[논문]텍스트마이닝을 활용한 농업 R&D 키워드 분석

김지훈; 김성섭

doi:10.5762/kais.2021.22.2.721

텍스트마이닝을 활용한 농업 R&D 키워드 분석
A Study on the Analysis of Agricultural R&D Keywords Using Textmining Method 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.22 no.2, 2021년, pp.721 - 732

김지훈 (농촌진흥청 농산업경영과) , 김성섭 (농촌진흥청 농산업경영과)

초록
AI-Helper

본 연구는 농업 R&D의 추세를 살펴보고자 텍스트마이닝 기법을 활용하여 농업 R&D에 해당하는 키워드를 분석하였다. 분석자료는 NTIS의 국가연구개발사업 과제정보를 활용하였으며, 2003년부터 2018년까지의 농업 R&D의 주요 키워드를 연도별 및 연구개발단계별로 구분하였다. 텍스트마이닝을 위해 키워드의 TF-IDF를 계산하여 점수별로 순위를 매기었으며, 유사한 키워드별로 그룹화하여 해석하였다. 주요 분석 결과는 다음과 같다. 첫 번째, 신기술의 도입과 외부 환경에 변화에 따른 농업 R&D 트렌드가 변화해가고 있다. 시간이 흐를수록 새로운 키워드가 대두되고 있으며, 기초연구 단계에서는 '기후변화'가, 응용연구 단계에서는 'ICT'와 '스마트팜'이, 개발연구 단계에서는 '수출' 키워드가 주되게 등장하고 있다. 두 번째, 연구개발 단계에서 시차를 가지고 키워드 변화가 나타나고 있다. 기초연구-응용연구-개발연구 순으로 주요 키워드가 변화하고 있으며, 대표적으로 '기후변화'와 '신품종' 키워드가 연구개발단계별로 연계되어 있었다. 세번째, 농업 R&D의 대표적인 키워드는 '벼' 키워드로 나타났다. 그러나 '녹색 및 기후변화 대응'과 '가공 및 유통기술' 같이 국내외 농업 환경 변화에 따라 연구의 방향성과 목적이 변화하고 있었다.

Abstract ▼ AI-Helper

This study analyzed keywords for agricultural R&D using the textmining method to examine the trend of agricultural R&D. Data used for the analysis included R&D project information provided by NTIS, and the research and development step by year from 2003 to 2018 were classified and applied. The TF-IDF approach was used as the analysis method, and ranking was derived based on score. Furthermore, we analyzed by grouping for similar keywords. The main analysis results are as follows. First, agricultural R&D trends are changing according to the introduction of new technologies and changes in the external environment. Second, keyword changes appeared with a time lag in the R&D step. The main keywords are changing in the order of basic research - applied research - development research. Third, the main keyword of agricultural R&D was 'rice.' However, the direction and purpose of the research were changing according to changes in the domestic and foreign agricultural environments.

주제어

표/그림 (13)

표 Table 1. Task and Budget by NTIS and Agricultural R&D (Unit : Task, Million won, %)
표 Table 2. Task and Budget by Agricultural R&D supervision institution (Unit : Task, Million won)
그림 Fig. 1. Text mining analysis processing
표 Table 3. Task by Agricultural R&D Research Level (Unit : Task)
그림 Fig. 2. Process of analysis
그림 Fig. 3. Result of Agricultural R&D Keyword Textmining in Basis Research level
표 Table 4. Agricultural R&D List
표 Table 5. Keyword Group by Agricultural R&D List
표 Table 6. Ranking Agricultural R&D Keyword Textmining by Basis Research level
표 Table 7. Ranking Agricultural R&D Keyword Textmining by Apply Research level
표 Table 8. Ranking Agricultural R&D Keyword Textmining by Developement Research level
그림 Fig. 4. Result of Agricultural R&D Keyword Textmining in Apply Research level
그림 Fig. 5. Result of Agricultural R&D Keyword Textmining in Development Research level

