선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 컴퓨터 분야는 다른 학문분야에 비해 기술개발 속도가 빠르며 새로운 용어가 끊임없이 생겨나고 소멸되는 특징이 있기 때문에 새로운 전문용어와 관련된 최신의 자료가 적기에 입수되어야 관련 자료들이 연구활동에 제대로 활용될 수 있을 것이다. 도서관 장서가 연구생산결과물과 밀접한 연관성을 가지기 위해서는 장서의 최신성 여부가 전제조건이 되어야 하기 때문에 본 절에서는 우선 장서의 최신성 분석을 통해 실험데이터가 유의미한 것인지를 판단하였다.
- 보편적으로 r은 -1에서 1사이의 값을 가지며 부호(sign)는 선형적인 상관성의 방향을 나타내며, r이 1에 가까울수록 두 변수 사이의 선형적인 상관성은 커지게 된다. 본 연구에서는 각 실험데이터의 전문용어 추이를 변수로 상관계 수를 계산하여 그 연관성을 판단하였다.
- 본 연구에서는 국내 소재 2개 대학도서관의 컴퓨터 분야 장서 메타데이터에서 전문용어를 추출하여 그 추이를 분석하고 대학도서관 장서구성과 어떠한 상관관계가 있는지에 대한 실험적 연구를 수행하였다. 실험 방법은 KISTI 전문용어 추출기를 활용하여 실험데이터에서 전문용어 실험집합을 구성하였다.
- 전문용어 추이는 용어의 생성, 활성, 소멸 등의 과정은 다양한 정책의 수립과 변화, 이론의 등장과 변화, 기술의 등장과 변화 등과 관련성이 높다고 할 수 있다. 여기에서 본 논문은 국내 학계에서 사용된 전문용어 추이와 대학도서관의 장서에서 나타나는 전문용어 추이의 상관관계를 분석하여 대학도서관 장서개발정책의 기본 요소로 적용될 수 있는 가능성에 대해 생각해보게 되었다.
- 이에 본 연구에서는 전문용어 분석이 대학도서관의 장서개발정책 수립에 반영할 수 있는 가능성을 판단하기 위한 실험적인 연구로 국내 대학도서관 장서에서 전문용어를 추출하여 해당 용어의 연도별 추이와 학위논문 및 학술논문 등 연구자의 연구성과물에 나타난 전문용어 추이와의 상관관계를 분석하였다. 전공서적 같은 대학도서관 장서에 출현하는 특정 전문용어추이를 해당 대학의 학위논문 및 국내에 발표된 학술논문에 나타나는 전문용어 추이와 각각 비교하여 대학도서관 장서 구성과 해당 용어의 전반적인 연구동향과의 연관성을 분석하는 것이 본 연구의 목적이다.
- 따라서 학술논문에 나타난 전문용어의 연도별 추이와 해당 용어와 관련 있는 대학도서관 장서 구성 추이를 비교하여 대학도서관 장서가 우리나라의 컴퓨터분야의 연구흐름에 맞게 구성되었는지를 판단할 수 있다. 이에 본 절에서는 전문용어 실험집합을 대상으로 대학도서관 장서의 연도별 현황과 학술논문의 연도별 현황을 비교하여 그 연관성을 분석하고 통계적으로 결과의 타당성을 입증하였다.
- 이에 본 연구에서는 전문용어 분석이 대학도서관의 장서개발정책 수립에 반영할 수 있는 가능성을 판단하기 위한 실험적인 연구로 국내 대학도서관 장서에서 전문용어를 추출하여 해당 용어의 연도별 추이와 학위논문 및 학술논문 등 연구자의 연구성과물에 나타난 전문용어 추이와의 상관관계를 분석하였다. 전공서적 같은 대학도서관 장서에 출현하는 특정 전문용어추이를 해당 대학의 학위논문 및 국내에 발표된 학술논문에 나타나는 전문용어 추이와 각각 비교하여 대학도서관 장서 구성과 해당 용어의 전반적인 연구동향과의 연관성을 분석하는 것이 본 연구의 목적이다.
