[논문]코로나19 사태와 온라인 정보의 다양성 연구 - 빅데이터를 활용한 글로벌 접근법

박한우; 김지은; 주우붕

doi:10.5762/kais.2020.21.11.728

코로나19 사태와 온라인 정보의 다양성 연구 - 빅데이터를 활용한 글로벌 접근법
Online Information Sources of Coronavirus Using Webometric Big Data 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.21 no.11, 2020년, pp.728 - 739

박한우 (영남대학교 언론정보학과, 디지털융합비즈니스학 및 동아시아문화학 협동과정 대학원) , 김지은 (영남대학교 디지털융합비지니스학 대학원, 사이버감성연구소) , 주우붕 (영남대학교 디지털융합비지니스학 대학원, 사이버감성연구소)

초록
AI-Helper

이 연구는 웹보메트릭 빅데이터를 활용하여 코로나바이러스 확진 국가(지역)들의 온라인 정보원의 다양성을 조사했다. 구체적으로 2020년 2월에 코로나바이러스 확진자가 발생한 28개국을 대상으로 웹 데이터를 수집한 결과, 호주, 캐나다, 이탈리아 등의 온라인 가시성이 높게 나타나면서 관련 정보를 가장 많이 생산하고 있었다. 국가별 검색건수(hit counts)와 정보채널의 역할을 하는 도메인(domain) 빈도와는 통계적으로 유의한 상관성이 있었다. 한편 데이터 수집도구인 bing.com의 점유률이 평소에도 높은 국가들을 제외하고 다시 검토한 결과, 당시 확진자 수가 많았던 일본, 중국, 싱가포르 등이 코로나바이러스와 관련된 웹데이터를 주도적으로 올리고 있었다. 온라인 정보원은 n-헬릭스를 활용하여 분류되었다. n-헬릭스는 대학-기업-정부의 3주체간 상호작용과 혁신을 강조하는 트리플헬릭스모델(Triple Helix Model)에 기반한 확장된 분석틀이다. 그 결과, 정부기관이 18.1%를 차지하면서 코로나바이러스 정보의 최대 공급자로 나타났다. 2원성 네트워크 분석결과를 보면 언론사, 대학병원, 공중보건에 특화된 조직 등도 코로나바이러스 연구와 방역 정보의 온라인 유통에 적극적이었다. 웹페이지에 포함된 단어들을 중심으로 내용분석을 해 보니 건강, 학교, 가족, 공공, 방안 등의 단어가 중심성이 높게 나타나 코로나바이러스로 인한 개인별 예방수칙뿐만 아니라 생활 불편과 업무장애로 인한 대처방안 등에 관심이 높다는 것을 알 수 있었다.

Abstract ▼ AI-Helper

Using webometric big data, this study examines the diversity of online information sources about the novel coronavirus causing the COVID-19 pandemic. Specifically, it focuses on some 28 countries where confirmed coronavirus cases occurred in February 2020. In the results, the online visibility of Australia, Canada, and Italy was the highest, based on their producing the most relevant information. There was a statistically significant correlation between the hit counts per country and the frequency of visiting the domains that act as information channels. Interestingly, Japan, China, and Singapore, which had a large number of confirmed cases at that time, were providing web data related to the novel coronavirus. Online sources were classified using an N-tuple helix model. The results showed that government agencies were the largest supplier of coronavirus information in cyberspace. Furthermore, the two-mode network technique revealed that media companies, university hospitals, and public healthcare centers had taken a positive attitude towards online circulation of coronavirus research and epidemic prevention information. However, semantic network analysis showed that health, school, home, and public had high centrality values. This means that people were concerned not only about personal prevention rules caused by the coronavirus outbreak, but also about response plans caused by life inconveniences and operational obstacles.

