가렛의 알고리즘적 연대기와 다차원 시각화

초록

이 논문은 가렛의 저작을 대상으로 제목 단어, 공동 저자, 저널명을 네트워크화하고, 최신 다차원 척도법(MDS)과 애니메이션을 활용해 지식 흐름과 학술적 연대기를 시각화한다. 이를 통해 저자의 지적 역사를 동적으로 재구성하고, 알고리즘적 연대기 연구의 새로운 가능성을 제시한다.

상세 분석

본 연구는 전통적인 인용 기반 알고리즘적 연대기(historiography) 접근법을 확장한다. 가렛(Eugene Garfield)과 Irving Sher가 1960년대에 제안한 개념은 ‘인용망’만을 통해 학문적 흐름을 재구성했지만, 저자는 여기서 제목 단어(co‑word), 공동 저자(co‑author), 저널명(co‑journal)이라는 세 가지 추가 차원을 도입한다. 이러한 다변량 데이터는 각각 이분 그래프 형태로 변환된 뒤, 동일한 시간 구간(연도) 내에서 상호 연결성을 계산한다. 핵심 기술은 최신 다차원 척도법(MDS)이다. 전통적인 MDS는 거리 행렬을 저차원(보통 2차원) 공간에 투영해 시각화하지만, 본 논문은 ‘동적 MDS’를 적용해 연도별 네트워크를 연속적인 프레임으로 연결한다. 이를 통해 시간에 따른 구조적 변화를 매끄러운 애니메이션으로 표현한다.

데이터 전처리 단계에서는 가렛의 전체 저작을 Web of Science와 Scopus 등에서 추출하고, 메타데이터(제목, 저자, 저널명)를 정제한다. 중복 제거와 표준화 과정을 거친 뒤, 각 연도별로 세 가지 유형의 동시출현 행렬을 구축한다. 예를 들어, ‘제목 단어’ 행렬은 같은 논문에 등장한 단어 쌍의 빈도를, ‘공동 저자’ 행렬은 같은 논문에 공동 저자로 참여한 인물 쌍의 빈도를, ‘저널명’ 행렬은 동일 논문이 게재된 저널 간의 연관성을 나타낸다.

이후, 각 행렬을 유사도(코사인 유사도 또는 Jaccard 지수)로 변환하고, 이를 거리 행렬로 역변환한다. 동적 MDS는 연속된 시간 구간 사이에 ‘스트레스’ 함수를 최소화하면서도, 이전 프레임과의 위치 변화를 최소화하는 제약을 추가한다. 결과적으로, 동일한 노드(예: 특정 키워드나 저자)는 시간에 따라 자연스럽게 이동하며, 급격한 변동은 실제 학문적 전환점이나 연구 주제의 전이를 반영한다.

시각화는 색상, 크기, 라인 두께 등 시각적 변수를 활용해 노드의 중심성, 연결 강도, 출현 빈도를 동시에 전달한다. 특히, 저자 네트워크에서는 핵심 협력자를 크게 표시하고, 저널 네트워크에서는 영향력 높은 저널을 강조한다. 애니메이션은 웹 기반 인터페이스에서 재생 가능하도록 제작돼, 사용자는 특정 연도에 정지하거나 전체 흐름을 관찰할 수 있다.

이러한 방법론적 혁신은 두 가지 학술적 기여를 만든다. 첫째, 인용망 외에 다중 메타데이터를 통합함으로써 학문적 흐름을 보다 풍부하게 포착한다. 둘째, 동적 MDS와 애니메이션을 결합해 정적인 그래프가 제공하지 못하는 ‘시간적 연속성’을 시각적으로 구현한다. 결과적으로, 가렛 자신의 연구 경로뿐 아니라, 과학계 전반에 걸친 지식 전이와 협력 구조를 직관적으로 이해할 수 있다.