[논문 리뷰] Revealing the research landscape of Master's degrees via bibliometric analyses

Nathalia Chaparro, Sergio Rojas–Galeano|arXiv (Cornell University)|2021. 03. 17.

scientometrics and bibliometrics research참고 문헌 55인용 수 5

한 줄 요약

이 논문은 박사학위 논문 메타데이터를 활용하여 석사 학위 프로그램의 연구 환경를 분석하기 위한 문헌정보학적 워크플로우를 제안하며, 텍스트 마이닝 및 시각화 기법을 통해 생산 동태, 협업 네트워크, 주제적 구조를 드러낸다. 이 접근법은 프로그램 책임자들이 강점과 부각되는 주제를 파악하고 전략적 의사결정을 지원할 수 있도록 하며, 재현 가능한 데이터 기반 통찰을 제공하는 두 개의 공학 석사 프로그램 사례 연구를 통해 이를 입증한다.

ABSTRACT

The evolution of a Master's programme, like many other human institutions, can be viewed as a self-organising system whose underlying structures and dynamics arise primarily from the interaction of its faculty and students. Identifying these hidden properties may not be a trivial task, due to the complex behaviour implicit in such evolution. Nonetheless, we argue that the programme's body of research production (represented mainly by dissertations) can serve this purpose. Bibliometric analyses of such data can reveal insights about production growth, collaborative networks, and visual mapping of established, niche, and emerging research topics, among other facets. Thus, we propose a bibliometric workflow aimed at discovering the production dynamics, as well as the conceptual, social and intellectual structures developed by the Master's degree, in the interest of guiding decision-makers to better assess the strengths of the programme and to prioritise strategic goals. In addition, we report two case studies to illustrate the realisation of the proposed workflow. We conclude with considerations on the possible application of the approach to other academic research units.

연구 동기 및 목표

• 석사 학위 프로그램의 연구 성과를 분석하기 위한 체계적이고 재현 가능한 워크플로우를 개발하는 것.
• 협업 네트워크, 주제 진화, 지적 영향력과 같은 학술 생산의 숨겨진 구조적 및 동적 패턴을 밝혀내는 것.
• 데이터 기반 통찰을 통해 프로그램 책임자와 평가자들이 강점, 약점, 전략적 우선순위를 파악하는 데 지원하는 것.
• 공학 및 정보 과학 분야의 실제 사례 연구를 통해 워크플로우의 적용 가능성을 입증하는 것.
• 다른 학술 기관에서 재현 및 도입이 가능하도록 개방형 도구와 데이터셋을 제공하는 것.

제안 방법

• 워크플로우는 석사 학위 논문의 메타데이터에 대해 공저자 분석, 단어 빈도 추출, 주제 모델링 등의 문헌정보학적 기법을 통합한다.
• 분석을 위한 표준화 및 데이터 강화를 위해 제목, 초록, 키워드, 유니그램 키워드 등의 분야에 텍스트 전처리를 적용한다.
• 주제 지ap은 공저자 네트워크와 계층적 클러스터링(다이아그램)을 사용하여 개념적 구조를 시각화한다.
• 생산 동태는 연간 논문 수와 인용 지표의 시계열 분석을 통해 평가된다.
• 재현 가능성을 위해 R과 Shiny를 사용하여 인터랙티브 시각화를 구축하고, 공개 대시보드와 코드 리포지터리를 제공한다.
• 키워드, 초록, 제목 등의 다수의 데이터 필드를 별도로 분석하여 결과의 강건성과 일관성을 평가한다.

실험 결과

연구 질문

• RQ1 석사 프로그램의 연구 성과는 2012년에서 2020년 사이에 볼륨과 인용 영향력 측면에서 어떻게 변화했는가?
• RQ2 프로그램의 논문 코퍼스 내에서 지배적이고 부상 중인 연구 주제는 무엇인가?
• RQ3 학생과 지도교수 간의 협업 네트워크는 어떻게 변화하며, 기관 내 또는 기관 간 협업 수준은 어떠한가?
• RQ4 프로그램의 연구 성과를 뒷받침하는 지적 및 개념적 구조는 무엇이며, 시간이 지남에 따라 어떻게 변화하는가?
• RQ5 문헌정보학적 분석이 학술 프로그램 개발의 전략적 의사결정을 얼마나 잘 지원할 수 있는가?

주요 결과

• 정보과학 석사 프로그램(MIS)은 2012년에서 2020년 사이에 총 170篇의 논문을 발표했으며, 연평균 18.9편의 논문을 내고, 공동저자 지수 1.43를 기록하여 중간 수준의 공동저자 참여를 보였다.
• 공학 석사 프로그램(MIE)은 연간 논문 수가 지속적으로 증가했으며, 평균 연 18.9편의 논문과 1편의 논문당 평균 2.09명의 공동저자가 있었다.
• 주제 분석 결과, 2011년 이후 인공지능, 소프트웨어 공학, 지오매틱스 분야가 MIS 프로그램의 주요 연구 분야로 부상했으며, 이는 프로그램 개선 조치와 일치했다.
• 키워드와 초록 기반의 공저자 네트워크와 워드클라우드는 두 사례 연구 전반에서 '머신러닝', '데이터 마이닝', '정보 시스템'이 중심 주제로 일관되게 확인되었다.
• 워크플로우는 다이아그램과 주제 지도를 통해 지적 구조를 성공적으로 매핑했으며, MIS 데이터셋에서 '통신기술'과 'AI'와 같은 주제의 명확한 클러스터링을 보였다.
• 본 연구는 박사학위 논문의 문헌정보학적 분석이 지적 및 사회적 역동성, 즉 교수의 참여도와 주제 진화를 드러내며, 공개된 R 스크립트와 웹 대시보드를 통해 재현 가능한 결과를 제공할 수 있음을 입증했다.