[논문]간호학 학술논문의 주제 분석을 위한 텍스트네크워크분석방법 활용

박찬숙

doi:10.16952/pns.2019.16.1.12

간호학 학술논문의 주제 분석을 위한 텍스트네크워크분석방법 활용
Using Text Network Analysis for Analyzing Academic Papers in Nursing 원문보기 논문타임라인

Perspectives in nursing science, v.16 no.1, 2019년, pp.12 - 24

Abstract ▼ AI-Helper

Purpose: This study examined the suitability of using text network analysis (TNA) methodology for topic analysis of academic papers related to nursing. Methods: TNA background theories, software programs, and research processes have been described in this paper. Additionally, the research methodology that applied TNA to the topic analysis of the academic nursing papers was analyzed. Results: As background theories for the study, we explained information theory, word co-occurrence analysis, graph theory, network theory, and social network analysis. The TNA procedure was described as follows: 1) collection of academic articles, 2) text extraction, 3) preprocessing, 4) generation of word co-occurrence matrices, 5) social network analysis, and 6) interpretation and discussion. Conclusion: TNA using author-keywords has several advantages. It can utilize recognized terms such as MeSH headings or terms chosen by professionals, and it saves time and effort. Additionally, the study emphasizes the necessity of developing a sophisticated research design that explores nursing research trends in a multidimensional method by applying TNA methodology.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

배경이론으로 정보이론, 동시단어분석, 그래프 이론, 네트워크 이론, 사회네트워크분석의 개요를 다루고, 사회네트워크분석 지표들은 연구과정 단락에서 자세히 설명하고자 한다.
텍스트네트워크분석방법을 적용한 양적 내용분석은 많은 양의 논문을 정량적으로 분석하고 발견된 지식구조를 정성적으로 해석함으로써 흩어져 있던 자료에서 일정한 패턴을 파악하여 간호지식체 형성 과정에 활용할 수 있으므로 방법론적 가치가 있다고 본다. 본 연구는 간호학 학술논문의 주제분석방법의 하나로 텍스트네트워크분석방법을 활용할 수 있도록 국내에서 간호학술논문에 대하여 텍스트네트워크분석방법을 적용한 연구들을 중심으로 분석방법, 분석지표, 연구결과 해석 등의 전반적인 연구방법론을 전달하고자 시도하였다. 이를 통해 더 많은 연구자들이 텍스트네트워크분석방법론에 관심을 가지고 연구를 수행한다면 간호학의 다양한 주제영역에서 지식구조를 파악하여 간호지식체의 발전에 필요한 함의를 제공하는데 기여할 것으로 기대한다.
본 연구에서는 텍스트네트워크분석방법론에 대한 고찰과 활용을 위해 필요하다고 생각되는 배경 이론, 소프트웨어 프로그램 특성을 간략히 살펴보고, 국내 간호학 학술지를 대상으로 텍스트네트워크분석을 적용한 연구들에 대한 방법론적 분석을 바탕으로 텍스트네트워크분석방법의 연구과정을 기술하였다.
네트워크 수준의 특성을 나타내는 네트워크 크기(size), 밀도(density), 포괄성(inclusiveness), 집중도(centralization)나 노드수준의 특성을 나타내는 연결정도(degree), 연결강도(strength), 도달가능성(reachability) 등을 제시하는 경우도 있다. 텍스트네트워크분석에서 연결정도와 연결강도는 매우 중요한 개념이므로 이를 중심으로 살펴보고자 한다. 연결정도는 한 단어가 얼마나 많은 단어와 동시출현하고 있는가를 의미한다.

