연구 동향을 빠르게 파악하고 싶으신가요?

이번 튜토리얼에서는 Biblio Data Collector를 활용해 논문 서지 데이터를 손쉽게 수집하고, NetMiner 5로 주요 저자와 연구 흐름을 분석하는 일련의 과정을 소개합니다.

​

복잡한 코딩 없이도 데이터 수집부터 분석, 시각화까지 한 번에!

이 과정을 따라 하며 누구나 쉽게 핵심 기능을 익히고, 직접 분석 결과를 도출해볼 수 있습니다.

​

NetMiner 5와 Biblio Data Collector만 있다면, 데이터 기반 연구 분석도 더 이상 어렵지 않습니다.

​

네트워크 분석에서 가장 먼저 부딪히는 어려움 중 하나는 데이터를 소프트웨어로 가져오는 것입니다. NetMiner 5는 이 과정을 매우 간단하게 만듭니다. 이 섹션에서는 NetMiner 5의 Biblio Data Collector 로 논문 서지 데이터를 수집하고 NetMiner 5 로 불러와서 시각적인 네트워크 지도로 변환하는 과정을 안내합니다. NetMiner 5는 데이터 준비 단계를 효율적으로 처리할 수 있도록 구성되었습니다.

​

A. Biblio Data Collector로 논문 서지 데이터 수집하기

• 확장(Extension) >> Biblio Data Collector 를 실행합니다.

Biblio Data Collector 에서는 Springer, KCI, OpenAlex에서 논문을 몇 번의 클릭만으로 수집할 수 있습니다.

• OpenAlex 논문에서 'Artificial Intelligence' 와 관련된 논문 1,000개를 수집합니다.

1. 1. 먼저, 우측 화면에서 OpenAlex 탭을 클릭합니다.

   2. Field: 선택한 검색 항목을 기준으로 자료를 검색합니다. 만약 제목에 특정 키워드를 포함하고 있는 서지 정보를 수집하고 싶다면, "Title"을 선택합니다. "All" 항목은 논문제목, 초록, 키워드 ,저자, 저널명, 조직을 대상으로 합니다.

   3. Search Term: 검색어 대상 서지 정보에 관한 검색어를 입력합니다. 여기서는 'Artificial Intelligence' 키워드를 입력 후 Insert 버튼을 클릭합니다.

   4. Publication Date: 기간에 관계없이 수집(All Years)하거나, 특정 연도(Date Range)에 발행된 자료만 수집할 수 있습니다. 예를 들어, Date Range를 클릭하고 2024 ~ 2025를 지정하면 2024년과 2025년 사이에 출판된 논문을 수집할 수 있습니다.

   5. Max number of Articles: 논문을 수집할 양을 입력합니다. OpenAlex에서는 한 번에 최대 5만개의 자료를 수집할 수 있습니다.

​

B. NetMiner 5로 데이터 불러오기

• 좌측 패널에서 수집된 데이터셋을 더블 클릭하면 View 탭에서 수집 결과를 확인할 수 있습니다.

• 결과 산출 영역에서 확인할 수 있는 정보는 다음과 같습니다.

1. 1. Article ID: 논문의 고유 번호. KCI의 경우 KCI에서 관리하는 고유 번호를 사용하며, Springer의 경우에는 DOI 정보를 사용합니다.

   2. Title: 논문의 제목. 한글과 영문이 모두 포함되는 경우에는 KR, EN으로 구분됩니다.

   3. Authors: 논문의 저자 목록. 쉼표(,)로 구분됩니다.

   4. Abstract: 논문의 초록 정보. 한글과 영문이 모두 포함되는 경우에는 KR, EN으로 구분됩니다.

   5. Keywords: 논문의 저자 키워드. 키워드는 쉼표(,)로 구분됩니다.

   6. Journal: 논문이 게재된 학술지명.

   7. Publisher: 논문의 발행기관

   8. PubDate: 발행일자

   9. Citation_Count: 인용횟수. KCI, OpenAlex와 같이 인용정보가 주어지는 경우에만 표시됩니다(Springer는 인용 정보가 주어지지 않습니다).

​

• Preprocess가 “NO”인 데이터는 NetMiner 5로 가져올 수 없습니다. 반드시, NetMiner 5로 가져오기 전에 Preprocess를 실행해야 합니다.