제안 방법
- 실험 방법은 KISTI 전문용어 추출기를 활용하여 실험데이터에서 전문용어 실험집합을 구성하였다. 6개의 전문용어 실험집합을 대상으로 관련 용어를 포함하는 대학도서관 장서의 연도별 추이와 실험대상 대학교의 학위논문 및 국내학술논문의 연도별 추이를 출현빈도지수로써 나타내고 이를 상관분석 방법으로 검증하였다. 그 결과 도서관 장서구성이 학위논문 및 학술논문의 연구 동향에 따라 매우 큰 상관관계를 가진다는 결론을 도출할 수 있었다.
- 특히 제목에서 용어 추출이 어려운 경우 MARC에서 ISBN 및 ISSN 항목을 추출하고 Google API를 활용하여 초록정보 및 목차정보를 수집하였다. 그리고 수집된 초록 및 목차정보에서 전문용어를 추가로 추출 하였다.
- 면역학 분야 시소러스 및 온톨로지 구축을 제안한 임지희(2005) 등은 기구축된 면역학 전문용어사전을 비롯하여 의학용어사전, 표준국어대사전 등을 참조하여 핵심 용어와 관련 용어를 중심으로 면역학 시소러스를 구축하였다. 또한 이 시소러스를 이용하여 특정 분야의 온톨로지(Domain Ontology)를 개발하여 시소러스가 가지는 의미적․개념적 연결관계의 확장성을 제시하였다.
- 반면 전자정보와 인쇄자료가 같이 존재하는 단행본 및 학술논문에 대해서는 대출 이력과 상관없이 동일한 자료로 간주하였다. 또한 정기적 혹은 비정기적으로 발간되는 동일 서명을 갖는 학술발표집이나 학술논문집 등에 대해서는 각각의 자료를 개별 자료로 처리하여 전문용어를 추출하였다.
- 77%의 비교적 높은 성능을 보였다 (배영준 2008). 또한, 사전 기반으로 한 이형태 들의 약어 및 변이형태를 세부 규칙으로 설정하여 적용할 경우에는 좀 더 좋은 성능을 가져올 수 있는 유연성을 가지고 있기 때문에 본 연구에서는 KISTI의 전문용어 인식기를 활용하였다.
- 본 연구에서는 과 같이 장서, 학위논문, 학술논문 메타데이터 수집, 전문용어 추출 대상 항목 선정, ISBN을 활용한 추가 서지정보 수집, 전문용어 인식기를 활용한 전문용어 추출, 추출된 전문용어에 대한 통계화, 특정 전문용어에 대한 년도별 추이 분석의 순서로 실험을 수행하였다.
- 본 연구의 연구방법으로 우선 국내 대전광역시 소재 2개 4년제 대학도서관을 선정하여 전공서적 등 단행본을 중심으로 한 메타데이터에서 한국과학기술정보연구원(KISTI)의 전문용어 인식 기술을 적용하여 전문용어를 추출하고, 이들을 1차 분석하여 특정 전문용어 실험집합을 선정하였다. 실험집합에 포함된 용어들을 대상으로 해당 대학도서관 장서의 등록년도에 따른 연도별 추이를 도출하였으며 이를 해당 대학교의 학위논문 및 국내학술논문의 발행연도별 전문용어 추이와 비교하여 그 연관성을 상관분석방법(correlation analysis)을 사용하여 증명하였다.
