본 논문에서는 과학 저널리즘의 대표적인 성공 사례로 평가되고 있는 KISTI의 과학향기 칼럼에 대한 반자동 지식화 방안과 이를 기반으로 과학기술 인포그래픽 기반의 서비스 체제를 제안한다. 전문가나 특정 분야 과학자를 대상으로 하는 전문 정보와는 달리 과학향기 콘텐트는 일반 대중을 대상으로 알기 쉬운 과학 상식을 제공하고 있다. 이러한 특성을 바탕으로 과학향기 데이터베이스를 지식화하기 위한 방법론 즉, 지식 유형, 지식 추출 방법 및 절차 등을 세부적으로 살펴본다. 또한 과학향기 지식베이스를 기반으로 과학기술 인포그래픽 서비스 체제를 새롭게 정의하고 이에 대한 세부적인 구성도, 방법론 및 특징 등을 기술한다. 이를 통해서 미래의 과학 저널리즘 서비스가 나아가야 할 발전적 방향을 제안한다.
This paper proposes a noble service architecture based on scientific infographic as well as semi-automatic knowledge process for ‘KISTI’s Scent of Science’ database, which has been highly credited as a science journalism service in Korea. Unlike other specialized scientific databases for domain experts and scientists, the database aims at providing comprehensible and intuitive information about various important scientific concepts which may seem not to be easily understandable to general public. In order to construct a knowledge-base from the database, we deeply analyze the traits of the database and then establish a semi-automatic approach to identify and extract various scientific intelligence from its contents. Furthermore, this paper defines a scientific infographic service platform based on the knowledge-base by offering its detailed structure, methods and characteristics, which shows a progressive future direction for science journalism service.
강정수. 2014. 뉴욕타임스 혁신보고서의 교훈: 멋지게 실패하자! 슬로우 뉴스.
김두희. 2015. 동아사이언스. [onlilne] <http://www.dongascience.com/>
박종인. 2012. 사이언스 저널리즘. Communication Books.
KISTI, 2015. KISTI의 과학향기. [online] <http://scent.ndsl.kr>
Bankoff, J. 2015. VOX MEDIA. [online] <http://www.voxmedia.com/>
Choi, S. P., Chun, H. W., Jeong, C. H., Song, S. K., and Jung, H. 2012. SINDI-WALKS:Workbench for PLOT-based Technological Information Extraction and Management. Green Computing and Communications (GreenCom).
Choi, S. P., Song, S. K., Jung, Geierhos, H., M., and Myaeng, S. H. 2012. Scientific literature retrieval based on terminological paraphrases using predicate argument tuple. SoftTech 2012.
Choi, S. P., Lee, S., Jung, H., and Song, S. 2014. An intensive case study on kernel-based relation extraction. Multimed. Tools Appl, 71(2), 741-767.
Huffington, A. 2015. The Huffington Post. [online] <http://www.huffingtonpost.com/>
Kobyliński, Ł., and Przepiórkowski, A. 2008. Definition Extraction with Balanced Random Forests. Advances in Natural Language Processing 2008, 237-247.
Peretti, J. 2015. BuzzFeed. [online] <http://www.buzzfeed.com/>
Riloff, E., and Jones, R. 1999. Learning dictionaries for information extraction by multi-level bootstrapping. AAAI/IAAI, pp. 474-479. [1] The New York Times. 2014. NYT Innovation Report 2014.
Soderland, S. 1999. Learning information extraction rules for semi-structured and free text.Machine Learning, 34(1-3).
Song, S., Oh, H., Myaeng, S. H., Choi, S. P., Chun, H., Choi, Y., and Jeong, C. 2011. Procedural Knowledge Extraction on MEDLINE Abstracts. Active Media Technology 2011, 345-354.
Tarling, J. 2013. Storylines vs object oriented news. Top Drawer Sausage. [online]<http://topdrawersausage.net/2013/07/07/storylines-vs-object-oriented-news/>