세계적으로 해양산업은 크루즈산업에 많은 관심과 연구가 대폭적으로 이루어지고 있고 우리나라도 미래의 잠재력 있는 국가동력산업의 하나로 인식하고는 있으나 크루즈산업의 연구동향 분석 연구는 국내외에 활발히 이루어지고 있지 않다. 따라서 우선 세계 크루즈산업을 연구하고 이해하기 위해서는 최근에 다양한 산업에 대한 연구동향을 분석한 방법을 활용하여 크루즈산업에도 적용할 필요가 있다. 본 논문의 목적은 외국 유명저널에 발표된 크루즈산업과 관련된 학술논문에서 제시하고 있는 키워드와 논문을 매개로 한 키워드 네트워크를 구축하여 복잡계의 네트워크 분석에서 사용하는 연결 중심성과 매개 중심성 분석방법으로 시대별로 나누어 시각화하여 살펴봄으로써 세계 크루즈산업의 연구동향을 심층적으로 관찰하여 논의하는 것이다. 본 연구에서 제시된 키워드 빈도는 Zipf의 법칙을 따르고 노드의 연결정도는 멱함수 분포를 보여주고 있어 언어네트워크에서 분석하는 키워드 네트워크와 동일함을 관찰한다. 연구방법론으로는 키워드 네트워크 분석을 위하여 사회연결망 프로그램인 넷마이너 4.0을 사용하여 여러 가지 중심성 측정방법 중 키워드 상위 20개의 빈도순위를 비교하여 빈도순위와 가장 가까운 중심성 측정방법을 선택하여 크루즈산업의 연구동향을 분석한다. 특히 크루즈산업의 연구동향이 연도 기간별로 어떠한 변화를 가져왔는지를 살펴보기 위해 2000년 이전과 2000년 이후로 크게 대별하여 나누고 2000년 이후에는 5년 주기로 각 기간별 공통적으로 나타나는 연결 중심성이 높은 최상위의 키워드인 cruise와 tourism 노드를 중심으로 매개 중심성이 높은 것들의 키워드 네트워크를 시각화하여 논의한다. 연구결과에서 흥미롭게도 2010-2014의 기간에 새로운 노드로 China가 등장하여 최상위의 키워드들을 연결하고 있는 것은 최근 급성장하고 있는 중국의 크루즈산업의 발전 양상을 보여준다. 그러므로 본 연구에서 사용하는 키워드 네트워크 분석은 각 연도 기간별 네트워크의 다른 종류의 숫자와 크고 작은 중심축 군집 네트워크의 숫자의 증감뿐 아니라 중심축 군집 네트워크의 중심에 있는 키워드 간의 연결 분석을 용이하게 해주어 기간별 연구동향을 파악하는데 유용한 방법임을 확인할 수 있었다.
