[논문]잠재의미분석방법을 통한 학교보건 연구동향 분석

신선희; 박윤주

doi:10.15434/kssh.2020.33.3.184

잠재의미분석방법을 통한 학교보건 연구동향 분석
Trend Analysis of School Health Research using Latent Semantic Analysis 원문보기

韓國學校保健學會誌 = The Journal of the Korean society of school health, v.33 no.3, 2020년, pp.184 - 193

신선희 (한국교원대학교 교육정책전문대학원) , 박윤주 (한국교원대학교 교육정책전문대학원)

Abstract ▼ AI-Helper

Purpose: This study was designed to investigate the trends in school health research in Korea using probabilistic latent semantic analysis. The study longitudinally analyzed the abstracts of the papers published in 「The Journal of the Korean Society of School Health」 over the recent 17 years, which is between 2004 and August 2020. By classifying all the papers according to the topics identified through the analysis, it was possible to see how the distribution of the topics has changed over years. Based on the results, implications for school health research and educational uses of latent semantic analysis were suggested. Methods: This study investigated the research trends by longitudinally analyzing journal abstracts using latent dirichlet allocation (LDA), a type of LSA. The abstracts in 「The Journal of the Korean Society of School Health」 published from 2004 to August 2020 were used for the analysis. Results: A total of 34 latent topics were identified by LDA. Six topics, which were「Adolescent depression and suicide prevention」, 「Students' knowledge, attitudes, & behaviors」, 「Effective self-esteem program through depression interventions」, 「Factors of students' stress」, 「Intervention program to prevent adolescent risky behaviors」, and 「Sex education curriculum, and teacher」were most frequently covered by the journal. Each of them was dealt with in at least 20 papers. The topics related to 「Intervention program to prevent adolescent risky behaviors」, 「Effective self-esteem program through depression interventions」, and 「Preventive vaccination and factors of effective vaccination」 appeared repeatedly over the most recent 5 years. Conclusion: This study introduced an AI-powered analysis method that enables data-centered objective text analysis without human intervention. Based on the results, implications for school health research were presented, and various uses of latent semantic analysis (LSA) in educational research were suggested.

주제어

표/그림 (7)

그림 Figure 1. Frequency distribution of UPOS tags.
그림 Figure 2. Pattern of perplexity by LDA-Gibbs sampling.
표 Table 1. 34 Latent Topics Identified by LDA
표 Table 1. 34 Latent Topics Identified by LDA (Continued)
그림 Figure 3. Yearly trends of frequent topics.
그림 Figure 4. Yearly trends of infrequent topics.
그림 Figure 5. Yearly trends of latent topics.

AI 본문요약
AI-Helper

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

문제 정의

나아가 연구대상으로는 우리나라 학교보건 관련 학회지 중 대표적인 학회지인 학교보건학회지에 수록된 논문으로 제한하여, 학교보건학회지의 정체성과 향후 학술지 발전 방향에 시사점을 제시하고자 하였다.
본 연구는 LDA를 학교보건연구 동향 분석연구에 적용하여 학교보건 연구의 주제들이 어떻게 변화되어 왔는지에 대한 논의를 통해 학교보건연구의 정체성 및 미래 연구방향에 대하여 고찰하였다. 나아가 연구대상으로는 우리나라 학교보건 관련 학회지 중 대표적인 학회지인 학교보건학회지에 수록된 논문으로 제한하여, 학교보건학회지의 정체성과 향후 학술지 발전 방향에 시사점을 제시하고자 하였다.
초점을 두고 있다. 본 연구는 LDA를 활용하여 학술지 「한국학교 보건학회지」에 발표된 논문들에 대한 심층적 내용분석을 통해 주제 분포가 세월이 흐를수록 변화하는지 여부와 변화 형태를 파악하였다. 이를 통해 우리나라 학교보건연구에 대한동향과 추이를 가늠해 볼 수 있었으며 분석 결과를 바탕으로 교육적 시사점을 제시하였다.
이 과정에서 LDA가 도출한 각 잠재주제별 상위 용어들을 참고하였다. 이러한 LDA의 결과를 바탕으로 본 연구는 해마다 학술지에 실리는 연구들이 다루는 대표적인 주제 분포가 어떻게 달라지는지 살펴보았다.
둘째, 연구동향의 분석을 통해 변화된 환경의 변화 및 요구에 대응하는 연구 방향을 제시함으로써 미래 연구의 발전적 방향을 모색하도록 한다. 이러한 관점에서 연구 동향 분석은 ‘연구에 대한 연구(research on the research)’로서 특정 학문 분야의 종전 연구 성과를 분석하고, 변화의 특징을 도출함으로써 향후 연구 방향을 제시하고, 보다 미래지향적인 연구를 촉진하는데 목적을 두고 있다. 할 것이다[2].
본 연구는 LDA를 활용하여 학술지 「한국학교 보건학회지」에 발표된 논문들에 대한 심층적 내용분석을 통해 주제 분포가 세월이 흐를수록 변화하는지 여부와 변화 형태를 파악하였다. 이를 통해 우리나라 학교보건연구에 대한동향과 추이를 가늠해 볼 수 있었으며 분석 결과를 바탕으로 교육적 시사점을 제시하였다. 최근 지구촌 환경의 급속한 변화로 인한 코로나 등 건강문제의 심각한 위협으로 학생의 정상적 일상을 방해하면서 정신 건강에 심각한 부정적 영향을 미치고 있다.

