기관리포지터리와 링크드 데이터는 자원을 공동 활용하자는 정신에 있어 매우 밀접한 관련이 있다고 할 수 있다. 따라서 이 개념을 연계시킴으로써 새로운 접근방법에 의한 정보공동생산과 활용이 가능할 수 있을 것으로 본다. 이에 본 연구에서는 국내 dCollection을 링크드 데이터로 실험적으로 구축하고자 하였으며, 이를 위해 첫째, dCollection의 데이터 구조를 분석하였다. 둘째, dCollection이 구축대상으로 하고 있는 자원유형에 대해서 조사하였다. 셋째, dCollection의 자원유형에 해당하는 자원 중 링크드 데이터로 구축되어 있는 사례를 조사하였다. 그 중에서 가장 많이 구축되어 있는 자원의 사례를 집중 분석하였다. 넷째, dCollection의 메타데이터를 링크드 데이터로 구축하는 방법과 링크드 데이터로 연계될 수 있는 방안을 구체적으로 검토하였다. 마지막으로 링크드 데이터로 갈 경우 발생할 수 있는 문제점 등을 논의하였다.
기관리포지터리와 링크드 데이터는 자원을 공동 활용하자는 정신에 있어 매우 밀접한 관련이 있다고 할 수 있다. 따라서 이 개념을 연계시킴으로써 새로운 접근방법에 의한 정보공동생산과 활용이 가능할 수 있을 것으로 본다. 이에 본 연구에서는 국내 dCollection을 링크드 데이터로 실험적으로 구축하고자 하였으며, 이를 위해 첫째, dCollection의 데이터 구조를 분석하였다. 둘째, dCollection이 구축대상으로 하고 있는 자원유형에 대해서 조사하였다. 셋째, dCollection의 자원유형에 해당하는 자원 중 링크드 데이터로 구축되어 있는 사례를 조사하였다. 그 중에서 가장 많이 구축되어 있는 자원의 사례를 집중 분석하였다. 넷째, dCollection의 메타데이터를 링크드 데이터로 구축하는 방법과 링크드 데이터로 연계될 수 있는 방안을 구체적으로 검토하였다. 마지막으로 링크드 데이터로 갈 경우 발생할 수 있는 문제점 등을 논의하였다.
The institutional repository and linked data share a purpose, co-creation and joint usage of information resources. Therefore, a new approach linking these two concepts can be utilized for co-production and utilization of resources. This study hoped to configure the Korean dCollection repository as ...
The institutional repository and linked data share a purpose, co-creation and joint usage of information resources. Therefore, a new approach linking these two concepts can be utilized for co-production and utilization of resources. This study hoped to configure the Korean dCollection repository as linked data. For this purpose, first, we analyzed the current data structure of dColleciton. Second, we investigated the resource types which dCollection is targeting. Third, we focused and analyzed a case study of resource types targeted by dCollection constructed as linked data. Fourth, this study examined in detail how to build the linked dCollection data and how to connect this linked data to the linked cloud. Finally, we discussed the problems that might oc cur in the process of building the linked data.
The institutional repository and linked data share a purpose, co-creation and joint usage of information resources. Therefore, a new approach linking these two concepts can be utilized for co-production and utilization of resources. This study hoped to configure the Korean dCollection repository as linked data. For this purpose, first, we analyzed the current data structure of dColleciton. Second, we investigated the resource types which dCollection is targeting. Third, we focused and analyzed a case study of resource types targeted by dCollection constructed as linked data. Fourth, this study examined in detail how to build the linked dCollection data and how to connect this linked data to the linked cloud. Finally, we discussed the problems that might oc cur in the process of building the linked data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 도서관 링크드 데이터로 활용할 수 있는 사례들을 살펴봄에 있어 링크드 데이터 목록을 제공하는 사이트 중심으로 간단하게만 소개하고 있으며, 상세한 내용은 해당 사이트에서 매우 상세하게 발견할 수 있고, 원하는 데이터를 다운로드 받을 수도 있다. 게다가 최근에 수행된 연구들에서 이러한 사이트들을 상세하게 소개하고 있기 때문에 본 연구에서는 dCollection에서 사용될 수 있는 링크드 데이터들을 조사하여 분석하는데 중점을 두고 있다.