세계적으로 해양산업은 크루즈산업에 많은 관심과 연구가 대폭적으로 이루어지고 있고 우리나라도 미래의 잠재력 있는 국가동력산업의 하나로 인식하고는 있으나 크루즈산업의 연구동향 분석 연구는 국내외에 활발히 이루어지고 있지 않다. 따라서 우선 세계 크루즈산업을 연구하고 이해하기 위해서는 최근에 다양한 산업에 대한 연구동향을 분석한 방법을 활용하여 크루즈산업에도 적용할 필요가 있다. 본 논문의 목적은 외국 유명저널에 발표된 크루즈산업과 관련된 학술논문에서 제시하고 있는 키워드와 논문을 매개로 한 키워드 네트워크를 구축하여 복잡계의 네트워크 분석에서 사용하는 연결 중심성과 매개 중심성 분석방법으로 시대별로 나누어 시각화하여 살펴봄으로써 세계 크루즈산업의 연구동향을 심층적으로 관찰하여 논의하는 것이다. 본 연구에서 제시된 키워드 빈도는 Zipf의 법칙을 따르고 노드의 연결정도는 멱함수 분포를 보여주고 있어 언어네트워크에서 분석하는 키워드 네트워크와 동일함을 관찰한다. 연구방법론으로는 키워드 네트워크 분석을 위하여 사회연결망 프로그램인 넷마이너 4.0을 사용하여 여러 가지 중심성 측정방법 중 키워드 상위 20개의 빈도순위를 비교하여 빈도순위와 가장 가까운 중심성 측정방법을 선택하여 크루즈산업의 연구동향을 분석한다. 특히 크루즈산업의 연구동향이 연도 기간별로 어떠한 변화를 가져왔는지를 살펴보기 위해 2000년 이전과 2000년 이후로 크게 대별하여 나누고 2000년 이후에는 5년 주기로 각 기간별 공통적으로 나타나는 연결 중심성이 높은 최상위의 키워드인 cruise와 tourism 노드를 중심으로 매개 중심성이 높은 것들의 키워드 네트워크를 시각화하여 논의한다. 연구결과에서 흥미롭게도 2010-2014의 기간에 새로운 노드로 China가 등장하여 최상위의 키워드들을 연결하고 있는 것은 최근 급성장하고 있는 중국의 크루즈산업의 발전 양상을 보여준다. 그러므로 본 연구에서 사용하는 키워드 네트워크 분석은 각 연도 기간별 네트워크의 다른 종류의 숫자와 크고 작은 중심축 군집 네트워크의 숫자의 증감뿐 아니라 중심축 군집 네트워크의 중심에 있는 키워드 간의 연결 분석을 용이하게 해주어 기간별 연구동향을 파악하는데 유용한 방법임을 확인할 수 있었다.
This article aims to explore and discuss research trends in global cruise industry using keyword network analysis. We visualize keyword networks in each of four groups of 1982-1999, 2000-2004, 2005-2009, 2010-2014 based on the top 20 keyword nodes' degree centrality and betweenness centrality which ...
This article aims to explore and discuss research trends in global cruise industry using keyword network analysis. We visualize keyword networks in each of four groups of 1982-1999, 2000-2004, 2005-2009, 2010-2014 based on the top 20 keyword nodes' degree centrality and betweenness centrality which are selected among four centrality measurements, comparing them with frequency order. The article shows that keyword frequency collected from 240 articles published in international journals is subject to Zipf's law and nodes degree distribution also exhibits power law. We try to find out research trends in global cruise industry to change some important keywords diachronically, visualizing several networks focusing on the top two keywords, cruise and tourism, belonging to all the four year groups, with high degree and betweenness centrality values. Interestingly enough, a new node, China, connecting the top most keywords, appears in the most recent period of 2010-2014 when China has emerged as one of the rapid development countries in global cruise industry. Therefore keyword network analysis used in this article will be useful to understand research trends in global cruise industry because of increase and decrease of numbers of network types in different year groups and the visual connection between important nodes in giant components.
This article aims to explore and discuss research trends in global cruise industry using keyword network analysis. We visualize keyword networks in each of four groups of 1982-1999, 2000-2004, 2005-2009, 2010-2014 based on the top 20 keyword nodes' degree centrality and betweenness centrality which are selected among four centrality measurements, comparing them with frequency order. The article shows that keyword frequency collected from 240 articles published in international journals is subject to Zipf's law and nodes degree distribution also exhibits power law. We try to find out research trends in global cruise industry to change some important keywords diachronically, visualizing several networks focusing on the top two keywords, cruise and tourism, belonging to all the four year groups, with high degree and betweenness centrality values. Interestingly enough, a new node, China, connecting the top most keywords, appears in the most recent period of 2010-2014 when China has emerged as one of the rapid development countries in global cruise industry. Therefore keyword network analysis used in this article will be useful to understand research trends in global cruise industry because of increase and decrease of numbers of network types in different year groups and the visual connection between important nodes in giant components.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러면 cruise와 tourism이 각각의 큰 중심축 군집 네트워크에서 어떤 중심성이 높은 노드와 연결되어 있는지 살펴보자.
