logo

  • P-ISSN1013-0799
  • E-ISSN2586-2073

연구자의 투고 학술지 현황에 근거한 국내 학문분야 네트워크 분석

Analyzing the Network of Academic Disciplines with Journal Contributions of Korean Researchers

정보관리학회지, (P)1013-0799; (E)2586-2073
2008, v.25 no.4, pp.327-345
https://doi.org/10.3743/KOSIM.2008.25.4.327
이재윤 (경기대학교)

  • 다운로드 수
  • 조회수

초록

이 연구는 국내 연구자의 학술지 논문 발표 자료를 활용하여 학문분야간 학술지 공유도를 산출하고, 이로부터 국내 학문분야의 구조를 나타내는 네트워크를 생성하였다. 생성된 패스파인더 네트워크는 ‘생물학’분야를 핵심으로 하는 생명과학 분야가 중앙을 차지하고 있었으며, 인문학과 의약학, 공학에 속한 학문끼리는 학문간 연계가 매우 강하게 나타났다. 가중 네트워크로부터 각 학문분야의 중심성과 학제성을 파악하기 위해서 엔트로피 공식과 가중 네트워크 중심성 척도를 적용한 결과 전역 중심 학문, 지역 중심 학문, 전역 연계 학문, 기타 일반 학문의 네 가지 유형을 식별할 수 있었다. 가중 네트워크를 이진 네트워크로 변환한 패스파인더 네트워크에서는 다수의 약한 링크가 모인 데이트 허브가 드러나지 않았으나, 가중 네트워크에서의 중심성 지수인 삼각매개중심성의 측정 범위를 지역에서부터 전역까지 달리하며 측정한 결과로부터 ‘인지과학’분야와 같은 학제성이 높은 데이트 허브를 식별할 수 있었다.

Abstract

The main purposes of this study are to construct a Korean science network from journal contributions data of Korean researchers, and to analyze the structure and characteristics of the network. First of all, the association matrix of 140 scholarly domains are calculated based on the number of contributions in common journals, and then the Pathfinder network algorithm is applied to those matrix. The resulting network has several hubs such as ‘Biology’, ‘Korean Language & Linguistics’, ‘Physics’, etc. The entropy formula and several centrality measures for the weighted networks are adopted to identify the centralities and interdisciplinarity of each scholarly domain. In particular, the date hubs, which have several weak links, are successively distinguished by local and global triangle betweenness centrality measures.

참고문헌

1

이재윤. (2006). 지적 구조의 규명을 위한 네트워크 형성 방식에 관한 연구. 한국문헌정보학회지, 40(2), 333-355.

2

이재윤. (2006). 계량서지적 네트워크 분석을 위한 중심성 척도에 관한 연구. 한국문헌정보학회지, 40(3), 191-214.

3

이재윤. (2007). 국내 광역 과학 지도 생성 연구. 정보관리학회지, 24(3), 363-383.

4

Boyack, K. W. (2005). Mapping the backbone of sci- ence. Scientometrics, 64(3), 351-374.

5

Csermely,P. (2006). Weak Links: Stabilizers of Complex Systems from Proteins to Social Networks:Springer-Verlag.

6

de Nooy, W. (2005). Exploratory Social Network Analysis with Pajek:Cambridge University Press.

7

Garfield,E. (1994). Scientography: Mapping the tracks of science. Current Con- tents: Social & Behavioral Sciences, 7, 5-10.

8

Granovetter,M. (1973). The strength of weak ties. American Journal of Sociology, 78, 1360-1380.

9

Han, J. D. J. (2004). Evidence for dynamically organized modularity in the yeast protein-protein interaction network. Nature, 430, 88-93.

10

Mantegna,R.N. (1999). Hierarchical structure in financial markets. European Physical Journal B, 11(1), 193-197.

11

Moya-Anegón, F. (2004). A new technique for building maps of large scientific do- mains based on the cocitation of classes and categories. Scientometrics, 61(1), 129-145.

12

Newman,M.E.J. (2004). Analysis of weighted networks. Physical Review E, 70, 056131-.

13

Price, D. J. DeSolla. (1966). The science of sci- entists. Medical Opinion and Review, 1(10), 88-97.

14

Schvaneveldt, R. W. (1990). Pathfinder Associative Networks: Studies in Knowl- edge Organization:Ablex.

15

Small, H. (1985). The geog- raphy of science: disciplinary and na- tional mappings. Journal of Informa- tion Science, 11, 147-159.

16

Vargas-Quesada, B. (2007). Visualizing the Structure of Sci- ence:Springer-Verlag..

정보관리학회지