주제어

표/그림 (11)

표 Table 1. Correlations of hitcounts and domains
그림 Fig. 1. Hit counts and number of domains of confirmed country
표 Table 2. sTLD rankings related to Coronavirus
표 Table 3. Domains rankings related to Coronavirus
그림 Fig. 2. Network of institutional actors and country
표 Table 4. Distribution of URLs per institutional actors
그림 Fig. 3. A semantic network among high frequency words of web contents (n>100)
표 Table 5. 2-mode matrix centrality for country (among institutional actors)
표 Table 6. 2-mode matrix centrality for actors
표 Table 7. 2-mode matrix centrality for country (among high frequency words of web contents)
표 Table 8. 2-mode matrix centrality for words (top 10)

AI 본문요약
AI-Helper

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

문제 정의

따라서 이 연구는 코로나19 확진자가 발생한 국가들에서 온라인 출현도가 높은 정보원들을 빅데이터 기법을 통해서 수집한다. 대규모의 온라인 빅데이터에서 전통적 THM인 학계-비즈니스-정부(ABG, Academy-Business-Government)에 대한 일반화된 분석을 벗어나 보건기관, 언론사 등을 추가해서 다차원화적인 정보생산 환경을 규명하고자 한다. 이 연구는 긴급한 재난 상황에서 주요 국가의 사이버공간 정보전달원의 나선구조에 대한 체계적인 설명을 해 줄 수 있다는 측면에서 학술적, 사회적 가치가 높다.
또한 최근 의료 분야에서 증강 지능 시스템이 질병의 검출과 임상진단을 돕는 중요한 접근방식으로 널리 인용되고 있으나[18], 이 논문의 목적은 이러한 AI 시스템에 데이터를 제공하여 전염병 발생을 예측하는 데 있지 않다. 그보다는 웹보메트릭 빅데이터 분석을 통해 전략적 커뮤니케이션의 필요성과 기회를 강조하고 있다.
kr(South Korea)과 같은 ccTLD(country code Top Level Domain: 국가코드 최상위 도메인)로 구분된다[9]. 이 논문에서는 TLD 중에서 ccTLD만을 이용해 코로나바이러스 확진자가 발생한 국가들의 히트수와 도메인 수를 수집 및 분석하였다.
매체별로 신문기사에 나타난 주요한 단어를 찾고 단어들이 구성하는 네트워크의 구조적인 특징을 살펴보았다. 이를 통해 이념적 성향을 달리하는 언론사의 보도에 따라 국민들의 인식과 대처의 정도가 어떠한 차이를 보이는지 알아보고자 했다. 이미나와 홍주현은 메르스의 확산에 따라 정부가 실시한 위기 대응 메시지를 대상으로 네트워크 분석을 실시했다[5].
텍스트에 포함된 구문의 요소에서 특정한 의미를 찾아 분석하는 방법이다. 이를 통해 전염병 위기상황에서 각국이 제공하는 정보원을 비교하고 나아가, 주제와 내용적 유사성과 차별성을 찾고자 한다.
국가와 그룹 간에는 총 95개의 관계선이 존재하며, 선의 굵기는 URL의 수가 클수록 두껍게 표시되었다. 이를 통해서 코로나바이러스 확진자가 발생한 국가 내에서 어떤 정보원이 관련된 정보를 생산하는지 그리고 얼마나 많은 정보를 생산하는지 파악할 수 있다. 코로나바이러스 확진자가 발생한 대부분의 국가들이 정부와 언론, 교육그룹과 관계가 있었으며 그 중에서도 언론그룹이 가장 많은 국가와 관계를 가졌다.
본 논문에서는 사회 내외부의 ‘데이터’, ‘정보’, ‘지식’, ‘지혜’의 ‘상호작용’ 및 '관계교류'를 측정하는데 더 관심을 가지는 방법론과 궤를 같이 한다. 즉 코로나바이러스와 관련된 온라인 정보원들의 생태계와 거버넌스를 빅데이터를 기반으로 관계 형성, 유지, 개선 등을 찾고자 한다.
코로나바이러스와 같은 세계적인 재난 상황을 파악하고 대처하기 위해 본 논문에서는 국내뿐만 아니라 코로나바이러스 확진자가 발생한 여러 국가들을 대상으로 언론뿐만 아니라 얼마나 다양한 주체들이 재난과 관련된 정보를 제공하는가에 대해 알아보고자 한다. 뿐만 아니라 코로나 바이러스를 둘러싼 국가들 간에 글로벌 정보네트워크를 그려 관계적 특징을 살펴보고 이러한 현상에 n-Tuple 헬릭스 모델을 적용함으로써 국가의 사이버공간 정보전달원의 구조를 설명한다는 앞선 연구들과는 차이가 있다.

