[논문 리뷰] A Reproducible Journal Classification and Global Map of Science Based on Aggregated Journal-Journal Citation Relations.

Loet Leydesdorff, Lutz Bornmann외 1명|arXiv (Cornell University)|2016. 04. 10.

Advanced Text Analysis Techniques인용 수 3

한 줄 요약

이 논문은 과학 및 사회과학 인용지수에서 11,149개의 저널에서 수집한 집계된 저널-저널 인용 데이터를 기반으로 재현 가능하고 주관적이지 않은 저널 분류 체계를 제안한다. VOSviewer와 Pajek를 사용하여 계층적이고 나무 모양의 분류를 생성함으로써, 과학의 안정적이고 재현 가능한 지ap을 만들었으며, 사회과학을 LIS와 STS로 세분화한 포함된 9개의 상위 분야를 포함한다. 이는 시간에 따라 과학 분야를 객관적으로 비교할 수 있게 한다.

ABSTRACT

A number of journal classification systems have been developed in bibliometrics since the launch of the Citation Indices by the Institute of Scientific Information (ISI) in the 1960s. The best known system is the so-called Web-of-Science Subject Categories (WCs). Each system has its own advantages and disadvantages. Using the Journal Citation Reports 2014 of the Science Citation Index and the Social Science Citation Index (n of journals = 11,149), we examine the options for developing an unambiguous classification of the journals into subject categories on the basis of aggregated journal-journal citation data. Combining routines in VOSviewer and Pajek, a tree-like classification is developed which can be reproduced unambiguously. At each level one can generate a map of science for all the journals subsumed under the category. Nine major fields are distinguished at the top level, with the social sciences as a single field (n of journals = 3,131). In this study, further decomposition of the social sciences is pursued for the sake of example with a focus on journals in information science (LIS) and science studies (STS). The classification improves alternative options by removing subjective judgement and avoiding the problem of randomness in the seed number that has made algorithmic solutions hitherto irreproducible. A non-subjective map and classification can provide a baseline for measuring the effectiveness of policy interventions. Maps can be compared between years, and change in the (social) sciences can be indicated.

연구 동기 및 목표

• 기존의 종종 임의적이거나 랜덤한 시드 기반 방법으로 인해 발생하는 한계를 극복하기 위해, 인용 데이터를 기반으로 재현 가능하고 주관적이지 않은 저널 분류 체계를 개발하기 위해.
• 집계된 저널-저널 인용 관계를 사용하여 안정적이고 계층적인 저널 분류 체계를 구축하기 위해.
• 재현 가능하고 시간에 따라 비교 가능한 과학 지도를 생성하여 정책 효과성을 측정할 수 있는 기초 자료를 제공하기 위해.
• 인용 기반 클러스터링을 통해 사회과학을 LIS 및 STS와 같은 하위 분야로 의미 있게 분해할 수 있는지 입증하기 위해.
• 랜덤 시드 선택으로 인한 랜덤성과 주관적 판단을 제거하기 위해 결정론적이고 데이터 기반의 루틴을 사용함으로써 알고리즘 기반 분류의 문제점을 해결하기 위해.

제안 방법

• 과학 인용지수 및 사회과학 인용지수의 2014년 저널 인용보고서에서 저널-저널 인용 데이터를 집계함 (n = 11,149개 저널).
• Pajek에서 네트워크 분석 기법을 적용하여 저널 간의 밀도 높은 인용 클러스터를 식별함.
• VOSviewer를 사용하여 인용 클러스터의 계층적 구조를 시각화하고 트리 모양의 분류로 정제함.
• 랜덤 시드 선택을 방지하는 결정론적 클러스터링 루틴을 구현하여 재현 가능성을 확보함.
• 사회과학을 하나의 분야로 포함하고, 예를 들어 하위 분야로 분해하는 9개의 상위 분야로 구성된 다단계 분류 체계를 구축함.
• 각 분류 수준에서 과학 지도를 생성하여 과학 분야의 구조를 시각화함.

실험 결과

연구 질문

• RQ1 집계된 저널-저널 인용 데이터를 사용하여 재현 가능하고 주관적이지 않은 저널 분류 체계를 개발할 수 있는가?
• RQ2 어떻게 하면 주관적 입력 없이 안정적이고 계층적인 저널 분류 체계를 인용 기반 클러스터링으로 구성할 수 있는가?
• RQ3 사회과학을 LIS 및 STS와 같은 하위 분야로 의미 있게 분해할 수 있는 정도는 어느 정도인가?
• RQ4 이 분류 체계는 과학 분야의 시간에 따른 변화를 측정하기 위한 기초 자료로 활용될 수 있는가?
• RQ5 이 방법은 시드 의존성으로 인해 랜덤성이 발생하는 기존 알고리즘 기반 분류 시스템에 비해 어떻게 개선되는가?

주요 결과

• 제안된 방법은 11,149개 저널을 9개의 주요 분야로 재현 가능하고 결정론적인 분류로 나누며, 사회과학은 그 중 하나의 분야로 포함되며 (n = 3,131개 저널), 이는 분류의 정교함과 적용 가능성을 보여준다.
• 사회과학이 LIS 및 STS와 같은 하위 분야로 성공적으로 분해되었으며, 이는 방법의 해상도와 적용 가능성의 증거이다.
• 랜덤 시드 선택을 피했기 때문에, 이전의 알고리즘 기반 분류 접근 방식에서 흔히 발생하는 재현 불가능성 문제를 제거하였다.
• 결과로 도출된 분류 체계는 각 계층적 수준에서 안정적이고 반복 가능한 과학 지도를 생성할 수 있게 하여 종단적 비교를 가능하게 하였다.
• 이 방법은 과학 분야의 변화 평가 및 정책 영향 평가에 비주관적인 기초 자료를 제공한다.
• VOSviewer와 Pajek의 통합은 강력한 클러스터링과 명확한 과학 지도의 시각화를 가능하게 하였다.