제안 방법

텍스트를 해체하고 최종 선정한 단어를 “키워드”라고 부른다.²⁰⁾ 본 연구에서는 의미상 혼란을 피하기 위해 키워드와 저자키워드(주요어)를 구분하였다.
이처럼 계량서지학적 방법과 사회연결망분석방법을 혼합한 텍스트네트워크분석방법을 적용한 연구들이 발표되면서 여러 가지 사회네트워크분석 지표들이 이용되었다.^3,12-16) 가령 연결정도(degree)와 Freeman의 3가지 중심성 지표¹⁷⁾인 연결중심성(degree centrality), 매개중심성(betweenness centrality), 근접중심성(closeness centrality)이나 컴포넌트(component), 커뮤니티(community)와 같은 응집분석(cohesion analysis)을 이용하였다. 그리고 단어의 출현빈도, 연결정도, 중심성 값 등을 근거로 핵심주제를 발견하여 순위에 따라 나열한 표뿐만 아니라, 직관적 탐색이 가능한 네트워크지도(sociogram, knowledge map)나 단어구름(word cloud) 등으로 시각화한 그림을 제시하였다.
6) 그러나 분석과정은 유사한 절차를 보이는데 텍스트 자료를 수집하고, 수집된 텍스트를 형태소 단위로 해체하고 의미 있는 단어를 선정한 후 동시출현행렬을 개발하여 사회연결망 분석을 수행한다. 텍스트를 해체하고 최종 선정한 단어를 “키워드”라고 부른다.
텍스트네트워크분석은 텍스트를 추출하고 단어를 정제하는 전처리 과정(pre-process)을 거치고 선정된 단어 쌍의 동시출현 관계 행렬(co-occurrence matrix)을 개발하는 일련의 기술적 과정(technical procedure)이 필요하다. 각 단계별로 필요한 소프트웨어 프로그램을 살펴보았다. 단어 추출과 전 처리에 사용되는 대표적인 형태소분석 프로그램⁷⁾으로 KrKwick(Korean Key Words in Context)²⁵⁾ 프로그램(https://www.
^3,12-16) 가령 연결정도(degree)와 Freeman의 3가지 중심성 지표¹⁷⁾인 연결중심성(degree centrality), 매개중심성(betweenness centrality), 근접중심성(closeness centrality)이나 컴포넌트(component), 커뮤니티(community)와 같은 응집분석(cohesion analysis)을 이용하였다. 그리고 단어의 출현빈도, 연결정도, 중심성 값 등을 근거로 핵심주제를 발견하여 순위에 따라 나열한 표뿐만 아니라, 직관적 탐색이 가능한 네트워크지도(sociogram, knowledge map)나 단어구름(word cloud) 등으로 시각화한 그림을 제시하였다.
1)을 1)문헌수집, 2) 텍스트 추출, 3) 전처리 과정, 4) 동시출현 행렬개발, 5) 사회네트워크 분석 순으로 세분화 하였고, 6) 결과 해석 및 논의를 추가로 설명하였다. 또한 텍스트네트워크분석방법을 국내 간호학 학술논문을 대상으로 적용한 연구논문 6편^3,12-15,26)에 대하여 텍스트경계, 동시출현 단위, 군집방법, 소프트웨어를 구분하여 정리하였다(Table 1).
마지막으로 텍스트네트워크분석 결과 발견된 핵심주제를 연결중심성 순위에 근거하여 단어구름(워드 클라우드, wordcloud)으로 표현하거나(Fig. 3A), 소시오그램 지도를 그림으로 제시한다. Kamada와 Kawai 스프링 지도(Fig.
반출방법은 EndNote“Edit” 메뉴에서 “Output Style > New style”을 생성하여 연구자가 원하는 서지정보(예: 논문 제목, 년도, 저자키워드, 초록)를 분리하여 새로운 “Output Style” 이름을 만든다.
수집된 문헌의 서지정보에서 분석에 포함할 텍스트의 경계를 결정하여 추출한다. 우선 서지정보 “제목, 저자, 학술지명, 년도, 저자키워드(주요어), 초록” 중에서 무엇을 분석대상 텍스트로 이용할지 범위를 결정하는 것이 필요하다.
시간에 따른 연구동향을 분석하려면 연도별로 논문을 추출하고 시간구간별로 동시출현 행렬을 개발한다. 가령 시간구간이 5개라면 5개의 동시출현 행렬을 개발하게 된다.

이론/모형

2)을 개발하게 된다. 2원 모드에서 1원 모드로 변환할 때 유사성 지표로 코사인 유사도(cosine similarity), 자카드 계수(Jaccard coefficient)를 이용한다. 코사인 계수는 단어의 사용 빈도수로 인한 변이를 보정한 유사도 계수이며, 자카드계수는 집단의 크기로 인한 변이를 보정한 유사도 계수인데, 초기 텍스트분석에서는 코사인 계수가 더 많이 사용되었으나 자카드 계수 사용이 늘고 있다.
간호학에서 텍스트네트워크분석 초기연구에 해당되는 2003년 Baldwin 등10)의 “윤리와 치매 문헌 지도”, 2010년 Scott 등11)의 “간호에서 지식이용 연구 문헌 지도”를 살펴보면 계량서지학적 분석(bibliometric analysis) 방법을 적용하여 텍스트를 분석하였다.

