[논문]Web of Science 데이터학술지 게재 데이터논문의 지적구조 규명

정은경

doi:10.3743/kosim.2020.37.1.153

[국내논문] Web of Science 데이터학술지 게재 데이터논문의 지적구조 규명
An Investigation of Intellectual Structure on Data Papers Published in Data Journals in Web of Science 원문보기

정보관리학회지 = Journal of the Korean society for information management, v.37 no.1, 2020년, pp.153 - 177

초록
AI-Helper

오픈과학의 흐름에서 데이터 공유와 재이용은 중요한 연구자의 활동이 되어가고 있다. 데이터 공유와 재이용에 관한 여러 논의 중에서 데이터학술지와 데이터논문의 발간이 가시적인 결과를 보여주고 있다. 데이터학술지는 여러 학문 분야에서 발간되고 있으며, 논문의 수도 점차 증가하고 있다. 데이터논문은 데이터 자체와는 다르게 인용을 주고 받는 활동이 포함되어, 따라서 이들이 형성하는 고유한 지적구조가 생겨나게 된다. 본 연구는 데이터학술지와 데이터논문이 학술커뮤니티에서 구성하는 지적구조를 규명하고자 Web of Science에 색인된 14종의 데이터학술지와 6,086건의 데이터논문과 인용된 참고문헌 84,908건을 분석하였다. 저자사항과 함께 동시인용분석과 서지결합분석을 네트워크로 시각화하여 데이터논문이 형성한 세부 주제 분야를 규명하였다. 분석결과, 저자, 저자소속기관, 국가를 추출하여 출현빈도를 살펴보면, 전통적인 학술지 논문과 다른 양상을 보인다. 이러한 결과는 데이터의 생산이 용이한 기관과 국가에 주로 데이터논문을 출간하기 때문이라고 해석될 수 있다. 동시인용분석와 서지결합분석 모두 분석도구, 데이터베이스, 게놈구성 등이 주된 세부 주제 영역으로 나타났다. 동시인용분석결과는 9개의 군집으로 형성되었는데, 특정 주제 분야로 나타난 영역은 수질과 기후 등의 분야이다. 서지결합분석은 총 27개의 컴포넌트로 구성되었는데, 수질, 기후 이 외에도 해양, 대기 등의 세부 주제 영역이 파악되었다. 특기할만한 사항으로는 사회과학 분야의 주제 영역도 나타났다는 점이다.

Abstract ▼ AI-Helper

In the context of open science, data sharing and reuse are becoming important researchers' activities. Among the discussions about data sharing and reuse, data journals and data papers shows visible results. Data journals are published in many academic fields, and the number of papers is increasing. Unlike the data itself, data papers contain activities that cite and receive citations, thus creating their own intellectual structures. This study analyzed 14 data journals indexed by Web of Science, 6,086 data papers and 84,908 cited references to examine the intellectual structure of data journals and data papers in academic community. Along with the author's details, the co-citation analysis and bibliographic coupling analysis were visualized in network to identify the detailed subject areas. The results of the analysis show that the frequent authors, affiliated institutions, and countries are different from that of traditional journal papers. These results can be interpreted as mainly because the authors who can easily produce data publish data papers. In both co-citation and bibliographic analysis, analytical tools, databases, and genome composition were the main subtopic areas. The co-citation analysis resulted in nine clusters, with specific subject areas being water quality and climate. The bibliographic analysis consisted of a total of 27 components, and detailed subject areas such as ocean and atmosphere were identified in addition to water quality and climate. Notably, the subject areas of the social sciences have also emerged.

Keyword

표/그림 (13)

표 <표 1> Web of Science 등재 데이터학술지의 데이터논문 출판 현황¹⁾
표 <표 2> 데이터학술지와 데이터논문 발간 현황
표 <표 3> 출현빈도 기준 상위 10명의 저자
표 <표 4> 저자 소속기관 출현빈도 기준 상위 10개 기관
표 <표 5> 저자의 국가 출현빈도 상위 20개 국가
표 <표 6> 데이터논문 인용문헌 출현빈도 상위 10건
표 <표 7> 동시인용빈도 기준 상위 11건 논문
그림 <그림 1> 동시인용분석 전체 네트워크(83건 논문)
그림 <그림 2> 동시인용분석 패스파인더 네트워크와 9개 군집
표 <표 8> 동시인용분석 네트워크의 9개 군집과 주제
그림 <그림 3> 서지결합분석 네트워크와 27개 컴포넌트
표 <표 9> 데이터논문의 서지결합 상위 10위
표 <표 10> 서지결합분석 27개 컴포넌트와 세부주제

