본 연구에서는 도서관의 교육적 가치를 평가할 수 있는 평가지표를 개발하고자 하였으며, 이를 위해 1차적으로 도서관의 가치에 대해 연구한 60여 개의 국내 외 논문들을 총체적으로 분석하여 예비 평가지표를 도출하였다. 도출한 예비 평가지표를 토대로 10명의 전문가를 선정하여 3차에 걸친 델파이조사를 실시하여 최종평가지표를 개발하였다. 도서관의 교육적 가치의 최종평가지표는 크게 리터러시 개선, 학습 및 교육지원, 연구지원 및 정보자원제공, 교육환경 및 교육의 질 개선, 역량강화 등의 5가지 평가영역과, 13개 평가항목, 62개 평가지표로 구성된다. 향후에는 이를 기반으로 실제로 도서관의 교육적 가치를 측정하는 연구가 수행되어야 할 것으로 보인다.

본 논문은 정보과학 분야를 중심으로 학술대회 논문에서 참고자료를 인용하는 패턴을 분석하고 피인용된 참고자료의 다양한 특성이 추후 그 자료를 참고한 학술대회 논문의 인용수에 어떤 영향을 끼치는지 분석하였다. 참고자료의 인용패턴에 관한 계량서지학 연구는 학술지 논문을 중심으로 활발히 이루어졌다. 하지만 점점 커지는 중요성에도 학술대회 논문을 대상으로 한 계량서지학 연구는 그 자체가 아직 초기 단계이다. 특히, 학술대회 논문에서 참고자료를 인용한 패턴이나 학술대회 논문의 인용수와 관련이 깊은 피인용 자료의 특성들을 조사하는 연구는 미비하다. 따라서 본 연구는 1,900여편의 정보과학 관련 학술대회 논문을 표본논문으로 삼고 그 표본 논문에서 참고자료가 어떻게 인용되었는지 패턴을 살펴보았다. 또, 참고자료의 다양한 특성들(참고자료의 유형 및 개수, 피인용 당시 참고자료의 인용수, 피인용 당시 참고자료의 나이, 저자의 자기인용 비율)이 표본논문과 추후 얻게 될 인용수와 어떤 연관이 있는지 조사하였다. 그 결과, 피인용 참고자료의 53%가 학술대회 논문이었고, 29%가 학술지 논문이었다. 특히, 참고자료의 14%가 학술지 논문이나 단행본이 아닌 비전형적인 참고자료의 유형이었다. 그리고 참고자료의 60% 이상이 5년 이내에 발표된 자료이고, 최신자료일수록 학술대회 논문, 웹 페이지, 기타자료의 비중이 높았다. 참고자료 중 자기 인용비율은 1.7%로 미비했다. 마지막으로 표본논문의 인용수에 유의미한 영향을 끼치는 참고자료의 특성은 참고자료로 쓰인 학술대회 논문의 수, 기타 자료의 수, 그리고 참고자료의 평균나이였다. 즉, 학술대회 논문과 기타자료를 참고자료로 많이 사용하고 최신의 자료를 많이 참조한 표본논문일수록 많이 인용되었다.

본 연구는 대학생들의 취업정보 공유에 미치는 영향요인을 파악하기 위해 취업과 현장교육이 중시되는 385명의 전문대학교 학생들을 대상으로 설문조사를 실시하였다. 조사된 데이터는 구조방정식 모형을 적용하여 검증하였고, 연구결과 대학생들의 취업정보 공유에 가장 큰 영향을 미치는 요인은 문화적 요인으로 취업정보 공유를 장려하는 조직문화, 최고관리자의 리더십, 보상체계의 구축이 마련되어져야 한다는 사실을 확인할 수 있었다. 이러한 결과는 대학생들의 취업정보 공유를 활성화시키는데 중요한 기초자료가 될 수 있을 것이다.

최근 생의학 분야의 학술 문헌이 기하급수적으로 급증함에 따라 관련 분야 연구자들은 선행 연구 및 연구 동향 파악에 어려움을 겪고 있다. 이에 효율적인 선행 연구 및 연구 동향 파악을 위한 정보 추출 기술이 요구되며, 학술 문헌의 정보 추출을 위한 개체인식 및 개체 간의 생의학 이벤트 추출 연구가 활발히 진행되고 있다. 본 연구는 이에 심층 학습(Deep Learning)의 기법 중 하나인 컨볼루션 네트워크(Convolutional Neural Networks, CNN) 모델을 기반으로 이벤트 내의 개체 유형 정보의 적용 위치와 함께, 이벤트 식별 및 분류를 고려하여 총 8가지의 모델을 구성하여 실험하였다. 실험 결과, 본 연구에서 제안하는 모델 중 최고성능을 보인 개체 유형 완전연결 모델이 이벤트 분류 실험에서 F-점수 72.09%의 높은 성능을 보였으나, 이벤트 추출 실험에서는 학습 컬렉션의 불균형 문제 및 이벤트 식별 모델의 성능 저조 등으로 인하여 F-점수 21.81%의 비교적 저조한 성능을 보였다.