(2009)에서는 지난 수십 년 간 네트워크 연구의 폭발적인 증가가 물리학과 사회학분야에서 일어났으며 특히 사회학자들에게 사회현상을 설명할 수 있는 중요한 도구였음을 보여주었다. 따라서 이 연구는 사회학 분야의 연구를 전반적으로 살펴보고 네트워크 현상과 관련하여 논의하였다. Park et al.
본 논문과 관련 있는 국내외 연구논문의 키워드 네트워크를 활용한 학술분야의 연구 경향 또는 산업분야의 동향을 연구한 최근의 선행연구를 살펴본다. 우선 학술분야의 연구 경향에 대한 선행연구부터 살펴보자.
본 연구에서 사용하는 키워드 네트워크 분석은 각 연도 기간별 네트워크의 다른 종류의 숫자와 크고 작은 중심축 군집 네트워크의 숫자의 증감뿐 아니라 중심축 군집 네트워크의 중심에 있는 키워드 간의 연결 분석을 용이하게 해주어 기간별 연구동향을 파악하는데 유용한 방법임을 보여주고자 한다.
제안 방법
(2012)는 보건의료분야 연구주제 중 암유전자 분야의 지식지도를 구축하고 국내외 연구주제 네트워크를 시계열적으로 분석하였다. 논문의 키워드를 대상으로 사회네트워크 분석인 가중치가 부여된 연결 중심성을 적용하여 연구주제 네트워크를 구축하였으며, 이를 1981년부터 2010년까지 5년 구간별로 나누어 연구하였다. Ryu and Hyun(2013)은 행정학에서 복지 분야의 최근까지의 연구경향을 살펴보았는데 언어네트워크 방법론을 사용한 연구키워드의 중심성 분석을 사용하여 복지 분야 연구경향은 2000년 이후 복지 관련 연구와 이론을 적용하는 연구가 증가함을 보여주었다.
다음으로 연도 기간별로 키워드 네트워크의 특성을 파악하기 위한 연결(Link), 밀도(Density), 평균연결도(Average Degree), 큰/작은 중심축 집단(Giant/Small Component), 선형(Sting), 파당(Clique)에 관한 일반 특성을 살펴보자.
4에서 알 수 있듯이 상위 20개 중에서 14개는 연결 중심성과 매개 중심성은 빈도의 순위와 크게 다르지 않게 움직이고 있다. 따라서 본 연구에서는 주요 노드로 사용되는 키워드를 통하여 크루즈산업의 동향을 분석하는 것이 목적이므로 연결 중심성과 매개 중심성을 사용하였다.
본 연구의 목적을 위해 저자들이 준 키워드를 대상으로 세계 크루즈산업 동향의 네트워크 분석을 위해 논문의 출판연도, 논문제목, 논문저자, 논문의 키워드 순으로 목록을 정하여 엑셀에 저장하였다. 또한 네트워크 분석을 위한 키워드 교정 작업으로 단수와 복수에 대한 키워드 클렌징(keyword cleansing) 처리를 하였다. 예를 들면, cruise ship/cruise ships, cruise/cruises, cruise line/cruise lines와 같이 단수형과 복수형이 있을 경우 단수형으로 통일하고 키워드의 유사성 행렬을 작성하였다.
본 연구에서는 키워드 네트워크 분석을 활용하여 사회연결망 프로그램인 넷마이너를 사용하였다. 또한 세계 크루즈산업의 동향을 파악하는데 어떤 중심성 측정방법이 가장 적절한지 알아보기 위하여 다섯 가지 중심성 측정방법 (연결 중심성, 매개 중심성, 근접 중심성, 고유벡터)을 사용하여 서로 비교하였다. 우선 키워드 빈도 상위 20개 키워드를 선택하여 각 중심성이 차지하는 순위의 변동을 빈도와 비교하였다.