AI 본문요약
AI-Helper

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

문제 정의

전통적인 학술지 논문과 같이 참고문헌을 지니는 데이터논문의 특성을 활용하여 인용을 기반으로 하는 분석인 서지결합분석과 동시인용분석을 수행하였다. 두 분석기법을 활용하여 네트워크로 시각화하여 데이터학술지와 데이터논문이 형성하는 상세 주제 영역을 제시하여 지적구조를 규명하고자 하였다.
이러한 논의의 흐름이 이어져서 데이터논문과 데이터학술지의 출간이 지속해서 증가하는 추세이다. 본 연구에서는 데이터학술지와 데이터 논문 관련 연구를 주요한 이해관계자인 연구자와 데이터 관리 측면으로 구분하여 살펴보고자 한다.
총 6,086건의 데이터 논문에 대하여 서지정보와 인용정보는 3단계의 분석 과정을 거쳤다. 첫 번째 분석은 데이터논문의 일반적인 현황을 살펴보고자 하였다. 이를 위해서 저자사항, 저자의 소속기관, 저자의 국가를 별도로 추출하여 Bibexcel²⁾을 사용하여 빈도분석을 수행하였다.
두 번째 단계는 데이터논문의 동시인용분석을 수행하여 네트워크로 시각화하였다. 이를 통해서 데이터논문이 동시에 인용된 문헌의 빈도수를 기반으로 구현된 지적구조를 살펴볼수 있다. 그러나 논문이 인용되기까지는 상당한 시간이 소요되기 때문에 최신의 현황을 제시하는 데에는 한계가 있다.
사회과학 분야가 서지결합분석에서 나타난 현상은 최근의 데이터논문이 생물학 중심의 자연과학에서 사회과학으로 확정되는 것으로 해석할 수 있다. 본 연구에서 이러한 결과를 통해 데이터논문이라는 새로운 학술 커뮤니케이션의 장이 구성하는 지적 구조를 살펴보았다. 그러나 데이터학술지에 발행되는 모든 논문이 데이터논문은 아니기 때문에 본 연구에서 분석한 14종의 데이터학술지가 제시하는 지적구조라 이해하기에 는 제한점이 있다.