AI 본문요약
AI-Helper

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

문제 정의

위와 같은 상황에서 향후 농업 R&D 방향성에 대한 제고가 필요하다. 본 연구는 국내 농업 R&D의 과거 추세를 살펴보고, 미래지향적인 농업 R&D 전략 방안 수립을 위한 연구의 일환으로써 의미를 가진다. 본 연구는 우리나라의 농업 R&D 키워드 트렌드를 분석하여, 향후 R&D 방향에 대한 예측을 하고자 하였다.
본 연구는 농업 R&D의 트렌드를 살펴보기 위해 텍스트마이닝 기법을 활용하여 농업 R&D의 주요 키워드를 분석하였다. 분석을 위해 KISTEP에서 제공하고 있는 NTIS의 국가연구개발사업 과제정보를 활용하였다.
본 연구는 국내 농업 R&D의 과거 추세를 살펴보고, 미래지향적인 농업 R&D 전략 방안 수립을 위한 연구의 일환으로써 의미를 가진다. 본 연구는 우리나라의 농업 R&D 키워드 트렌드를 분석하여, 향후 R&D 방향에 대한 예측을 하고자 하였다. 그러나 위 연구를 바탕으로 미래 정책 방향의 수립의 근거 자료로 활용하는데 한계를 가진다.
본 연구의 목적은 과거부터 현재까지 진행되어온 농업 R&D 키워드를 분석하는 것이다. 본 연구는 키워드를 중심으로 농업 R&D 가 추진되어온 경과를 파악하고, 향후 농업 R&D를 위한 시사점을 모색하고자 한다. 본 연구는 빅데이터를 중심으로 활용성이 높아지고 있는 텍스트마이닝 기법을 농업 R&D분야에 처음 적용하였다는 점에서 큰 의의가 있다.
그러나 농업분야 R&D에 관한 키워드 분석은 수행된 바가 없다. 본 연구의 목적은 과거부터 현재까지 진행되어온 농업 R&D 키워드를 분석하는 것이다. 본 연구는 키워드를 중심으로 농업 R&D 가 추진되어온 경과를 파악하고, 향후 농업 R&D를 위한 시사점을 모색하고자 한다.
민간 차원에서도 농업 R&D의 기획부터 연구 성과 활용까지 이루어지고는 있지만, 국가 차원에서 주관하는 농업 R&D가연구개발 규모에 있어서 대부분을 차지하고 있는 상황이다. 이에 본 연구에서는 농업 R&D의 범위를 정부에서 수행하고 있는 기초·원천 연구를 포함한 모든 국가 R&D 사업으로 한정지어 분석하였다.
예를 들어 같은 신품종 연구개발이라도 그 대상이 품목에 따라 성과는 크게 달라질 수가 있다. 이에 본 연구에서는 대상을 명확하게 설정하기 위하여 농생물자원에 해당하는 식량작물, 특용원예작물, 축산물 분류를 추가하였다. 농생물자원 분류 자원을 R&D 세부 활동 및 성과와 농생물자원에 따라 9개 R&D 활동과 3개 농생물자원으로 정의하면 Table 4와 같다[16].

