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
- 본 연구에서는 KCI에 등재된 학술지 분류와 KCI 인용망에 네트워크 군집화 알고리즘을 적용한 군집 결과를 토대로 어떠한 차이가 있는지 살펴보고자 한다. 이를 위해 최근 논문에서 대표적으로 다뤄지는 네트워크 알고리즘을 제시하고, 인용관계에 따른 각 알고리즘의 군집 결과 차이를 비교한다.
- 이를 위해 최근 논문에서 대표적으로 다뤄지는 네트워크 알고리즘을 제시하고, 인용관계에 따른 각 알고리즘의 군집 결과 차이를 비교한다. 또한, 그 결과를 바탕으로 KCI 분류와 가장 유사성이 뛰어난 알고리즘을 찾고 군집 결과에 나타난 특성을 살펴본다.
- 본 연구에서는 종래의 KCI의 학문 분야별 분류 방식이 학술지의 등재 신청 시 학술지 발간 주체가 학술지의 분류를 선정하는 방식이므로 인용 관계를 가진 학술지의 네트워크 구조를 이용한 학문 분야별 군집 검출 방법을 시도하였다.
- KCI 학술지 인용 데이터 베이스에 등록된 전체 학술지를 대상으로 학술지 간 인용 정도를 인접행렬로 변환한 뒤 여덟 개의 네트워크 군집화 방법을 적용하여 군집을 추출하였다. 이 군집 결과를 바탕으로 기존 KCI에 등록된 학술지 분류와의 차이를 살펴보았다.
- 본 연구는 KCI가 제공하는 논문 인용 정보망을 통해 국내 학술지의 군집화를 시도해 보았다. KCI 학술지 분류 방법을 네트워크 군집화 알고리즘을 적용한 결과와 비교해 봄으로써 KCI 학술지 망의 분류에 의한 구조적 특성을 파악할 수 있었고, 추출된 군집 결과는 KCI 분류기준과 최적화된 알고리즘을 선별하는 수단을 제공하였다.
제안 방법
- 본 연구에서는 KCI에 등재된 학술지 분류와 KCI 인용망에 네트워크 군집화 알고리즘을 적용한 군집 결과를 토대로 어떠한 차이가 있는지 살펴보고자 한다. 이를 위해 최근 논문에서 대표적으로 다뤄지는 네트워크 알고리즘을 제시하고, 인용관계에 따른 각 알고리즘의 군집 결과 차이를 비교한다. 또한, 그 결과를 바탕으로 KCI 분류와 가장 유사성이 뛰어난 알고리즘을 찾고 군집 결과에 나타난 특성을 살펴본다.
- 본 연구에서는 KCI 인용 네트워크의 군집화를 위해 기초 분석을 적용한 11개의 알고리즘 중에서 메모리의 확장 문제를 발생시키는 최적 알고리즘과 지나치게 적거나 많은 군집을 가져오는 약한 연결 컴퍼넌트 알고리즘, 강한 연결 컴퍼넌트 알고리즘을 제외한 재귀적 연결 (recursively connected components)알고리즘, 연결선 중개성 (edge betweenness)알고리즘, 빠른 탐욕 (fast greedy)알고리즘, 닫힌 길 (walktrap)알고리즘, 선행 고유벡터 (leading eigenvector)알고리즘, 라벨 전파 (label propagation)알고리즘, 다단계 (multilevel)알고리즘, 인포맵 (infomap)알고리즘에 대하여 분석을 실시하였다. 분석 알고리즘에 관하여는 Kim 등 (2015), Lancichinetti와 Fortunato (2009b), Malliaros와 Vazirgiannis (2013), Orman 등 (2011)을 참조하여라.
- 분석 과정에서는 첫째, KCI 학술지 인용 네트워크가 가진 구조적 특성을 기술한다. 여기에는 대분류 분야를 기준으로 분류된 저널 보유수, 논문 간 인용관계 횟수, 네트워크 밀도 및 결속계수, 평균거리와 직경을 표기한다.
- 여기에는 대분류 분야를 기준으로 분류된 저널 보유수, 논문 간 인용관계 횟수, 네트워크 밀도 및 결속계수, 평균거리와 직경을 표기한다. 둘째, 각 군집 추출 알고리즘에 의해 도출된 군집 결과들의 크기와 성능평가 지표로 모듈화 정도, 정분류율을 산출하여 기술한다. 마지막 단계에서는 기존 KCI에 등록된 학술지 분류와 비교해 유사성이 가장 뛰어난 네트워크 알고리즘을 선별하고 군집 결과의 세부적 특성을 살펴본다.