본 논문에서는 dCollection에 있는 모든 필드에 대한 링크드 데이터로의 확장가능성을 보기 위해 모든 필드에 대해 검토하였으며, 페이지정보 등을 제외하고 외부데이터의 링크주소를 통해 확장을 함으로써 서지데이터를 매우 풍부하게 관리할 수 있을 것으로 확인하였다. 특히 원문정보로의 링크는 저작권 문제 때문에 원문을 직접 소장할 수 없는 경우에 링크를 제공함으로써 이용자를 원문으로 연결해 줄 수 있다.
본 연구에서는 선행연구를 살펴봄에 있어 두 가지 방향으로 나누어 간단히 살펴보고자 하였다. 본 연구는 기관리포지터리인 dCollection의 링크드 데이터로의 실험적 구축이므로 dColleciton 및 기관리포지터리 관련 선행연구와 링크드 데이터 구축 관련 연구 및 사례를 중심으로 살펴보고자 한다. 특히 dCollection과 관련된 연구는 구축사례연구, 해외사례조사연구, 메타데이터개발 관련 연구, 저작권 관련 연구 등 수없이 많이 있지만, 본 연구 진행에 직접적으로 관련이 있는 논문 등에 대해서만 간단히 살펴보았다.
본 연구에서는 dCollection을 링크드 데이터로 구축하기 위한 기초 연구로서, 현재 dCollection에 가장 많이 구축되어 있는 학위논문을 대상으로 링크드 데이터를 실험적으로 구축하고자 하였다. 이를 위해 dCollection의 데이터 구조 분석, dCollection이 구축대상으로 하고 있는 자원유형조사, dCollection에 연계가능한 자원 중 링크드오픈데이터로 구축되어 있는 사례 조사 등의 과정을 거쳤으며, 이 과정에서 연구자가 제기한 연구질문은 다음과 같다.
본 연구에서는 dCollection의 링크드 데이트로의 실험적 구축 외에, 위의 연구질문에 대한 답을 찾아가는 과정에서 시스템적 접근과 시스템 구축을 통한 파급효과, 문제점 해결방안 등을 찾아보고자 하였다.
본 연구에서는 도서관 링크드 데이터로 활용할 수 있는 사례들을 살펴봄에 있어 링크드 데이터 목록을 제공하는 사이트 중심으로 간단하게만 소개하고 있으며, 상세한 내용은 해당 사이트에서 매우 상세하게 발견할 수 있고, 원하는 데이터를 다운로드 받을 수도 있다. 게다가 최근에 수행된 연구들에서 이러한 사이트들을 상세하게 소개하고 있기 때문에 본 연구에서는 dCollection에서 사용될 수 있는 링크드 데이터들을 조사하여 분석하는데 중점을 두고 있다.
본 연구에서는 선행연구를 살펴봄에 있어 두 가지 방향으로 나누어 간단히 살펴보고자 하였다. 본 연구는 기관리포지터리인 dCollection의 링크드 데이터로의 실험적 구축이므로 dColleciton 및 기관리포지터리 관련 선행연구와 링크드 데이터 구축 관련 연구 및 사례를 중심으로 살펴보고자 한다.
본 절에서는 dCollection의 데이터를 실험적으로 구축하기 위한 dCollection의 데이터 구조 분석, 클래스 정의 및 관계 정의, dCollection에 활용할 수 있는 도서관링크드 데이터 구축사례조사, 그리고 링크드 데이터의 실험적 구축결과를 제시하고자 한다.
2 Beta를 사용하였으며, 구축대상 자원은 앞 절에서 언급된 dCollection의 다양한 자원 유형 중 가장 많이 구축되고 있는 학위논문으로 하였다. 본 절에서는 dCollection의 메타데이터를 링크드오픈데이터로 구축하는 방법과 링크드 데이터로 연계될 수 있는 방안을 구체적으로 검토하였다.
이에 본 연구에서는 국내 dCollection시스템을 링크드 데이터로 실험적으로 구축하고자 하였다. 이를 위해 첫째, 링크드 데이터로 구축할 dCollection의 데이터 구조를 분석하였다.