- 본 연구에서 사용된 전문용어 인식기술은 KISTI에서 보유한 개체명․전문용어 인식기술을 활용하였다. 본 인식기술은 용어의 공기정보, 명사결합정보, 형태적 정보, 문맥정보, 용어간 내포관계 등을 활용한 기술이며, 기본적으로 전문용어 선별을 위해 전문용어사전, 관련분야 백과사전 등을 기본적으로 이용하지만 새롭게 만들어지는 전문용어의 파악의 용이성을 위해 용어의 빈도수 등과 같은 통계적 방법, 언어의 형태, 어휘, 문맥 등의 자질을 기반으로 한 기계학습 방법, 사람의 직관과 여러 가지 패턴을 이용한 규칙적 방법도 적용되었다.
- 소장 복본이 많은 장서는 동일한 전문용어에 대해 출현 빈도가 비정상적으로 높아지기 때문에 실험의 정확성을 기할 수 없다는 판단에 따라 대출 이력이 존재하는 복본에 대해서만 일정한 가중치를 부여하여 전문용어를 추출하였다.
- 본 연구에서는 국내 소재 2개 대학도서관의 컴퓨터 분야 장서 메타데이터에서 전문용어를 추출하여 그 추이를 분석하고 대학도서관 장서구성과 어떠한 상관관계가 있는지에 대한 실험적 연구를 수행하였다. 실험 방법은 KISTI 전문용어 추출기를 활용하여 실험데이터에서 전문용어 실험집합을 구성하였다. 6개의 전문용어 실험집합을 대상으로 관련 용어를 포함하는 대학도서관 장서의 연도별 추이와 실험대상 대학교의 학위논문 및 국내학술논문의 연도별 추이를 출현빈도지수로써 나타내고 이를 상관분석 방법으로 검증하였다.
- 임수연(2004) 등은 전문용어의 처리에 기반한 도메인 특정적인 온톨로지의 반자동 구축방안을 제안하였다. 이를 위하여 약학분야 도메인 텍스트 내에서 전문용어를 구성하고 있는 명사나 접미사의 패턴을 분류하고, 이에 따른 전문용어를 추출하여 계층구조를 구하는 알고리즘을 제안하였다. 제안된 전문용어 처리방법을 대상으로 실험 결과 단일어절의 전문용어에 대해 올바른 관계로 연결된 전문용어의 정확도가 약 92%의 성능을 나타냈다.
- 승현우(2003) 등은 대량의 웹 문서로부터 연관된 지식정보를 검색하기 위한 전문 검색엔진을 개발하기 위해 텍스트에서 추출된 전문용어를 효율적으로 클러스터링 하기 위한 방법을 제안하였다. 이를 위해 전문용어로 구성된 지식베이스 테이블을 이용하여 의미있는 용어들간의 연관규칙을 생성하고 하나의 용어로부터 생성된 연관 규칙 집합은 해당 전문용어와 관련된 클러스터로 구성한다. 실험 대상은 문헌 정보학 전문용어를 대상으로 하였으며 실험 결과 의미적으로 관련된 용어끼리 효과적으로 클러스터를 구성할 수 있음을 주장하였다.
- 또한 <표 5>의 2어절 이상의 전문용어에 대한 실험을 수행했을 경우 그 출현빈도가 현저히 낮게 나타난 관계로 실험 결과의 분석이 어려운 문제를 보였다. 이에 따라 2어절 이상의 전문용어에 대한 분석 대신 대표 전문용어와 관련성이 높고 2어절 이상의 전문용어 중 1어 절의 전문용어가 별도로 출현한 전문용어를 추출하여 관련 전문용어로 묶어 실험군에 추가하였다. 따라서 <표 6>의 2, 3, 5, 6번 대표 용어에 대역어 및 약어뿐만 아니라 연관 용어를 실험집합에 포함시켰다.
- 따라서 대학도서관의 장서구성과 학위논문에서 나타나는 연구동향이 밀접한 연관성을 가질 수 있음을 예상할 수 있다. 이에본 연구에서는 3.3절에서 구성한 전문용어 실험집합을 대상으로 대학도서관 장서와 학위논문의 연도별 현황을 비교하여 연관성을 분석하고 결과의 타당성을 상관분석기법을 활용하여 입증하였다.
