저자동시인용분석을 위한 복수저자 기여도 산정 방식의 비교 분석

A Comparative Analysis on Multiple Authorship Counting for Author Co-citation Analysis

학문연구에서 공저가 빈번해짐에 따라서 저자 단위의 지적 구조 분석을 수행할 때 복수저자의 기여도 산정 방식이 중요한 고려사항이 되고 있다. 이 연구에서는 복수저자 기여도 산식에 따른 상관분석, 다차원척도법, 패스파인더 네트워크의 차이를 비교 분석해보았다. <한국건축학회지: 계획계>에 2003년부터 2008년까지 발표된 2,014편의 논문을 대상으로 여섯 가지 복수저자 기여도 산식을 적용해보았다. 첫째는 제1저자만 고려하는 산식(m1), 둘째는 모든 공저자 대등 산식(m2), 셋째는 균등분할 산식(m3), 넷째는 합계 1이 되는 차등 산식(m4), 다섯째는 합계 1 이상 2 이하가 되는 차등 산식(m5), 여섯째는 제1저자 가중 산식(m6)이다. 이중에서 m1은 제1저자 이외의 공저자를 모두 무시하는 반면 m2는 제1저자와 다른 공저자를 동등하게 기여도가 1인 저자로 취급하므로 두 산식이 가장 양 극단의 방식인 것으로 분석되었다. 상관분석과 다차원척도분석을 수행할 때 m1을 제외한 다섯가지 산식(m2~m6)의 결과를 비교해본 결과 m3, m4, m5는 상대적으로 유사한 결과를 도출하는 것으로 나타났다. 그러나 패스파인더 네트워크로 지적 구조를 시각화한 결과에서는 복수저자 기여도 산식을 달리함에 따라 변경되는 한 두 링크의 차이가 전체 네트워크 구조의 현저한 차이를 낳을 수 있는 것으로 나타났다. 저자 군집에 대한 내적 타당도 측정 결과에서는 제1저자 가중 산식(m6)이 좋은 성능을 보였다. 비교 분석 결과 여섯 가지 복수저자 기여도 산정 방식 중 유사한 방식들을 구분할 수 있었으며, 특히 지적 구조를 네트워크로 표현하는 경우에 산정 방식의 차이가 더 큰 영향을 끼치는 것으로 드러났다.

As co-authorship has been prevalent within science communities, counting the credit of co-authors appropriately is an important consideration, particularly in the context of identifying the knowledge structure of fields with author-based analysis. The purpose of this study is to compare the characteristics of co-author credit counting methods by utilizing correlations, multidimensional scaling, and pathfinder networks. To achieve this purpose, this study analyzed a dataset of 2,014 journal articles and 3,892 cited authors from the Journal of the Architectural Institute of Korea: Planning & Design from 2003 to 2008 in the field of Architecture in Korea. In this study, six different methods of crediting co-authors are selected for comparative analyses. These methods are first-author counting (m1), straight full counting (m2), and fractional counting (m3), proportional counting with a total score of 1 (m4), proportional counting with a total score between 1 and 2 (m5), and first-author-weighted fractional counting (m6). As shown in the data analysis, m1 and m2 are found as extreme opposites, since m1 counts only first authors and m2 assigns all co-authors equally with a credit score of 1. With correlation and multidimensional scaling analyses, among five counting methods (from m2 to m6), a group of counting methods including m3, m4, and m5 are found to be relatively similar. When the knowledge structure is visualized with pathfinder network, the knowledge structure networks from different counting methods are differently presented due to the connections of individual links. In addition, the internal validity shows that first-author-weighted fractional counting (m6) might be considered a better method to author clustering. Findings demonstrate that different co-author counting methods influence the network results of knowledge structure and a better counting method is revealed for author clustering.