제안 방법
이중 실험대상 자원은 학위논문으로 하고 있는데, 이는 학위논문이 기관생산물로 가장 높은 비율을 보이고 있고, 학술논문의 경우 DBPia 등 학술DB에서 제공하는 자료를 포함한 통계로서 실제로는 그다지 많지 않은 것으로 조사되었다. dCollection의 링크드 데이터로의 구축과정은 첫째, 구축대상 자원들의 특성을 분석한다. 둘째, dCollection의 데이터 구조를 분석하며, 셋째, Linked Data 구축사례 분석 및 dCollection 데이터의 링크드 데이터로의 구축가능성을 분석한다.
셋째, dCollection과 같은 기관리포지터리 중 이미 링크드 데이터로 구축된 사례를 조사하였다. 넷째, dCollection의 메타데이터를 링크드오픈데이터로 연계 구축하는 방안을 구체적으로 검토하였다. 마지막으로 링크드오픈데이터로 갈 경우 발생할 수 있는 문제점 등을 논의하였다.
다섯째, 본 연구에서는 dCollection의 학위논문을 대상으로 링크드 데이터를 실험적으로 구축하였으며, 이를 위해 W3C의 도서관 링크드 데이터를 집중적으로 분석하였다. 그 결과 SOMS 기반의 dCollection 메타데이터 개개 항목을 연계할 수 있는 데이터 세트가 상당히 많이 있는 것으로 분석되었다.
dCollection의 링크드 데이터로의 구축과정은 첫째, 구축대상 자원들의 특성을 분석한다. 둘째, dCollection의 데이터 구조를 분석하며, 셋째, Linked Data 구축사례 분석 및 dCollection 데이터의 링크드 데이터로의 구축가능성을 분석한다. 마지막으로 학위논문을 링크드 데이터로 실험적으로 구축한다.
이를 위해 첫째, 링크드 데이터로 구축할 dCollection의 데이터 구조를 분석하였다. 둘째, 링크드 데이터 구축 사례 중에서 도서관에 적용 가능한 링크드 데이터 구축 사례를 총체적으로 조사하였다. 셋째, dCollection과 같은 기관리포지터리 중 이미 링크드 데이터로 구축된 사례를 조사하였다.
2 Beta를 사용하였으며, 구축대상 자원은 dCollection의 다양한 자원 유형 중 가장 많이 구축되고 있는 학위논문으로 하였다. 또한 링크드 데이터를 구축하기 위해 참조할 수 있는 관련 사례를 조사하였다. 도서관에서 참조하거나 이용하거나 연계할 수 있는 도서관 링크드 데이터 세트는 대표적으로 W3C와 CKAN22)에서 목록으로서 제공하고 있는 것을 알 수 있다.
넷째, dCollection의 메타데이터를 링크드오픈데이터로 연계 구축하는 방안을 구체적으로 검토하였다. 마지막으로 링크드오픈데이터로 갈 경우 발생할 수 있는 문제점 등을 논의하였다.
둘째, dCollection의 데이터 구조를 분석하며, 셋째, Linked Data 구축사례 분석 및 dCollection 데이터의 링크드 데이터로의 구축가능성을 분석한다. 마지막으로 학위논문을 링크드 데이터로 실험적으로 구축한다. 이를 위해 기존에 구축된 도메인 온톨로지 및 도메인 사전을 참조하여 시맨틱 태깅을 수행하고, 온톨로지 변환 규칙을 적용하여 인스턴스화를 수행하여 트리플구조로 저장하며, RDF에 링크 가능한 관련 링크를 표현한다.
본 연구에서 RDF 구축대상으로 삼고 있는 학위논문의 클래스와 속성을 간단히 다음 와 같이 정리하였으며, 이를 도식화하여 와 같이 표현하였다.
보통 도서관이 목록데이터의 품질을 향상시키기 위해 관련 비용을 추가하기 어렵고 개별기관 또는 단일 분야가 가진 자원의 한계를 완화하기 위한 하나의 방안으로, 즉 서지정보를 확장하기 위한 방안으로 링크드 데이터를 선정하였으며, 링크드 대상 데이터로서 전거데이터와 서지데이터를 선정하였다. 서지데이터인 오픈 라이브러리와 BNB, 그리고 전거데이터로서 VIAF와 FAST14)를 프로티지를 통해 반입하여 실험적으로 연계함으로써 도서관의 서지정보를 확장시킬 수 있는 방안을 제안하였다. 목록데이터를 링크드 데이터로 구축하는 방안을 학술논문을 대상으로 실험적으로 구축한 연구도 있다.
