[논문 리뷰] Visualisation of massive data from scholarly Article and Journal Database A Novel Scheme

Gouri Ginde|arXiv (Cornell University)|2016. 11. 03.

Complex Network Analysis Techniques참고 문헌 3인용 수 3

한 줄 요약

이 논문은 구글 색색에서 추출한 거대한 학술 데이터를 대상으로, 저자 소속, 인용 정보, 출판 메타데이터를 활용하여 연구 분야 이동, 새로운 하위 분야의 부상, 인용 카르텔 행동과 같은 숨겨진 패턴을 드러내는 새로운 그래프 기반 시각화 기법을 제안한다. 데이터를 그래프로 모델링하고 코브-다우글라스 경제모형을 적용하여 학술 지표를 기반으로 저널의 '국제성 지수'를 계산함으로써 학술 영향력과 협업 추세에 대한 깊이 있는 통찰을 가능하게 한다.

ABSTRACT

Scholarly articles publishing and getting cited has become a way of life for academicians. These scholarly publications shape up the career growth of not only the authors but also of the country, continent and the technological domains. Author affiliations, country and other information of an author coupled with data analytics can provide useful and insightful results. However, massive and complete data is required to perform this research. Google scholar which is a comprehensive and free repository of scholarly articles has been used as a data source for this purpose. Data scraped from Google scholar when stored as a graph and visualized in the form of nodes and relationships, can offer discerning and concealed information. Such as, evident domain shift of an author, various research domains spread for an author, prediction of emerging domain and sub domains, detection of journal and author level citation cartel behaviors etc. The data from graph database is also used in computation of scholastic indicators for the journals. Eventually, econometric model, named Cobb Douglas model is used to compute the journals Modeling "Internationality" Index based on these scholastic indicators.

연구 동기 및 목표

• 거대하고 비정형적인 학술 출판 데이터로부터 의미 있는 패턴을 추출하고 시각화하는 데 도전하는 것.
• 구글 색색의 데이터를 활용하여 학술 출판 분야에서 숨겨진 연구 추세, 분야 이동, 협업 행동을 식별하는 것.
• 저자, 소속 기관, 저널 간 관계를 포괄하는 그래프 기반의 학술 네트워크 표현 방식을 개발하는 것.
• 학술 지표를 기반으로 한 경제모형을 활용하여 저널 수준의 정량적 '국제성 지수'를 계산하는 것.
• 연구자, 기관, 정책 입안자들이 활용할 수 있는 데이터 기반의 통찰을 제공하여 학술 영향력, 부상 중인 연구 분야, 잠재적 인용 카르텔 행동에 대한 이해를 심화하는 것.

제안 방법

• 구글 색색에서 저자 소속, 출판 기록, 인용 네트워크에 중점을 두고 데이터를 크롤링한다.
• 추출된 데이터는 구조화되어 그래프 데이터베이스에 저장되며, 저자, 기관, 저널, 인용을 노드와 관계로 표현한다.
• 그래프 시각화 기법을 적용하여 분야 이동, 다중 분야 저자 활동, 인용 클러스터와 같은 패턴을 드러낸다.
• 그래프 데이터에서 인용 수, 출판량, 국제 협업과 같은 학술 지표를 계산한다.
• 코브-다우글라스 생산 함수를 변형하여 이러한 지표를 기반으로 저널 수준의 '국제성 지수'를 모델링하고 계산한다.
• 모델은 글로벌 인용 영향력과 기관 간 협업 정도와 같은 변수를 통합하여 저널의 국제화 수준을 정량화한다.

실험 결과

연구 질문

• RQ1 거대한 학술 데이터를 구글 색색에서 효과적으로 시각화하여 숨겨진 연구 추세와 패턴을 드러내는 방법은 무엇인가?
• RQ2 저자 및 저널의 인용 네트워크에서 도출할 수 있는 학술 영향력과 국제화 평가에 기여할 수 있는 지표는 무엇인가?
• RQ3 그래프 기반 표현 방식을 통해 저자의 연구 분야 이동을 시간 경과에 따라 탐지할 수 있는가?
• RQ4 인용 패턴이 저널 또는 저자 수준에서 잠재적 인용 카르텔 행동을 나타내는 데 어느 정도 유용한가?
• RQ5 코브-다우글라스와 같은 경제모형을 어떻게 변형하여 학술 저널의 '국제성'을 정량화할 수 있는가?

주요 결과

• 그래프 기반 시각화 기법은 개인 저자에 대해 기술적 분야와 융합 분야 간의 비명백한 연구 분야 이동을 성공적으로 드러내었다.
• 한 분야에 전문성을 가진 것으로 보이는 저자들 사이에서 여러 연구 분야가 확인되어 더 넓은 학술적 참여를 시사하였다.
• 특정 저널과 기관 간의 조밀한 인용 클러스터를 통해 인용 카르텔 행동이 탐지되었으며, 잠재적 공모의 가능성이 제기되었다.
• 코브-다우글라스 모형을 활용해 계산된 '국제성 지수'는 학술 지표를 기반으로 한 저널의 글로벌 영향력에 대한 정량적 측정치를 제공하였다.
• 비정형 학술 데이터를 실질적인 통찰으로 전환하는 데 있어 이 방법론의 타당성이 연구자, 기관, 정책 입안자들에게 입증되었다.