- 전문용어 기반 도서관 장서구성 분석을 위한 사전 실험으로 컴퓨터 분야 장서의 최신성 분석을 수행하였다. 컴퓨터 분야는 다른 학문분야에 비해 기술개발 속도가 빠르며 새로운 용어가 끊임없이 생겨나고 소멸되는 특징이 있기 때문에 새로운 전문용어와 관련된 최신의 자료가 적기에 입수되어야 관련 자료들이 연구활동에 제대로 활용될 수 있을 것이다.
- 제목에서 전문용어 추출이 어려운 자료에 대해서는 ISBN 및 ISSN 값을 이용하여 Google 도서검색 API를 활용하여 목차 및 초록정보를 얻어온 후 전문용어를 추출하였다( 참조).
- 최신성 분석은 도서관 장서의 등록년도와 발행년도 차이에 대한 분포를 살펴보는 방법으로 이루어졌으며 본 절에서는 K대학의 장서 8,459건 중 발행년도와 등록년도가 존재하는 8,327건에 대해 발행년도 대비 등록시점을 도출하였다.
- 추출된 전문용어에 대해 출현빈도지수를 계산하여 <표 4>와 같이 상위 20개의 용어를 추출하였다. 출현빈도지수는 장서에 특정 전문용어가 출현하는 경우 해당 용어에 1의 값을 부여하고 복본이 존재하고 대출이 기록되었던 자료에 대해서는 일정 가중치 값을 추가로 더하여 계산하였다. 출현빈도지수 계산식은 <식 1>과 같다.
- 정한민(2005) 등은 과학기술 전문용어에 대한 용어 생명주기를 정의하고 다양한 관점으로 대용량 말뭉치에서 추출된 용어들을 분석하여 기간에 따른 용어 생명주기 변화, 용어 수명과 전문성과의 관계 등 여러 분석 결과를 도출하였다. 특히 전문용어 생명주기는 기술 발전과 함께 전문용어도 생성/소멸-성장/쇠퇴의 과정이 있다는 전제로, 일정 기간 내에서의 관찰을 통해 이전 기간에 비해 관찰되는 용어가 어떤 추이를 가지는 지를 판단하는 지수인 용어지배 지수(Term Dominance Value; TDV)를 제안 하였다.
- 본 연구에서는 <그림 1>과 같이 장서, 학위논문, 학술논문 메타데이터 수집, 전문용어 추출 대상 항목 선정, ISBN을 활용한 추가 서지정보 수집, 전문용어 인식기를 활용한 전문용어 추출, 추출된 전문용어에 대한 통계화, 특정 전문용어에 대한 년도별 추이 분석의 순서로 실험을 수행하였다. 특히 제목에서 용어 추출이 어려운 경우 MARC에서 ISBN 및 ISSN 항목을 추출하고 Google API를 활용하여 초록정보 및 목차정보를 수집하였다. 그리고 수집된 초록 및 목차정보에서 전문용어를 추가로 추출 하였다.
- <그림 8>은 C대학 도서관 장서를 대상으로“센서네트워크”, “유비쿼터스” 등의 전문용어를 포함하는 도서관 장서와 학술논문의 연도별 출현빈도지수 변화를 보인 것이다. 학술논문의 출현빈도지수가 도서관 장서에 비해 비교적 낮게 나타난 이유는 실험군의 건수가 학술논문이 도서관 장서 및 학위논문보다 6배 이상 높기 때문에 전체 실험건수 대비로 지수보정을 하였다.
대상 데이터
- 과학기술학회마을은 BIST (과학기술문헌분류)분류를 사용하고 있는데 본 연구에서는 BIST 분류의 NA(전산학), NB(정보통신), NC(정보학), ND(정보가공)에 해당하는 데이터를 선별하였다( 참조).
