[논문 리뷰] Research information in the light of artificial intelligence: quality and data ecologies

Otmane Azeroual, Tibor Koltay|arXiv (Cornell University)|2024. 05. 06.

Big Data and Business IntelligenceBusiness, Management and Accounting인용 수 3

한 줄 요약

이 논문은 연구정보관리(RIM) 시스템에 인공지능(AI)을 통합하여 데이터 품질과 데이터 리터러시를 향상시키기 위한 종합적이고 다학제적 프레임워크를 제안한다. 연구정보관리에 AI를 구현하기 위한 단계적 프로세스 모델을 제시하며, 불완전하고 정확하지 않은 연구 데이터 문제를 해결하기 위해 대학 내 부서 간 협업을 강조한다. 주요 기여는 기관의 데이터 생태계와 연구정보 관행과의 조화를 이루는 체계적인 접근 방식이다.

ABSTRACT

This paper presents multi- and interdisciplinary approaches for finding the appropriate AI technologies for research information. Professional research information management (RIM) is becoming increasingly important as an expressly data-driven tool for researchers. It is not only the basis of scientific knowledge processes, but also related to other data. A concept and a process model of the elementary phases from the start of the project to the ongoing operation of the AI methods in the RIM is presented, portraying the implementation of an AI project, meant to enable universities and research institutions to support their researchers in dealing with incorrect and incomplete research information, while it is being stored in their RIMs. Our aim is to show how research information harmonizes with the challenges of data literacy and data quality issues, related to AI, also wanting to underline that any project can be successful if the research institutions and various departments of universities, involved work together and appropriate support is offered to improve research information and data management.

연구 동기 및 목표

• 학술 기관에서 악화되는 낮은 데이터 품질과 불완전한 연구정보 문제를 해결하기 위해.
• 연구정보관리(RIM)에 AI를 통합하기 위한 체계적이고 다단계 프로세스 모델을 개발하기 위해.
• 연구자 및 기관 이해관계자 간의 데이터 리터러시와 데이터 품질 인식을 향상시키기 위해.
• 지속 가능한 RIM 관행을 지원하기 위해 부서 간 협업을 촉진하기 위해.
• 기존 데이터 생태계 내에서 RIM에 적용된 AI 응용이 효과적이고 윤리적으로 구현되도록 보장하기 위해.

제안 방법

• 저자는 RIM에 AI를 통합하는 라이프사이클을 개략화한 개념적 프로세스 모델을 제안한다. 이는 프로젝트 기획 단계에서 운영 배포 단계까지를 포함한다.
• 프레임워크는 디지털 도서관, AI, 연구정보관리 분야의 다학제적 접근을 통합한다.
• 전문적인 RIM이 과학 지식 프로세스의 데이터 기반 기초 역할을 한다는 점을 강조한다.
• 요구사항 평가, 기술 선정, 데이터 준비, AI 구현, 지속적 모니터링 등의 단계를 포함한다.
• 다양한 기관적 맥락과 데이터 생태계에 적응 가능한 방식으로 설계되었다.
• 성공을 보장하기 위해 기관 차원의 지원 구조와 부서 간 협업을 권장한다.

실험 결과

연구 질문

• RQ1 어떻게 AI 기술을 연구정보관리 시스템에 효과적으로 선정하고 통합할 수 있는가?
• RQ2 기관의 RIM에서 성공적인 AI 구현을 위한 핵심 단계와 구성 요소는 무엇인가?
• RQ3 AI 기반 RIM 관행을 통해 데이터 품질과 데이터 리터러시는 어떻게 향상시킬 수 있는가?
• RQ4 AI를 RIM에 통합하기 위해 필요한 기관적 및 협업적 구조는 무엇인가?
• RQ5 기존의 데이터 생태계는 연구정보 시스템에서 AI 응용의 성공에 어떻게 영향을 미치는가?

주요 결과

• 제안된 프로세스 모델은 대학이 RIM에 AI를 체계적으로 구현하기 위한 명확하고 실행 가능한 프레임워크를 제공한다.
• RIM에 성공적으로 AI를 통합하기 위해서는 강력한 기관 간 협업과 전담 지원 구조가 필수적이다.
• 데이터 품질과 데이터 리터러시는 연구정보 시스템에서 신뢰할 수 있는 AI 응용을 가능하게 하는 핵심 요소이다.
• 프레임워크는 AI를 RIM에 효과적으로 통합하여 부족하거나 정확하지 않은 연구 데이터를 수정하고 향상시킬 수 있음을 입증한다.
• 이 모델은 학술 데이터 생태계 내에서 지속 가능하고 확장 가능하며 윤리적으로 타당한 AI 배포를 지원한다.
• 연구는 전문적인 RIM이 기술적 도구를 넘어서 과학 지식 프로세스의 전략적 추진력이 될 수 있음을 강조한다.