프로그램에서 Analyze >> Centrality >> Betweenness >> Node를 사용하여 구할 수 있다. 매개 중심성이 높게 나타나는 키워드는 전체 키워드에서 소수에 불과하기 때문에 전체 시기별표는 제시하지는 않고 필요에 따라 내용에 추가하였다.
본 연구에서 사용한 키워드 빈도는 Zipf의 법칙을 따르고 노드의 연결정도는 멱함수 분포를 보여주었으므로 언어네트워크에서 하는 분석하는 방법과 동일하게 크루즈산업과 관련된 학술논문에서 제시하고 있는 키워드를 갖고 키워드 네트워크를 구축하였다. 또한 복잡계의 네트워크 분석에서 사용한 연결 중심성과 매개 중심성 분석방법으로 시대별로 나누어 시각화하여 살펴봄으로써 세계 크루즈산업의 연구동향을 심층적으로 관찰할 수 있었다.
본 연구에서는 기존의 선행연구에서 사용하고 있는 키워드 네트워크 분석을 위하여 사회연결망 프로그램인 넷마이너(Cyram, 2013) 4.0을 사용하여 여러 가지 중심성 측정방법 중 키워드 상위 20개의 빈도순위를 비교하여 빈도순위와 가장 가까운 중심성 측정방법을 선택하여 크루즈산업의 연구동향을 분석한다. 특히 크루즈산업의 연구동향이 연도 기간별로 어떠한 변화를 가져왔는지를 살펴보기 위해 2000년 이전과 2000년 이후로 크게 대별하여 나누고 2000년 이후에는 5년 주기로 각 기간별 공통적으로 나타나는 연결 중심성(degree centrality)이 높은 최상위의 키워드인 cruise와 tourism 노드를 중심으로 매개 중심성(betweenness centrality)이 높은 것들의 키워드 네트워크를 시각화하여 논의한다.
본 연구의 목적을 위해 저자들이 준 키워드를 대상으로 세계 크루즈산업 동향의 네트워크 분석을 위해 논문의 출판연도, 논문제목, 논문저자, 논문의 키워드 순으로 목록을 정하여 엑셀에 저장하였다. 또한 네트워크 분석을 위한 키워드 교정 작업으로 단수와 복수에 대한 키워드 클렌징(keyword cleansing) 처리를 하였다.
이와 같은 방법을 각 시기별 데이터에 적용하여 넣은 결과를 가지고 정리한 것이 아래 Table 1이다. 여기서 논문 수, 키워드 표제어(lemma) 수, 키워드 빈도수를 연도 기간별로 조사하였다.
연결 중심성은 넷마이너 프로그램에서 Analyze >> Neighbor >> Degree를 클릭하여 계산하였다.
또한 세계 크루즈산업의 동향을 파악하는데 어떤 중심성 측정방법이 가장 적절한지 알아보기 위하여 다섯 가지 중심성 측정방법 (연결 중심성, 매개 중심성, 근접 중심성, 고유벡터)을 사용하여 서로 비교하였다. 우선 키워드 빈도 상위 20개 키워드를 선택하여 각 중심성이 차지하는 순위의 변동을 빈도와 비교하였다.
지금까지 키워드 네트워크 분석을 활용하여 사회연결망 프로그램인 넷마이너 4.0으로 여러 가지 중심성 측정방법 중 키워드 상위 20개의 빈도순위를 비교한 결과 빈도순위와 가장 가까운 연결 중심성과 매개 중심성을 선택하여 세계 크루즈산업의 연구동향을 분석하였다. 특히 크루즈산업의 연구동향이 연도 기간별로 어떠한 변화를 가져왔는지를 살펴보기 위해 2000년 이전과 2000년 이후로 크게 대별하여 나누고 2000년 이후에는 5년 주기로 각 기간별 공통적으로 나타나는 연결 중심성이 높은 최상위의 키워드인 cruise와 tourism 노드를 중심으로 매개 중심성이 높은 것들의 키워드 네트워크를 시각화하여 논의하였다.