성능/효과

동시출현행렬 개발과정에서 단어의 수가 너무 많으면 기술적 어려움과 함께 주요한 현상을 왜곡할 수 있다.²³⁾ 텍스트네트워크분석에서 단어선정기준에 대한 공식적인 합의는 없지만 선행연구에서는 대체로 출현빈도가 높은 순서에 따라 상위 10~200여개의 단어를 선정하고 있는 것으로 보인다.
내용분석은 텍스트를 분석하는 방법 중 하나인데 크게 정성적 방법과 양적 방법으로 구분한다.⁴⁾ 전통적으로 내용분석은 대부분 정성적 방법이 적용되었으나, 컴퓨터 기술의 발달로 많은 양의 텍스트를 이용한 양적 내용분석이 가능해졌다. 양적 내용분석방법에 속하는 텍스트네트워크분석을 통해 연구자는 텍스트를 구성하고 있는 단어(words)들을 해체하여 의미 있는 개념을 추출하고 단어들이 어떤 관계를 형성하고 있는지 네트워크(연결망) 형태로 표현한다.
UCINET 프로그램에서 사회네트워크분석 결과를 시각화하려면 “Visualize” 메뉴에 있는 “NetDraw”와 “Pajek”을 사용하게 되는데, 500개 이상의 많은 노드를 가진 네트워크 시각화는 “Pajek”을 이용하는 것이 해상도가 높은 그림을 얻을 수 있다.
첫째, 오랫동안 축적된 많은 양의 관련 논문을 수집하여 모두 연구자료에 포함하므로 연구결과에 대한 과학적 근거로서 강력한 힘을 가진다. 둘째, 시간 흐름에 따른 연구주제의 변화, 학문분야에서의 핵심연구주제, 국내 현황, 세계적 추세와 같은 거시적 조망이 가능하다. 셋째, 핵심주제를 중심으로 하위주제들과의 관련성, 주제의 확장 영역과 같은 미시적 조망이 가능하다.
1940~50년대 행렬 대수학의 개념을 바탕으로 그래프 이론이 발전하면서 사회네트워크분석은 노드를 행위자로, 링크를 행위자 간의 다양한 관계로 표현하였다. 별 모양의 사회네트워크 조직은 중심행위자가 있어 원형조직보다 문제해결을 빨리 하는 것으로 나타났고, 조직구조에서 동일한 위계에 있는 행위자는 유사한 사회적 영향을 미친다. 또한 매개중심성이 높은 행위자는 조직 내에서 구조적공백을 일으키는 매우 영향력 있는 사람이다.
수집된 문헌 수가 많을수록 연결강도 값의 분포가 커서 연결선이 매우 복잡하다. 본 연구자의 견해로는 네트워크 크기나 밀도에 따라 다르지만 보통 상위 10~30% 값을 포함할 때 가시성이 좋았고, 응집성 분석에서도 모듈성이 우수한 하위주제그룹 탐색이 가능하였다. 주요 의미 구조를 직관적으로 파악하기에 적정하면서 하위주제그룹 탐색에도 적절한 연결강도 값을 결정하는 과정은 여러 차례의 모의분석을 통한 세심한 관찰과 분석이 요구된다.
둘째, 시간 흐름에 따른 연구주제의 변화, 학문분야에서의 핵심연구주제, 국내 현황, 세계적 추세와 같은 거시적 조망이 가능하다. 셋째, 핵심주제를 중심으로 하위주제들과의 관련성, 주제의 확장 영역과 같은 미시적 조망이 가능하다. 넷째, 소시오그램(sociogram)으로 연구결과를 시각화하여 보여줌으로써 연구자와 독자가 직관적으로 지식구조를 탐색할 수 있다.
텍스트네트워크분석방법의 장점을 요약하면 다음과 같다. 첫째, 오랫동안 축적된 많은 양의 관련 논문을 수집하여 모두 연구자료에 포함하므로 연구결과에 대한 과학적 근거로서 강력한 힘을 가진다. 둘째, 시간 흐름에 따른 연구주제의 변화, 학문분야에서의 핵심연구주제, 국내 현황, 세계적 추세와 같은 거시적 조망이 가능하다.
본 고찰을 토대로 다음의 제언을 하였다. 첫째, 텍스트의 경계로 초록을 선택하는 것이 저자키워드만을 선택하였을 때보다 전처리 과정에서 시간과 노력이 많이 들지만 의미구조를 맥락화하는 데 도움이 된다. 그러나 저자키워드 분석은 MeSH 표목처럼 공인된 용어나 전문 연구자가 선택한 용어를 활용하고 시간과 노력이 절약되는 장점이 있다.

