[논문 리뷰] Cascading Citation Expansion

Chaomei Chen|arXiv (Cornell University)|2018. 05. 31.

Scientific Computing and Data Management참고 문헌 17인용 수 4

한 줄 요약

이 논문은 Dimensions의 오픈 API를 활용한 계단식 인용 확장을 소개하여, 인용 링크를 통해 학술 논문 네트워크를 반복적으로 확장함으로써 더 넓은 범위의 관련 문헌 탐색을 가능하게 한다. CiteSpace에 통합된 이 방법은 지식 구조의 시각화 및 과학 분야의 동적 변화 추적 능력을 향상시켜, 이전에는 특권을 가진 사용자에게만 제한되었던 포괄적인 인용 네트워크에 대한 확장 가능한 액세스를 연구자들에게 제공한다.

ABSTRACT

Digital Science's Dimensions is envisaged as a next-generation research and discovery platform for a better and more efficient access to cross-referenced scholarly publications, grants, patents, and clinical trials. As a new addition to the growing open citation resources, it offers opportunities that may benefit a wide variety of stakeholders of scientific publications from researchers, policy makers, and the general public. In this article, we explore and demonstrate some of the practical potentials in terms of cascading citation expansions. Given a set of publications, the cascading citation expansion process can be successively applied to a set of articles so as to extend the coverage to more and more relevant articles through citation links. Although the conceptual origin can be traced back to Garfield's citation indexing, it has been largely limited, until recently, to the few who have unrestricted access to a citation database that is large enough to sustain such iterative expansions. Building on the open API of Dimensions, we integrate cascading citation expansion functions in CiteSpace and demonstrate how one may benefit from these new capabilities. In conclusion, cascading citation expansion has the potential to improve our understanding of the structure and dynamics of scientific knowledge.

연구 동기 및 목표

• 기존의 인용 색인 제한을 초월하여 스케일러블하고 반복적인 학술 인용 네트워크 확장을 가능하게 하기.
• Dimensions의 API를 통한 인용 데이터의 개방이 고급 인용 분 析 도구의 민주화에 어떻게 기여할 수 있는지 보여주기.
• CiteSpace에 계단식 인용 확장을 통합하여 과학 지식 구조의 시각화 및 탐색을 향상시키기.
• 연구자, 정책 입안자 및 일반 대중이 포괄적이고 상호 참조된 학술 데이터에 액세스할 수 있도록 지원하기.
• 계단식 인용 확장이 과학 분야의 역동성과 진화를 드러내는 데서 실용적 유용성을 검증하기.

제안 방법

• 학술 논문, 연구 보조금, 특허, 임상 시험 등의 인용 데이터를 확보하기 위해 Dimensions 오픈 API를 활용하기.
• 반복적 인용 탐색 적용: 초기 논문 집합에서 시작하여, 각 레이어에서 인용된 논문과 인용한 논문으로 확장하기.
• CiteSpace 시각화 도구 내부에 플러그인 형태로 계단식 인용 확장을 구현하여 상호작용 가능한 탐색을 가능하게 하기.
• 인용 연결성을 활용하여 관련 출판물 간에 점차적으로 커버리지가 확장되도록 하여 밀도 높고 상호 연결된 지식 네트워크 형성하기.
• 다양한 학술 출판 유형 간 확장 과정에서 맥락과 관련성을 유지하기 위해 메타데이터 강화 기법 적용하기.
• 16개의 예시 그림을 통한 시각화를 통해 방법의 타당성 검증하기 — 네트워크 성장과 구조적 통찰을 보여줌.

실험 결과

연구 질문

• RQ1 계단식 인용 확장은 초반 인용 집합을 초월하여 관련 학술 문헌 탐색을 어떻게 향상시킬 수 있는가?
• RQ2 Dimensions의 API를 통한 인용 데이터의 개방은 얼마나 넓은 범위의 사용자에게 고급 인용 분석에의 액세스를 가능하게 하는가?
• RQ3 CiteSpace와 같은 시각화 도구에 계단식 인용 확장을 통합함으로써 실질적인 이점은 무엇인가?
• RQ4 계단식 인용 확장은 과학 지식 분야의 구조적 및 역동적 진화를 어떻게 드러내는가?
• RQ5 계단식 인용 확장은 다학제적 연구 영역의 포괄적이고 정확한 맵핑을 지원할 수 있는가?

주요 결과

• 계단식 인용 확장은 반복적 인용 탐색을 통해 초반 논문 집합을 초월하여 학술 네트워크의 커버리지를 크게 확장한다.
• CiteSpace에 Dimensions의 오픈 API를 통합함으로써 대규모 인용 네트워크에 대한 스케일러블하고 상호작용 가능한 탐색이 가능해진다.
• 이 방법은 논문, 보조금, 특허, 임상 시험 간에 복잡한 다층적 관계를 드러내어 지식 맵핑을 향상시킨다.
• 시각화된 인용 네트워크를 통해 신규 연구 추세와 다학제적 연계성을 식별하는 데에 도움을 준다.
• 16개의 예시 그림은 이 방법이 과학 분야의 구조적 패턴과 지식 역학을 드러내는 능력을 보여준다.
• 이 연구는 계단식 인용 확장이 연구자와 이해관계자들이 인용 데이터에 대한 접근성과 유용성을 향상시킨다는 점을 확인한다.