초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 연구는 빅데이터의 처리 저장 등과 같은 기술적 측면이 아닌 분석 활용적 측면에 초점을 맞춰 관련 학문분야를 파악하고 분야 간 지적구조를 규명하고자 하였다. 연구 결과 빅데이터 관련 연구들이 주제분야에 따라 명백한 차이를 보이고 있음을 확인할 수 있었다. 주제범주 분석을 통해 공학 기술(34.60%), 사회과학(25.24%), 자연과학(23.14%), 의학 보건학(14.85%) 등은 관련 연구가 비교적 고르게 분포되어 있지만, 인문학(1.69%)과 농업과학(0.21%)은 연구가 미비함을 알 수 있었다. 네트워크 분석 결과 사회과학 분야(31.58%)에 비해 공학 및 자연과학 분야(68.42%)의 빅데이터 연구가 더 활발함을 확인할 수 있었다. 또한 공학 및 자연과학 분야 연구들은 다양한 주제분야를 다루는 반면 사회과학 분야에서는 아직 한정된 주제분야에서 연구가 진행되고 있음을 알 수 있었다.

본 연구는 빅데이터의 처리 저장 등과 같은 기술적 측면이 아닌 분석 활용적 측면에 초점을 맞춰 관련 학문분야를 파악하고 분야 간 지적구조를 규명하고자 하였다. 연구 결과 빅데이터 관련 연구들이 주제분야에 따라 명백한 차이를 보이고 있음을 확인할 수 있었다. 주제범주 분석을 통해 공학 기술(34.60%), 사회과학(25.24%), 자연과학(23.14%), 의학 보건학(14.85%) 등은 관련 연구가 비교적 고르게 분포되어 있지만, 인문학(1.69%)과 농업과학(0.21%)은 연구가 미비함을 알 수 있었다. 네트워크 분석 결과 사회과학 분야(31.58%)에 비해 공학 및 자연과학 분야(68.42%)의 빅데이터 연구가 더 활발함을 확인할 수 있었다. 또한 공학 및 자연과학 분야 연구들은 다양한 주제분야를 다루는 반면 사회과학 분야에서는 아직 한정된 주제분야에서 연구가 진행되고 있음을 알 수 있었다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 빅데이터 연구에서 주목해야 할 점은 빅데이터 분석이 가져올 수 있는 데이터의 가치로서(이정미 2013), 이제는 빅데이터 활용이 각 분야에 어떤 도움을 줄 수 있는지에 대한 연구가 필요하다. 따라서 본 연구 에서는 빅데이터의 기술적 측면을 배제한 활용적 측면에 초점을 맞춰 빅데이터 관련 연구가 이루어지고 있는 학문분야를 파악하고 서지결합 네트워크를 통해 분야 간의 지적구조를 규명하고자 하였다.
• 본 연구는 빅데이터 관련 분야와 그 지적구조를 파악하고자 하였다. 연구 결과 빅데이터 관련 연구들이 주제분야에 따라 차이가 두드러 짐을 확인할 수 있었다.
• 본 연구는 학술지에 부여된 SC를 중심으로 빅데이터 관련 학술지 및 군집의 주제적 성격을 규정하여 큰 주제범주 간 관계를 파악하였다. 따라서 후속 연구에서는 대상 학술지에 대한 더욱 상세한 주제적 설명을 바탕으로 세부 주제범주 간 관계를 파악하는 것도 의미 있을 것이다.
• 빅데이터 관련 분야를 분석하기 위하여 본 연구에서는 두 가지 방법을 시도하였다. 첫째, 빅데이터를 연구주제로 다루는 학술지에 부여된 컴퓨터공학을 제외한 주제범주를 분석하여 빅데이터 분야가 다루어지는 분야를 파악하고자 하였다. 둘째, 학술지 단위 서지결합분석을 실시하여 네트워크상에서 나타나는 군집과 최근접중 심성, 매개중심성, 삼각매개중심성을 통해 그 의미를 해석하고자 하였다.