- 둘째, 각 군집 추출 알고리즘에 의해 도출된 군집 결과들의 크기와 성능평가 지표로 모듈화 정도, 정분류율을 산출하여 기술한다. 마지막 단계에서는 기존 KCI에 등록된 학술지 분류와 비교해 유사성이 가장 뛰어난 네트워크 알고리즘을 선별하고 군집 결과의 세부적 특성을 살펴본다. 즉, 생성된 각 군집 내부에서 다수를 차지하는 중분류 학술지의 점유율을 조사하고 군집 내 인용 정도를 파악하기 위해 군집 내 밀도를 산출한다.
- 마지막 단계에서는 기존 KCI에 등록된 학술지 분류와 비교해 유사성이 가장 뛰어난 네트워크 알고리즘을 선별하고 군집 결과의 세부적 특성을 살펴본다. 즉, 생성된 각 군집 내부에서 다수를 차지하는 중분류 학술지의 점유율을 조사하고 군집 내 인용 정도를 파악하기 위해 군집 내 밀도를 산출한다.
- 일례로 대분류 사회과학 분야의 ‘스포츠와 법’ 학술지의 경우, 중분류 교육학 분야의 ‘한국 체육교육학회’학회지와 연계를 이뤄 대분류 의약학 분야 내 중분류 물리치료학의 ‘Physical Therapy Korea’와 대분류 예술체육 분야 내 중분류 체육과 무용 학술지들과 더불어 하나의 군집 네트워크를 구성하였다.
- 이러한 이유에서 8가지 군집화 알고리즘 방법 중 ‘인포맵’ 군집화 알고리즘 방법이 학술지 인용 네트워크 군집화 방법으로 가장 우수하다고 판단된다. 이에 연구에서는 인포맵 알고리즘을 적용한 군집화 결과를 토대로 군집 내 상위 누적비율 50% 부근 중분류 분야와 점유율을 산출하는 추가 분석을 실시하였다.
- KCI 학술지 인용 데이터 베이스에 등록된 전체 학술지를 대상으로 학술지 간 인용 정도를 인접행렬로 변환한 뒤 여덟 개의 네트워크 군집화 방법을 적용하여 군집을 추출하였다. 이 군집 결과를 바탕으로 기존 KCI에 등록된 학술지 분류와의 차이를 살펴보았다.
대상 데이터
- 사용 데이터는 2008년부터 2010년까지 3년간의 KCI 인용 자료이다. 이 자료는 8개의 대분류 분야(인문학, 사회과학, 자연과학, 공학, 의약학, 농수해양, 예술체육, 복합학)와 대분류 분야 내 146개의 중분류 분야 총 1,408개의 학술지에 관한 인용정보로 구성된다.
- 사용 데이터는 2008년부터 2010년까지 3년간의 KCI 인용 자료이다. 이 자료는 8개의 대분류 분야(인문학, 사회과학, 자연과학, 공학, 의약학, 농수해양, 예술체육, 복합학)와 대분류 분야 내 146개의 중분류 분야 총 1,408개의 학술지에 관한 인용정보로 구성된다. Table 2.
- 4%로 측정되었다. 추출된 군집의 특징을 살펴보면, 빠른 탐욕 알고리즘의 결과에서 처럼 고립 노드가 발생하지 않았고 생성된 군집 대부분이 200개가 넘는 학술지로 구성된 규모가 큰 하위 네트워크를 형성하였다. 가장 큰 규모의 군집은 대분류 인문학, 사회과학, 공학, 예술체육, 복합학으로 구성된 인용 네트워크로 426개의 학술지로 구성되어있으며, 가장 작은 규모의 군집은 대분류 사회과학 내 사회과학, 무역학, 지역학, 교육학, 법학, 행정학의 중분류로 구성된 76개 학술지 인용망으로 나타났다.
이론/모형
- 본 연구에서는 KCI 인용 네트워크의 군집화를 위해 기초 분석을 적용한 11개의 알고리즘 중에서 메모리의 확장 문제를 발생시키는 최적 알고리즘과 지나치게 적거나 많은 군집을 가져오는 약한 연결 컴퍼넌트 알고리즘, 강한 연결 컴퍼넌트 알고리즘을 제외한 재귀적 연결 (recursively connected components)알고리즘, 연결선 중개성 (edge betweenness)알고리즘, 빠른 탐욕 (fast greedy)알고리즘, 닫힌 길 (walktrap)알고리즘, 선행 고유벡터 (leading eigenvector)알고리즘, 라벨 전파 (label propagation)알고리즘, 다단계 (multilevel)알고리즘, 인포맵 (infomap)알고리즘에 대하여 분석을 실시하였다. 분석 알고리즘에 관하여는 Kim 등 (2015), Lancichinetti와 Fortunato (2009b), Malliaros와 Vazirgiannis (2013), Orman 등 (2011)을 참조하여라.