제안 방법

국가 및 그룹의 2-mode matrix를 분석하는 과정에서 UCInet를 사용하여 중심성 분석을 실시했다. 그 결과는 Table 5와 Table 6이다.
국가별로 코로나바이러스와 관련된 어떤 정보가 주로 전달되고 있는지 파악하기 위해 웹보메트릭스에서 수집한 웹 내용 데이터를 바탕으로 FullText 툴을 사용해 단어빈도분석을 실시했다[15]. Fig.
권호천은 조선일보와 한겨레신문 기사를 중심으로 메르스 상황에 대한 신문보도 의미연결망을 분석하였다[4]. 매체별로 신문기사에 나타난 주요한 단어를 찾고 단어들이 구성하는 네트워크의 구조적인 특징을 살펴보았다. 이를 통해 이념적 성향을 달리하는 언론사의 보도에 따라 국민들의 인식과 대처의 정도가 어떠한 차이를 보이는지 알아보고자 했다.
이미나와 홍주현은 메르스의 확산에 따라 정부가 실시한 위기 대응 메시지를 대상으로 네트워크 분석을 실시했다[5]. 메르스의 확산 양상을 토대로 3단계로 시기를 나누고 중앙정부와 지방자치정부의 공식 홈페이지에 게시된 메르스 관련 보도자료에 대해 분석했다. 진나영과 정정주는 한국의 메르스 상황에 대한 국내외 언론의 보도형식과 내용, 의미구조에 대한 의미망 분석을 실시했다[6].
WISDT (Webometrics, Informetrics, Scientometrics, Datametrics, Technometrics)에 중점을 두는 방법론주의 활동과 IISTS (Innovation In Science, Technology, and Society) 모델의 개발을 더 중시하는 이론주의 활동으로 나누어진다[2-3]. 본 논문에서는 사회 내외부의 ‘데이터’, ‘정보’, ‘지식’, ‘지혜’의 ‘상호작용’ 및 '관계교류'를 측정하는데 더 관심을 가지는 방법론과 궤를 같이 한다. 즉 코로나바이러스와 관련된 온라인 정보원들의 생태계와 거버넌스를 빅데이터를 기반으로 관계 형성, 유지, 개선 등을 찾고자 한다.
본 논문에서는 코로나바이러스와 관련된 정보를 생산 하는 정보원 간의 관계를 파악하기 위해 트리플헬릭스 모델의 주된 분석대상인 Academy(교육)-Business(기업)-Government(정부)에서 더 나아가 n-Tuple 헬릭스 모델을 적용하여 도메인을 Academy(교육), Business(기업), Government(정부), Media(언론), Health(보건), Other(기타) 6개의 그룹으로 분류했다. 분류한 6개의 그룹과 코로나바이러스 확진 국가와의 연결을 2-mode matrix(이원성 행렬)로 구성하여 국가별 정보원을 파악했다.
본 논문에서는 코로나바이러스와 관련된 정보를 생산 하는 정보원 간의 관계를 파악하기 위해 트리플헬릭스 모델의 주된 분석대상인 Academy(교육)-Business(기업)-Government(정부)에서 더 나아가 n-Tuple 헬릭스 모델을 적용하여 도메인을 Academy(교육), Business(기업), Government(정부), Media(언론), Health(보건), Other(기타) 6개의 그룹으로 분류했다. 분류한 6개의 그룹과 코로나바이러스 확진 국가와의 연결을 2-mode matrix(이원성 행렬)로 구성하여 국가별 정보원을 파악했다. 2-mode matrix는 매트릭스의 행과 열에 같은 개체가 배열되는 1-mode matrix와 달리 매트릭스의 행과 열에 서로 다른 개체가 배열된다[13].
코로나바이러스 확진 국가와 6개의 그룹으로 분류한 도메인 간의 연결을 근거로 2-mode matrix를 통해 코로나바이러스와 관련된 정보의 다양한 주체를 살펴봤다.그 결과 코로나바이러스 확진자가 발생한 대부분의 국가들에서 정부, 언론, 교육기관이 코로나바이러스와 관련된 정보를 생산하는 정보원으로서의 역할을 하고 있다는 것이다.

