1990년부터 2019년까지 문헌정보학(LIS) 연구 방법의 글로벌 활용에서의 비동기성
요약
지난 30년간 81개국 5,281편의 문헌정보학(LIS) 논문을 분석하여 국가별 연구 방법론의 비동기성을 규명했습니다. 딥러닝 모델을 활용해 연구 방법을 자동 분류하고, 국가별 고유한 연구 프로필과 국제적 분포 간의 차이를 분석했습니다.
핵심 포인트
- 81개국 5,281편의 LIS 논문을 대상으로 한 대규모 연구
- 딥러닝 모델을 이용한 연구 방법론 자동 분류 및 주석 작업
- 국가별로 고유한 연구 방법 분포와 프로필이 존재함을 확인
- 지난 30년간 국가 간 연구 방법의 격차가 점진적으로 감소함
문헌정보학 (Library and Information Science, LIS)의 글로벌 발전은 경제, 사회, 문화, 학문, 전통 등 다양한 요인에 의해 영향을 받습니다. 결과적으로, LIS의 연구 방법은 국가마다 크게 다릅니다. 이러한 차이를 더 잘 이해하기 위해, 우리는 지난 30년 동안 국제적으로 대표적인 학술지에 발표된 81개국의 5,281편의 연구 논문을 대상으로 연구를 수행했습니다. 우리는 내용 분석 (content analysis)을 통해 일부 논문에서 사용된 연구 방법을 수동으로 주석을 달았으며, 이후 연구 방법을 자동 분류하기 위한 딥러닝 (deep learning) 모델을 개발하고 학습시켰습니다. 이 방법을 사용하여, 우리는 서로 다른 국가 간의 연구 방법 활용에 대한 비교 분석을 수행했습니다. 우리의 연구 결과는 국가별로 사용되는 연구 방법에 차이가 있으며, 각 국가가 고유한 연구 프로필과 연구 방법의 분포를 가지고 있음을 보여줍니다. 동일한 주제를 조사할 때조차도 국가 간에 연구 방법이 다를 수 있습니다. 또한 우리의 연구는 연구 방법의 국가적 분포와 국제적 분포 사이에 차이가 있음을 밝혀냈으며, 이러한 차이는 지난 30년 동안 감소해 왔습니다. 연구 방법의 관점에서 다양한 국가의 학문 발전 특성을 강조함으로써, 우리의 연구는 국가적 차원의 학문 발전을 안내하는 데 도움을 줄 수 있습니다. 본 연구는 여러 국가에 걸친 연구 방법의 활용 트렌드에 대한 통찰력을 제공하며 각 국가의 학문 발전의 고유한 특성을 강조합니다. 이 정보는 국가 간의 협력과 이해를 증진하고 국가적 차원의 학문 발전을 안내하는 데 귀중하게 사용될 수 있습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기