Mapping scientific communities at scale

Motivation

Known: Bibliographic 데이터베이스의 co-publication 또는 citation 정보를 통해 연구 공동체를 분석하는 것이 가능하며, VOSviewer 등의 도구가 존재하지만 대규모 데이터셋에 대한 확장성이 제한적이다.
Gap: 기존 네트워크 분석 도구들은 매우 큰 코퍼스에서 계산 복잡도와 해석 용이성 문제로 인해 노드 기반 필터링을 적용하므로, 결과적으로 고립된 노드들만 남아 실질적인 상호작용 정보를 손실한다.
Why: 과학정책 및 자금배분 결정을 위해 연구 기관, 실험실, 연구자 간의 협력 구조와 주제별 네트워크를 전국 규모에서 효과적으로 파악할 필요가 있다.
Approach: 노드 필터링 대신 최강 상호작용 링크만 선별하는 링크 기반 필터링 전략을 도입하고, Elasticsearch를 통한 효율적 사전 계산, Graphology의 Force Atlas2 및 Louvain 알고리즘, LLM (Mistral Nemo)을 활용한 커뮤니티 레이블링을 통합한다.

Figure 1: Visualization of a network with VOSviewer.

링크 기반 필터링 방법론: 노드 필터링의 한계를 극복하고 가장 강한 상호작용만 선별하여 네트워크의 구조적 정보 손실을 최소화
Elasticsearch 기반 확장성: Publication 수준에서 사전 계산된 entity pair 필드 (co_topics, co_authors 등)를 활용한 고효율 대규모 링크 추출
통합 기술 스택: Elasticsearch (데이터 집계), Graphology (네트워크 시각화 및 커뮤니티 탐지), VOSviewer (가시화), LLM 기반 자동 레이블링의 seamless 통합
실제 적용 및 오픈소스 공개: scanR 포털을 통해 전국 규모의 공개 웹 도구로 배포하고, 모든 코드를 GitHub에서 오픈소스로 공개하여 재사용성 확보

Publication metadata 체계적 enrichment: idref (저자), SIRENE/RNSR (소속), Wikidata (주제) 등 persistent identifier 활용
Elasticsearch aggregation으로 query별 최상위 2000개 링크 추출 (top-k link selection)
추출된 링크 쌍으로부터 그래프 생성 및 independent component 필터링
Graphology의 Force Atlas2로 네트워크 spatialization (물리 기반 레이아웃)
Louvain 알고리즘으로 커뮤니티 자동 탐지
Mistral Nemo LLM으로 탐지된 커뮤니티에 대한 자동 레이블링
OpenAlex 데이터와 fusion하여 citation count 기반 핫토픽 검출
VOSviewer로 최종 네트워크 가시화 및 interactive web interface 제공

고립된 노드 (연결 없는 entity)에 대한 가정이 일부 분야 (예: 문학)에서 타당하지 않을 수 있음
Top-2000 링크 제한으로 인한 정보 손실 가능성 (작은 커뮤니티나 emerging topic 누락 위험)
French research corpus 중심이므로 국제 협력 네트워크 파악의 불완전성
Metadata 질 문제: 저자, 소속, 주제 disambiguation의 완전성이 100%가 아니므로 결과의 정확도 제약
후속연구: Non-French affiliations에 대한 국제 PID (ORCID, ROR 등) 통합, 동적 네트워크 분석 (시계열 커뮤니티 진화), 이질적 네트워크 분석 (멀티타입 entity-relation 모델링)