둘째, 링크드 데이터 구축 사례 중에서 도서관에 적용 가능한 링크드 데이터 구축 사례를 총체적으로 조사하였다. 셋째, dCollection과 같은 기관리포지터리 중 이미 링크드 데이터로 구축된 사례를 조사하였다. 넷째, dCollection의 메타데이터를 링크드오픈데이터로 연계 구축하는 방안을 구체적으로 검토하였다.
그 중에서 주로 도서관에서 이용할 수 있는 링크드 데이터를 종합적으로 정리한 단체가 W3C도서관링크드데이터인큐베이트그룹(W3C Library Linked Data Incubator Group)이다. 시맨틱 웹 전문가들 중 특히 링크드 데이터 전문가들로 구성된 이 그룹은 웹상의 도서관 자원의 상호운용성을 향상시키기 위해 RDF와 같은 표준을 사용해서 구축된 도서관과 관련되고 도서관에서 활용 가능한 리스트를 1년 3개월 동안 개발하여 제시하였다. 도서관 링크드 데이터에 가장 관련이 깊은 데이터 세트 목록은 다음 <표 1>과 같다.
이를 위해 국내외 기관 리포지터리의 동향을 메타데이터와 관련된 측면에서 조사하였으며, DSpace를 개발·운영하고 있는 MIT와 MIT 메타데이터를 확장해 사용하는 브뤽셀 대학의 DSpace 메타데이터를 분석하고 SOMS에서 확장이 필요한 요소를 추출하였다. 연구자들이 제안한 SOMS는 다양한 유형의 자원을 기술할 수 있도록 개발되었다. 이러한 메타데이터 개발과 관련된 또 다른 연구로 dCollection 메타데이터의 활용 실태를 분석하고 시스템 개선방향을 제시한 연구로 김현희 등의 연구가 있다.
본 연구에서는 dCollection을 링크드 데이터로 구축하기 위한 기초 연구로서, 현재 dCollection에 가장 많이 구축되어 있는 학위논문을 대상으로 링크드 데이터를 실험적으로 구축하고자 하였다. 이를 위해 dCollection의 데이터 구조 분석, dCollection이 구축대상으로 하고 있는 자원유형조사, dCollection에 연계가능한 자원 중 링크드오픈데이터로 구축되어 있는 사례 조사 등의 과정을 거쳤으며, 이 과정에서 연구자가 제기한 연구질문은 다음과 같다.
이를 위해 국내외 기관 리포지터리의 동향을 메타데이터와 관련된 측면에서 조사하였으며, DSpace를 개발·운영하고 있는 MIT와 MIT 메타데이터를 확장해 사용하는 브뤽셀 대학의 DSpace 메타데이터를 분석하고 SOMS에서 확장이 필요한 요소를 추출하였다.
마지막으로 학위논문을 링크드 데이터로 실험적으로 구축한다. 이를 위해 기존에 구축된 도메인 온톨로지 및 도메인 사전을 참조하여 시맨틱 태깅을 수행하고, 온톨로지 변환 규칙을 적용하여 인스턴스화를 수행하여 트리플구조로 저장하며, RDF에 링크 가능한 관련 링크를 표현한다. 그 절차를 그림으로 표현하면 <그림 1>과 같다.
이에 본 연구에서는 국내 dCollection시스템을 링크드 데이터로 실험적으로 구축하고자 하였다. 이를 위해 링크드 데이터로 구축할 dCollection의 데이터 구조 분석, 링크드 데이터로 구축된 도서관에 적용가능한 링크드 데이터로의 구축사례 조사, dCollection과 같은 기관리포지터리 중 이미 링크드 데이터로 구축된 사례 조사, dCollection의 메타데이터를 링크드오픈데이터로 구축하는 방법과 링크드 데이터로 연계될 수 있는 방안 검토를 수행하였다. 그 결과를 간단히 정리하면 다음과 같다.