제안 방법

먼저, 농업 R&D 범주에 해당하는 NTIS 과제정보의 한글 키워드를 데이터프레임으로 설정하였다. 둘째, 자연어 처리를 통해 데이터 정제 및 가공을 한 이후, TF 및 IDF를 도출하여 TF-IDF 가중치를 계산하였다. 여기서 정제 및 가공은 Fig.
셋째, 계산된 가중치를 바탕으로 연구개발단계별 및 연도별 농업 R&D 키워드의 순위를 매겨 정리하였다. 마지막으로 순위를 기초로 농업 R&D가 어떠한 방향으로 전개되었는지를 살펴보았으며, 주요 키워드에서 의미가 유사한 키워드별로 그룹화하여 해석하였다. 농업 R&D 그룹화를 위한 기준은 농업 R&D 분야의 WBS(Work Breakdown Structure), CPF(Critical Performance Factor)를 바탕으로 작성된 농업 R&D 일람을 활용하였다.
2는 농업 R&D 키워드 분석을 위한 분석 절차이다. 먼저, 농업 R&D 범주에 해당하는 NTIS 과제정보의 한글 키워드를 데이터프레임으로 설정하였다. 둘째, 자연어 처리를 통해 데이터 정제 및 가공을 한 이후, TF 및 IDF를 도출하여 TF-IDF 가중치를 계산하였다.
이 때문에 농업 R&D는 성과 차원에서 트렌드를 분석하기보다 R&D 전과정 관점에서 트렌드 분석이 필요하다. 본 연구에서는 농업 분야 R&D 의 트렌드를 파악하기 위해 과거부터 수행되어 온 국가연구개발사업 과제 정보를 활용하였다. 국가과학기술지식정보서비스(NTIS : National science and Technology Information Service, 이하 NTIS)는 국가 R&D에 대한정보를 종합적으로 추적하고 있기 때문에 전체적인 관점에서 농업 R&D의 트렌드를 파악할 수가 있다.
본 연구에서는 연구개발단계를 구분하여 키워드 분석을 수행하였다. 주요 키워드가 연구개발단계별로 각기 다른 특성을 가지기 때문에, 연구개발단계별로 키워드 차이가 있는지를 세부적으로 살펴보기 위함이다.
분석 기간은 `03년~`18년까지이다. 분석은 연구개발단계별로 농업 R&D의 키워드가 차이가 있는지를 세부적으로 살펴보기 위하여 연구개발단계를 구분하여 분석하였다.
데이터 정제로는 NTIS 과제정보 상에서 한글 키워드를 연도별, 연구개발단계별로 추출하는 과정이며, 데이터 가공은 추출된 키워드에 문장부호 제거, 조사 제거, 형태소 분리 등을 포함하는 토큰화 과정을 의미한다. 셋째, 계산된 가중치를 바탕으로 연구개발단계별 및 연도별 농업 R&D 키워드의 순위를 매겨 정리하였다. 마지막으로 순위를 기초로 농업 R&D가 어떠한 방향으로 전개되었는지를 살펴보았으며, 주요 키워드에서 의미가 유사한 키워드별로 그룹화하여 해석하였다.
여기서 연구 성과물에는 크게 논문 성과 혹은 특허 성과로 구분하여 활용되고 있다. 장인실· 조한익은 대상관계를 주제로 한 국내 학술지 연구물을 통해 국내 대상관계 관련 연구의 추이를 분석하였으며, 민지은·주은정·시아주칭은 KCI 등재 학술지를 대상으로 언어 네트워크 분석을 통해 국내 외식관련 연구의 동향 살펴보았다[3-4]. 또한 서원철·박현석·윤장혁은 특허 내 기술키워드를 바탕으로 단어동시출현분석과 네트워크 분석을 접목하여 국가 R&D 연구동향을 분석하였으며, 김방룡·홍재표·고순주는 빅데이터 기술에 대한 특허 분석을 통해 빅데이터 기술개발 동향을 분석하였다[5-6].
이는 많은 텍스트 정보를 포함하고 있는 데이터를 계량적으로 분석할 수 있는 장점을 가지고 있으므로 다양한 분야에서 트렌드 분석을 가능케 한다. 정철우·김재준은 건설분야의 트렌드를 텍스트마이닝 기법으로 분석한 바 있으며, 최용인·이예원은 국가연구개발사업의 키워드 흐름을 비교 분석하여 과학기술정책의 트렌드를 분석하였다. 또한 김민정·김철주는 ‘전통’ 용어의 트렌드를 텍스트마이닝과 소셜 네트워크 분석을 수행한 바 있다[7-9].
Table 5는 텍스트마이닝 분석을 통해 도출한 키워드를 Table 4를 기준으로 그룹화하여 정리한 것이다. 텍스트마이닝을 통해 도출한 키워드는 Table 4의 기준으로 그룹화하는 과정에서 정확성을 높이기 위하여 NTIS 원자료 상 DB와 비교 검토하였다.