• Preprocess가 완료된 후 "Import into NetMiner"를 클릭하면 NetMiner 5로 데이터를 가져옵니다.

• 최종적으로 NetMiner 5로 불러온 논문 서지 데이터는 다음과 같습니다.

1. 1. 노드셋: Authors(저자의 기본 정보)와 Articles(논문 서지 정보) 그리고 Words(텍스트로부터 추출된 단어)를 노드셋으로 확인할 수 있습니다.

   2. 네트워크: Authors-Articles Network(저자-논문 간의 관계), Words-Articles Network(단어-논문 간의 관계)를 통해 저자 및 ‘연구 내용(키워드)에 관해 분석할 수 있습니다. Words-Authors Network(단어-저자 간의 관계)를 통해 저자와 (저자가 논문에서) 사용한 단어 관계를 확인할 수 있습니다.

​

C. 즉석에서 공저자 네트워크 데이터 생성하기

데이터를 NetMiner 5로 가져왔다면, 이제 몇 번의 클릭만으로 공저자 네트워크로 변환할 수 있습니다.

• 전처리(Pre-process) > 네크워크 변환(Network Transform) > 2모드 → 1모드(2-mode → 1-mode) 를 선택합니다.

• 화면 우측 컨트롤 패널(Control Panel)에서 Input 탭에서 노드셋과 1-모드 네트워크(1-mode Network)를 선택합니다.

  • Source Node Set: 저자(Authors) 노드셋 선택

  • Target Node Set: 논문(Articles) 노드셋 선택

  • 2-mode Network: 저자-논문 네트워크(Authors-Articles Network) 선택

• Main Process 에서 Co-membership (Source * Source)를 선택하고 Proximity Measures에서 Correlation - Inner Product로 설정 후 Run Process 버튼을 클릭합니다.

​

A. 중심성 분석

• 네트워크(Network) > 중심성(Centrality) > 연결중심성(Degree Centrality)를 실행합니다.

• 오른쪽 Input 컨트롤 패널에서 1-모드 네트워크를 선택하고 Run Process 버튼을 클릭합니다.

​

B. 분석 결과를 내 데이터셋에 추가하기

• 결과 탭 중 [T]Degree Centrality를 선택합니다.

• 결과 표 오른쪽 아래의 Add to Dataset > Node Attribute 버튼을 클릭하세요.

• In-Degree Centrality와 Out-Degree Centrality가 모두 선택된 것을 확인하고 OK 버튼을 누릅니다. 이제 중심성 값이 노드셋의 새로운 속성으로 추가되었습니다.

​

C. 네트워크 시각화에 중심성을 표현하기

• 시각화(Visualize) > 네트워크(Network) > 1-모드(1-mode)를 실행합니다.

• 오른쪽 컨트롤 패널에서 스타일(Style) 탭을 클릭합니다.

• 크기(Size) 조절: Size 항목 오른쪽의 크기 아이콘을 클릭합니다. 방금 추가한 In-Degree Centrality를 선택하면, 중심성이 높은 노드가 즉시 커지는 것을 볼 수 있습니다.

• 즉, 중심성이 높은 저자 노드의 크기는 커지고 중심성이 낮은 저자 노드의 크기는 작아지는 것을 시각적으로 확인함으로써 저자 간의 연결 관계 및 저자의 영향력을 시각적으로 확인할 수 있습니다.

같은 방식으로 색상, 모양, 라벨에 대해서도 스타일을 변경할 수 있습니다.

​

A. 단어의 빈도 수/TF-IDF 값 확인하기

• 텍스트(Text) > 단어 통계(Word Statistics)를 선택합니다.

• Input 컨트롤 아이템에서 방금 가져온 데이터 아이템과 텍스트가 포함된 속성(Attribute)을 선택합니다.

• Main Process에서 분석할 텍스트의 언어(Language)와 추출할 품사(Part of Speech)를 선택합니다(예: English, Common Noun, Proper Noun).

• Run Process 버튼을 클릭하여 수행합니다.

• [T]Words 탭에서 Total Frequency 또는 Average TF-IDF 칼럼을 클릭하면 빈도 수 또는 평균 TF-IDF를 내림차순/오름차순으로 확인할 수 있습니다.