제안 방법

Candela, Castelli, Manghi, Tani(2015)가 밝힌 바와 같이, 데이터학술지마다 조금씩 상이한 양상을 보이고 있지만, 데이터논문에서 공통적으로 제공하는 데이터 기술항목은 10가지 정보이다. DOI 혹은 URI와 같은 접근점을 제공하는 이용가능성, 데이터 셋 관련한 경쟁관계의 이해관계, 시공간적 데이터의 범위, 실제적인 데이터 재이용을 촉진할 수 있는 요소인 형태로써 인코딩이나 언어 등의 정보, 데이터 이용을 관장하는 정책 정보를 제공하는 라이선스, 데이터논문의 저자 기여도 표기, 데이터 생산을 주도한 프로젝트 정보, 데이터 생산을 이끈 방법론이나 도구에 대한 정보 제공, 데이터의 품질에 대한 정보, 데이터 재이용을 촉진하는 정보로 구성되었다.
본 논문은 Scientific Data 학술지 한 종만 분석한 정은경(2019)의 후속 연구 성격으로 Web of Science에 색인 된 14종의 데이터학술지와 이에 게재된 6,086건의 데이터논문과 인용된 참고문헌 84,908건을 대상으로 분석하였다. 전통적인 학술지 논문과 같이 참고문헌을 지니는 데이터논문의 특성을 활용하여 인용을 기반으로 하는 분석인 서지결합분석과 동시인용분석을 수행하였다. 두 분석기법을 활용하여 네트워크로 시각화하여 데이터학술지와 데이터논문이 형성하는 상세 주제 영역을 제시하여 지적구조를 규명하고자 하였다.
우선, 전체 연구 개요, 연구 참여자 사항, 실험 설계, 표현형 평가 프로토콜, 스캔 상세 정보, 연구데이터 배포 정보 등으로 구성되어야 한다고 제시하였다. 이와 함께 데이터논문의 출간을 통해서 해당 연구자가 데이터의 품질을 심사할 수 있는 논문 심사 과정이 포함되기 때문에 질좋은 연구데이터의 공유와 재이용에 있어서 질적 향상을 가져올 수 있다는 점을 순기능으로 지적하였다. 또한 생명다양성 분야에서 Chavan과 Penev(2011)도 연구데이터 공유와 재이용에 있어서 가장 큰 걸림돌은 연구자 스스로 추가적인 노력과 시간을 들여 다른 사람들이 이용할 수 있는 데이터로 제공하는 데 있어서 별다른 동기부여가 없다는 점을 지적하였다.
Castelli, Manghi, Thanos(2013)는 현대의 학술 커뮤니케이션에 대한 통찰을 기반으로 하여 디지털 도서관과 데이터센타의 통합을 제안하였다. 제시된 통합적 모델은 조정 단계(mediation layer), 기능 단계(enabling layer), 내용 단계(content layer), 응용 단계(application layer)로 구분하여 제시하였다. 조정 단계는 데이터와 디지털 도서관의 구성 요소들이 관련 표준 프로토콜을 사용하여 변환되는 단계로서, 기능, 내용, 응용 단계의 기저를 이루게 된다.
Akers와 Doty(2013)는 미국 Emory대학 재직 중인 330명의 다양한 분야의 연구자에게 데이터 관리와 공유 관행에 관하여 설문하였다. 응답 연구자들은 인문예술 분야, 사회과학 분야, 의학 분야, 기초과학 분야로 구분하여 분석하였다. 분석결과를 살펴보면, 연구자의 분야에 따라 통계적으로 의미있는 차이를 살펴볼 수 있는데, 특히 데이터관리와 데이터관리 지원에 대한 태도와 관심 항목에 있어서 분야별로 상이하게 나타났다고 제시하였다.
이를 위해서 저자사항, 저자의 소속기관, 저자의 국가를 별도로 추출하여 Bibexcel²⁾을 사용하여 빈도분석을 수행하였다. 두 번째 단계는 데이터논문의 동시인용분석을 수행하여 네트워크로 시각화하였다. 이를 통해서 데이터논문이 동시에 인용된 문헌의 빈도수를 기반으로 구현된 지적구조를 살펴볼수 있다.
그러나 논문이 인용되기까지는 상당한 시간이 소요되기 때문에 최신의 현황을 제시하는 데에는 한계가 있다. 이를 극복하기 위해서 세 번째 단계의 분석으로 데이터논문의 서지결합분석을 수행하여 네트워크로 시각화하였다. 동시인용분석과 서지결합분석 네트워크는 빈도행렬에서 코사인 유사도계수로 정규화하였으며, 이재윤(2006)의 WNET과 NodeXL³⁾ 도구를 사용하여 시각화하였다.
따라서 전통적인 학술지와 달리 새롭게 등장하여 성장하고 있는 데이터학술지와 데이터논문이 형성하는 지식의 구조를 살펴볼 필요가 있다. 이를 위해 본 연구는 WoS에 색인된 14종의 데이터학술지에서 총 6,086건의 데이터논문을 대상으로 동시인용분석과 서지결합분석을 수행하여 네트워크로 시각화하였다.
보다 명확하게 동시인용 네트워크를 구현하기 위해서 이재윤(2006)의 WNET 소프트웨어 패키지의 패스파인더와 PNNC 군집화 기법을 사용하여 시각화하여 와 같이 제시하였다.