가설 설정

[1 단계] 각 잠재주제 내에서 용어들의 확률분포인 β는 δ를 모 수치로 하는 디리클레 확률분포를 따른다고 가정한다. 이때 잠재주제들은 상호 독립적이라고 가정한다.
[2 단계] 각 문서의 잠재주제의 확률분포인 θ는 ⍺를 모 수치로 하는 디리클레 확률분포를 따른다고 가정한다.
[3 단계] 한 문서의 단어의 수를 N이라고 하고 어떤 잠재주제, zi가 선택되었을 때 i번째 단어, wi는 다항확률분포를 따른다고 가정한다.
이때 잠재주제들은 상호 독립적이라고 가정한다.
한편, 앞서 언급했듯이 LDA를 비롯한 확률적 잠재의미분석 모형들을 적용할 때 잠재주제들의 수는 알려져 있다고 가정한다. 하지만 실제 데이터 분석 상황에서 연구자는 잠재주제들의 수를 미리 알 수 없다.

제안 방법

따라서 각 잠재주제 수마다 10개의 Perplexity가 산출되었으며 더 나아가 추정방식인 LDA-VEM과 LDA-Gibbs 샘플링에 따라 별도의 세트로 각각 산출되었다. AIC와 BIC는 모형의 예측 정도보다는 데이터에 대한 모형 적합도에 초점을 둔 통계치이므로 입력정보를 최대화할 수 있는 전체 말뭉치에 적용하여 산출하였다. 따라서 이 통계치들은 잠재주제 수마다 각 1개의 추정치를 얻었다.
즉 잠재주제 수에 따라 다양한 LDA 모형들을 적용한다. 그리고 분석 결과를 비교한 후 현행 데이터에 가장 적합한 수를 가진 LDA 모형을 최종적으로 선택하여 결과를 해석한다. 잠재주제들의 적합한 수를 판단하는데 사용되는 대표적인 지표들은 Perplexity, Empirical likelihood, Harmonic mean, AIC, BIC 등과 같은 우도-기반 수량화 지표들이 활용되어진다[12-15].
한 초록의 θ벡터에서 가장 큰 확률값과 연계되어 있는 잠재주제에 그 초록을 배정함으로써 공통의 주제를 반영하는 초록들을 묶어 내었다. 또한 각 잠재주제와 가장 밀접한 연관성을 보이는 상위용어들 즉 모형의 β값이 가장 큰 순위에 해당하는 용어들을 추출하였다. LDA의 심층적 내용분석을 통해 출현한 잠재주제들에 대하여 연구팀은 동일 주제군으로 묶인 초록들의 내용을 검토한 후 잠재주제들에 대한 명칭을 생성하였다.
본 연구에서는 R 패키지인 topicmodels에서 제공하는 Per- plexity, AIC, BIC를 사용하였으며 학교보건연구 분야 전문가를 포함한 연구팀의 내용분석 의견과 가장 일치하는 모형을 최종으로 선택하여 결과를 해석하였다. 이 통계치들은 값이 작을수록 더 적합한 모형임을 가리킨다.
LDA의 심층적 내용분석을 통해 출현한 잠재주제들에 대하여 연구팀은 동일 주제군으로 묶인 초록들의 내용을 검토한 후 잠재주제들에 대한 명칭을 생성하였다. 이 과정에서 LDA가 도출한 각 잠재주제별 상위 용어들을 참고하였다. 이러한 LDA의 결과를 바탕으로 본 연구는 해마다 학술지에 실리는 연구들이 다루는 대표적인 주제 분포가 어떻게 달라지는지 살펴보았다.
LDA-Gibbs 샘플링 추정방식으로 산출된 Perplexity의 최솟값이 가리키는 잠재주제 수는 무선적으로 분할된 10개 데이터 세트 사이에 일정하지 않았다. 이에 각 잠재주제 수별로 10개의 데이터 세트에서 나온 Perplexity의 평균값을 계산한 후 이평균값이 가장 작은 잠재주제 수를 찾아 최종 모형을 확정하였다. 확정된 모형의 잠재주제 수는 34개였다.