- 본 논문에서는 군집화 우수성을 평가하는 판단 기준으로 모듈화 지수 (Newman, 2004; Malliaros와 Vazirgiannis, 2013)와 혼동행렬을 이용한 정분류율을 산출한다 (Fawcett, 2006; Tang과 Liu, 2010). 모듈화 지수는 네트워크 내 동일한 군집에 속한 모든 두 노드의 순서 쌍에 대하여 이들 노드 사이에 실제 존재하는 인용 관계 수에서 동일 노드들이 전체 네트워크에 있는 노드들을 대상으로 무작위로 가질 수 있는 인용 관계 수의 기댓값을 뺀 값이다.
성능/효과
- KCI 학술지 인용 네트워크에서 규모가 가장 큰 학문 분야는 사회과학 분야로 434개의 학술지를 보유하였으며, 자기 인용을 제외한 학술지 인용 횟수가 9,848회로 가장 활발한 교류를 보였다. 네트워크 내 전체 노드들의 관계 정도를 나타내는 밀도 (Schaeffer, 2007; Wasserman, 1994)는 대다수 대분류 분야에서 10% 안팍이며, 자기인용을 제외한 다른 학술지의 인용이 크지 않다는 것을 보여준다.
- 전체 508개의 군집 중 KCI 대분류 8개 분야의 노드들이 총체적으로 연계된 거대 단일 네트워크가 생성되었고, 인문학 분야의 ‘인도철학’과 복합학 분야의 ‘인도연구’가 결합한 하위 네트워크 하나와 사회과학 분야의 ‘라틴아메리카연구’와 복합학 분야의 ‘이베로아메리카’ 학술지가 결합된 소규모 네트워크 두 개를 제외한 나머지 505개 군집들이 모두 고립 노드 형태로 추출되었다.
- 062이며, 군집 수는 508개로 나타났다. 연결선 중 개성 알고리즘의 정분류율은 66.2%로 측정되었다. 전체 508개의 군집 중 KCI 대분류 8개 분야의 노드들이 총체적으로 연계된 거대 단일 네트워크가 생성되었고, 인문학 분야의 ‘인도철학’과 복합학 분야의 ‘인도연구’가 결합한 하위 네트워크 하나와 사회과학 분야의 ‘라틴아메리카연구’와 복합학 분야의 ‘이베로아메리카’ 학술지가 결합된 소규모 네트워크 두 개를 제외한 나머지 505개 군집들이 모두 고립 노드 형태로 추출되었다.
- 일례로 대분류 사회과학 분야의 ‘스포츠와 법’ 학술지의 경우, 중분류 교육학 분야의 ‘한국 체육교육학회’학회지와 연계를 이뤄 대분류 의약학 분야 내 중분류 물리치료학의 ‘Physical Therapy Korea’와 대분류 예술체육 분야 내 중분류 체육과 무용 학술지들과 더불어 하나의 군집 네트워크를 구성하였다. 가장 규모가 큰 군집은 인문학, 사회과학, 자연과학, 예술체육, 복합학 분야의 335개의 학술지가 연계된 인용 네트워크였고, 가장 작은 규모의 군집은 7개의 학술지로 구성된 대분류 복합학 분야의 중분류 복합학, 문헌정보학 분야 학술지의 인용 네트워크로 나타났다.
- 456이며, 군집 수는 37개로 나타났다. 정분류율은 55.9%로 측정되었고, 37개의 군집 중 27.0%가 고립 노드로 밝혀졌다. 고립 노드는 인문학 분야 2개 학술지 (19세기 영어권 문학, 중세르네상스영문학)와 사회과학 분야 5개 (International Economic Journal, Journal of Economic Integration, Seoul Journal of Economics, Journal of Economic Development, Journal of East Asian Studies), 공학 2개 (Industrial Engineering & Management Systems, Geosystem Engineering), 의약학 분야 1개 (Archives of Aesthetic Plastic Surgery)로 나타났다.