크루즈산업의 연구동향이 연도 기간별로 어떠한 변화를 가져왔는지를 살펴보기 위해 2000년 이전과 2000년 이후로 크게 대별하여 나누고 2000년 이후에는 5년 주기로 세 개 기간으로 나누어 총 네 개 기간으로 나누었다. 2000년 이후 5년 주기로 자료를 구분한 이유는 Jang et al.
키워드 유사성 행렬은 키워드×키워드 간 일원(1-mode)행렬로 변환하여 분석하였다.
0을 사용하여 여러 가지 중심성 측정방법 중 키워드 상위 20개의 빈도순위를 비교하여 빈도순위와 가장 가까운 중심성 측정방법을 선택하여 크루즈산업의 연구동향을 분석한다. 특히 크루즈산업의 연구동향이 연도 기간별로 어떠한 변화를 가져왔는지를 살펴보기 위해 2000년 이전과 2000년 이후로 크게 대별하여 나누고 2000년 이후에는 5년 주기로 각 기간별 공통적으로 나타나는 연결 중심성(degree centrality)이 높은 최상위의 키워드인 cruise와 tourism 노드를 중심으로 매개 중심성(betweenness centrality)이 높은 것들의 키워드 네트워크를 시각화하여 논의한다.
0으로 여러 가지 중심성 측정방법 중 키워드 상위 20개의 빈도순위를 비교한 결과 빈도순위와 가장 가까운 연결 중심성과 매개 중심성을 선택하여 세계 크루즈산업의 연구동향을 분석하였다. 특히 크루즈산업의 연구동향이 연도 기간별로 어떠한 변화를 가져왔는지를 살펴보기 위해 2000년 이전과 2000년 이후로 크게 대별하여 나누고 2000년 이후에는 5년 주기로 각 기간별 공통적으로 나타나는 연결 중심성이 높은 최상위의 키워드인 cruise와 tourism 노드를 중심으로 매개 중심성이 높은 것들의 키워드 네트워크를 시각화하여 논의하였다. 그 결과는 다음과 같이 요약된다.
한편, 연결 중심성과 매개 중심성은 빈도 순위와 유사하게 보이므로 더 자세하게 알아보기 위하여 아래와 같이 Fig. 4에서와 같이 상위 20개 키워드가 차지하는 80위 순위내의 연결중심성과 매개 중심성의 순위를 비교해보았다.
대상 데이터
분석 대상 학술지는 영어로 작성된 국제 유명저널을 대상으로 세계 최대의 학술출판사인 Elsevier에서 발행하는 학술 저널원문제공 사이트인 Science Direct와 Impact Factor 값을 가지고 있는 저널의 원문을 제공하는 Wiley사의 Wiley-Blackwell 와 Springer에서 제공하는 Springer e-journal을 사용하여 ‘cruise industry’라는 검색어를 넣어 출력되는 논문을 검색하였다.
분석 대상 학술지는 영어로 작성된 국제 유명저널을 대상으로 세계 최대의 학술출판사인 Elsevier에서 발행하는 학술 저널원문제공 사이트인 Science Direct와 Impact Factor 값을 가지고 있는 저널의 원문을 제공하는 Wiley사의 Wiley-Blackwell 와 Springer에서 제공하는 Springer e-journal을 사용하여 ‘cruise industry’라는 검색어를 넣어 출력되는 논문을 검색하였다. 추출된 논문 가운데 논문제목과 키워드를 살펴보고 크루즈산업 관련 논문만 수집한 결과 1982년부터 2014년까지 출판된 학술논문이 총 240개가 선정되었다.