본 논문에서는 지속적으로 커져가는 산업 시장에 대해 관련 연구자들이 이를 효율적으로 분석할 수 있는 반자동 지원 체제개발을 위한 기술 용어와 기술 개념에 대한 정의문 및 설명문을 자동으로 생성하는 한국어 문장 생성 모델을 제시한다. 한국어 정의 문장 생성을 위하여 딥러닝 기술 중 데이터의 전/후 관계를 포함한 시퀀스 레이블링이 가능한 LSTM을 활용한다. LSTM을 근간으로 한 두 가지 모델은 기술명을 입력할 시 그에 대한 정의문 및 설명문을 생성한다. 다양하게 수집된 대규모 학습 말뭉치를 이용해 실험한 결과, 본 논문에서 구현한 2가지 모델 중 CNN 음절 임베딩을 활용한 어절 단위 LSTM 모델이 용어에 대한 정의문 및 설명문을 생성하는데 더 나은 결과를 도출시킨다는 사실을 확인하였다. 본 논문의 연구 결과를 바탕으로 동일한 주제를 다루는 문장 집합을 생성할 수 있는 확장 모델을 개발할 수 있으며 더 나아가서는 기술에 대한 문헌을 자동으로 작성하는 인공지능 모델을 구현할 수 있으리라 사료된다.

멀티미디어 정보환경의 발전과 다양한 요구를 지닌 정보이용자는 멀티미디어의 접근과 이용에 있어서 기존 정보검색 패러다임에서 중요시하지 않았던 요소를 사용하는 추세이다. 특히 이미지를 포함한 멀티미디어의 감정 접근과 이용은 다양한 정보환경에서 이루어지고 있다. 따라서 효율적으로 추상적 개념인 감정을 이용자에게 접근점으로 제공할 필요성이 증가한다. 본 연구는 감정으로 접근이 가능한 게티 이미지 뱅크의 이미지를 5가지 기본 감정으로 검색하여 부여된 색인어 총 22,675건을 추출하였다. 추출된 색인어는 전체감정, 긍정감정, 부정감정의 세 가지 데이터셋으로 구분하여 분석되었다. 분석을 위해서는 동시출현단어행렬로 작성되어 가중 네트워크와 군집화기법으로 시각화되었다. 분석결과를 살펴보면, 전체감정은 대분류로써 긍정감정, 부정감정, 가족의 3개 군집과 하위 20개의 군집으로 나타났다. 긍정감정은 10개의 군집이며, 부정감정은 10개의 군집으로 구성되었다. 이와 같은 가중 네트워크와 군집구성 분석을 통해, 세 가지 중요한 차세대 멀티미디어 검색을 위한 요소로 논의하였다. 첫째는 이미지 감정 표현을 위한 인물 색인어 특성이다. 둘째는 명시적 단어와 감정을 표현하는 함축적 단어와의 네트워크 구성을 통해서 상대적으로 색인이 용이한 명시적 단어만으로도 함축적 단어 추론 가능성이다. 셋째는 감정으로 표현하는 함축적 단어의 유사어/동의어로의 확장은 이용자 중심의 접근을 제공하는 측면에서 중요하다는 점이다.

이 연구의 목적은 독서역할모델(부모, 교사, 친구)과 독서유효성(독서지속의지, 독서몰입, 독서만족)이 중학생의 학업성취(국어성적, 내신성적)에 미치는 영향을 조사하는 것이다. 분석결과, 국어성적에 영향을 미친 요인은 독서역할모델 중 아버지(1.9%)와 어머니(3.4%)였으며, 독서유효성 요인 중에는 독서지속의지(8%)만 유일하게 영향을 미쳤다. 내신성적의 경우 독서역할모델 요인 중 어머니(3.4%)만 유일하게 영향을 미쳤으며, 독서유효성은 독서지속의지(10.4%), 독서몰입(4.0%), 독서만족(1.9%) 모든 요인에서 영향을 미쳤다. 그러나 독서지속의지를 제외하고는 그 영향력이 미미하였다.

본 연구는 모바일 건강 애플리케이션을 활용하여 건강행위를 변화시키는 건강정보소비자 들이 그 역동적인 단계적 변화에 따라 추구하는 건강정보 탐색행태를 관찰하고자 하였다. 이를 위해 본 연구는 변화단계모형(Stages of change)을 이론적 틀로 사용하여 각 단계에서 나타나는 건강정보소비자들의 인식, 정보요구 및 탐색행태의 변화를 분석하였다. 본 연구에는 총 30명의 대학생 이용자들이 참여하여 3개월 동안 건강 애플리케이션을 사용하면서 금연, 금주, 및 규칙적 운동 등의 건강행위의 변화를 시도하였으며, 그들의 경험을 바탕으로 서면인터뷰를 실시하였다. 연구결과에 따르면, 연구 참여자들은 소셜 미디어와 인터넷을 포함하여 다양한 정보원을 사용할 뿐 아니라 정보요구에 따라 상이한 정보원을 탐색했다. 특히, 실행단계에 접어든 소비자들의 본격적인 건강 앱 활용에서 나타나는 정보요구와 정보탐색행태는 특별히 건강 앱을 통한 건강정보서비스의 함의를 시사한다. 또한, 행위변화를 시행하면서 경험하는 스트레스 관리와 퇴보(relapse), 그리고 행위변화의 긍정적 및 부정적 효과는 건강정보제공자에게 소비자의 건강행위변화를 지원할 수 있는 통찰력을 제공한다.