- 326이고, 군집 수는 14개로 나타났다. 알고리즘의 정분류율은 60.6%로 나타났다. 추출된 군집 결과에서는 고립 노드 없이 비교적 규모가 큰 군집 분할이 발생하여 작은 수의 군집이 형성되었다.
- 504로 나타나며, 군집 수는 모두 6개로 나타났다. 알고리즘의 정분류율은 48.4%로 측정되었다. 추출된 군집의 특징을 살펴보면, 빠른 탐욕 알고리즘의 결과에서 처럼 고립 노드가 발생하지 않았고 생성된 군집 대부분이 200개가 넘는 학술지로 구성된 규모가 큰 하위 네트워크를 형성하였다.
- 추출된 군집의 삼분의 일 이상이 100여 개가 넘는 노드 수를 가진 중·대형 공동체 형태를 띄었고, 대분류인 인문학 분야와 사회과학, 예술체육 및 복합학 분야가 함께 결합된 322개의 학술지 군집이 가장 큰 규모의 군집 집단으로 분류되었다.
- 추출된 군집의 특징을 살펴보면, 빠른 탐욕 알고리즘의 결과에서 처럼 고립 노드가 발생하지 않았고 생성된 군집 대부분이 200개가 넘는 학술지로 구성된 규모가 큰 하위 네트워크를 형성하였다. 가장 큰 규모의 군집은 대분류 인문학, 사회과학, 공학, 예술체육, 복합학으로 구성된 인용 네트워크로 426개의 학술지로 구성되어있으며, 가장 작은 규모의 군집은 대분류 사회과학 내 사회과학, 무역학, 지역학, 교육학, 법학, 행정학의 중분류로 구성된 76개 학술지 인용망으로 나타났다. 본 연구에서 구현한 군집화 알고리즘 중 가장 작은 군집 수를 나타내 추출된각 군집 구성 멤버들의 대부분이 모든 대분류 분야 내 중분류 학문 분야들을 포함한 복잡한 인용구조 형태를 띠었다.
- 가장 큰 규모의 군집은 대분류 인문학, 사회과학, 공학, 예술체육, 복합학으로 구성된 인용 네트워크로 426개의 학술지로 구성되어있으며, 가장 작은 규모의 군집은 대분류 사회과학 내 사회과학, 무역학, 지역학, 교육학, 법학, 행정학의 중분류로 구성된 76개 학술지 인용망으로 나타났다. 본 연구에서 구현한 군집화 알고리즘 중 가장 작은 군집 수를 나타내 추출된각 군집 구성 멤버들의 대부분이 모든 대분류 분야 내 중분류 학문 분야들을 포함한 복잡한 인용구조 형태를 띠었다.
- 410으로 측정되었다. 인포맵 알고리즘의 정분류율은 71.0%로 시행 알고리즘 중에서도 최상위를 차지하였다. 인포맵 알고리즘 시행 결과, 전체 학술지 인용 네트워크에서 대분류 인문학 분야 내 중분류인 영어와 문학의 ‘19세기 영어권 문학’과 대분류 공학 내 중분류인 자원공학의 ‘Geosystem Engineering'학술지가 고립 노드로 분류되었다.
- 인포맵 알고리즘 시행 결과, 전체 학술지 인용 네트워크에서 대분류 인문학 분야 내 중분류인 영어와 문학의 ‘19세기 영어권 문학’과 대분류 공학 내 중분류인 자원공학의 ‘Geosystem Engineering'학술지가 고립 노드로 분류되었다.
- 네트워크의 분할 정도를 나타내는 모듈화 지수에서는 ‘다단계’ 알고리즘, ‘빠른 탐욕’ 알고리즘, ‘닫힌 길’ 알고리즘, ‘인포맵’ 알고리즘 순으로 나타났으며, 정분류율에서는 ‘라벨 전파’ 알고리즘, ‘인포맵’ 알고리즘, ‘연결선 중개성’ 알고리즘 순으로 분류의 정확성을 보였다.
- 표의 결과를 살펴보면, KCI 중분류 수 146개와 가장 유사한 결과를 보인 군집화 알고리즘으로 ‘재귀적 컴포넌트’ 방법과 ‘라벨 전파’ 알고리즘, 그리고 ‘인포맵’ 방법이 군집 수에서 근사한 것으로 파악되었다.