- 국내학술논문 실험데이터는 KISTI 과학기술학회마을에서 서비스하고 있는 국내학술논문 메타데이터를 활용하여 구성하였다. 과학기술학회마을은 국내 과학기술분야 약 400여개의 학회에서 생산하는 학술지 및 학술대회 논문을 종합적으로 관리하고 있으며 2011년 3월 현재 약 90만건 이상의 논문 메타데이터와 원문을 보유하고 있다.
- 컴퓨터분야 도서관 장서, 학위논문, 학술논문에 나타난 전문용어의 추이를 비교하기 위해 실험데이터를 구성하였다. 도서관 장서와 학위 논문 데이터는 대전광역시 소재 국립종합대학교인 C대학과 과학기술 인재양성 대학교인 K 대학교의 컴퓨터 분야 소장자료 메타데이터를활용하였으며, 학술논문은 KISTI의 국내학술논문지 메타데이터를 활용하였다. 실험데이터의 발행년도는 1990년부터 2010년으로 한정하였다.
- 도서관 장서의 실험데이터는 과 같이 컴퓨터분야 교수 및 학생들의 수업 및 연구를 위해 활용되는 전공서적 등 단행본 중심으로 선정하였다.
- 본 연구에서는 의 전문용어 현황과의 전문용어의 다양한 쓰임새 등을 참고로 과 같이 전문용어 실험집합을 선정하였다.
- 분야 역시 C대학의 경우 DDC의 003∼006에 해당하는 학위논문 데이터를 대상으로 추출하였으며, K대학의 경우 LCC의 Subclass QA75.5∼QA76.765에 해당하는 서지데이터를 대상으로 하였다( 참조).
- 실험 대상 분야는 컴퓨터 분야 장서를 선정하였다. 이는 컴퓨터, 전기전자 및 정보통신과 같은 IT 분야가 다른 인문사회 및 기초과학분야에 비해 기술개발 속도가 빠르고 따라서 새로운 용어가 끊임없이 생겨나고 소멸되는 특징을 가지고 있기 때문이다.
- 이를 위해 전문용어로 구성된 지식베이스 테이블을 이용하여 의미있는 용어들간의 연관규칙을 생성하고 하나의 용어로부터 생성된 연관 규칙 집합은 해당 전문용어와 관련된 클러스터로 구성한다. 실험 대상은 문헌 정보학 전문용어를 대상으로 하였으며 실험 결과 의미적으로 관련된 용어끼리 효과적으로 클러스터를 구성할 수 있음을 주장하였다.
- 도서관 장서와 학위 논문 데이터는 대전광역시 소재 국립종합대학교인 C대학과 과학기술 인재양성 대학교인 K 대학교의 컴퓨터 분야 소장자료 메타데이터를활용하였으며, 학술논문은 KISTI의 국내학술논문지 메타데이터를 활용하였다. 실험데이터의 발행년도는 1990년부터 2010년으로 한정하였다.
- 도서관 장서의 실험데이터는 <표 1>과 같이 컴퓨터분야 교수 및 학생들의 수업 및 연구를 위해 활용되는 전공서적 등 단행본 중심으로 선정하였다. 자료의 분류를 위해 C대학은 DDC를, K대학은 LCC 분류를 사용하고 있는데, 본 연구에서는 C대학의 자료는 DDC의 003(Systems), 004(Computer science, Data processing), 005 (Computer programming, Program, Data), 006(Special computer methods)에 해당하는 서지데이터를 대상으로 실험데이터를 추출하였으며, K대학의 경우 LCC분류의 Subclass QA75.5-76.95(Electronic computers. Computer science), QA76.75-76.765(Computer software)에 해당하는 서지데이터를 대상으로 하였다.
- 전문용어 추출 대상 항목은 MARC에 기술된 서명 및 논문 제목을 대상으로 하였다. 실험데이터의 메타데이터를 분석한 결과 장서에는 대부분 제목이나 서명 이외에 키워드, 목차, 초록정보를 포함하고 있지 않는 것으로 나타났다.