잠재주제 수가 34개인 LDA모형에 의해 도출된 주제의 명칭을 붙이기 위하여 공통의 잠재주제로 묶인 초록들의 내용을 살펴 보았으며 각 잠재주제와 가장 긴밀한 연관성을 보이는 상위 용어들, 즉 각 잠재주제 내에서 상위 β값을 보인 용어들을 추출하여 참고하였다. 아래 Table 1은 LDA-Gibbs 샘플링 방식이 추출한 34개 잠재주제들과 초록 수 및 발표년도, 각 주제별 연관성이 높은 상위 8개 용어를 보여준다.
본연구에서는 topicmodels 이라는 R 패키지를 사용하였으며 이 패키지가 제공하는 LDA 모수 추정방식으로 VEM과 Gibbs 샘플링를 사용하였다. 추후로 이 두 방식을 각각 LDA-VEM 과 LDA-Gibbs 샘플링으로 언급하였다.
초록의 잠재주제 확률분포인 θ 벡터를 얻는다. 한 초록의 θ벡터에서 가장 큰 확률값과 연계되어 있는 잠재주제에 그 초록을 배정함으로써 공통의 주제를 반영하는 초록들을 묶어 내었다. 또한 각 잠재주제와 가장 밀접한 연관성을 보이는 상위용어들 즉 모형의 β값이 가장 큰 순위에 해당하는 용어들을 추출하였다.

대상 데이터

2004년부터 2020년 8월까지 17년 동안 학술지 「한국학교 보건학회지」에 게재된 논문의 영문 초록 389개중 초록이 없거나 기준에 맞지 않는 7개를 제외하고 총 382개를 분석에 사용하였다. 연구 기간에 속하는 대부분의 초록은 ‘Purpose’, ‘Methods’, ‘Results’, ‘Conclusion’이라는 헤딩과 함께 네 부분으로 구성되어 있었다.
Figure 1과 같다. 본 LDA 분석에 포함된 품사는 명사로 한정하여, 앞서 설명한 기준에 의해 일부 용어들을 제외하고 1, 123개의 용어와 382개 초록으로 이루어진 382×1123 크기의 빈도행렬을 입력 데이터로 사용하였다.
본 연구는 2004년부터 2020년 8월호까지 학교보건 학회지에 게재된 연구의 영문초록을 LDA방법을 적용한 학교보건연구동향 분석을 통해 최근 중시되고 있는 연구주제를 다음과 같이 도출하였다: 1) 학생들의 건강지식, 태도, 행동, 2) 우울증 개입을 통한 효과적인 자아존중감 프로그램, 3) 학생 스트레스 요인, 4) 청소년기 위험 행동 예방 개입 증진 프로그램, 5) 청소년 우울증과 자살 예방, 6) 성교육 교육과정 등.
연구 기간에 속하는 대부분의 초록은 ‘Purpose’, ‘Methods’, ‘Results’, ‘Conclusion’이라는 헤딩과 함께 네 부분으로 구성되어 있었다. 분석 자료는 연구자가 다루려는 주제를 심층적으로 분석하기 위해 영문초록의 ‘Purpose’와 ‘Conclusion’에 속하는 텍스트를 대상으로 분석하였다.
총 382개 영문초록이 사용되었으며 파싱 후 얻어진 품사별 빈도는 Figure 1과 같다. 본 LDA 분석에 포함된 품사는 명사로 한정하여, 앞서 설명한 기준에 의해 일부 용어들을 제외하고 1, 123개의 용어와 382개 초록으로 이루어진 382×1123 크기의 빈도행렬을 입력 데이터로 사용하였다.
UPOS 테그(Universal POS tags)를 붙였다. 품사 중 명사만을 추려서 분석에 사용하였다. 연구 주제의 심층적 분석을 위하여 ‘school health’와 같은 보편적이며 광범위하고 모호한 단어는 제외하였다.