대상 데이터

본 논문은 Scientific Data 학술지 한 종만 분석한 정은경(2019)의 후속 연구 성격으로 Web of Science에 색인 된 14종의 데이터학술지와 이에 게재된 6,086건의 데이터논문과 인용된 참고문헌 84,908건을 대상으로 분석하였다.
Pampel 외(2013)는 최근의 연구 데이터의 공유와 재이용에 대한 요구가 높아짐에 따라 데이터 리파지토리가 다양한 분야에서 구축되어 운영되고 있으며, 이러한 현상은 전세계적으로 확산되는 추세이다. 연구 수행 시점 기준으로 약 400여 데이터 리포지터리를 크게 기관 기반, 분야 기반, 프로젝트 기반, 다학제 기반으로 구분하였다. 이러한 다양한 리포지토리가 구현되어 운영되고 있지만, 데이터 공유와 재이용으로 활발하게 연계되기 위해서는 연구자의 연구과정에 리파지토리가 자연스럽게 연계되어야 한다고 지적하였다.
데이터학술지의 데이터논문이 규명하는 지적구조를 살펴보기 위해서 본 연구는 김지현(2019)의 연구에서 밝힌 총 79종의 데이터학술지 중에서 2019년 12월 30일 현재 Web of Science에 등재된 총 14종의 학술지()를 대상으로 데이터를 수집하였다.
현재 Web of Science는 Document Type 필드에서 일반 학술논문(article)과 구분하여 데이터논문을 “data paper"로 색인한다. 수집 절차를 살펴보면 총 14종의 학술지에 대하여 Document Type 필드에 Data Paper로 색인된 데이터논문을 추출하였다. <표 1>에서 제시된 바와 같이 14종의 데이터학술지에 수록된 총 6,086건의 데이터 논문에 대하여 서지정보와 인용정보를 수집하였다.
수집 절차를 살펴보면 총 14종의 학술지에 대하여 Document Type 필드에 Data Paper로 색인된 데이터논문을 추출하였다. <표 1>에서 제시된 바와 같이 14종의 데이터학술지에 수록된 총 6,086건의 데이터 논문에 대하여 서지정보와 인용정보를 수집하였다.
수집 절차를 살펴보면 총 14종의 학술지에 대하여 Document Type 필드에 Data Paper로 색인된 데이터논문을 추출하였다. <표 1>에서 제시된 바와 같이 14종의 데이터학술지에 수록된 총 6,086건의 데이터 논문에 대하여 서지정보와 인용정보를 수집하였다.
총 6,086건의 데이터 논문에 대하여 서지정보와 인용정보는 3단계의 분석 과정을 거쳤다. 첫 번째 분석은 데이터논문의 일반적인 현황을 살펴보고자 하였다.
데이터논문 6,086건에 대해서 저자의 출현빈도 기준 12회를 기준으로 상위 11명의 저자를 살펴보면, <표 3>과 같다. 저자의 소속과 전공분야는 저자의 개인 홈페이지, 구글 스칼라, ResearchGate 사이트를 참조하여 보강하였다. <표 3>에서 살펴볼 수 있는 바와 같이 통계, 환경, 전기공학, 농학, 해양학 등의 분야의 저자이며, 소속기관은 주로 나이지리아, 이란, 한국, 일본 등의 대학으로 나타났다.
6,086건의 데이터논문에서 인용된 참고문헌 총 84,908건을 추출하였다. 논문당 평균 약 14건의 참고문헌이 사용되었다.
6,086건의 데이터논문에서 인용된 참고문헌 총 84,908건을 추출하였다. 논문당 평균 약 14건의 참고문헌이 사용되었다. 데이터논문의 참고문헌에서 출현빈도 상위 10건의 논문을 살펴보면 <표 6>과 같다.
20회 이상 인용된 83건의 논문을 대상으로 동시인용분석을 수행하였으며, 동시인용 횟수 31회를 기준으로 상위 11건을 살펴보면 과 같다.
데이터논문으로 제시된 지적구조를 살펴보기 위해서 총 84,908건의 참고문헌 중에서 20회 이상 인용된 83건의 논문을 대상으로 동시인용분석을 수행하였다. 83건의 논문의 목록은 [부록 1]에서 제시되었다.
총 3개의 컴포넌트와 9개 군집으로 구성되었다. 우선 3개의 분절된 컴포넌트를 살펴보면, 대부분의 논문을 포함하는 큰 규모의 컴포넌트(군집 1에서 군집 7), 군집 8인 두 논문으로 구성된 컴포넌트, 군집 9인 5개의 논문으로 구성된 컴포넌트로 형성되었다.