이론/모형
본 연구에서는 키워드 네트워크 분석을 활용하여 사회연결망 프로그램인 넷마이너를 사용하였다. 또한 세계 크루즈산업의 동향을 파악하는데 어떤 중심성 측정방법이 가장 적절한지 알아보기 위하여 다섯 가지 중심성 측정방법 (연결 중심성, 매개 중심성, 근접 중심성, 고유벡터)을 사용하여 서로 비교하였다.
성능/효과
(i) 첫 번째 기간(1982-1999)인 2000년 이전에는 tourism과 cruise 노드는 1개의 큰 중심축 군집 네트워크의 중심에 위치하고 두 노드가 직접 연결되어 있으면서도 trend, sustainable marketing, product and market development 등의 세 개의 키워드 노드를 매개로 간접적으로도 연결되어 있다. (ii) 두 번째 기간(2000-2004)인 2000년 이후 5년간은 cruise와 tourism의 키워드 노드는 각각 상위 1위와 3위를 차지하지만 두 개의큰 중심축 군집 네트워크의 중심에 각각 분리되어 나타나서 두 개의 노드를 이어주는 매개는 없었다. (iii) 세 번째 기간(2005-2009)에서는 cruise와 tourism의 키워드 노드는 각각 2위와 3위를 차지하여 한 개의 큰 중심축 군집 네트워크의 중심에 나타나지만 특이하게도 직접 연결되지 않고 Caribbean 한 개의 노드만을 매개로 간접적으로 연결되었다.
또한 복잡계의 네트워크 분석에서 사용한 연결 중심성과 매개 중심성 분석방법으로 시대별로 나누어 시각화하여 살펴봄으로써 세계 크루즈산업의 연구동향을 심층적으로 관찰할 수 있었다. 특히 네 번째 기간인 2010-2014에서 연결 중심성과 매개 중심성이 비교적 높은 값을 갖는 China의 등장과 연결노드의 키워드의 특징은 China가 세계크루즈산업에서 주요한 역할을 하고 있음을 보여주므로 본 연구에서 사용한 키워드 네트워크 분석은 기간별 연구동향을 파악하는데 유용한 방법임을 보여 주었다.
(2013)은 최근 기술경영분야의 주요 해외 저널에 게재된 논문의 키워드를 가지고 네트워크 컴포넌트 분석 및 중심성 분석을 중심으로 키워드 네트워크 구조를 분석하였다. 특히 중심성 분석을 통하여 혁신, 연구개발, 특허, 예측, 기술이전, 기술, 중소기업 등의 키워드가 연결 중심성, 매개 중심성, 근접 중심성이 높음을 확인하였다. Jeong and Kim(2012)은 2010년 2월에 발표된 과학기술 미래비전의 내용 중 건설 분야의 미래 주요 키워드 들을 사용하여 네크워크의 연결 중심성, 매개 중심성, 근접 중심성 분석을 하였다.
후속연구
Chaurasia and Tiwari(2014)는 미국 뉴욕에서 일어난 911테러와 관련하여 테러리스트들의 그룹과 이들의 관계를 찾기 위하여 네트워크 분석도구인 연결 중심성, 매개 중심성, 근접 중심성 및 고유벡터(Eigenvector)를 사용하였다. 그러나 기존 연구의 한계점으로는 선행연구에 크루즈산업 연구논문을 대상으로 키워드 네트워크를 분석한 논문이 없다는 점이지만 이점이 오히려 본 논문이 가지는 의의가 된다고 할 수 있다.
한편 본 연구의 한계점은 국제저널에 게재된 240개의 적은 수의 논문을 대상으로 연구한 것이라 본다. 따라서 더 많은 수의 논문을 포함시킨다면 보다 포괄적인 크루즈산업의 모습을 파악할 수 있었을 것으로 본다. 추후 연구로 좀 더 많은 수의 논문을 대상으로 저자를 매개로 한 키워드 네트워크 분석으로 크루즈산업을 연구하는 연구자 맵을 구축하는 것도 세계 크루즈산업을 연구하고 이해하는 데 큰 도움이 될 것이라 본다.