제안 방법

• 첫째, 빅데이터를 연구주제로 다루는 학술지에 부여된 컴퓨터공학을 제외한 주제범주를 분석하여 빅데이터 분야가 다루어지는 분야를 파악하고자 하였다. 둘째, 학술지 단위 서지결합분석을 실시하여 네트워크상에서 나타나는 군집과 최근접중 심성, 매개중심성, 삼각매개중심성을 통해 그 의미를 해석하고자 하였다. 본 연구에서는 네트워크 분석 · 시각화 소프트웨어인 NodeXL을 이용하여 코사인 연관성 행렬의 네트워크를 생성하고 각 노드의 매개중심성을 측정하였으며, 이재윤의 WNET 프로그램(v.
• 또한 SC를 OECD의 과학기술분야 주제분류(Field of Science and Technology Classification)의 6개 대분류 영역인 농업과학, 공학 · 기술, 인문학, 의학 · 보건학, 자연과학, 사회과학으로 분류하였다.
• <그림 3>의 각 노드는 학술지를 나타내고, 대군집은 실선, 소군집은 점선으로 표시하였다. 또한 해당 학술지에 부여된 모든 SC와 최근접중심성을 기반으로 각 군집을 대표하는 주제를 부여하였다.
• 본 연구에서는 네트워크 분석 · 시각화 소프트웨어인 NodeXL을 이용하여 코사인 연관성 행렬의 네트워크를 생성하고 각 노드의 매개중심성을 측정하였으며, 이재윤의 WNET 프로그램(v. 0.4.1)을 이용하여 최근접 중심성, 삼각매개중심성을 측정하였다.
• 본 연구에서는 빅데이터 관련 분야의 구조 분석을 위해 논문 게재 빈도 상위 42위(49종)을 대상으로 서지결합분석을 실시하였다. 서지결합이 발생하지 않은 11종을 제외한 38종의 학술지 간 서지결합빈도를 이용하여 코사인 유사도 행렬을 작성하였다. 코사인 유사도 행렬을 패스파인더 네트워크 알고리즘을 적용하여 네트워크를 생성하고, 이재윤의 WNET프로그램을 사용하여 병렬최근접이웃클러스터링(PNNC) 알고리즘을 적용한 결과 2개의 대군집과 9개의 소군집이 생성되었다.
• WoS로부터 검색된 논문 2,555편의 서지데이터와 59,912편의 관련 참고문헌 데이터를 반출하였다. 서지데이터 분석프로그램인 Bibexcel을 사용하여 해당 논문의 학술지명, 출판연도, Subject Categories (SC) 그리고 참고문헌의 학술지명을 추출하였다.

대상 데이터

• 2016년 5월 23일 기준으로 WoS Core Collection에서 주제 필드에 “big data”를 질의어로 입력하였다.
• 검색기간은 전체로 설정하고, 문서유형은 학술논문으로 언어는 영어로 제한한 결과 총 2,555편의 논문이 검색되었다. WoS로부터 검색된 논문 2,555편의 서지데이터와 59,912편의 관련 참고문헌 데이터를 반출하였다. 서지데이터 분석프로그램인 Bibexcel을 사용하여 해당 논문의 학술지명, 출판연도, Subject Categories (SC) 그리고 참고문헌의 학술지명을 추출하였다.
• 2016년 5월 23일 기준으로 WoS Core Collection에서 주제 필드에 “big data”를 질의어로 입력하였다. 검색기간은 전체로 설정하고, 문서유형은 학술논문으로 언어는 영어로 제한한 결과 총 2,555편의 논문이 검색되었다. WoS로부터 검색된 논문 2,555편의 서지데이터와 59,912편의 관련 참고문헌 데이터를 반출하였다.
• 이중 주제분야가 단독으로 컴퓨터공학에만 해당하는 논문 632편은 분석대상에서 제외하였다. 그리고 컴퓨터공학 외에 다른 주제분야가 복수로 지정된 논문 397편은 제외하지 않고 컴퓨터공학을 제외한 나머지 주제분야만을 분석에 사용하였다. 이상의 과정에 따라 본 연구를 위해서 총 1,923편의 논문이 수집되었다.
• 본 연구에서는 빅데이터 관련 분야의 구조 분석을 위해 논문 게재 빈도 상위 42위(49종)을 대상으로 서지결합분석을 실시하였다. 서지결합이 발생하지 않은 11종을 제외한 38종의 학술지 간 서지결합빈도를 이용하여 코사인 유사도 행렬을 작성하였다.
• 수집된 논문 중 빅데이터의 처리, 저장 등기술적인 측면을 다루는 논문을 제외하기 위해서 SC가 컴퓨터공학인 학술지에 실린 논문을 파악한 결과 총 1,029편이 발견되었다. 이중 주제분야가 단독으로 컴퓨터공학에만 해당하는 논문 632편은 분석대상에서 제외하였다.
• 그리고 컴퓨터공학 외에 다른 주제분야가 복수로 지정된 논문 397편은 제외하지 않고 컴퓨터공학을 제외한 나머지 주제분야만을 분석에 사용하였다. 이상의 과정에 따라 본 연구를 위해서 총 1,923편의 논문이 수집되었다.