A. AI Assistant 호출하기

※ AI Assistant를 사용하기 전, 도구(Tools) > 사용자 설정(Preference)에서 사용할 언어 모델 설정이 필요합니다. 특히, 상용 LLM(ChatGPT, Gemini)는 서비스 제공자로부터 API 키를 받아 등록해야 사용이 가능합니다.

☞ Preference에서 언어 모델 설정하기

☞ 상용 LLM API 키 획득하기

​

Section 2 에서 수행했던 연결 중심성(Degree Centrality) 분석 결과를 예시로 사용해 보겠습니다.

• 리포트 하단의 AI 어시스턴트(AI Assistant) 버튼을 클릭합니다.

※ 만약, 연결 중심성 분석 세션이 닫혀 있다면, 화면 좌측 프로세스 로그(Process Log)에서 해당 세션을 클릭하여 다시 엽니다.

• 대화 상자가 나타나면, 분석 데이터에 대한 간단한 설명(예: "공저자 네트워크 데이터")을 입력하여 더 정확한 해석을 유도할 수 있습니다. 또는 별도의 정보 입력 없이 Generate Response를 클릭하여 계속 진행할 수 있습니다.

• 필요에 따라 답변 언어(Answer Language)를 변경할 수 있습니다.

​

B. AI 생성 리포트 검토하기

잠시 후, 결과 패널에 AI Assistant Report 탭이 생성되면서 AI가 작성한 분석 결과 해석이 나타납니다.

• AI Assistant Report는 주로 두 부분으로 구성됩니다:

  • 데이터 정보 (Data Info): AI에게 전달된 분석 데이터의 요약 정보(사용자가 입력한 설명, 선택한 노드 속성 등)를 보여줍니다.

  • 결과 해석 (Interpretation of Result): AI 언어 모델이 실제 분석 결과(예: 중심성 지표들)를 바탕으로 작성한 자연어 설명입니다. 예를 들어, 어떤 노드들이 높은 연결 중심성을 가지며, 이것이 네트워크 내에서 어떤 의미를 가질 수 있는지 등을 설명해 줄 수 있습니다.

AI Assistant가 해석한 분석 결과를 살펴보면,

• Jayashree Kalpathy–Cramer (미국, 영상의학)와 Klaus Maier‐Hein (독일, 컴퓨터 과학)이 가장 높은 연결 중심성을 보여, 가장 광범위한 공동 저자 네트워크를 가진 핵심 협력자임을 나타냅니다. 이들은 연구 활동이 매우 활발한 허브(hub) 역할을 수행할 가능성이 높다고 해석하였습니다.

• 그리고 상위 중심성을 보이는 저자들은 미국, 독일, 이탈리아 등 다양한 국가와 영상의학, 컴퓨터 과학, 피부과학 등 여러 연구 분야에 분포되어 있어, 국제적 및 다학제적 협업의 가능성을 시사하며, 특히 영상의학(Radiology) 분야 연구자들의 활동이 두드러진다고 평가했습니다.

• 또한, 연구자들에게 매개 중심성(Betweenness Centrality) 또는 커뮤니티 탐지 등 추가적인 분석을 제안하는 것을 확인할 수 있었습니다.

​

AI 어시스턴트 기능은 복잡해 보일 수 있는 네트워크 분석의 수치적 결과와 사용자 사이의 다리 역할을 합니다. 특히 분석 용어나 지표에 익숙하지 않은 초보 사용자에게 분석 결과가 실제로 무엇을 의미하는지 이해하는 데 큰 도움을 줄 수 있습니다. "이 분석 결과가 의미하는 바는 무엇인가?"라는 근본적인 질문에 대해 AI가 초기 해석을 제공함으로써, 사용자는 결과에 대한 두려움을 줄이고 더 깊이 있는 탐색을 시작할 수 있게 되었고 그로 인해 숙련된 사용자에게도 AI 어시스턴트는 결과의 초기 요약이나 주요 발견 사항을 빠르게 파악하는 데 도움을 주어 해석 시간을 단축시킬 수 있게 되었습니다.

NetMiner 5와 Biblio Data Collector를 활용하여, 논문 서지 데이터를 수집하고, 분석하고, 시각화하고, AI를 활용하는 연구 동향 분석 과정이 끝났습니다.

이제 NetMiner 5로 당신의 데이터를 새로운 시각으로 분석해 보세요!

​

☞ NetMiner 5 도움말 보기