본 논문의 연구결과가 가지는 산업적 의의는 지금까지 크루즈산업에서 중요시 되고 있던 주제가 무엇인지 시각적으로 파악하여 향후 중요하게 다루어질 산업분야의 동향 예측의 기초 자료로 활용할 수 있다는 점이다. 또한 학문적 의의는 키워드 네트워크 분석을 통하여 확인된 연결중심성이 높게 나온 키워드들은 크루즈산업을 이해하려는 사람들에게 최신의 연구동향 및 연구주제를 파악할 수 있는데 도움을 줄 수 있다는 것이다.
우선 세계 크루즈산업을 연구하고 이해하기 위해서는 최근에 다양한 산업에 대한 연구동향을 분석한 방법을 활용하여 크루즈산업에도 적용할 필요가 있다. 지금까지 외국 유명 저널에 발표된 크루즈산업과 관련된 학술논문에서 제시하고 있는 키워드와 논문을 매개로 한 키워드 네트워크를 구축하여 복잡계의 네트워크 분석에서 사용하는 중심성 분석방법으로 시대별로 나누어 시각화하여 살펴봄으로써 세계 크루즈산업의 연구동향을 심층적으로 관찰할 수 있을 것이다.
따라서 더 많은 수의 논문을 포함시킨다면 보다 포괄적인 크루즈산업의 모습을 파악할 수 있었을 것으로 본다. 추후 연구로 좀 더 많은 수의 논문을 대상으로 저자를 매개로 한 키워드 네트워크 분석으로 크루즈산업을 연구하는 연구자 맵을 구축하는 것도 세계 크루즈산업을 연구하고 이해하는 데 큰 도움이 될 것이라 본다.
또한 학문적 의의는 키워드 네트워크 분석을 통하여 확인된 연결중심성이 높게 나온 키워드들은 크루즈산업을 이해하려는 사람들에게 최신의 연구동향 및 연구주제를 파악할 수 있는데 도움을 줄 수 있다는 것이다. 한편 본 연구의 한계점은 국제저널에 게재된 240개의 적은 수의 논문을 대상으로 연구한 것이라 본다. 따라서 더 많은 수의 논문을 포함시킨다면 보다 포괄적인 크루즈산업의 모습을 파악할 수 있었을 것으로 본다.
질의응답
핵심어
질문
논문에서 추출한 답변
평균연결도란?
1982-1999년에 가장 높고 계속 감소하다 2010-2014년에 다시 증가하였다. 평균연결도는 한 노드가 연결되어 있는 이웃 노드 수의 전체 평균을 의미한다. 연도 기간 별로 지속적인 증가세를 보이며 노드들의 연결이 많아진다.
세계 크루즈산업을 연구하고 이해하기 위해 우선되어야 할 사항은?
세계적으로 해양산업은 크루즈산업에 많은 관심과 연구가 대폭적으로 이루어지고 있고 우리나라도 미래의 잠재력 있는 국가동력산업의 하나로 인식하고는 있으나 크루즈산업의 연구동향 분석 연구는 국내외에 활발히 이루어지고 있지 않다. 따라서 우선 세계 크루즈산업을 연구하고 이해하기 위해서는 최근에 다양한 산업에 대한 연구동향을 분석한 방법을 활용하여 크루즈산업에도 적용할 필요가 있다. 본 논문의 목적은 외국 유명저널에 발표된 크루즈산업과 관련된 학술논문에서 제시하고 있는 키워드와 논문을 매개로 한 키워드 네트워크를 구축하여 복잡계의 네트워크 분석에서 사용하는 연결 중심성과 매개 중심성 분석방법으로 시대별로 나누어 시각화하여 살펴봄으로써 세계 크루즈산업의 연구동향을 심층적으로 관찰하여 논의하는 것이다.