대상 데이터

2020년 코로나가 전 세계적으로 대유행하는 배경에서, 본 연구는 웹보메트릭 방법을 이용해 위기 기간 동안 코로나바이러스를 키워드로 웹 정보를 수집했다. 수집된 도메인을 분류하고 분석한 결과, 코로나바이러스를 언급한 도메인 수와 히트수가 많을수록 코로나바이러스에 대한 해당 국가의 관심도가 높은 것을 알 수 있었다.
Table 4는 코로나바이러스와 관련된 정보를 얼마나 다양한 주체가 제공하는지 분석하기 위해 코로나바이러스 확진 국가와 6개의 그룹으로 분류한 도메인 간의 연결을 근거로 2-mode matrix를 구성한 것이다. 2월 12일 기준 코로나바이러스 확진자 순으로 나라를 배열했으며 3개 이상의 URL을 가진 도메인을 대상으로 6개 그룹으로 분류하였다. 도메인은 government(정부), academy(교육), business(기업), media(언론), health care(보건기관), Other(기타)로 분류했다.
해당 시기는 일본의 크루즈에서 확진자가 대거 발생한 시점이며, 우리나라는 대구의 신천지 신도로 인한 코로나바이러스 확산이 발생하기 이전이다. 데이터는 웹보메트릭 분석기(Webometric Analyst) 4.1을 이용하여 수집하였다. 웹보메트릭 분석기를 사용하여 데이터를 수집한 채널은 bing.
따라서 이 연구는 코로나19 확진자가 발생한 국가들에서 온라인 출현도가 높은 정보원들을 빅데이터 기법을 통해서 수집한다. 대규모의 온라인 빅데이터에서 전통적 THM인 학계-비즈니스-정부(ABG, Academy-Business-Government)에 대한 일반화된 분석을 벗어나 보건기관, 언론사 등을 추가해서 다차원화적인 정보생산 환경을 규명하고자 한다.
이 논문 데이터 수집대상은 국제적으로 가장 많이 통용된 코로나바이러스를 키워드로 2020년 2월 당시 확진자가 발생한 28개 국가 및 지역이다(이하의 국가 및 지역은 국가로 표시했다). 해당 시기는 일본의 크루즈에서 확진자가 대거 발생한 시점이며, 우리나라는 대구의 신천지 신도로 인한 코로나바이러스 확산이 발생하기 이전이다.
com이다. 이 논문에서는 bing.com의 검색 에이피아이(API) 서비스를 통해 얻은 9149개의 웹페이지(URL 수)와 7003개의 도메인을 분석 대상으로 하였다.

데이터처리

코로나 바이러스에 대한 핵심 정보원뿐만 아니라 국가별로 제공하는 정보의 주제와 내용도 해당 국가의 사회 문화적 배경과 보건커뮤니케이션 상황에 따라 다양하게 나타날 수 있다. 국가별 정보의 차이를 분석하기 위해 국가별로 사용하는 단어의 빈도분석을 실시했다. 단어가 출현하는 횟수가 많을수록 해당 단어들에 대한 관심도와 주목도가 높게 된다.

이론/모형

본 논문에서는 트리플헬릭스모델의 여러 방법론 가운데 웹보메트릭스를 활용한다. 웹보메트릭스란 웹(web)과 계량분석(metrics)의 합성어로 인터넷의 등장과 함께 선보인 새로운 방법론이다[11].