- 컴퓨터분야 도서관 장서, 학위논문, 학술논문에 나타난 전문용어의 추이를 비교하기 위해 실험데이터를 구성하였다. 도서관 장서와 학위 논문 데이터는 대전광역시 소재 국립종합대학교인 C대학과 과학기술 인재양성 대학교인 K 대학교의 컴퓨터 분야 소장자료 메타데이터를활용하였으며, 학술논문은 KISTI의 국내학술논문지 메타데이터를 활용하였다.
- 학위논문 실험데이터는 학위수여기관이 각각 해당 대학인 C대학과 K대학 논문을 대상으로 하였다. 분야 역시 C대학의 경우 DDC의 003∼006에 해당하는 학위논문 데이터를 대상으로 추출하였으며, K대학의 경우 LCC의 Subclass QA75.
데이터처리
- 본 연구의 연구방법으로 우선 국내 대전광역시 소재 2개 4년제 대학도서관을 선정하여 전공서적 등 단행본을 중심으로 한 메타데이터에서 한국과학기술정보연구원(KISTI)의 전문용어 인식 기술을 적용하여 전문용어를 추출하고, 이들을 1차 분석하여 특정 전문용어 실험집합을 선정하였다. 실험집합에 포함된 용어들을 대상으로 해당 대학도서관 장서의 등록년도에 따른 연도별 추이를 도출하였으며 이를 해당 대학교의 학위논문 및 국내학술논문의 발행연도별 전문용어 추이와 비교하여 그 연관성을 상관분석방법(correlation analysis)을 사용하여 증명하였다.
- 한편 본 연구에서 도서관 장서구성 분석을 위한 도서관 장서, 학위논문, 학술논문 실험데이터에 나타난 전문용어 추이의 연관성을 객관적으로 검증하기 위해 상관분석기법을 적용하였다. 이 방법은 두 변수 사이의 선형적인 상관 성을 피어슨(Pearson) 상관계수 r로 판단한다.
이론/모형
- 본 연구에서 사용된 전문용어 인식기술은 KISTI에서 보유한 개체명․전문용어 인식기술을 활용하였다. 본 인식기술은 용어의 공기정보, 명사결합정보, 형태적 정보, 문맥정보, 용어간 내포관계 등을 활용한 기술이며, 기본적으로 전문용어 선별을 위해 전문용어사전, 관련분야 백과사전 등을 기본적으로 이용하지만 새롭게 만들어지는 전문용어의 파악의 용이성을 위해 용어의 빈도수 등과 같은 통계적 방법, 언어의 형태, 어휘, 문맥 등의 자질을 기반으로 한 기계학습 방법, 사람의 직관과 여러 가지 패턴을 이용한 규칙적 방법도 적용되었다.
성능/효과
- , 모두 해당 용어 추이에 대하여 도서관 장서와 학위논문 간에는 통계적으로 유의한 양의 상관관계가 있는 것으로 나타났다.
- KISTI 전문용어 인식기는 표준국어대사전 뜻풀이를 문서로 간주하고 1,000개의 전문분야 뜻풀이를 실험 말뭉치로 사용하여 그 성능을 테스트 한 결과 정확률은 86.15%로 나타났다. 또한 생물/의학 분야에 적용하였을 경우 F-measure 가 최대 84.
- 결론적으로 본 실험을 통해 도서관 장서 구성은 학위논문과 학술논문에 나타난 전문용어의 추이 변화와 매우 밀접한 연관성이 있음을 확인할 수 있었다. 학위논문과 학술논문은 대표적인 연구생산의 결과물이기 때문에 이들로부터 추출한 전문용어들은 해당 연구분야의 연구동향을 알 수 있는 대표적인 판단 근거가 될 수 있다.