대상 데이터

최근, 프로젝트 사업으로 산업통상자원부, 과학기술부 등 타 부처와 공동으로 주관하는 R&D 과제도 증가하고 있지만, 과제 비중에 있어서 3개 부처가 가장 많은 부분을 차지하고 있다. 따라서 본 연구에서는 농업 R&D 과제의 범위를 ‘농림축산식품부(Ministry of Agriculture Food and Rural affairs, 이하 MAFRA)’, ‘농촌진흥청(Rural Development Administration, 이하 RDA)’, ’산림청(Korea Forest Service, 이하 KFS)‘에서 주관하는 연구개발과제로 한정하였다. Table 1은 농업 R&D 과제 및 예산 현황이다.
본 연구는 한국과학기술기획평가원(KISTEP : Korea Institute of Science and Technology Evaluation and Planning, 이하 KISTEP)에서 제공하고 있는 NTIS 의 국가연구개발사업 과제정보를 활용하였다. NTIS는 R&D 사업, 과제, 인력, 연구시설 및 장비, 성과 등 국가연구개발 사업에 대한 통계와 상세정보를 제공하고 있다.
분석을 위해 KISTEP에서 제공하고 있는 NTIS의 국가연구개발사업 과제정보를 활용하였다. 분석 기간은 `03년~`18년까지이다. 분석은 연구개발단계별로 농업 R&D의 키워드가 차이가 있는지를 세부적으로 살펴보기 위하여 연구개발단계를 구분하여 분석하였다.
분석을 위해 KISTEP에서 제공하고 있는 NTIS의 국가연구개발사업 과제정보를 활용하였다. 분석 기간은 `03년~`18년까지이다.

이론/모형

마지막으로 순위를 기초로 농업 R&D가 어떠한 방향으로 전개되었는지를 살펴보았으며, 주요 키워드에서 의미가 유사한 키워드별로 그룹화하여 해석하였다. 농업 R&D 그룹화를 위한 기준은 농업 R&D 분야의 WBS(Work Breakdown Structure), CPF(Critical Performance Factor)를 바탕으로 작성된 농업 R&D 일람을 활용하였다. R&D일람은 농업 부문의 R&D 활동과 성과 전반에 대한 내용을 설명하고 있으나, R&D 대상에 대한 설명이 모호하다.
텍스트마이닝을 통해 추출된 연도별 농업 R&D의 키워드가 어느 정도로 중요한지를 살펴보기 위하여 TF-IDF(Term Frequency Inverse Document Frequency, 이하 TF-IDF) 방법을 사용하였다. TF-IDF 는 정보 검색과 텍스트 마이닝에서 이용하는 가중치로, 여러 문서로 이루어진 문서군이 있을 때 어떤 단어가 특정 문서 내에서 얼마나 중요한 것인지를 나타내는 통계적 수치이다.
국가과학기술지식정보서비스(NTIS : National science and Technology Information Service, 이하 NTIS)는 국가 R&D에 대한정보를 종합적으로 추적하고 있기 때문에 전체적인 관점에서 농업 R&D의 트렌드를 파악할 수가 있다. 한편 트렌드를 분석하기 위하여 빅데이터 분석 기법 중 텍스트마이닝 기법을 활용하였다. 텍스트마이닝은 비정량적인데이터, 특히 문자와 같은 데이터를 정량화하여 분석할 수 있는 특징을 가지고 있다.

성능/효과

이는 단계적으로 R&D가 수행되는 만큼 초기 R&D 수립에서 연구전략 수립 및 기획이 중요하는 것을 시사한다. 셋째, 농업 R&D의 대표적인 키워드는 ‘벼’ 키워드로 나타났다. 모든 연구개발 단계에서 시간의 흐름에도 불구하고 ‘벼’ 키워드는 상위권에 랭크되고 있다.
2012년 이후 농업 R&D 과제 수는 증감을 반복하면서 증가하는 추세를 나타내고 있고, 농업 R&D 예산 역시 증가하는 추세이다. 전체 R&D 과제 대비 비중으로 살펴본 결과 농업 R&D 과제 비중과 예산 비중이 낮아지고 있는 것으로 나타났다. 기간별 비중을 살펴보면, 과제 수는 2012년 이후 감소하고 있으며 2018년 10.

