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
- 따라서 현재 기후변화에 대한 연구가 각 분야에서 활발하게 진행되고 있으며, 관련 연구논문들의 발표가 증가하고 있다. 본 연구는 텍스트 마이닝 기법을 이용하여 2000년 초반부터 최근까지 기후변화 관련 논문 중 식품관련 연구성과물들에 대해 어떤 주제나 키워드가 연구되었는지를 알아보고, 이러한 주제나 키워드의 출현빈도 추세에 대해서 분석하였다. 이러한 분석을 통하여 기후변화 관련 연구성과들의 추세를 파악하고 향후 기후변화 적응 및 대응 체계 로드맵 작성 시 연구 개발 기초 자료로 활용할 수 있을 것이다.
제안 방법
- 따라서 초록에서 사용된 용어들은 각각의 문서에서 각 용어의 빈도수가 아니라 각각의 문서에 출현했는지 여부만을 반영하는 형태로 자료를 구성하여 분석에 사용하였다. Table 2.1에서와 같이 특정 용어의 연도별 추세를 보기 위해서 각각의 자료들을 1년 단위로 용어의 총 출현 빈도를 이용해서 분석을 하였다.
- 2%), 군집 1과 군집 3의 주제는 전혀 다루지 않았음을 알 수 있다. 각각의 문서를 주어진 4개의 군집 중 하나로 분류하고자 하는 경우, 상대 비중이 가장 큰 군집으로 지정하여 분류를 하였다. 예를 들어, Table 4.
- 분석에 앞서 각각의 문서에서 용어의 빈도수를 측정하고 그 빈도수를 전체 문서 중 몇 개의 문서에서 출현하는지 여부를 보정하는 방법이 적용되는데, 일반적으로 논문 초록은 전체 논문에서 가장 핵심적인 내용들을 간략한 형태로 제시하기 때문에 중요한 용어가 여러 번 나타나는 경우가 드물다. 따라서 초록에서 사용된 용어들은 각각의 문서에서 각 용어의 빈도수가 아니라 각각의 문서에 출현했는지 여부만을 반영하는 형태로 자료를 구성하여 분석에 사용하였다. Table 2.
- 본 연구는 기후 변화에 맞추어 영문 학술지에 게제된 논문을 중심으로 데이터 마이닝의 기법중 하나인 텍스트 마이닝을 적용하였다. 이를 통해, 지난 9년간 학술지에서 다뤄진 주제들의 특성을 파악하였고, 용어의 계층적 군집방법을 통해 찾아낸 4개의 주제어들에 각각의 문서를 분류하는 방법을 제시하였다.
- 본 연구는 기후 변화에 맞추어 영문 학술지에 게제된 논문을 중심으로 데이터 마이닝의 기법중 하나인 텍스트 마이닝을 적용하였다. 이를 통해, 지난 9년간 학술지에서 다뤄진 주제들의 특성을 파악하였고, 용어의 계층적 군집방법을 통해 찾아낸 4개의 주제어들에 각각의 문서를 분류하는 방법을 제시하였다. 이러한 결과물은 새로운 연구를 시작하기에 앞서 기존의 유사한 논문들을 찾아내는데 유용하게 사용될 수 있을 뿐 아니라, 특정 연구 주제가 최근 학술지에서 주로 다뤄지는지 여부를 확인 할 수 있다.
- 특정 문서가 어느 분야의 논문인지를 분류하기 위해 용어들의 계층적 군집분석을 바탕으로 하는 주제별 상대 비중을 계산하였다. 주제별 상대 비중은 각각의 군집 (즉, 주제 분야)에 포함 된 용어들이 한 문서에 상대적으로 얼마나 자주 출현하는 지를 보여준다.
대상 데이터
- 기후변화 (climate change)와 관련성이 높은 식품분야 논문을 수집하기 위해 www.sciencedirect.com에서 “climate change”과 “food” 두 키워드를 사용하여 2004년도부터 2012년까지 외국 학술지에 게재된 총 4500개의 영문 논문들에서 제목과 초록을 수집하였다.
- 따라서 보다 포괄적인 연구를 위해 이러한 문제를 해결할 수 있는 텍스트 마이닝 소프트웨어의 개발이 필요하다. 둘째, 본 연구는 전문가의 의견을 반영하여 각 년도 별로 관련성이 높은 100개의 논문들을 찾고 분석하였다. 이는 전문가의 의견을 반영하는 장점이 있으나 전문가에 따라 다른 논문 자료가 선택될 수 있다는 선택적 편의 (selection bias)가 발생할 수 있다.
데이터처리
- 수집된 논문 초록을 이용하여 텍스트 마이닝에 필요한 용어-문헌 행렬 (term-document matrix)을 구성하기 위해 R 프로그램 3.0.1 버전의 tm 패키지 (Feinerer 등, 2008)를 사용하였다.