성능/효과

Degree와 2-Local의 값이 가장 높은 나라는 호주, 미국, 캐나다이다. 고 빈도 단어의 Degree 값이 가장 큰 것이 novel이고 virus, health, China, school, public 순서로 나타났다. 2-Local 값은 novel이 가장 크고 virus, health, China, school, public 순서로 나타났다.
일본, 태국, 중국, 홍콩, 싱가포르의 순으로 betweenness 값(매개중심성)이 가장 높게 나타났으며 호주의 degree 값(연결중심성)이 가장 높다. 그룹 측면에서는 health care(보건 기관) 그룹의 betweenness 값이 가장 높으며 government(정부) 그룹의 degree 값이 제일 높은 것으로 나타났다.
호주는 코로나 바이러스 발병 초기 시점에 확진자가 많은 국가 중 하나이다. 더불어 중국 대륙에 이어 최초로 살아있는 코로나바이러스를 배양했는데 호주의 시드니대학교와 뉴사우스웨일스대학교의 연구자들이 참여한 것이 영향을 미친 것으로 판단된다. 특히 뉴사우스웨일스 지역의 환자에게서 채취한 코로나바이러스로 진행한 실험이 성공을 이뤘기 때문에 코로나바이러스에 대한 지역의 관심이 더욱 높았던 것으로 간주된다.
예를 들면 일본은 644개의 도메인에서 코로나바이러스가 언급되어 2위를 차지했다. 데이터를 수집 할 당시 일본의 크루즈에서 많은 수의 확진자가 발생한 것이 영향을 준 것으로 보인다. 뒤를 이은 싱가포르와 홍콩은 당시 확진자 수가 가장 많았던 중국과 일본 다음으로 코로나 확진자가 많이 발생했던 국가이다.
데이터를 전체적으로 보면, 정부 도메인 총 1266개, 18.1% 비율로 가장 많았다. 그 다음에 기업 도메인은 811개, 11.
2020년 코로나가 전 세계적으로 대유행하는 배경에서, 본 연구는 웹보메트릭 방법을 이용해 위기 기간 동안 코로나바이러스를 키워드로 웹 정보를 수집했다. 수집된 도메인을 분류하고 분석한 결과, 코로나바이러스를 언급한 도메인 수와 히트수가 많을수록 코로나바이러스에 대한 해당 국가의 관심도가 높은 것을 알 수 있었다.
단어 측면에는 degree와 eigenvector 값이 높은 것은 novel, virus, health이고 betweenness 값이 높은 것은 novel, China, virus이다. 전체적으로 novel(신종)，China(중국 대륙)，health(건강)，virus(바이러스)，public(공공), school(학교) 등의 단어 빈도가 높게 나타났다. 이 밖에도 호주는 Home(가정), Education(교육), Life(생활), Monitor(모니터) 등이, 홍콩은 Service(서비스)와 Infection(감염), 일본은 University(대학교)와 Tokyo(도교), 캐나다는 Ontario와 Confirm(확진자), 미국은 District(지방)와 Elementary student(초등학생), 싱가포르는 Measure(방안), 필리핀은 City(도시) 등의 단어의 빈도가 높아 해당 분야에 관심을 쏟고 있는 것을 알 수 있다.

후속연구

예컨대 소셜 미디어, 뉴스 미디어, 건강 학술 논문, 그리고 다른 이질적인 데이터들의 집계는 이 논문이 극복해야 할 벅찬 과제다. 그럼에도 불구하고 이 논문은 보건 캠페인의 전략적 메시지 작성과 채널 선택 시스템 구성을 위한 기초적 자료가 될 수 있다. 웹보 메트릭 분석이 질병 예측과 확산을 위한 만능 도구는 아니지만 대중들의 이야기와 공유된 뉴스로부터 얻게 되는 함의와 그 잠재력을 과소평가해서는 안 된다.
본 연구의 한계점은 내용분석을 실시하면서 영어로 된 내용만 고려해서 연구했다는 점이다. 또한 2월의 데이터를 분석했기 때문에 현재 더 많은 국가에 확진자가 발생했으므로 향후 연구에서 이 방법을 바탕으로 더 많은 데이터를 분석해서 더 큰 가치를 얻기를 기대한다.
마지막으로 우리가 수집한 웹페이지의 내용을 의미망 분석을 했는데, 국가별 웹사이트 내용의 단어 빈도를 보면 건강, 학교, 가족, 공공, 방안 등이 가장 주요한 몇 가지 주제가 되었고 대부분의 나라들이 자신의 지역과 관련된 주제를 더 많이 제공했다는 것을 알 수 있다. 본 연구의 한계점은 내용분석을 실시하면서 영어로 된 내용만 고려해서 연구했다는 점이다. 또한 2월의 데이터를 분석했기 때문에 현재 더 많은 국가에 확진자가 발생했으므로 향후 연구에서 이 방법을 바탕으로 더 많은 데이터를 분석해서 더 큰 가치를 얻기를 기대한다.

참고문헌 (18)

H. W. Park, L. Leydesdorff, H. D. Hong, S. J. Hong (2004). "Triple-Helix Indicators for the knowledge-based innovation system: A comparison between South Korea and The Netherlands", Journal of the Korean Data Analysis Society, Vol.6, No.5, pp.1389-1402, Oct. 2004.
G. F. Khan, H. W. Park, "Editorial: Triple-Helix and innovation in Asia using scientometrics, webometrics, informetrics". Scientometrics, Vol.90, No.1, pp.1-7, Jan. 2012. DOI: https://doi.org/10.1007/s11192-011-0506-7

상세보기
C. J. Chung, H. W. Park, "Mapping triple helix innovation in developing and transitional economies: Webometrics, scientometrics, and informetrics", Scientometrics, Vol.99, pp.1-4. Apr. 2014. DOI: https://doi.org/10.1007/s11192-013-1105-6