이에 본 연구에서는 국내 dCollection시스템을 링크드 데이터로 실험적으로 구축하고자 하였다. 이를 위해 첫째, 링크드 데이터로 구축할 dCollection의 데이터 구조를 분석하였다. 둘째, 링크드 데이터 구축 사례 중에서 도서관에 적용 가능한 링크드 데이터 구축 사례를 총체적으로 조사하였다.
본 연구에서 RDF 구축대상으로 삼고 있는 학위논문의 클래스와 속성을 간단히 다음 <표 5>와 같이 정리하였으며, 이를 도식화하여 <그림 2>와 같이 표현하였다. 클래스와 속성 등의 관계는 현재 dCollection에서 취하고 있는 학위논문 입력지침을 참조하여 이를 가장 잘 표현할 수 있도록 하였다.
대상 데이터
dCollection을 링크드 데이터로 구축함에 있어, 17개 데이터요소의 각각에 대한 연계 대상 링크드 데이터를 제시하고자 시도하였으며, 이는 샘플로 구축되는 것은 아주 일부에 불과하고 이 데이터의 확장을 위해 고려해야 하는 것이 매우 많기 때문이다. 구축대상자원의 URI는 http://www.semanticweb.org/younghee/ontologies/2012/4/dCollection이며, 본 연구에서 검토했던 dCollection 연계를 고려해 볼 수 있는 LD를 나열하였다.
선행연구를 포함한 W3C에서 제시하고 있는 서지데이터를 참조할 수 있으며, 이러한 서지데이터로의 연계활용 가능성은 박지영 연구(2012)34)에서 실험적으로 검증된 바 있다. 그는 대표적으로 BNB와 Open Library를 실험대상으로 하였다. BNB는 8천여 개의 트리플이 있는 영국국가도서관 서지데이터이고, Open Library는 인터넷아카이브 프로젝트의 서지데이터이다.
서지데이터 부분은 주로 오픈서지데이터원칙을 준수하는 오픈서지데이터들로 구성되어 있으며, 현재 72개의 데이터 세트가 제공되고 있다. 도서관 링크드 데이터 부분은 RDF형태로서 링크드 데이터로 도서관에서 활용, 연계할 수 있는 데이터 세트로 구성되며 56개의 데이터 세트를 제공하고 있다.
본 연구에서는 dCollection을 링크드 데이터 구축대상으로 하고 있으며, 그 중 실험적 데이터 구축 대상 자료는 학위논문으로 하였다. 현재 dCollection 내에 구축되어 있는 자원의 유형 및 건수는 2012년 5월 14일 현재, 학위논문 1,563,990건, 학술논문 3,125,114건, 공개강의 172,965건, 기타자료 1,437,712건이다27).
본 연구에서는 링크드 데이터를 구축하기 위해 Protégé 4.2 Beta를 사용하였으며, 구축대상 자원은 dCollection의 다양한 자원 유형 중 가장 많이 구축되고 있는 학위논문으로 하였다.
본 연구에서는 링크드 데이터를 구축하기 위해 Protégé 4.2 Beta를 사용하였으며, 구축대상 자원은 앞 절에서 언급된 dCollection의 다양한 자원 유형 중 가장 많이 구축되고 있는 학위논문으로 하였다.
가장 일반적인 기술대상 자원유형은 대학에서 생산되는 석·박사 학위논문, 대학 및 연구기관에서 생산되는 교내발간 학술지에 수록된 학술논문, 그리고 대학 및 연구기관에서 생산되는 연구보고서이며, 기타 프리프린트 자료, 회의보고서, 컨퍼런스발표 자료 등으로 추가되고 있다. 본 연구에서는 현재 가장 많은 건수로 구축되어 있는 순으로 학위논문을 대상으로 링크드 데이터를 실험적으로 구축하고 있다.
실험적 링크드 데이터를 구축하기 위해 사용한 도구는 링크드 데이터 구축에 많이 사용되고 있는 Protégé 4.2 Beta이다.
성능/효과
다섯째, 본 연구에서는 dCollection의 학위논문을 대상으로 링크드 데이터를 실험적으로 구축하였으며, 이를 위해 W3C의 도서관 링크드 데이터를 집중적으로 분석하였다. 그 결과 SOMS 기반의 dCollection 메타데이터 개개 항목을 연계할 수 있는 데이터 세트가 상당히 많이 있는 것으로 분석되었다. 즉, 5장의 <그림 3>에서 보는 바와 같이 저자명 및 기관명 전거데이터 확장에 사용할 수 있는 VIAF, ULAN, LC/NAF, GeoNames 등이 있고, 주제명 전거데이터로 활용될 수 있는 것으로 LCSH, RAMEAU, SWD, NDLSH 등이 있다.