현행 공공도서관 사서 배치기준에 대해 공공도서관 현장의 실정과 그간의 광범위한 사회발전을 제대로 반영하지 못하고 있다는 비판이 있다. 이에 본 연구에서는 먼저 (1) 현행 법정 공공도서관 사서배치기준 대비 사서배치 현황을 국가도서관통계를 토대로 분석했고, (2) 현행법상 사서배치기준의 핵심 요소들의 도출 근거를 국내외 관련 문헌을 검토하면서 그 타당성을 분석하였으며, (3) 공공도서관 인력배치 현황데이터를 토대로 주요 배치기준별로 사서충원율을 산출하는 시뮬레이션 분석을 수행하여 그 결과를 비교분석하였다. 분석 결과, 2016년말 현재 전국 989개 공립 공공도서관의 1관당 평균 사서수는 4.3명이며, 법정 충원율은 18.2%에 불과했다. 법정 최소 기본 배치인력 3명에 미달하는 도서관이 40%를 넘었다. 연면적과 장서수로 사서수를 산출하는 현행 법적 기준은 봉사구간에 제시된 최소 연면적을 초과할 경우 과도한 수의 필요인력을 산출하여 고질적인 법적 기준 미달의 원인이 되고 있었다. 현행 법적 기준을 국제도서관연맹(IFLA) 및 한국도서관협회의 권장기준과 비교한 결과, 가장 낮은 사서충원율을 기록했다. 향후 사서배치기준은 필요이상의 복잡한 배치기준 대신, 해외에서 보편적으로 사용하는 봉사대상인구로 개정하고, 기본 인력 3인을 배치한 후, 증원기준으로 개별 도서관과 지자체의 상황을 반영해 2-3단계의 서비스 목표 수준별로 등급화하여 사서수를 배치하는 방안을 제안하였다.

4차 산업혁명 시대가 도래함에 따라 빅데이터, 사물인터넷, 인공지능 등 다양한 기술들이 등장하였고, 이러한 기술의 혁신을 기반으로 도서관에서 수행할 수 있는 정보제공 및 서비스 형태는 변화될 것이다. 이때 주목되는 것이 바로 스마트 디바이스이다. 이에 본 연구는 4차 산업혁명 시대의 새롭게 각광을 받고 있는 도서관 스마트 디바이스 활용 사례를 조사하여 서비스 실태를 분석하고, 시사점을 파악하고자 한다. 이를 위해 문헌조사 및 온라인 조사를 통해 현재 스마트 디바이스를 적용한 국내외 도서관 서비스 현황을 분석하였다. 나아가 본 연구에서는 현황분석 결과와 실무자의 의견 수렴을 토대로 현재 국내 도서관에 적용 가능한 스마트 디바이스 서비스를 제안하였다. 본 연구결과를 통해 차세대 도서관의 서비스 제공방향 수립에 도움이 될 수 있을 것이라 기대한다.

본 논문에서는 급격히 증가하는 생의학 분야 비정형 텍스트에서 핵심적 내용을 추출할 수 있는 기계학습 기반 정보 추출시스템을 구축하기 위한 언어자원 수집 및 통합적 구조화 방안을 제안한다. 제안된 방법은 정보 추출 시스템을 크게 개체명 인식과 개체명 간 관계 추출 시스템으로 구분하고, 각각의 시스템에 적합한 학습데이터를 구성하기 위해 생의학 분야 개체명 사전과 학습 집합을 수집한다. 그리고 수집된 해당 자원들의 특성을 분석하여 개체 구별을 위해 필수적으로 포함시켜야 할 항목들을 도출하고 이를 통해 시스템 학습과정에서 사용될 학습 데이터를 구성하기 위한 항목을 선정한다. 이와 같이 선정된 학습데이터의 구성 내용에 따라 수집된 자원들을 가공하여 학습 데이터를 구축한다. 본 연구에서는 생의학 분야의 하위 분야인 유전자, 단백질, 질병, 약물 4개 분야에 대한 개체명 사전과 학습 집합을 수집하여 각각을 학습 데이터로 구축하였으며, 개체명 사전을 통해 구축된 개체명 인식용 학습 데이터를 대상으로 개체명 수용 범위를 측정하기 위한 검증 과정을 수행하였다.