Visualizing the context of citations referencing papers published by Eugene Garfield: a new type of keyword co-occurrence analysis

저자: Lutz Bornmann, Robin Haunschild, Sven E. Hug | 날짜: 2018-02-01 | DOI: 10.1007/s11192-017-2591-8 📄 PDF

⚠️ 이 페이지의 요약·평가·해설은 생성형 AI(Claude)가 자동 생성한 2차적 분석물입니다. 논문 원문의 저작권은 원저작자에게 있으며, 정확한 내용은 원문(위 DOI·arXiv 등 출처)을 확인하세요.

Essence

Fig. 3 Co-occurrence of keywords in citation contexts of papers referencing Eugene Garﬁeld

Eugene Garfield의 논문들을 인용한 문헌들의 인용 맥락(citation context)을 이용하여 키워드 동시출현 네트워크(keyword co-occurrence network)를 구성하는 새로운 유형의 계량분석 방법론을 제시하고, 이를 제목/초록 기반 네트워크와 비교 분석한다.

Motivation

Known: 기존의 키워드 동시출현 네트워크는 주로 논문의 제목, 초록, 저자 키워드로부터 추출되었다. 인용 맥락(citation context)은 특정 인용 주변의 단어들로 정의되며, 최근 큰 학술 데이터의 등장으로 인용 맥락 분석이 활성화되고 있다.
Gap: 선행 연구들은 인용 맥락을 분류하거나 분석하였으나, 인용 맥락을 키워드 동시출현 네트워크 구성의 데이터 소스로 사용한 연구는 없었다. 인용 맥락 데이터 추출의 어려움으로 인해 대규모 분석이 제한적이었다.
Why: 인용이 인용된 문헌의 인지적 영향력을 반영한다는 가정 하에서 인용 맥락 분석은 연구평가에 중요하며, 새로운 네트워크 분석 유형은 인용의 의미적 관계를 더 정확하게 파악할 수 있게 한다.
Approach: Microsoft Academic 데이터베이스에서 제공하는 미리 분할된 인용 맥락 데이터를 활용하여 세 가지 키워드 동시출현 네트워크를 구성한다: (1) Garfield 논문의 제목/초록 기반, (2) 인용 논문들의 제목/초록 기반, (3) 인용 맥락 기반.

Achievement

새로운 네트워크 유형 제시: 인용 맥락을 기반으로 하는 키워드 동시출현 네트워크라는 새로운 계량분석 방법론을 도입
의미적 관련성 확인: Garfield 논문과 인용 맥락 네트워크가 인용 논문들의 제목/초록 네트워크보다 의미적으로 더 밀접한 관련이 있음을 실증적으로 입증
대규모 자동화 분석 가능: Microsoft Academic의 분할된 인용 맥락 데이터 활용으로 대규모 자동화 분석이 가능함을 시연
인용 평가론 지지: 인용이 인용된 문헌의 인지적 영향을 반영한다는 이론적 가정을 계량적으로 검증

How

Microsoft Academic API를 통해 Garfield의 1558개 논문 중 MA에 수록된 327개 논문 검색
이들을 인용한 343개 논문과 428개의 인용 맥락 추출
VOSviewer 소프트웨어의 텍스트 마이닝 기능을 사용하여 세 가지 키워드 동시출현 네트워크 생성
동일한 설정 적용: 이진 카운팅(binary counting), 최소 4회 이상 출현 키워드, 상위 60% 관련성 키워드 포함
생성된 네트워크의 클러스터 해석가능성을 기반으로 클러스터 수 결정 및 수동 제외

Originality

인용 맥락을 키워드 동시출현 네트워크 구성의 데이터 원천으로 최초 활용
빅데이터 환경에서 자동화된 인용 맥락 추출을 통한 대규모 분석 방법론 제시
세 가지 다른 소스(피인용 논문 제목/초록, 인용 논문 제목/초록, 인용 맥락)의 네트워크를 비교 분석하는 검증 프레임워크 구성

Limitation & Further Study

Microsoft Academic의 초기 단계 발전 상태로 인해 Garfield의 1558개 논문 중 327개(21%)만 수록됨
인용 맥락이 이용 가능한 논문이 59개에 불과하여 샘플 크기 제한
제목, 초록, 인용 맥락에서 추출된 키워드의 수동 제외 과정으로 인한 주관성
단일 학자(Garfield)를 사례로 한정하여 일반화 가능성 미확인 → 향후 다양한 학자/분야에 대한 검증 필요
인용 맥락의 길이와 맥락 품질에 따른 결과 차이 분석 부재 → 추가 연구 필요

Evaluation

Novelty: 4/5 Technical Soundness: 3/5 Significance: 4/5 Clarity: 4/5 Overall: 4/5

총평: 인용 맥락을 활용한 새로운 유형의 계량분석 방법론을 제시하고, 대규모 자동화 분석이 가능함을 보여주었으나, 샘플 크기 제한과 일반화 검증이 필요하다. 계량분석 분야에 개념적 기여는 높으나 실증적 범위는 제한적이다.

같이 보면 좋은 논문

Co‐citation in the scientific literature: A new measure of the relationship between two documents

기반 연구co-citation 개념이 인용 맥락 분석 방법론의 이론적 토대가 된다.

"Science Citation Index"—A New Dimension in Indexing: This unique approach underlies versatile bibliographic systems for communicating and evaluating information.

기반 연구Garfield의 SCI 논문을 인용한 맥락 시각화 연구는 인용 색인 창시자의 원본 논문에서 파생된 직접적 응용 연구이다.

See further upon the giants: Quantifying intellectual lineage in science

다른 접근인용 맥락 시각화 논문은 인용이 가리키는 선행 연구의 지적 중요성을 다른 방법으로 표현하는 접근법을 제시한다.

Interesting Scientific Idea Generation using Knowledge Graphs and LLMs: Evaluations with 100 Research Group Leaders

다른 접근인용 맥락을 분석하는 다른 계량분석 방법론적 접근을 제시한다.

Relative Citation Ratio: A New Metric That Uses Citation Rates to Measure Influence at the Article Level

후속 연구인용 맥락 및 co-citation 네트워크 활용이라는 공통된 방법론을 확장한다.

Knowledge Graphs in Information Systems: A Scopus Bibliometric Analysis of Research Evolution

후속 연구키워드 동시출현 네트워크 방법론을 확장하여 적용한 연구이다.

← 목록으로 돌아가기