후속연구

본 연구는 우리나라의 농업 R&D 키워드 트렌드를 분석하여, 향후 R&D 방향에 대한 예측을 하고자 하였다. 그러나 위 연구를 바탕으로 미래 정책 방향의 수립의 근거 자료로 활용하는데 한계를 가진다. 국내뿐만 아니라 해외 선진국의 농업 R&D 트렌드를 분석하여 글로벌 농업 R&D 트렌드를 살펴보는 것이 필요하며, 우리나라에 적합한 농업 R&D 방향성을 제시하는 것이 필요하다.
이 때문에 본 연구에서 국내 농업 R&D 트렌드 동향에 범위를 한정 지어 분석한 점은 본 연구의 한계점으로 제시할 수 있으며, 향후에 선진국의 농업 R&D의 트렌드를 추가 분석하는 것이 필요로 한다. 더 나아가 뉴스, 신문기사, SNS, 블로그 등 다양한 데이터를 바탕으로 TF-DI(Term Frequency - Date Index), 언어네트워크와 같은 기법을 활용하여 최신의 농업 주요 이슈를 반영한 트렌드 분석을 실시하려는 노력이 필요하다.
위 기관에서 제공하는 공공 R&D 데이터를 바탕으로 트렌드 분석이 가능하지만, 이를 위해 데이터 수집에 많은 시간이 소모되며 데이터베이스 구축 작업을 위한 역량이 필요하다. 이 때문에 본 연구에서 국내 농업 R&D 트렌드 동향에 범위를 한정 지어 분석한 점은 본 연구의 한계점으로 제시할 수 있으며, 향후에 선진국의 농업 R&D의 트렌드를 추가 분석하는 것이 필요로 한다. 더 나아가 뉴스, 신문기사, SNS, 블로그 등 다양한 데이터를 바탕으로 TF-DI(Term Frequency - Date Index), 언어네트워크와 같은 기법을 활용하여 최신의 농업 주요 이슈를 반영한 트렌드 분석을 실시하려는 노력이 필요하다.
세부적으로 해당 키워드의 과제정보를 살펴보면 응용연구 단계에서 주요 키워드로 나타난 조사료, 맥류, 과수류, 과채류 등의 개발연구가 나타나고 있었다. 이는 위와 마찬가지로 응용연구 단계에서 개발연구 단계로 연계까지 시차가 발생하고 있으며, 향후 실용화 및 상업적 목적을 가지고 품종육성 및 개량 연구가 연계될 것으로 전망된다. 다른 특징으로는 가공 및 유통기술 키워드 가운데 ‘수출’ 관련 키워드는 `09년부터 나타나고 있다.
다른 특징으로는 가공 및 유통기술 키워드 가운데 ‘수출’ 관련 키워드는 `09년부터 나타나고 있다. 이러한 추세는 품종육성 및 개량기술과 소재 개발기술 키워드와 연계되어 지속될 것으로 전망된다. 한편, 전체 연구개발단계에서 식량작물 분야의 ‘벼(Rice)’ 키워드가 상위에 나타나고 있다.
2000년대 초반에는 기초기반 연구와 품종육성 및 개량 연구를 중심으로 수행되었다면, 이후 생산기술 녹색 및 기후변화 대응, 가공 및 유통기술을 중심으로 연구가 수행되고 있다. 향후에도 ‘벼’ 연구개발 방향은 국내·외 농업 환경 변화에 대응하면서 이슈에 맞는 연구가 수행될 것으로 예상된다. 특히 개발연구 단계에서 중점적으로 수행되는 가공 및 유통기술 분야로 트렌드 변화가 나타날 것으로 전망된다.

