구글 N그램 뷰어를 활용한 과학 인용 및 과학사 연구

초록

본 논문은 구글 북스의 N그램 뷰어를 과학 분야의 서지 분석 도구로 활용하는 방법을 제시한다. 연도별 n‑gram 빈도를 시간‑시계열 데이터로 보고, 과학 용어·연구자·논문 제목 등의 등장 추이를 추적함으로써 숨겨진 참고문헌을 발굴하고 과학사의 흐름을 재구성한다는 점을 강조한다.

상세 분석

본 연구는 디지털 인문학에서 주로 사용되어 온 구글 N그램 뷰어를 과학 서지학에 적용함으로써 새로운 연구 패러다임을 제시한다. N그램은 텍스트 코퍼스에서 연속된 n개의 토큰을 추출해 연도별 출현 빈도를 집계한 것으로, 시간‑시계열 분석에 적합한 형태이다. 논문은 먼저 구글 북스와 같은 대규모 디지털 도서관이 제공하는 메타데이터와 원문을 활용해 과학 분야에 특화된 코퍼스를 구축한다. 여기에는 물리학, 화학, 생물학, 의학 등 주요 학문의 교과서, 전공서, 학술 서적이 포함된다.

핵심 방법론은 다음과 같다. 첫째, 연구자는 관심 용어(예: “quantum mechanics”, “DNA replication”)를 n‑gram 형태로 정의하고, 구글 N그램 API를 통해 연도별 출현 횟수를 추출한다. 둘째, 추출된 데이터는 시계열 평활화와 이동 평균을 적용해 잡음을 감소시킨 뒤, 급증 혹은 급락 시점을 탐지한다. 셋째, 급증 시점과 연관된 주요 저자·서적·학술지 정보를 교차 검증한다. 이를 위해 구글 스칼라, PubMed, Web of Science와 같은 전문 데이터베이스와 연동해 실제 인용 관계를 확인한다.

연구 결과는 두 가지 주요 인사이트를 제공한다. 첫째, N그램 데이터는 전통적인 인용 색인에서 누락된 ‘비공식적’ 참고문헌, 즉 교과서 서술, 강의 노트, 대중 과학 서적 등에 등장하는 핵심 개념을 드러낸다. 이러한 문헌은 특정 시기에 학문적 패러다임 전환을 촉진했음에도 정규 인용 데이터베이스에서는 거의 보이지 않는다. 둘째, 용어의 등장 빈도 변화는 과학 기술의 사회적 확산 속도를 정량화할 수 있는 지표가 된다. 예를 들어, “CRISPR”라는 용어가 2012년 이후 급격히 상승한 패턴은 해당 기술이 실험실을 넘어 산업·정책 영역으로 확산된 시점을 정확히 포착한다.

하지만 한계점도 명확히 제시된다. 구글 북스 코퍼스는 출판물 중심이며, 최신 논문·회의록·특허 등은 충분히 포함되지 않는다. 또한 OCR 오류와 번역·표기 변형으로 인해 동일 개념이 서로 다른 n‑gram으로 분리될 위험이 있다. 이러한 오류는 데이터 전처리 단계에서 사전 정의된 정규표현식과 동의어 사전을 활용해 부분적으로 보완할 수 있다. 마지막으로, 출현 빈도 자체가 인용 횟수와 일대일 대응하지 않으며, 문화적·언어적 편향(예: 영어권 서적 비중이 높음)도 결과 해석에 영향을 미친다.

결론적으로, 구글 N그램 뷰어는 과학 서지학에 새로운 탐색적 도구를 제공한다. 전통적인 인용 분석과 병행해 사용하면, 과학 지식의 형성·전파 과정을 보다 입체적으로 이해할 수 있다. 향후 연구에서는 다국어 코퍼스 확대와 머신러닝 기반 토픽 모델링을 결합해, 용어 간 연관성 네트워크를 시각화하고, 과학 혁신의 전이 메커니즘을 정량화하는 방향을 제안한다.