후속연구

그러나 저자키워드 분석은 MeSH 표목처럼 공인된 용어나 전문 연구자가 선택한 용어를 활용하고 시간과 노력이 절약되는 장점이 있다. 둘째, 텍스트네트워크분석방법을 다양한 주제 영역에서 적용할 수 있으므로 연구동향을 다차원적으로 탐색하는 정교한 연구설계의 개발이 필요하다.
본 연구는 간호학 학술논문의 주제분석방법의 하나로 텍스트네트워크분석방법을 활용할 수 있도록 국내에서 간호학술논문에 대하여 텍스트네트워크분석방법을 적용한 연구들을 중심으로 분석방법, 분석지표, 연구결과 해석 등의 전반적인 연구방법론을 전달하고자 시도하였다. 이를 통해 더 많은 연구자들이 텍스트네트워크분석방법론에 관심을 가지고 연구를 수행한다면 간호학의 다양한 주제영역에서 지식구조를 파악하여 간호지식체의 발전에 필요한 함의를 제공하는데 기여할 것으로 기대한다.
연구결과를 바탕으로 연구동향을 되돌아보고 미래 연구방향을 제시할 수 있다. 텍스트네트워크분석 연구의 한계점으로는 전통적 내용분석처럼 연구설계, 대상, 측정도구 등에 대한 통찰을 할 수 없어 필요하다면 추가로 관련 내용에 대한 연구분석을 수행해야 한다는 점과 단어의 전처리 과정에서 많은 시간과 노력이 필요하고, 연구결과 해석과정에서 주관적 편향의 위험을 배제할 수 없다는 점이었다.
학술문헌을 텍스트 자료로 이용한 텍스트네트워크분석방법의 장점과 연구절차에 대한 본 고찰을 통해 연구를 시작하는 연구자들이 시행착오를 줄이고 보다 효율적인 연구과정을 수행하게 되기를 기대한다. 본 고찰을 토대로 다음의 제언을 하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	텍스트네트워크분석이란?	또한 양적으로 분석하여 발견된 지식이나 현상을 과학적 근거로서 제시하는데 유용하다. 따라서 텍스트네트워크분석은 텍스트에 명백하게 드러나 있는 의미구조뿐만 아니라 맥락 속에 내재되어 있는 잠재적 의미구조를 파악하기 위해 과학적인 방법을엄격하게 적용하여 분석하는 방법론6)이라고 할 수 있다. 이를 통해 발견된 맥락적으로 통합된 지식을 선행연구자들은“지식구조(knowledge structure)”또는 “지식지도(knowledge map)”라고 부른다.
	정보이론은 무엇의 이론적 근거가 되었는가?	정보이론(information theory)은 추상적인 정보를 수학적 모형으로 계산하여 정보의 정량화(quantification)를 가능하게 하였고 디지털 통신기술의 발전에 수리적 토대가 된 이론이다. 정보이론은 동시단어분석법의 발전과 더불어 1990년대부터 여러 형태의 복잡한 텍스트에서 주제 탐색, 주제영역 군집화 등의 이론적 근거가 되었다.21) 예를 들어 반복적으로 되풀이되는 자료보다는 불규칙하고 특정적인 자료가 정보로서 의미가 있다는 정보이론의 가정에 따라 텍스트에서 불규칙하지만 일정한 유사성을 가진 키워드를 발견하는 방법을 적용하여 주제 패턴을 발견하였다.
	텍스트네트워크분석방법의 장점 4가지는?	텍스트네트워크분석방법의 장점을 요악하면 다음과 같다. 첫째, 오랫동안 축적된 많은 양의 관련논문을 수집하여 모두 연구자료에 포함하므로 연구결과에 대한 과학적 근거로서 강력한 힘을 가진다. 둘째, 시간 흐름에 따른 연구주제의 변화, 학문분야에서의 핵심연구주제, 국내 현황, 세계적 추세와 같은 거시적 조망이 가능하다. 셋째, 핵심주제를 중심으로 하위주제들과의 관련성, 주제의 확장 영역과 같은 미시적 조망이 가능하다. 넷째, 소시오그램(sociogram)으로 연구결과를 시각화하여 보여줌으로써 연구자와 독자가 직관적으로 지식구조를 탐색할 수 있다. 이러한 장점을 활용하여 간호학의 특정주제 또는 특정 학술지에서 서지정보 텍스트를 수집하여 다양한 측면에서 연구동향을 탐색할 수 있다.