- 6개의 전문용어 실험집합을 대상으로 관련 용어를 포함하는 대학도서관 장서의 연도별 추이와 실험대상 대학교의 학위논문 및 국내학술논문의 연도별 추이를 출현빈도지수로써 나타내고 이를 상관분석 방법으로 검증하였다. 그 결과 도서관 장서구성이 학위논문 및 학술논문의 연구 동향에 따라 매우 큰 상관관계를 가진다는 결론을 도출할 수 있었다.
- 그 결과 등록년도와 발행년도가 동일한 장서, 즉 발행된 해에 도서관에 입수된 자료가 1,951건으로 전체 자료 대비 약 23.43%이며, 발행된지 1년된 자료가 도서관에 등록된 장서는 1,899건으로 약 22.81%를 차지하고 있었다. 발행된지 2년 이내의 자료가 전체 자료의 4,989건으로 59.
- 따라서 본 연구의 컴퓨터분야 장서는 다른 분야에 비해 비교적 최신 자료들이 입수되고 있는 것으로 판단되며, 3.1절의 도서관 장서 실험데이터는 전문용어 추이와 컴퓨터 분야 장서구성의 상관관계 분석에 적합한 데이터임을 알 수 있었다(, 참조).
- 또한 도서관 장서와 학위논문, 학술논문에 나타난 주요 전문용어의 시대적 흐름을 파악함으로써 각 분야의 변화 양상, 응용 연구 영역등을 세밀히 살펴볼 수 있는 중요한 근거 자료가 될 수 있음을 알 수 있었다.
- 그리고 관련 장서수가 증가함에 따라 학위논문 또한 따라서 증가하는 모습을 보였다. 반면 도서관장서와 학술논문에 나타난 전문용어 추이를 비교한 결과, 관련 장서가 처음 입수된 시기와 학술논문이 처음 출현한 시기가 비슷했으며, 관련 장서수가 증가함에 따라 학술논문도 증가하는 모습을 보였다.
- 분석 결과 와 모두 해당 용어추이에 대하여 도서관 장서와 학위논문 간에는 통계적으로 유의한 양의 상관관계가 있는 것으로 나타났다.
- 실험데이터에서 전문용어를 추출한 결과 C 대학의 단행본에는 2,765건의 전문용어가 출현하였으며 K대학의 단행본에서는 4,702건의 전문용어가 추출하였다. 추출된 전문용어에 대해 출현빈도지수를 계산하여 <표 4>와 같이 상위 20개의 용어를 추출하였다.
- 전문용어 추출 대상 항목은 MARC에 기술된 서명 및 논문 제목을 대상으로 하였다. 실험데이터의 메타데이터를 분석한 결과 장서에는 대부분 제목이나 서명 이외에 키워드, 목차, 초록정보를 포함하고 있지 않는 것으로 나타났다. 제목에서 전문용어 추출이 어려운 자료에 대해서는 ISBN 및 ISSN 값을 이용하여 Google 도서검색 API를 활용하여 목차 및 초록정보를 얻어온 후 전문용어를 추출하였다(<표 1> 참조).
- <표 4>의 결과를 분석한 결과 두 대학 공통적으로 응용프로그램 개발과 관련된 자료(C++, 자바, 베이직, FORTRAN, COBOL, ASP, PHP 등)가 매우 많이 소장되어 있음을 알 수 있다. 이는 컴퓨터 분야의 연구개발 과정에서 관련 프로그래밍 언어를 활용하여 연구개발의 목적을 달성하는 경우가 많은데 이 때 관련 참고자료들이 많이 활용되기 때문으로 보인다.
- 이를 의 다른 학문분야와 비교해도 발행시점에서 2년 이내에 입수된 자료의 비율이 28%, 5년 이내의 자료 비율이 50%로 컴퓨터분야와 현저한 차이를 보이는 것으로 나타났다.