참고문헌 (17)

J. R. Lee, "Understanding of Future Agricultural R&D and Our Choice, Science & Technology Policy, vol.23, no.1, pp 4-19, 2013
J. W. Yoon, Y. W. Chae, Y. J. Ahn, S. S. Kim, "A Priority Analysis of Excellent Agricultural R&D Performancce Considering Region-wide Diffusion Effect", Journal of the Korea Academia-Industrial cooperation Society, Vol. 21, No.4, pp.471-478, 2020 DOI : https://doi.org/10/5762/KAIS.2020.21.4.471
W. C. Seo, H. S. Park, J. H. Yoon, "An Exploratory Study on the Korean National R&D Trends Using Co-Word Analysis", Journal of Information Technology Applications & Management, vol.19 no.4 pp.1-18, Nov. 2012. DOI : https://doi.org/10.21219/JITAM.2012.19.4.001

원문보기 상세보기
P. R. Kim, J. P. Hong, S. J. Koh, "Big Data Technology R&D Trend through Patent Analysis", Electronics and Telecommunications Trends, vol.29, no.2, pp.33-41, April. 2014. DOI : https://doi.org/10.22648/ETRI.2014.J.290204
I. S. Jang, H. I. Jo, "Trend Analysis of the object Relations Theory in Korea : Focused on the KCI journals", Korean Journal of Social Science, vol.38, no.3, pp.109-140, Nov. 2019, DOI : http://doi.org/10.18284/jss.2019.12.38.3.109

상세보기
J. E. Min, E. J. Ju, Zhuqing Xia, "The Analysis of Foodservice & Restaurants Research Trend in Korea: Using Semantic Network Analysis", Culinary Science & Hospitality Research, vol. 26, no.5, pp.147-159, May. 2020, DOI : https://doi.org/10.20878/cshr.2020.26.5.015
C. W. Jeong, J. J. Kim, "Analysis of Trend in Construction Using Textmining Method", Journal of the Korean Digital Architecture Interior Association no.12, vol.2, pp.53-60, 2012
Y. I. Choi, Y. W. Lee, "Comparison of Keywords in Korean Science and Technology Policy and the National Research and Development Projects (2003-2017)", Korea Technology Innovation Society Academic Conference, Korea Technology Innovation Society, Korea, pp.80-98, 2018.11
M. J. Kim, C. J. Kim, "Exploring Tradition Terminology Trends based on Keyword Analysis (1920-2017)", Journal of The Korea Contents Assocication, vol.18, no.12, pp.421-431, 2018 DOI : https://doi.org/10.5392/JKCA.2018.18.12.421

원문보기 상세보기
Korea Development Institute(KDI), KDI Economic Information Center Dictionary of Current Term, KDI, c2019, Available From : https://eiec.kdi.re.kr/material/wordDic.do?stypeall&skeyR&D (accessed Oct. 1, 2020)
OECD, "Frascati Manual 2015(Guidelines for Collecting and Reporting Data on Research and Experimental Developement"), OECD Publishing, 2015, pp.46-47 DOI : http://dx.doi.org/10.1787/9789264239012-en
T. H. Jo, "Concept and Application of Text Mining", Journal of Scientific & Technological Knowledge Infrastructure, No.5, pp.76-85, 2001
Christoper D. Manning, Marie-Cathrine de Marneffe, Anna N. Rafferty, "Finding Contradictions in Text", Proceedings of ACL-08:HLT, Association for Computational Linuistics, Columbus Ohio USA, pp.1039-1047, June 2008
Andreas Hotho, Andreas Nurnberger, Gerhard PaaB, "A Brief Survey of Text Mining", Ldv Forum, Computer Science Bibliography, Vol.20, No.1, 2005
Jay Jarman, "Combining Natural Language Processing and Statistical Text Mining: A Study of Specialized Versus Common Languages", Ph.D dissertation, University of South Florida, 2011
J. R. Lee, C. S. Lee, Y. J. Jeong, S. K. Kim, M. J. Um, H. J. Yang, H. S. Yoon, S. W. Nam, "Exploratory Study on the Understanding of Public Agricultural R&D and Enhancing the Management of R&D Performance", Policy Research, Science and Technology Policy Institute, Korea, page.54, 2012. DOI : https://doi.org/10.978.896112/2108
J. H. Heo, S. S. Kim, C. E. Lee, O. S. Kwon, "Economic Effects of Public R&D and Investment Demand in the Agricultural Sector", Research Report R826, Korea Rural Economics Institute, 2017. DOI : https://doi.org/10.23000/TRKO201800042640

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