상세보기
H. C. Kwon, "A study of semantic network analysis of newspaper articles on MERS situation: Comparing conservative and progressive news media", Health Communication, the Official Journal of Korean Academy on Communication in Healthcare, Vol.11, No.1, pp.63-80. 2016. DOI: http://doi.org/10.15715/kjhcom.2016.11.1.63
M. Lee, J. H. Hong, "Semantic network analysis of government's crisis communication messages during the MERS outbreak", Journal of The Korea Contents Association, Vol.16, No.5, pp.124-136. May 2016. DOI: http://doi.org/10.5392/JKCA.2016.16.05.124

원문보기 상세보기
N. Y. Jin, C. J. Chung, "Semantic network analysis of domestic and overseas media coverage regarding Korea MERS". Journal of Communication Science, Vol.18, No.2, pp.222-262, Jun. 2018. DOI: http://doi.org/10.14696/jcs.2018.06.18.2.222

상세보기
J. Y. Song, T. M. Song, D. C. Seo, D. L. Jin, J. S. Kim, "Social big data analysis of information spread and perceived infection risk during the 2015 Middle East Respiratory Syndrome outbreak in South Korea", Cyberpsychology, Behavior, and Social Networking, Vol.20, No.1, pp.22-29, Jan. 2017. DOI: https://doi.org/10.1089/cyber.2016.0126

상세보기
S. Acharya, H. W. Park, "Open data in Nepal: a webometric network analysis", Quality & Quantity, Vol.51, pp.1027-1043, May 2017. DOI: https://doi.org/10.1007/s11135-016-0379-1

상세보기
T. Ying, W. C. Norman, Y. Zhou, "Online Networking in the Tourism Industry: A Webometrics and Hyperlink Network Analysis", Journal of Travel Research, Vol.55, No.1, pp.16-33, May. 2014. DOI: https://doi.org/10.1177/0047287514532371

상세보기
S. Park, H. W. Park, "Diffusion of cryptocurrencies: web traffic and social network attributes as indicators of cryptocurrency performance", Quality & Quantity, Vol.54, pp.297-314, Feb. 2020. DOI: https://doi.org/10.1007/s11135-019-00840-6

상세보기
H. W. Park, "Mapping the e-science landscape in South Korea using the webometrics method", Journal of Computer-Mediated Communication, Vol.15, No.2, pp.211-229, Jan. 2010. DOI : https://doi.org/10.1111/j.1083-6101.2010.01517.x

상세보기
H. J. Park, "A Study on Legal Nature of Domain Name", Law Review, Vol.26, pp.237-262. May 2007.
G. Y. Kim, "Analysis on destination network characteristics of using 2-mode network analysis : Case of Japanese tourists visiting Korea", Journal of Tourism Studies, Vol.31, No.4, pp.23-46. Nov. 2019. DOI: https://doi.org/10.21581/jts.2019.11.31.4.23

상세보기
Microsoft Advertising. Did we mention Bing is bigger than you think?, Twitter, c2017 [cited 2017 August 8], Available From: https://twitter.com/MSFTAdvertising/s tatus/898208047578849280 accessed May 12, 2020)
L. Leydesdorff, I. Hellsten, "Metaphors and diaphors in science communication: Mapping the case of stem cell research", Science Communication, Vol.27, No.1, pp.64-99. Sep. 2005. DOI: https://doi.org/10.1177/1075547005278346

상세보기
H. W. Park, S. Park, M. Chong, "Conversations and medical news frames on Twitter: Infodemiological study on COVID-19 in South Korea", Journal of medical Internet research, Vol.22, No.5, e18897. May 2020. DOI: https://doi.org/10.2196/18897

상세보기
H. C. Park, H. W. Park, "Disaster Communication Networks on Twitter : Gyeongju Earthquake", Journal of the Korean Data Analysis Society, Vol.19, No.1, pp.291-302. Feb. 2017. DOI: http://doi.org/10.37727/jkdas.2017.19.1.291

상세보기
J. B. Long, J. M. Ehrenfeld, "The role of Augmented Intelligence (AI) in detecting and preventing the Spread of Novel Coronavirus", Journal of Medical Systems, Vol.44, No.3, e59. Feb. 2020. DOI: https://doi.org/10.1007/s10916-020-1536-6

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