전체 자료를 모든 네트워크에서는 논문 수와 키워드 빈도수는 각 연도 기간에서 합한 수와 동일하지만 키워드 표제어 수는 그렇지 않은 이유는?
한편 전체 자료를 모든 네트워크에서는 논문 수와 키워드 빈도수는 각 연도 기간에서 합한 수와 동일하지만 키워드 표제어 수는 그렇지 않다. 그 이유는 연도별로 같은 키워드가 반복적으로 사용된 것은 빈도수의 합계로 나타나지만 표제어 수는 사용된 키워드의 종류만 언급하므로 점차 줄어들기 때문이다.
참고문헌 (18)
Borgatti, S. P., Mehra, A., Brass, D. J. and Labianca, G.(2009), "Network Analysis in the Social Sciences", Science, Vol. 323, No. 5916, pp. 892-895.
Chaurasia, N. and Tiwari, A.(2014), "On the Use of Brokerage Approach to Discover Influencing Nodes in Terrorist Networks", Intelligent Systems Reference Library, Vol. 65, pp. 271-295.
Cho, S. C., Won, Y. K., and Kim, J. H.(2012), "A Network Optimization Model for Strategic Itinerary Planning of Cruise Fleet (Korean version)", Journal of Navigation and Port Research, Vol. 36, No. 1, pp. 51-58.
Freeman, L. C.(1979), "Centrality in Social Networks: Conceptual Clarification", Social Networks, Vol. 1, pp. 215-239.
Jang, H. L., Kang, G. W. and Lee, E. J.(2012), "Analysis of Research Subject Network in the Field of Oncogene (Korean version)", Journal of Korea Technology Innovation Society, Vol. 15, No. 2, pp. 369-399.
Jeong, C. W. and Kim, J. J.(2012), "Analysis of Trend in Construction Using Textmining method (Korean version)", Journal of the Korean Digital Architecture and Interior Association, Vol. 12, No. 2, pp. 53-60.
Kho J. C., Cho, K. T. and Cho, Y. H.(2013), "A Study on Research Trend in Management of Technology Using Keywords Network Analysis (Korean version)", Journal of Intelligent Information Systems, Vol. 19, No. 2, pp. 101-123.
Kwon, S. Y.(2014), "A Study on the Application to Network Analysis on the Importance of Author Keyword based on the Position of Keyword (Korean version)", Journal of the Korean Society for Information Management, Vol. 31, No. 2, pp. 121-142.
Kwon, K. S., Yi, J. Y., Lee, J. Y.(2014), Chae, S. W. and Han, D. S.(2014). "A Social Network Analysis on the Research Trend of Korean Medicine (Korean version)", Journal of Korea Technology Innovation Society, Vol. 17, No. 2, pp. 1-21.
Lee, S. S.(2012). Network Analysis Methods (Korean version). Seoul: Nonhyung.
Lee, J. and Kang, J. H.(2011), "Mapping Knowledge Domains: The Structure of Knowledge Production and the Status of Theory in Korean Sociology 2004-2010 (Korean version)", Korean Society for Social Theory, No. 19, pp. 89-144.
Liang, W., Shi, Y., Tse, C. K., Liu, J., Wang, Y. and Cui, X.(2009), "Comparison of Co-occurrence Networks of the Chinese and English Languages", Physica A, 388, pp. 4901-4909.
Park, J. Y., Fu, Z. J. and Chiu, D. M.(2012) "Networking, Clustering and Brokering Keywords in the Computer Science Research", In Proceedings of Digital Information Management, pp. 110-115.
Ryu, S. I. and Hyun, T. S.(2013), "Analysis of Research Trends in the Welfare Field of Public Administration (Korean version)", The Korea Contents Association, Vol. 13, No. 2, pp. 254-262.
Yang, S. D.(2013), "Semantic Network Analysis of Research Trend Related to Private Security (Korean version)", The Korea Contents Association, Vol. 13, No. 11, pp. 894-901.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.