참고문헌 (30)
타임라인 바로가기

Roberts CW, Popping R. Themes, syntax and other necessary steps in the network analysis of texts: a research paper. Soc Sci Info. 1996 Dec 1;35(4):657-65. https://doi.org/10.1177/053901896035004005

상세보기 타임라인에서 보기
Zhang L, Hall M, Bastola D. Utilizing twitter data for analysis of chemotherapy. Int J Med Inform. 2018 Dec;120:92-100. https://doi.org/10.1016/j.ijmedinf.2018.10.002

상세보기 타임라인에서 보기
Park EJ, Kim YJ, Park CS. A comparison of hospice care research topics between Korea and other countries using text network analysis. J Korean Acad Nurs. 2017 Oct;47(5):600-12. https://doi.org/10.4040/jkan.2017.47.5.600

원문보기 상세보기 타임라인에서 보기
Zavarrone E, Grassia MG. Text analysis: an overview. Wiley StatsRef. 2018. https://doi.org/10.1002/9781118445112.stat08089
Paranyushkin D. [Internet]. Identifying the pathways for meaning circulation using text network analysis. Berlin: Nodus Labs; c2011 [up-dated 2011 Dec 25; cited 2019 Jan 20]. Available from: http://noduslabs.com/research/pathways-meaning-circulation-text-network-analysis
Park CS, Jung JW. Text network analysis: detecting shared meaning through socio-cognitive networks of policy stakeholders. J Gov Studies. 2013 Aug 23;19(2):73-108.
Park EJ, Cho SZ. editors. KoNLPy: Korean natural language processing in python. Proceedings of the 26th Annual Conference on Human & Cognitive Language Technology; 2014 Oct 10-11; Kangwon National University, Chuncheon. 2014 Oct; 10:133-6.
He Q. Knowledge discovery through co-word analysis. Libr Trends. 1999 Summer;48(1):133-59.
Wasserman S, Faust K. Social network analysis: methods and applications. New York: Cambridge University Press; 1994. 825 p.
Baldwin C, Hughes J, Hope T, Jacoby R, Ziebland S. Ethics and dementia: mapping the literature by bibliometric analysis. Int J Geriatr Psychiatry. 2003 Oct 9;18(1):41-54. https://doi.org/10.1002/gps.770

상세보기 타임라인에서 보기
Scott SD, Profetto-McGrath J, Estabrooks CA, Winther C, Wallin L, Lavis JN. Mapping the knowledge utilization field in nursing from 1945 to 2004: a bibliometric analysis. Worldviews Evid Based Nurs. 2010 Jun 14;7(4):226-37. https://doi.org/10.1111/j.1741-6787.2010.00197.x
Lee SK, Jeong S, Kim HG, Yom YH. A social network analysis of research topics in Korean nursing science. J Korean Acad Nurs. 2011 Oct 24;41(5):623-32. https://doi.org/10.4040/jkan.2011.41.5.623

원문보기 상세보기 타임라인에서 보기
Kim MJ, Noh SM, Ryu EJ, Shin SM. Research trend analysis of do-not-resuscitate decision: based on text network analysis. Asian Onco Nurs. 2014 Dec 24;14(4):254-64. https://doi.org/10.5388/aon.2014.14.4.254