이론/모형
- 계층적 군집방법은 자율 군집 (unsupervised clustering)의 한 방법으로써 수집된 논문들을 분류하는데 알려져 있는 체계가 없는 상황에서 논문에 나타난 용어들의 비유사성 (dissimilarity)을 바탕으로 계층에 따라 어떻게 용어 들이 군집을 구성하는지를 보여준다. 계층적 군집분석 기법중 하나인 Ward 방법을 사용하여 용어들 간의 비유사성은 개별대상간의 거리로 측정을 하였으며, 군집의 수는 실루엣 (silhouette) 방법 (Rousseeuw, 1987)과 현장 전문가의 지식을 활용하여 집단간의 유사성 (homogeneity)을 가장 크게 하는 군집의 수를 찾았다.
- 군집분석에 대한 많은 연구가 진행되고 있으며 (Lim과 Lim, 2012; Yeo, 2011), 본 연구에서는 특정 주제에 관련된 용어들이 어떻게 군집을 이루는 지를 확인하기 위해 계층적 군집분석 방법 (hierarchical clustering)을 사용하였다. 계층적 군집방법은 자율 군집 (unsupervised clustering)의 한 방법으로써 수집된 논문들을 분류하는데 알려져 있는 체계가 없는 상황에서 논문에 나타난 용어들의 비유사성 (dissimilarity)을 바탕으로 계층에 따라 어떻게 용어 들이 군집을 구성하는지를 보여준다.
- 6%이하)인 용어들이 전체 용어의 90%를 구성하고 있고, 이러한 용어들은 대부분의 경우 잡음 (noise)으로 작용을 하여 용어-문헌 행렬에 의미 있는 소수의 잠재적인 요인들 (latent component)을 이끌어 내는데 한계점이 있다. 따라서, 본 연구를 위해 이 분야의 전문가적인 지식 (expert knowledge)을 반영해서 전체 문서에서 출현빈도가 26 이상인 용어들 중 그 용어의 중요성을 바탕으로 선택된 68개만을 고려한 용어-문헌 행렬 (term-document matrix)을 사용하였다. 최종적으로 선택된 68개의 용어들과 년도별 출현 빈도수 및 총 빈도수는 Table 2.
성능/효과
- 첫째, 최근 대두되는 주요 화제인 “기후 변화”에 관련된 연구 논문들에 대해 처음으로 텍스트 마이닝 방법을 적용하였다는 것이다.
후속연구
- 이를 통해, 지난 9년간 학술지에서 다뤄진 주제들의 특성을 파악하였고, 용어의 계층적 군집방법을 통해 찾아낸 4개의 주제어들에 각각의 문서를 분류하는 방법을 제시하였다. 이러한 결과물은 새로운 연구를 시작하기에 앞서 기존의 유사한 논문들을 찾아내는데 유용하게 사용될 수 있을 뿐 아니라, 특정 연구 주제가 최근 학술지에서 주로 다뤄지는지 여부를 확인 할 수 있다. 본 연구의 중요성과 연구와 관련된 제언은 다음과 같이 정리될 수 있다.
- 본 연구는 텍스트 마이닝 기법을 이용하여 2000년 초반부터 최근까지 기후변화 관련 논문 중 식품관련 연구성과물들에 대해 어떤 주제나 키워드가 연구되었는지를 알아보고, 이러한 주제나 키워드의 출현빈도 추세에 대해서 분석하였다. 이러한 분석을 통하여 기후변화 관련 연구성과들의 추세를 파악하고 향후 기후변화 적응 및 대응 체계 로드맵 작성 시 연구 개발 기초 자료로 활용할 수 있을 것이다.
- 첫째, 최근 대두되는 주요 화제인 “기후 변화”에 관련된 연구 논문들에 대해 처음으로 텍스트 마이닝 방법을 적용하였다는 것이다. 하지만, 본 연구에서는 영문 학술지에 게재된 논문들만을 대상으로 하였기 때문에 영어가 아닌 다른 언어, 특히 한국어로 게재된 논문들이 포함되지 않았다는 제한이 있다. 이는 아직 국내에서 기후 변화와 식품에 관련된 충분한 양의 논문이 없기 때문이기도 하지만 같은 의미를 다른 두 언어들로 표현할 경우, 예를 들면, ‘climate’과 ‘기후’, 두 용어를 하나의 의미로 인식할 수 있는 소프트웨어의 부재이기도 하다.
- 이는 전문가의 의견을 반영하는 장점이 있으나 전문가에 따라 다른 논문 자료가 선택될 수 있다는 선택적 편의 (selection bias)가 발생할 수 있다. 향후 연구에서는 기후 변화에 대한 문헌 검색 프로그램이나 논문 데이터 베이스를 통해 관련성이 있는 모든 논문을 분석 대상으로 하여 이러한 전문가에 의한 편의를 최소한으로 줄이는 노력이 필요할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.