이론/모형

• 빅데이터 관련 분야를 파악하기 위해 본 연구 에서는 Thomson Reuters의 인용색인 데이터베이스 Web of Science(WoS)를 검색도구로 선정하였다. 2016년 5월 23일 기준으로 WoS Core Collection에서 주제 필드에 “big data”를 질의어로 입력하였다.

성능/효과

• 그 결과, 와 같이 공학 ·기술(34.60%)이 가장 높은 비율을 차지하였는데 이는 SC범주 중 가장 높은 비율을 차지하고 있는 공학, 정보통신, 과학 · 기술 등이 속하기 때문으로 해석할 수 있다.
• 모든 주제범주를 대상으로 산출한 결과 해당 논문들에는 총 127개의 SC가 2,869번 부여되어 논문 당 평균 약 1.5개의 SC범주가 부여되었으며, 에서 보이듯이 공학이 전체 빈도인 2,869번 중 약 14.57%인 418번 부여되어 가장 많이 부여된 주제범주임을 알 수 있었다.
• 본 연구는 빅데이터 관련 분야와 그 지적구조를 파악하고자 하였다. 연구 결과 빅데이터 관련 연구들이 주제분야에 따라 차이가 두드러 짐을 확인할 수 있었다. 우선 주제범주를 분석한 결과 OECD 대분류 기준 공학· 기술(34.
• 우선 주제범주를 분석한 결과 OECD 대분류 기준 공학· 기술(34.60%), 사회과학(25.24%), 자연과학(23.14%), 의학· 보건학(14.85%) 등은 비교적 고르게 분포하고 있는 것으로 나타났지만, 인문학(1.69%)과 농업과학(0.21%) 분야에는 빅데이터와 관련한 연구가 미비한 것으로 나타났다.
• 서지결합이 발생하지 않은 11종을 제외한 38종의 학술지 간 서지결합빈도를 이용하여 코사인 유사도 행렬을 작성하였다. 코사인 유사도 행렬을 패스파인더 네트워크 알고리즘을 적용하여 네트워크를 생성하고, 이재윤의 WNET프로그램을 사용하여 병렬최근접이웃클러스터링(PNNC) 알고리즘을 적용한 결과 2개의 대군집과 9개의 소군집이 생성되었다. <그림 3>의 각 노드는 학술지를 나타내고, 대군집은 실선, 소군집은 점선으로 표시하였다.

후속연구

• 본 연구는 학술지에 부여된 SC를 중심으로 빅데이터 관련 학술지 및 군집의 주제적 성격을 규정하여 큰 주제범주 간 관계를 파악하였다. 따라서 후속 연구에서는 대상 학술지에 대한 더욱 상세한 주제적 설명을 바탕으로 세부 주제범주 간 관계를 파악하는 것도 의미 있을 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기