원문보기 상세보기 타임라인에서 보기
Kwon SY, Park EJ. Knowledge structure of the Korean journal of occupational health nursing through network analysis. Korean J Occup. Health Nurs. 2015 May;24(2):76-85. https://doi.org/10.5807/kjohn.2015.24.2.76

원문보기 상세보기 타임라인에서 보기
Kwon SY, Bae KR. A study on the knowledge structure of cancer survivors based on social network analysis. J Korean Acad Nurs. 2016 Feb;46(1):50-8. https://doi.org/10.4040/jkan.2016.46.1.50

원문보기 상세보기 타임라인에서 보기
Kim YJ, Jang SN. Mapping the knowledge structure of frailty in journal articles by text network analysis. PloS one. 2018 Apr 19;13(4):e0196104. https://doi.org/10.1371/journal.pone.0196104

상세보기 타임라인에서 보기
Freeman LC. Centrality in social networks conceptual clarification. Soc Netw. 1978;1:215-39.

상세보기 타임라인에서 보기
Park YS. Formation of nursing knowledge: inductive reasoning. Perspect Nurs Sci. 2004 Dec;1(1):36-49.
Lee SW. Prospects for nursing theory analysis, evaluation and development. Perspect Nurs Sci. 2004 Dec;1(1):1-21.
Lee SS. A content analysis of journal articles using the language network analysis methods. J Korean Soc Info Manag. 2014 Dec ;31(4):49-68. https://doi.org/10.3743/KOSIM.2014.31.4.049
Zhang Y, Chen H, Lu J, Zhang G. Detecting and predicting the topic change of Knowledge-based systems: a topic-based bibliometric analysis from 1991 to 2016. Knowl Based Syst. 2017 Jul 10;133:255-68. https://doi.org/10.1016/j.knosys.2017.07.011

상세보기 타임라인에서 보기
Montemurro MA, Zanette DH. Keywords and co-occurrence patterns in the Voynich manuscript: an information-theoretic analysis. PLoS One. 2013 Jun 21;8(6):e66344. https://doi.org/10.1371/journal.pone.0066344

상세보기 타임라인에서 보기
Lee SS. Network analysis methods. Seoul: Nonhyeong; 2012.370 p.
Borgatti SP, Halgin DS. On network theory. Organ Sci. 2011 Sep;22(5):1168-81. https://doi.org/10.1287/orsc.1100.0641

상세보기 타임라인에서 보기
Park HW, Leydesdorff L. Understanding the KrKwic: a computer program for the analysis of Korean text. J Korean Data Anal Soc. 2004 Oct;6(5):1377-87.
Lee TW, Park KO, Seomun GA, Kim MY, Hwang JI, Yu SY, et al. Analysis of research articles published in the Journal of Korean Academy of Nursing Administration for 3 years (2013-2015): the application of text network analysis. J Korean Acad Nurs Adm. 2017 Jan;23(1):101-10. https://doi.org/10.11111/jkana.2017.23.1.101
Kim SY, Park JE, Seo HJ, Lee YJ, Jang BH, Son HJ, et al. NECA's guidance for undertaking systematic reviews and meta-analyses for intervention. Seoul: National Evidence-based Healthcare Collaborating Agency. 2011. 288 p.
Zheng P, Liang X, Huang G, Liu X. Mapping the field of communication technology research in Asia: content analysis and text mining of SSCI journal articles 1995-2014. Asian J Commun. 2016 Oct 20;26(6):511-31. https://doi.org/10.1080/01292986.2016.1231210
Persson O, Danell R, Schneider JW. How to use Bibexcel for various types of bibliometric analysis. Astrom F, Danell R, Larsen B, Schneider JW, editors. ISSI Newsl [Internet]. 2009 Jun [cited 2019 Jan 20];05-S:9-24. Available from: http://issi-society.org/media/1053/ollepersson60.pdf
Park EJ, Ahn DW, Park CS. Text network analysis of newspaper articles on life-sustaining treatments. J Korean Acad Community Health Nurs. 2018 Jun 1;29(2):244-56. https://doi.org/10.12799/jkachn.2018.29.2.244

원문보기 상세보기 타임라인에서 보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증