데이터처리

잠재주제 수를 결정하기 위하여 AIC, BIC와 10개의 훈련용 -검사용 무선분할 데이터 세트에서 계산된 Perplexity 통계량을 산출하여 비교하였다. Figure 2는 10개 데이터 세트에 적용된 두 모수치 추정방식에 따른 Perplexity의 패턴을 보여준다.

이론/모형

본연구에서는 topicmodels 이라는 R 패키지를 사용하였으며 이 패키지가 제공하는 LDA 모수 추정방식으로 VEM과 Gibbs 샘플링를 사용하였다. 추후로 이 두 방식을 각각 LDA-VEM 과 LDA-Gibbs 샘플링으로 언급하였다.
따라서 잠재주제들의 수를 2^~K 개로 다양하게 가정하고 모형을 여러 번 돌리게 된다. 즉 잠재주제 수에 따라 다양한 LDA 모형들을 적용한다. 그리고 분석 결과를 비교한 후 현행 데이터에 가장 적합한 수를 가진 LDA 모형을 최종적으로 선택하여 결과를 해석한다.

성능/효과

있다. 둘째, 건강 초점에서 웰빙으로 개념을 확장하고 있는 학교보건의 선진 동향을 반영하는 연구들이 미흡한 것으로 나타났다. 최근 선진각국의 학교교육정책의 목적을 개인과 사회의 웰빙으로 새로운 방향 설정을 하면서 학교보건연구분야도 이러한 변화를 반영하는 연구들이 활발히 수행되고 있으나, 우리나라의 경우 학교보건분야의 주된 연구주제로 보기에는 아직 미흡하여 초기 단계에 머무르고 있는 실정으로 분석되었다.
잠재주제 수는 2~50까지 하나씩 증가하며 모형을 구분하였다. 따라서 각 잠재주제 수마다 10개의 Perplexity가 산출되었으며 더 나아가 추정방식인 LDA-VEM과 LDA-Gibbs 샘플링에 따라 별도의 세트로 각각 산출되었다. AIC와 BIC는 모형의 예측 정도보다는 데이터에 대한 모형 적합도에 초점을 둔 통계치이므로 입력정보를 최대화할 수 있는 전체 말뭉치에 적용하여 산출하였다.
이러한 연구가 증가되고 활성화된 배경에는 이와 같은 사회적 환경과 2005년 도입되어 매년 시행되고 있는 청소년건강행태온라인 조사결과가 축적됨에 따라 데이터 기반 연구의 토대가 마련된 것이 일부 영향을 주었을 것으로 판단된다. 또한 최근 미투 운동 등 사회적으로 성 문제가 핵심이슈로 등장하면서 학생 성교육 관련 연구들이 종전에 비해 확연하게 증가하는 동향임을 알 수 있었다. 학교보건 연구동향에 대한 본 연구의 결과는 학교보건학회의 게재 논문들이 다루는 주제들이 보편적으로 연구 수행 당시의 학교보건 이슈를 적절히 반영하고 있음을 시사하고 있다.
주요한 분석 결과는 다음과 같다. 첫째, 학교건강환경을 주제로 하는 연구는 극히 낮은 빈도로 수행된 것으로 나타났다. 2000년 이후 학생들의 단순한 질병 예방이나 위기 상황의 해결에서 보다 적극적으로 학교보건문제를 해결하고 학교구성원의 건강을 증진하기 위한 방향으로 접근하고 있다[22, 23].