둘째, 기관리포지터리를 링크드 데이터로 오픈함에 있어 언급하지 않을 수 없는 것이 저작권 및 라이선스문제이다. 기관리포지터리는 원래 기관의 내부생산물을 DB로 구축해서 공동활용하는 것으로서, 국내 연구로 오픈액세스 기반 기관리포지터리 시스템에서 적용할 수 있는 라이선스를 범주화 한 후 라이선스 개념을 도입한 관리모델을 제시한 연구가 있다37).
마지막으로 dCollection을 링크드오픈데이터로 구축할 경우 고려해야 할 사항을 보면, 첫째, 기존에 비구조화된 형태로 구축된 이질적인 기관리포지터리를 변환하는 문제가 있다. 즉 Non-RDF 데이터(TopicMap, XML, Spreadsheet 등)를 RDF 형식으로 변환해 주어야 링크드 데이터 세트로 연계될 수 있다.
종합적으로 보았을 때, dCollection을 링크드 데이터로 구축함으로써 서지데이터를 매우 풍부하게 구축하는 것이 가능하고, dCollection의 데이터 필드에 연계 가능한 링크드 대상 데이터는 매우 많다는 것을 알 수 있었다. 이렇게 dCollection을 링크드 데이터로 연계시킴으로써 얻을 수 있는 효과는 첫째, 개개의 도서관의 데이터가 연계되어 전 세계적인 도서관 데이터 세트가 구축되는 결과를 낳을 수 있다.
첫째, 오픈액세스 운동과 링크드 데이터의 개발은 자원을 공동으로 구축하고 공동으로 활용함으로써 지식정보유통을 활성화하자는 정신에 있어서 공통점이 있다고 할 수 있다. 따라서 공통의 개념을 전재로 한 두 원리를 융합할 경우 그 효과가 증폭될 수 있을 것이라 생각한다.
후속연구
이렇게 dCollection을 링크드 데이터로 연계시킴으로써 얻을 수 있는 효과는 첫째, 개개의 도서관의 데이터가 연계되어 전 세계적인 도서관 데이터 세트가 구축되는 결과를 낳을 수 있다. 둘째, 웹 포털이나 인터넷 서점 등에 구축된 자원으로의 연계도 가능하기 때문에 풍부한 도서관의 서지데이터를 이용자에게 제공할 수 있을 것으로 보인다. 그 외 오삼균, 김성훈, 장원홍36)의 연구에서는 W3C의 보고서에 제시된 링크드 데이터를 도서관에 도입할 때의 장점을 이용자 측면의 혜택, 도서관 조직 측면의 혜택, 도서관 협업 종사자 측면의 혜택, 도서관 개발자 측면의 혜택으로 나누어 상세히 기술하고 있다.
이러한 기관리포지터리와 링크드 데이터는 자원을 공동 활용하자는 정신에 있어 매우 밀접한 관련이 있다고 할 수 있다. 따라서 이 개념을 연계시킴으로써 새로운 접근방법에 의한 정보공동생산과 활용이 가능할 수 있을 것으로 보인다.
기관리포지터리와 링크드 데이터는 자원을 공동 활용하자는 정신에 있어 매우 밀접한 관련이 있다고 할 수 있다. 따라서 이 개념을 연계시킴으로써 새로운 접근방법에 의한 정보공동생산과 활용이 가능할 수 있을 것으로 본다.
본 연구자는 향후 지속적으로 링크드 데이터를 구축함에 있어 일반인을 위한 링크드 데이터 생성 시스템들이 많이 개발되고, 이를 활용한 데이터 구축이 바람직하다고 본다. 일반인을 위해 개발된 링크드 데이터 생성시스템의 사용을 권장하는 이유는 RDF로 생성해야 할 문서의 양 때문이다.