- 이를 위하여 약학분야 도메인 텍스트 내에서 전문용어를 구성하고 있는 명사나 접미사의 패턴을 분류하고, 이에 따른 전문용어를 추출하여 계층구조를 구하는 알고리즘을 제안하였다. 제안된 전문용어 처리방법을 대상으로 실험 결과 단일어절의 전문용어에 대해 올바른 관계로 연결된 전문용어의 정확도가 약 92%의 성능을 나타냈다.
- <표 6>의 나머지 전문용어 실험집합에서도<그림 4>∼<그림 7>과 같이 도서관 장서 현황과 학위논문의 연도별 출현빈도지수 추이가 매우 유사한 형태로 나타났다. 즉 해당 용어와 관련된 도서관 장서가 입수된 시기보다 약 2년 정도 후에 학위논문이 발표되기 시작했으며, 관련 장서 수가 증가함에 따라 발표되는 학위논문의 출현빈도도 따라서 증가함을 알 수 있었다. 컴퓨터 분야 전문용어 실험집합을 대상으로 용어의 추이를 분석한 결과 도서관 장서 구성이 해당 대학의 학위논문에 나타난 연구흐름과 매우 높은 연관성을 가진다는 것을 확인할 수 있었다.
- 즉 해당 용어와 관련된 도서관 장서가 입수된 시기보다 약 2년 정도 후에 학위논문이 발표되기 시작했으며, 관련 장서 수가 증가함에 따라 발표되는 학위논문의 출현빈도도 따라서 증가함을 알 수 있었다. 컴퓨터 분야 전문용어 실험집합을 대상으로 용어의 추이를 분석한 결과 도서관 장서 구성이 해당 대학의 학위논문에 나타난 연구흐름과 매우 높은 연관성을 가진다는 것을 확인할 수 있었다.
후속연구
- 전문용어 추이 비교를 통한 대학도서관 장서구성 분석 결과는 궁극적으로 대학도서관에서 급변하는 연구개발주기의 변화에 따른 최신의 적합한 연구 트렌드를 가장 빨리 판별하여 장서 개발정책에 반영할 수 있는 주요한 요소 중의 하나로 전문용어 생명주기 분석 및 예측 방법이 고려될 수도 있다고 해석할 수 있다. 또한 이러한 상관성을 기초하여 장서개발정책이나 장서 평가에 관련 학술매체의 전문용어 생명주기를 고려사항으로 포함한다면 좀 더 객관적인 장서 개발 및 장서평가가 가능할 것으로 기대한다. 이러한 관점에서 향후에는 학술논문, 학위논문, 전공서적 등 학술매체에 반영된 전문용어에 대한 생명주기 모델 및 지식지도가 장서개발정책 및 장서평가 요소와 관련된 지표로 반영되기 위한 관련 연구가 필요하다 하겠다.
- 또한 이러한 상관성을 기초하여 장서개발정책이나 장서 평가에 관련 학술매체의 전문용어 생명주기를 고려사항으로 포함한다면 좀 더 객관적인 장서 개발 및 장서평가가 가능할 것으로 기대한다. 이러한 관점에서 향후에는 학술논문, 학위논문, 전공서적 등 학술매체에 반영된 전문용어에 대한 생명주기 모델 및 지식지도가 장서개발정책 및 장서평가 요소와 관련된 지표로 반영되기 위한 관련 연구가 필요하다 하겠다.
- 도서관 장서가 관련 연구의 흐름에 맞추어 적절히 수집, 배치되었는지를 평가하기 위해서 우선 해당 학문분야의 전반적인 연구동향을 파악하여 관련 장서들이 적당한 기간 내에 입수되었는지 여부를 확인하는 것이 필요하다. 장서에 나타난 전문용어를 대상으로 그 추이를 분석하고, 더 나아가 전문용어 생명주기 예측및 분석을 통해 해당 분야의 연구동향을 예측할 수 있다면 도서관 장서평가요소 및 장서개발정책 수립을 위한 기준으로 적용할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.