데이터처리

첫 번째 분석은 데이터논문의 일반적인 현황을 살펴보고자 하였다. 이를 위해서 저자사항, 저자의 소속기관, 저자의 국가를 별도로 추출하여 Bibexcel²⁾을 사용하여 빈도분석을 수행하였다. 두 번째 단계는 데이터논문의 동시인용분석을 수행하여 네트워크로 시각화하였다.
데이터논문에 대하여 주제적으로 관련이 높은 논문이 서로 연결되어 세부적 주제를 규명하기 위해서 서지결합분석을 수행하였다. <표 9>에서 보여주는 것과 같이 서지결합의 강도가 높은 순으로 살펴볼 수 있다.

이론/모형

이를 극복하기 위해서 세 번째 단계의 분석으로 데이터논문의 서지결합분석을 수행하여 네트워크로 시각화하였다. 동시인용분석과 서지결합분석 네트워크는 빈도행렬에서 코사인 유사도계수로 정규화하였으며, 이재윤(2006)의 WNET과 NodeXL³⁾ 도구를 사용하여 시각화하였다.

성능/효과

응답 연구자들은 인문예술 분야, 사회과학 분야, 의학 분야, 기초과학 분야로 구분하여 분석하였다. 분석결과를 살펴보면, 연구자의 분야에 따라 통계적으로 의미있는 차이를 살펴볼 수 있는데, 특히 데이터관리와 데이터관리 지원에 대한 태도와 관심 항목에 있어서 분야별로 상이하게 나타났다고 제시하였다.
데이터논문의 발행 비중으로 살펴보면, 『Data in Brief』와 『Scientific Data』 학술지의 영향으로 복합학 분야가 가장 큰 것으로 나타났다.
『Earth System Science Data』, 『Data』, 『Journal of Open Archaeology Data』 등의 데이터학술지는 전체 발간 논문의 반 정도를 데이터논문으로 발간하는 것으로 확인할 수 있다.
데이터 학술지의 데이터논문 발행 비율을 살펴보면, 『Data in Brief』와 『Scientific Data』 학술지가 각각 95.7%와 74.4%의 높은 비중을 차지한 것으로 나타났다.
게놈과 분석 툴이 함께 인용된 논문의 비중이 높은 결과로 볼 수 있다. 또한 분석 도구를 기술한 논문인 Simao_F_2015는 상위 출현 쌍에서도 9번 등장하여 가장 많이 동시인용된 것으로 나타났다.
9개로 형성된 군집을 과 같이 살펴보면, 군집 2와 군집 4를 제외하고는 대체로 분석, 방법론, 도구 등을 다룬 주제가 주를 이루는 것을 확인할 수 있다.
<그림 3>과 같이 상위 86건의 논문에 대해서 서지결합분석하여 네트워크로 시각화한 결과 27개의 분절된 컴포넌트로 구성되었다. 86건의 논문이 27개의 컴포넌트로 구성된 것은 최신의 데이터논문이 대규모의 연구영역을 형성하고 있지는 않기 때문이라고 볼 수 있다.
우선 데이터학술지의 주제영역을 살펴보면, 생물학 분야의 비중이 높은 것으로 나타났으며, 데이터논문의 발행 비중이 높은 『Data in Brief』와 『Scientific Data』 학술지는 복합학 주제 분야로 설정되었다.
데이터학술지와 데이터논문의 주제영역, 저자, 저자 소속기관, 국가 등의 전반적인 현황을 살펴보면 전통적인 학술커뮤니케이션의 양상과는 다르다는 것을 확인할 수 있다. 우선 데이터학술지의 주제영역을 살펴보면, 생물학 분야의 비중이 높은 것으로 나타났으며, 데이터논문의 발행 비중이 높은 『Data in Brief』와 『Scientific Data』 학술지는 복합학 주제 분야로 설정되었다.
따라서 자연과학 분야의 여러 학술 커뮤니티에서 데이터학술지와 데이터논문에 대한 관심과 논의가 있지만, 가장 활발하게 데이터논문을 발간하고 있는 분야는 생물학 관련 분야라고 볼 수 있다. 저자와 소속기관, 국가의 관점에서 살펴보면, 전통적인 학술커뮤니케이션에서 빈번하게 등장하는 저명한 기관이나 선진국의 비중이 상당히 낮은 것으로 나타났다. 데이터학술지와 데이터논문이 주된 학술커뮤니케이션의 장이라기 보다는 아직은 미미한 영향력과 주변적인 성과로 인식되기 때문이라고 볼 수 있다.
반면에 특정 주제 분야로 파악된 군집은 수질, 기후 등의 영역으로 나타났다. 데이터논문이 구성하는 세부 주제영역을 인용 지체 현상 없이 살펴보기 위해서 실행한 서지결합분석 결과를 살펴보면, 총 27개의 분절된 컴포넌트로 나타났다. 우선 주된 주제 영역으로 여러 생명 종의 게놈 구성에 관한 것으로 나타났다.
이 외에도 기후 영역, 해양, 수질, 대기 등의 주제 영역을 확인할 수 있다. 한가지 특기할 만한 사항은 주된 주제 분야는 자연과학 분야의 세부 주제 영역이지만, 사회과학 분야의 주제 영역도 나타났다는 점이다. 사회과학 분야가 서지결합분석에서 나타난 현상은 최근의 데이터논문이 생물학 중심의 자연과학에서 사회과학으로 확정되는 것으로 해석할 수 있다.
전체적으로 게놈 구성에 관한 5개의 컴포넌트를 1, 2, 5, 9, 26을 찾아볼 수 있다. 수질에 관련된 컴포넌트는 4와 27로 나타났으며, 나이지리아 지역의 사회조사 설문데이터도 별도의 컴포넌트인 6과 24로 구성되었음을 확인할 수 있다. 해양 관련 컴포넌트로는 7, 14, 16으로 나타났다.

