바로가기메뉴

본문 바로가기 주메뉴 바로가기

ACOMS+ 및 학술지 리포지터리 설명회

  • 한국과학기술정보연구원(KISTI) 서울분원 대회의실(별관 3층)
  • 2024년 07월 03일(수) 13:30
사전등록 바로가기
 

logo

  • P-ISSN1013-0799
  • E-ISSN2586-2073
  • KCI

논문 상세

이전 다음
논문 투고

Vol.31 No.3

Citation Share

트위터 관련 연구에 대한 계량정보학적 분석

A Bibliometric Analysis on Twitter Research

정보관리학회지 / Journal of the Korean Society for Information Management, (P)1013-0799; (E)2586-2073
2014, v.31 no.3, pp.293-311
https://doi.org/10.3743/KOSIM.2014.31.3.293
강범일 (연세대학교)
이재윤 (명지대학교)
강범일, & 이재윤. (2014). 트위터 관련 연구에 대한 계량정보학적 분석. 정보관리학회지, 31(3), 293-311, https://doi.org/10.3743/KOSIM.2014.31.3.293

초록

이 연구에서는 계량정보학적 기법을 사용하여 국내 트위터 관련 연구의 동향을 분석하고자 하였다. 이를 위해 KCI에서 검색된 2009년부터 2014년 4월까지의 트위터 관련 논문 539편에서 제목, 초록, 키워드를 추출하여 분석 자료로 삼았다. 프로파일링 기법을 이용해 트위터 관련 연구가 수행된 학문 분야와 저널을 분석하였고, 동시출현단어 분석을 통해 트위터 관련 연구의 세부 주제 영역을 파악하였다. 그 결과, 국내 트위터 관련 연구는 53개 학문분야에서 다양하게 다루어지고 있으며 핵심 분야는 신문방송학, 경영학, 컴퓨터학 분야로 나타났다. 세부 주제로는 선거를 비롯한 정치 관련 이슈가 가장 많이 다루어졌으며, 기업/구매 관련 이슈도 활발히 연구되었음을 확인할 수 있었다.

keywords
discipline profiling analysis, journal profiling analysis, co-word analysis, twitter, 학문분야 프로파일링 분석, 저널 프로파일링 분석, 동시출현단어 분석, 트위터

Abstract

This study explored the research trends on Twitter in Korea by informetric methods. All 539 articles on Twitter published from 2009 to the April of 2014 were obtained from the KCI. Only article titles, abstracts, and keywords by authors were used in analysis. Academic journals in many different disciplines where Twitter articles were produced were analysed by profiling, and then, the subject areas of researches on Twitter were analysed by co-word analysis. The results of this study showed that Twitter-related papers were published in as many as 53 disciplines with journalism, business administration, and computer science to be core fields. It was also found that the core subject areas are political issues and business.

keywords
discipline profiling analysis, journal profiling analysis, co-word analysis, twitter, 학문분야 프로파일링 분석, 저널 프로파일링 분석, 동시출현단어 분석, 트위터

참고문헌

1.

강범일. (2013). 프로파일링 분석과 동시출현단어 분석을 이용한 한국어교육학의 정체성 분석. 정보관리학회지, 30(4), 195-213. http://dx.doi.org/10.3743/KOSIM.2013.30.4.195.

2.

김민철. (2013). 트위터 상의 악의적 이용 자동분류. 한국문헌정보학회지, 47(1), 269-286. http://dx.doi.org/10.4275/KSLIS.2013.47.1.269.

3.

김판준. (2011). 저자 프로파일링 기법을 이용한 국내 독서 연구 영역 분석. 한국비블리아학회지, 22(4), 21-44.

4.

김판준. (2012). 프로파일링 기법을 이용한 국내 전자기록 분야 지적구조 분석. 한국기록관리학회지, 12(2), 29-50.

5.

김하수. (2013). 정치와 언어의 관계에 대한 양적 분석 시론. 담화와 인지, 20(1), 79-111.