후속연구

첫째, 특정 분야의 연구 주제와 방법이 현재에 이르기까지 어떻게 변화되었는지에 대한 분석을 통해 해당 분야의 이론 및 연구방법 등 지식기반을 확충하도록 한다[1]. 둘째, 연구동향의 분석을 통해 변화된 환경의 변화 및 요구에 대응하는 연구 방향을 제시함으로써 미래 연구의 발전적 방향을 모색하도록 한다. 이러한 관점에서 연구 동향 분석은 ‘연구에 대한 연구(research on the research)’로서 특정 학문 분야의 종전 연구 성과를 분석하고, 변화의 특징을 도출함으로써 향후 연구 방향을 제시하고, 보다 미래지향적인 연구를 촉진하는데 목적을 두고 있다.
토픽명 선정 시 전문가의 판단에 의한 라벨링은 타당성 검증에 대한 지속적 보완이 필요하며 빈도가 높은 상위 단어 중 연구자의 주관적 판단에 의한 단어 선정은 객관성 확보를 위한 판단의 여지가 있다. 이러한 LDA 연구의 본질적 한계는 향후 지속적으로 보완되어야 할 것이며, 연구의 객관성 확보를 위하여 타 연구방법을 병행 사용하는 것도 바람직한 방법이라 할 것이다.
이와 같이 본 연구의 분석결과는 지금까지 우리나라 학교보건 연구는 외부 환경의 급속한 변화에 따라 연구주제 또한 적정하게 변화하여 왔음을 보여주고 있으나, 미흡한 측면 또한 제시하고 있어 향후 이와 관련한 심도 있는 논의가 요구된다. 학교보건 연구동향 분석결과에 대한 논의와 함께 연구의 분석 방법으로 활용한 LDA 적용에서 드러난 방법론적 한계점에 대해서도 토의가 필요하다.
한편, 본 연구에서 사용한 LDA는 객관적 ․ 과학적 택스트심층분석 도구로 최근 활용이 확산되고 있는 분석방법으로 정신건강 등 심층 분석을 요구하는 학교보건의 특성상 타 분야에 비하여 LDA의 활용도가 보다 크다 할 것이다. 또한 데이터에 바탕을 둔 연구 분석방법으로 연구자의 자의적 ․ 주관적인 해석이라는 비판에서 벗어나 신뢰도와 타당도가 높은 분석 결과를 도출할 수 있는 장점을 가진다.
한국학교보건 학회지에 게재된 연구들의동향분석을 통해 드러난 본 연구의 분석결과는 학교보건 연구의 주제들은 대체적으로 시대적, 환경적 요구를 반영하여 변화되어 온 것으로 나타났다. 향후 보완해야 할 연구과제로서 교육과 건강을 통합적으로 바라보는 웰빙 관점에서의 학교보건 접근과 함께 이를 지원하는 국가 정책 및 거버넌스 차원의 연구를 필요로 하고 있다.
최근 선진각국의 학교교육정책의 목적을 개인과 사회의 웰빙으로 새로운 방향 설정을 하면서 학교보건연구분야도 이러한 변화를 반영하는 연구들이 활발히 수행되고 있으나, 우리나라의 경우 학교보건분야의 주된 연구주제로 보기에는 아직 미흡하여 초기 단계에 머무르고 있는 실정으로 분석되었다. 향후 학교보건 연구는 신체적 건강과 정신적 건강이 통합되고, 나아가 교육과 건강이 통합되는 웰빙의 관점에서 접근함으로써 새로운 학교건강증진의 전략 및 과제를 모색할 필요가 있다.
또한 데이터에 바탕을 둔 연구 분석방법으로 연구자의 자의적 ․ 주관적인 해석이라는 비판에서 벗어나 신뢰도와 타당도가 높은 분석 결과를 도출할 수 있는 장점을 가진다. 향후 학교보건연구 분야에서 LDA를 적용한 연구가 증가할 것으로 사료되는 바, 본 연구는 학교보건연구에서 아직 보편화되지 않고 있는 LDA를 연구 방법으로 채택한 선도적 연구라는 점에서 연구의 부가적인 의의를 가진다 할 것이다.