후속연구

본 연구에서 이러한 결과를 통해 데이터논문이라는 새로운 학술 커뮤니케이션의 장이 구성하는 지적 구조를 살펴보았다. 그러나 데이터학술지에 발행되는 모든 논문이 데이터논문은 아니기 때문에 본 연구에서 분석한 14종의 데이터학술지가 제시하는 지적구조라 이해하기에 는 제한점이 있다. 향후 연구에서는 데이터논문과 기존의 전통적인 학술지 논문으로 각각 구성되는 학술분야의 비교 분석을 통해 데이터논문이 형성해 가는 영역에 대한 보다 다각적인 이해가 필요하다.
그러나 데이터학술지에 발행되는 모든 논문이 데이터논문은 아니기 때문에 본 연구에서 분석한 14종의 데이터학술지가 제시하는 지적구조라 이해하기에 는 제한점이 있다. 향후 연구에서는 데이터논문과 기존의 전통적인 학술지 논문으로 각각 구성되는 학술분야의 비교 분석을 통해 데이터논문이 형성해 가는 영역에 대한 보다 다각적인 이해가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	데이터 스칼라십은 어떤 과정에서 중요한 단계인가?	데이터 스칼라십(Borgman, 2015)은 오픈과학의 중요한 연구자 활동으로 여겨진다. 데이터 스칼라십은 연구과정에서 발생하는 데이터가 다른 연구자에게 공유되어 재이용되는 선순환 과정에서 중요한 단계이다. McKiernan 외(2016)는 데이터와 같은 연구성과물을 공개하고 재이용하게 하는 활동이 실제로 연구자에게 유익한 활동이라는 점을 제시하였다.
	데이터논문에서 공통적으로 제공하는 데이터 기술항목은?	Candela, Castelli, Manghi, Tani(2015)가 밝힌 바와 같이, 데이터학술지마다 조금씩 상이한 양상을 보이고 있지만, 데이터논문에서 공통적으로 제공하는 데이터 기술항목은 10가지 정보이다. DOI 혹은 URI와 같은 접근점을 제공하는 이용가능성, 데이터 셋 관련한 경쟁관계의 이해관계, 시공간적 데이터의 범위, 실제적인 데이터 재이용을 촉진할 수 있는 요소인 형태로써 인코딩이나 언어 등의 정보, 데이터 이용을 관장하는 정책 정보를 제공하는 라이선스, 데이터논문의 저자 기여도 표기, 데이터 생산을 주도한 프로젝트 정보, 데이터 생산을 이끈 방법론이나 도구에 대한 정보 제공, 데이터의 품질에 대한 정보, 데이터 재이용을 촉진하는 정보로 구성되었다.
	신경 영상 분야의 데이터논문이 갖추어야 하는 요소는?	이를 위해서 신경 영상 분야의 데이터논문이 갖추어야 하는 요소로는 최소 6가지 항목이 필요하다고 제시하였다. 우선, 전체 연구 개요, 연구 참여자 사항, 실험 설계, 표현형 평가 프로토콜, 스캔 상세 정보, 연구데이터 배포 정보 등으로 구성되어야 한다고 제시하였다. 이와 함께 데이터논문의 출간을 통해서 해당 연구자가 데이터의 품질을 심사할 수 있는 논문 심사 과정이 포함되기 때문에 질좋은 연구데이터의 공유와 재이용에 있어서 질적 향상을 가져올 수 있다는 점을 순기능으로 지적하였다.