세계적으로 기관리포지터리의 수는 2,300여건을 상회하고 있고 우리나라에도 11건이 있으며, 그 중에서 대학도서관 중심으로 구축되고 있는 국내 기관리포지터리의 대표적인 예로 dCollection이 있다. 오픈액세스를 지향하는 이러한 수많은 기관리포지터리를 개방형의 링크드 데이터로 각각이 구축하고 공동 활용한다면, 세계의 지식공유측면에서 기여하는 바가 클 것이고, 자원효율성도 최대화시킬 수 있을 것이다.
그 절차를 그림으로 표현하면 <그림 1>과 같다. 한편, 본 연구는 dCollection 데이터 중 학위논문만을 대상으로 실험적으로 링크드 데이터를 구축한 것이며, 다양한 유형의 데이터를 대상으로 링크드 데이터를 생성해야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
오픈액세스 운동이란?
오픈액세스 운동은 연구기관이 연구성과물을 출판하고 있음에도 불구하고 그 연구기관들이 해당 자원을 이용하기 위해 고가의 비용을 지불하고 출판사로부터 다시 사와야 하는 유통구조, 그리고 급격하게 상승하는 저널구독비 문제를 해결하기 위한 것으로, 저자 및 연구기관들이 생산한 자원을 공동으로 구축하고 활용할 수 있도록 하자는 운동이다. 이러한 오픈액세스 운동의 결과로 나타난 것이 기관리포지터리이다.
오픈액세스 운동의 결과로 나타나는것은?
오픈액세스 운동은 연구기관이 연구성과물을 출판하고 있음에도 불구하고 그 연구기관들이 해당 자원을 이용하기 위해 고가의 비용을 지불하고 출판사로부터 다시 사와야 하는 유통구조, 그리고 급격하게 상승하는 저널구독비 문제를 해결하기 위한 것으로, 저자 및 연구기관들이 생산한 자원을 공동으로 구축하고 활용할 수 있도록 하자는 운동이다. 이러한 오픈액세스 운동의 결과로 나타난 것이 기관리포지터리이다. 즉 기관리포지터리는 정보에 대한 자유로운 접근과 이용을 도모하기 위한 오픈액세스 정신으로 법적, 경제적, 기술적 장벽 없이 전 세계 이용자 누구라도 정보에 접근할 수 있도록 정보를 공유하고 장기적으로 보존하기 위한 것이다.
W3C도서관링크드데이터인큐베이트그룹은 어떤사람들로 구성되었는가?
그 중에서 주로 도서관에서 이용할 수 있는 링크드 데이터를 종합적으로 정리한 단체가 W3C도서관링크드데이터인큐베이트그룹(W3C Library Linked Data Incubator Group)이다. 시맨틱 웹 전문가들 중 특히 링크드 데이터 전문가들로 구성된 이 그룹은 웹상의 도서관 자원의 상호운용성을 향상시키기 위해 RDF와 같은 표준을 사용해서 구축된 도서관과 관련되고 도서관에서 활용 가능한 리스트를 1년 3개월 동안 개발하여 제시하였다. 도서관 링크드 데이터에 가장 관련이 깊은 데이터 세트 목록은 다음 <표 1>과 같다.
Berners-Lee, T., etal. "Tabulator: Exploring and Analyzing linked data on the Semantic Web." Proceedings of the The 3rd International Semantic Web User Interaction Workshop(SWUI06) workshop, 2006.
Luczak-Rosch, M. & R. Heese. "Linked Data Authoring for Non-Experts." Proceedings of the 2009 Linked Data on the Web Workshop (LDOW09), 2009.
Lynch, C. A., & J. K. Lippincott. 2005. "Institutional repository development in the United States as of early 2005." D-Lib Magazine, Vol.11, No.9(2005). [cited 2012. 03. 15].
Mark Ware Consulting."Pathfinder Research on Web-based Repositories: Final Report." Publisher and Library/Learning Solutions, 2004. [cited 2012. 03. 16].
OCLC. "Virtual International Authority File." 2012. [cited 2012. 04. 13].
Smith, D., I. Popov & M. Schraefel. "Data Picking Linked Data: Enabling Users to create Faceted Browsers." Proceedings of the 2010 Web Science Conference, 2010.
W3C. "Library Linked Data Incubator Group: Datasets, Value Vocabularies, and Metadata Element Sets." 2011. [cited 2012. 04. 13].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.