참고문헌 (23)

Robert Donmoyer, Michael Imber, James Joseph Scheurich. The knowledge base in educational administration: multiple perspectives. Albany: State University of New York Press; 1995. p. 1-31.
Bae SH, Jang HY, Oh SH, Jang CS, Lee TH. Vocational education research in Korea: a trend analysis of the Journal of Vocational Education Research. Journal of Vocational Education. 2013;32(2):45-71.
Jung JS, Kim JS. The analysis of the research trends related to school health in Korea. Journal of Korean Society of School Health. 2004;17(1):85-95.
Kwon SJ. Anaysis of research trends on school health. Journal of Korean Academy of Community Health Nursing. 2008;19 (1):101-111.
Jo HI, Kim JW, Lee BG. A study on research trends of blockchain using LDA topic modeling: focusing on United States, China, and South Korea. Journal of Digital Contents Society. 2019;20(7):1453-1460. https://doi.org/10.9728/dcs.2019.20.7.1453

상세보기
Hong YH. Topic analysis of software education policy: focused on Busan regional newspapers. Journal of the Korean Official Statistics. 2019;24(2):52-77. https://doi.org/10.22886/JKOS.2019.24.2.52
Kim JE, Pack SG. Analysis of issues on the college and university structural reform evaluation using text big data analytics. Asia-Pacific Education Review. 2016;17(3):409-436. https://doi.org/10.15753/aje.2016.09.17.3.409

상세보기
Blei DM, Lafferty JD. A correlated topic model of science. The Annals of Applied Statistics. 2007;8(1):17-35. https://doi.org/10.1214/07-aoas114

상세보기
Blei DM, Ng AY, Jordan MI. Latent dirichlet allocation. Journal of Machine Learning Research. 2003;3:993-1022.
Zhai C, Massung S. Text data management and analysis: a practical introduction to information retrieval and text mining. San Rafael, California: Association for Computing Machinery and Morgan & Claypool Publishers; 2016. p. 329-388.
Grun B, Hornik K. Topicmodels: an R package for fitting topic models. Journal of Statistical Software. 2011;40(13):1-30. https://doi.org/10.18637/jss.v040.i13
Akaike H. Information theory and an extension of the maximum likelihood principle. In: Petrov BN, Csaki F, editors. Second international symposium on information theory. Budapest, Hungary: Akademiai Kiado; 1973. p. 267-281.
Schwarz G. Estimating the dimension of a model. The Annals of Statistics. 1978;6(2):461-464. https://doi.org/10.1214/aos/1176344136

상세보기
Tein JY, Coxe S, Cham H. Statistical power to detect the correct number of classes in latent profile analysis. Structural Equation Modeling. 2012;20(4):640-657. https://doi.org/10.1080/10705511.2013.824781

상세보기
Shin S, Seo D, Park M. Effectiveness of Latent Class Analysis (LCA) techniques to handle count data with excessive zeros in topic analysis. Poster session presented at: The 32nd florida artificial intelligence research society; 2019 May 19-22; Florida, USA.
Ponweiser M. Latent dirichlet allocation in R [diploma thesis]. Iowa: Institute for Statistics and Mathematics; 2012. p. 1-138.
Wallach HM, Murray I, Salakhutdinov R, Mimno D. Evaluation methods for topic models. Pittsburgh: In Proceedings of the 26th Annual International Conference on Machine Learning; 2009. p. 1105-1112.
Cao J, Xia T, Li J, Zhang Y, Tang S. A density-based method for adaptive LDA model selection. Neurocomputing. 2009;72:1775-1781. https://doi.org/10.1016/j.neucom.2008.06.011

상세보기
Chang J, Blei DM. Relational topic models for document networks. Proceedings of the 12th International Conference on Artificial Intelligence and Statistics. 2009;81-88.
Griffiths TL, Steyvers M. Finding scientific topics. Proceedings of the National Academy of Sciences of the United States of America. 2004;101(suppl 1):5228-5235. https://doi.org/10.1073/pnas.0307752101

상세보기
Collins LM, Lanza ST. Latent class and latent transition analysis. Hoboken, NJ: John Wiley & Sons; 2010. p. 77-110.
Chang CG. Development of school health indicator system for the health promotion of school children. Journal of the Korean Society of School Health. 2012;25:204-213.
Park YJ. Looking for a new perspective on school health promotion. Journal of the Korean Society of School Health. 2018;31:157-166. https://doi.org/10.15434/kssh.2018.31.3.157

원문보기 상세보기

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