참고문헌 (17)

Kim, Ji Hyun (2019). A study on the current status of data journals and the establishment of data journal policies. Korea Institute of Science and Technology Information.
Lee, Jae Yun (2006). WNET Software Package.
Chung, EunKyung (2019). An investigation on scientific data for data journal and data paper. Journal of the Korean Society for Information Management, 36(1), 117-135. https://doi.org/10.3743/KOSIM.2019.36.1.117

원문보기 상세보기
Akers, K. G., & Doty, J. (2013). Disciplinary differences in faculty research data management practices and perspectives. International Journal of Digital Curation, 8(2), 5-26. https://doi.org/10.2218/ijdc.v8i2.263

상세보기
Belter, C. W. (2014). Measuring the value of research data: A citation analysis of oceanographic data sets. PLoS One, 9(3), e92590. https://doi.org/10.1371/journal.pone.0092590

상세보기
Borgman, C. L. (2015). Big data, little data, no data. Cambridge, MA: MIT Press.
Borgman, C. L. (2016). Data citation as a bibliometric oxymoron. In Sugimoto, C. (Eds), Theories of informetrics and scholarly communication (pp. 93-116). Berlin: De Gruyter Mouton.
Candela, L., Castelli, D., Manghi, P., & Tani, A. (2015). Data journals: A survey. Journal of the Association for Information Science and Technology, 66(9), 1747-1762. https://doi.org/10.1002/asi.23358

상세보기
Castelli, D., Manghi, P., & Thanos, C. (2013). A vision towards scientific communication infrastructures. International Journal on Digital Libraries, 13(3-4), 155-169. https://doi.org/10.1007/s00799-013-0106-7

상세보기
Chavan, V., & Penev, L. (2011). The data paper: a mechanism to incentivize data publishing in biodiversity science. BMC bioinformatics, 12(15), S2. https://doi.org/10.1186/1471-2105-12-S15-S2
Costello, M. J., Michener, W. K., Gahegan, M., Zhang, Z. Q., & Bourne, P. E. (2013). Biodiversity data should be published, cited, and peer reviewed. Trends in Ecology & Evolution, 28(8), 454-461. doi.org/10.1016/j.tree.2013.05.002

상세보기
Goodman, A., Pepe, A., Blocker, A. W., Borgman, C. L., Cranmer, K., Crosas, M., ... & Hogg, D. W. (2014). Ten simple rules for the care and feeding of scientific data. PLoS Computational Biology. 10(4). https://doi.org/10.1371/journal.pcbi.1003542

상세보기
Gorgolewski, K., Margulies, D. S., & Milham, M. P. (2013). Making data sharing count: a publication-based solution. Frontiers in neuroscience, 7, 9. https://doi.org/10.3389/fnins.2013.00009

상세보기
Huang, X., Hawkins, B. A., & Qiao, G. (2013). Biodiversity data sharing: Will peer-reviewed data papers work?. BioScience, 63(1), 5-6. https://doi.org/10.1525/bio.2013.63.1.2

상세보기
McKiernan, E. C., Bourne, P. E., Brown, C. T., Buck, S., Kenall, A., Lin, J., ... & Spies, J. R. (2016). Point of view: How open science helps researchers succeed. Elife, 5, e16800. https://doi.org/10.7554/eLife.16800

상세보기
Pampel, H., Vierkant, P., Scholze, F., Bertelmann, R., Kindling, M., Klump, J., ... & Dierolf, U. (2013). Making research data repositories visible: the re3data. org registry. PloS one, 8(11), e78080. https://doi.org/10.1371/journal.pone.0078080

상세보기
Silvello, G. (2018). Theory and practice of data citation. Journal of the Association for Information Science and Technology, 69(1), 6-20. https://doi.org/10.1002/asi.23917

상세보기

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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