[논문 리뷰] Toward a deeper understanding of Visualization through keyword analysis

Petra Isenberg, Tobias Isenberg외 3명|HAL (Le Centre pour la Communication Scientifique Directe)|2014. 08. 13.

Data Visualization and Analytics인용 수 8

한 줄 요약

이 논문은 2004–2014년 동안 주요 시각화 컨ference에 제출된 4,366편의 논문을 표준화된(PCS) 키워드와 저자 선택 키워드를 사용하여 연구 주제, 추세, 용어 다양성을 맵핑하기 위해 분석한다. 주요 주제를 특정하고 키워드의 일관성 문제를 드러내며, 향후 제출 시 더 효과적이고 정보 기반의 키워드 선택을 가능하게 하는 도구인 keyvis.org를 소개한다. 이 도구는 2,600개 이상의 키워드를 탐색할 수 있도록 한다.

ABSTRACT

We present the results of a comprehensive analysis of visualization paper keywords supplied for 4366 papers submitted to five main visualization conferences. We describe main keywords, topic areas, and 10-year historic trends from two datasets: (1) the standardized PCS taxonomy keywords in use for paper submissions for IEEE InfoVis, IEEE Vis-SciVis, IEEE VAST, EuroVis, and IEEE PacificVis since 2009 and (2) the author-chosen keywords for papers published in the IEEE Visualization conference series (now called IEEE VIS) since 2004. Our analysis of research topics in visualization can serve as a starting point to (a) help create a common vocabulary to improve communication among different visualization sub-groups, (b) facilitate the process of understanding differences and commonalities of the various research sub-fields in visualization, (c) provide an understanding of emerging new research trends, (d) facilitate the crucial step of finding the right reviewers for research submissions, and (e) it can eventually lead to a comprehensive taxonomy of visualization research. One additional tangible outcome of our work is an application that allows visualization researchers to easily browse the 2600+ keywords used for IEEE VIS papers during the past 10 years, aiming at more informed and, hence, more effective keyword selections for future visualization publications.

연구 동기 및 목표

• 주요 시각화 컨퍼런스에 제출된 4,366편의 논문에 대한 키워드 분석을 통해 시각화 분야의 연구 주제 변화를 분석하는 것.
• 검색 가능성과 소통을 저해하는 저자 선택 키워드의 용어 일관성 문제와 변형(예: 복수형/단수형, 약어, 철자 등)을 밝혀내는 것.
• 시각화 연구의 공통 어휘와 종합적이며 지속 가능한 분류 체계를 구축하여 다학제 간 소통과 동료 검토 매칭을 향상시키는 데 기여하는 것.
• keyvis.org를 개발하고 배포하여 연구자들이 10년간의 IEEE VIS 키워드를 브라우징하고 분석할 수 있도록 하는 웹 애플리케이션을 제공하는 것.
• PCS 및 저자 키워드와 같은 기존 시스템의 강점과 한계를 평가하여 향후 분류 체계 설계에 정보를 제공하는 것.

제안 방법

• 2009년 이후 IEEE InfoVis, Vis-SciVis, VAST, EuroVis, PacificVis 컨퍼런스에서 수집한 표준화된 PCS 키워드를 분석하였다.
• 2004~2014년 사이에 IEEE VIS 컨퍼런스 시리즈에 게재된 2,600편 이상의 논문에서 수집한 저자 선택 키워드를 분석하였다.
• 반복되는 주제와 용어 변형을 식별하기 위해 키워드 정규화 및 클러스터링을 수행하였다.
• 10년간의 키워드 빈도 추세를 추적하여 '평가'와 '딥 러닝'과 같은 신규 및 감소 중인 연구 주제를 탐지하였다.
• 키워드 사용, 빈도, 시간에 따른 변화를 시각화할 수 있는 검색 가능한 웹 애플리케이션인 keyvis.org를 구축하였다.
• 키워드 분할 및 해상도 문제로 인해 기존 분류 체계(예: PCS)가 미세한 연구 추세를 포착하는 데 한계가 있음을 평가하였다.

실험 결과

연구 질문

• RQ1 2004년부터 2014년까지 시각화 연구에서 지배적인 연구 주제와 주제 클러스터는 무엇인가?
• RQ2 저자 선택 키워드와 표준화된 PCS 키워드 사이에서 용어 변형과 일관성 측면에서 어떤 차이가 있는가?
• RQ3 지난 10년간 시각화 연구의 주요 추세는 무엇이며, 표준화된 키워드와 저자 제공 키워드 간에 어떤 차이가 있는가?
• RQ4 키워드 분석이 시각화 연구를 위한 공통 어휘와 종합적이며 유지보수 가능한 분류 체계 구축에 얼마나 기여할 수 있는가?
• RQ5 키워드 데이터와 keyvis.org와 같은 도구는 동료 검토 과정을 어떻게 향상시키고, 저자들이 더 효과적인 키워드 선택을 할 수 있도록 도와주는가?

주요 결과

• '평가'라는 용어는 저자 선택 키워드에서 뚜렷하게 증가하는 연구 주제로 나타났지만, PCS 분류 체계에서는 이가 7개의 하위 주제로 분할되어 있어 추세로 인식되지 않았다.
• 저자 선택 키워드는 다수의 변형을 보이며, 복수형/단수형(예: 'glyph' 대비 'glyphs'), 약어(예: 'DTI' 대비 'diffusion tensor imaging'), 연자음 사용(예: 'multi-dimensional' 대비 'multidimensional') 등이 포함되어 있다.
• PCS 분류 체계는 동료 검토 향상을 목적으로 설계되었지만, 뚜렷한 구조와 동적 업데이트 부재로 인해 일부 신규 추세를 포착하지 못한다.
• 분석 결과, 어떤 하나의 분류 체계도 시각화 연구의 다양성을 완전히 반영하지 못하며, 특히 다학제적이고 변화하는 하위 분야를 포괄하는 데에 한계가 있음을 확인하였다.
• keyvis.org는 10년간의 IEEE VIS 논문에서 유래한 2,600개 이상의 키워드를 탐색할 수 있도록 하여 연구자들이 더 정보 기반이고 일관된 키워드 선택을 지원한다.
• 본 연구는 키워드 분석이 연구 추세 식별, 소통 향상, 시각화 연구를 위한 통합된 분류 체계 개발을 지원하는 데 실용적임을 입증한다.