- 인포맵 알고리즘 시행 결과, 전체 학술지 인용 네트워크에서 대분류 인문학 분야 내 중분류인 영어와 문학의 ‘19세기 영어권 문학’과 대분류 공학 내 중분류인 자원공학의 ‘Geosystem Engineering'학술지가 고립 노드로 분류되었다. 라벨 전파 알고리즘과 더불어 제시된 8가지 네트워크 추출 알고리즘 중 대분류 분야 내 의미 있는 중분류 집합 형태를 세분화하여 학문 간 분류 및 인용 관계에 의한 특징 파악이 용이하다는 긍정적 평가를 내릴 수 있었다. 반면에 KCI 분류 결과와 비교해서는 여전히 추출된 군집의 규모가 크고 이로 인해 모듈화 지수가 작게 나타난다.
- 4% (=12/69)를 차지하였고, 나머지의 경우 학술지 인용 관계가 빈번한 타 분야 학문들과 연계된 군집화 네트워크를 구성하였다. 가장 많은 중분류 분야를 포함한 군집화 네트워크의 경우 농수해양 (18.1%), 생물학 (16.9%), 농학 (12.0%)이 주축을 이루는 군집으로 총 83개의 저널을 보유하는 것으로 나타났다. 특히 가장 많은 저널을 보유한 군집의 경우는 한국어와문학 (60.
- 2%)이 주축을 이루는 군집으로 98개의 학술지를 가지는 것으로 파악되었다. 군집 결과를 종합해 보면, 아직까지 군집 내 대표 학문 분야의 점유율이 높지 않고, 주류 학문 분야 역시 여러 분야가 복합적으로 결합된 군집을 형성하고 있음을 알 수 있었다.
- 이러한 이유에서 8가지 군집화 알고리즘 방법 중 ‘인포맵’ 군집화 알고리즘 방법이 학술지 인용 네트워크 군집화 방법으로 가장 우수하다고 판단하였다.
- KCI 학술지 인용 네트워크의 구조를 학문 분야별로 분석한 결과를 요약하면 다음과 같다. KCI 학술지 인용 네트워크에서 규모가 가장 큰 학문 분야는 사회과학 분야로 조사되었으며, 자기 인용을 제외한 학술지 인용 횟수가 가장 커 가장 활발한 교류를 보였다. 또한 대다수 대분류 분야에서 10% 안팍의 밀도를 가진 것으로 나타나 자기인용을 제외한 다른 학술지의 인용이 생각보다 크지 않다는 것을 보여 주었다.
- KCI 학술지 인용 네트워크에서 규모가 가장 큰 학문 분야는 사회과학 분야로 조사되었으며, 자기 인용을 제외한 학술지 인용 횟수가 가장 커 가장 활발한 교류를 보였다. 또한 대다수 대분류 분야에서 10% 안팍의 밀도를 가진 것으로 나타나 자기인용을 제외한 다른 학술지의 인용이 생각보다 크지 않다는 것을 보여 주었다.
- 이에 연구에서는 인포맵 알고리즘을 적용한 군집화 결과를 토대로 군집 내 상위 누적비율 50% 부근 중분류 분야와 점유율을 산출하는 추가 분석을 실시하였다. 분석 결과에서는 아직까지 군집 내 대표 학문 분야의 점유율이 높지 않고, 주류 학문 분야 역시 여러 분야가 복합적으로 결합된 군집을 형성하고 있음을 알 수 있었다.
- 네트워크 알고리즘을 적용할 경우에 발생할 수 있는 문제점으로는 KCI 분류 기준과 비교할 때 여전히 추출된 군집의 규모가 크고, 모듈화 지수가 작게 나타나는 특징들을 보였다. 특히 대분류 분야의 인문학과 의약학 분야의 경우 세분화된 군집의 추출이 요구되었다.
- 본 연구는 KCI가 제공하는 논문 인용 정보망을 통해 국내 학술지의 군집화를 시도해 보았다. KCI 학술지 분류 방법을 네트워크 군집화 알고리즘을 적용한 결과와 비교해 봄으로써 KCI 학술지 망의 분류에 의한 구조적 특성을 파악할 수 있었고, 추출된 군집 결과는 KCI 분류기준과 최적화된 알고리즘을 선별하는 수단을 제공하였다.
후속연구
- 이러한 특성은 의미 있는 분야별 군집화를 위해 앞으로 개선해야 할 여지를 남긴다. 제한된 알고리즘을 사용한 한계는 발생될 수 있으며, 추후 연구에서 최신 데이터로 갱신된 군집 결과를 파악하거나 시간 변화에 따른 군집화 경향을 파악할 수도 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.