Clickstream Data Yields High-Resolution Maps of Science

Motivation

• Known: 기존 citation data를 기반으로 한 map of science는 학문 분야 간 관계와 구조를 시각화하는 데 널리 활용되어 왔으며, 학문 구조와 진화를 탐구하는 유용한 도구로 인정받아왔다.
• Gap: citation 기반 지도는 natural science에 편중되고, 출판 지연으로 인해 최신 학문 동향을 반영하지 못하며, 비공식적 학문 간 교류를 포착하지 못하는 한계가 있다. 반면 이미 방대하게 축적된 log 데이터가 이러한 한계를 극복할 수 있는지에 대한 방법론적 검증은 이루어지지 않았다.
• Why: 웹 기반 clickstream 데이터는 citation 수를 이미 능가하는 규모이며, 저자뿐 아니라 실무자·일반 대중을 포함한 폭넓은 사용자 활동을 실시간으로 반영하므로, 이를 활용한 과학 지도는 학문 활동에 대한 더 현재적이고 포괄적인 통찰을 제공할 수 있다는 점에서 중요하다.
• Approach: 여러 주요 출판사·집계기관·기관 컨소시엄의 학술 포털 로그 데이터를 통합하여 저널 단위의 clickstream Markov 모델을 구축하고, 이를 Getty Research Institute의 Art and Architecture Thesaurus(AAT) 분류체계와 비교·검증한 뒤 저널 관계 네트워크로 시각화하였다.

Achievement

Figure 5. Map of science derived from clickstream data. Circles represent individual journals. The lines that connect jo

1. 대규모 통합 로그 데이터셋 구축: Thomson Scientific, Elsevier(Scopus), JSTOR, Ingenta, 대학 컨소시엄 등으로부터 2006~2007년 약 3억 4천만 건의 사용자 상호작용(97,532개 학술지 대상) 데이터를 수집·정제했다.
2. 균형 잡힌 학문 분야 커버리지 입증: clickstream 데이터가 사회과학 47%, 자연과학 41%, 인문학 8%로 비교적 고르게 분포함을 보여, JCR citation 데이터의 편중(자연과학 92.8% vs 사회과학 7.2%)과 대조되는 결과를 제시했다.
3. clickstream 기반 저널 관계 모델(Markov chain) 개발 및 검증: AAT 분류체계와의 비교를 통해 모델의 타당성을 확인했다.
4. 최초의 clickstream 기반 map of science 시각화: 자연과학, 사회과학, 인문학 간의 연결 관계를 명확히 드러내는 고해상도 지도를 제시했다.

How

Figure 4. Summary of data processing leading to the map of science.

• 2006년 3월~2007년 2월 기간 동안 여러 학술 웹 포털에서 로그 데이터를 수집하고, 크롤러 트래픽과 비관심 상호작용(키워드 검색, 페이지 이동 등)을 제거하여 사용자의 "expression of interest"만 추출
• 동일 세션 내 동일 논문에 대한 연속적 상호작용은 단일 이벤트로 통합
• 각 저널에 JCR 및 Dewey Decimal 분류 코드를 부여하고, 이를 Getty AAT의 Disciplines 계층 구조로 수동 매핑(215개 JCR 코드→202개 AAT 분야, 425개 Dewey 값→98개 AAT 분야)
• 사용자 클릭 시퀀스로부터 저널 간 전이를 추출해 first-order Markov chain(저널 clickstream 모델, 전이 확률 행렬 M) 구성
• 모델의 타당성을 AAT 택소노미와 비교하여 검증
• 최종적으로 저널 노드와 전이 관계를 나타내는 네트워크 그래프로 시각화

Originality

• citation 데이터가 아닌 대규모 clickstream(사용자 상호작용) 로그 데이터를 이용해 최초로 map of science를 구축했다는 점에서 방법론적으로 새롭다.
• 여러 경쟁 관계에 있는 출판사·기관의 로그 데이터를 비밀유지계약 하에 통합·집계하여, 개별 포털로는 불가능했던 전방위적 학문 분야 커버리지를 달성했다.
• JCR/Dewey 분류체계를 AAT라는 공통 택소노미로 수동 매핑하여 이질적인 분류 시스템 간 비교를 가능하게 한 방법이 독창적이다.

Limitation & Further Study

• 로그 데이터의 출처가 특정 대형 출판사·기관(주로 미국 대학 시스템)에 편중되어 있어, 전 세계 학술 활동 전체를 대표한다고 보기 어려울 수 있다.
• JCR/Dewey에서 AAT로의 매핑이 수동 작업에 의존하므로 주관적 판단이 개입될 여지가 있고, 재현성 및 확장성에 한계가 있다.
• first-order Markov chain은 단순한 순차적 전이만을 포착하므로, 더 복잡한 다단계 탐색 행동이나 사용자 의도의 다양성을 충분히 반영하지 못할 수 있다.
• 93%의 상호작용에만 분류 코드가 부여되어 나머지 7%의 데이터 특성이 결과에 미치는 영향이 불분명하다.
• 후속 연구로는 다양한 국가·언어권의 로그 데이터 확장, 고차 Markov 모델이나 시계열 분석을 통한 동적 지도 구축, 자동화된 분류 매핑 기법 개발 등이 필요하다.

Evaluation

총평: citation 기반 접근의 근본적 편향을 극복할 수 있는 대안적 데이터 소스로서 clickstream 데이터의 가치를 실증적으로 보여준 선구적 연구로, 과학 지도 제작 및 과학계량학 분야에 중요한 방법론적 전환점을 제시한다.