6.

서선경. (2013). 동시출현단어 분석 기반 오픈 액세스 분야 지적구조에 관한 연구. 한국비블리아학회지, 24(1), 207-228. http://dx.doi.org/10.14699/kbiblia.2013.24.1.207.

7.

오의경. (2012). 트위터를 활용한 공공도서관 서비스 활성화 방안 연구. Journal of Information Science Theory and Practice, 43(2), 133-150. http://dx.doi.org/10.1633/JIM.2012.43.2.133.

8.

이재윤. (2006). 계량서지적 네트워크 분석을 위한 중심성 척도에 관한 연구. 한국문헌정보학회지, 40(3), 191-214. http://dx.doi.org/10.4275/KSLIS.2006.40.3.191.

9.

이재윤. (2006). 지적 구조 분석을 위한 새로운 클러스터링 기법에 관한 연구. 정보관리학회지, 23(4), 215-231. http://dx.doi.org/10.3743/KOSIM.20106.23.4.215.

10.

이재윤. (2007). 클러스터링 기반 네트워크 생성 알고리즘 (147-154). 제14회 한국정보관리학회 학술대회 논문집.

11.

이재윤. (2007). 국내 광역 과학 지도 생성 연구. 정보관리학회지, 24(3), 363-383. http://dx.doi.org/10.3743/KOSIM.2007.24.3.363.

12.

이재윤. (2012). 폭소노미 연구 문헌에 대한 자아 중심 주제 인용 분석. 정보관리학회지, 29(4), 295-312. http://dx.doi.org/10.3743/KOSIM.2012.29.4.295.

13.

이재윤. (2013). tnet과 WNET의 가중 네트워크 중심성 지수 비교 연구. 정보관리학회지, 30(4), 241-264. http://dx.doi.org/10.3743/KOSIM.2013.30.4.241.

14.

이재윤. (2011). 계량서지적 기법을 활용한 LED 핵심 주제영역의 연구 동향 분석. Journal of Information Science Theory and Practice, 42(3), 1-26.

15.

진설아. (2013). 트위터 데이터를 이용한 네트워크 기반 토픽 변화 추적 연구. 정보관리학회지, 30(1), 285-302. http://dx.doi.org/10.3743/KOSIM.2013.30.1.285.

16.

정은경. (2013). An Analysis of Image Use in Twitter Message. 한국비블리아학회지, 24(4), 75-90. http://dx.doi.org/10.14699/kbiblia.2013.24.4.075.

17.

Kim, H.. (2009). Archiving research trends in LIS domain using profiling analysis. Scientometrics, 80(1), 75-90. http://dx.doi.org/10.1007/s11192-007-1998-z.

18.

Kostoff, R. N.. (1993). Evaluating R&D Impacts: Methods and Prac:Kluwer Academic Publishers.

19.

이재윤. (2011). Intellectual Structure and Infrastructure of Informetrics: Domain Analysis from 2001 to 2010. 정보관리학회지, 28(2), 11-36. http://dx.doi.org/10.3743/KOSIM.2011.28.2.011.

20.

Lee, J. Y.. (2010). Domain analysis with text mining : Analysis of digital library research trends using profiling methods. Journal of Information Science, 36(2), 144-161. http://dx.doi.org/10.1177/0165551509353251.

21.

Magdalena, B.. (2014). Twitter and TV events: An exploration of how to use social media for student-led research. Aslib Journal of Information Management, 66(3), 297-312. http://dx.doi.org/10.1108/AJIM-09-2013-0097.

22.

Schvaneveldt, R. W.. (1990). Pathfinder associative networks: Studies in knowledge organization:Ablex Publishing Corp.

23.

Williams, S. A.. (2013). What do people study when they study Twitter? Classifying Twitter related academic papers. Journal of Documentation, , 384-410. http://dx.doi.org/10.1108/JD-03-2012-0027.

정보관리학회지

논문 투고 OA 정책