Skip to main content
It looks like you're using Internet Explorer 11 or older. This website works best with modern browsers such as the latest versions of Chrome, Firefox, Safari, and Edge. If you continue with this browser, you may see unexpected results.

연구동향 정보, 학술실적 분석 및 데이터 관리: 연구동향 정보 및 학술실적 지표

인용분석

특정 분야 논문이 인용된 횟수를 측정하여 논문, 저자 또는 연구기관의 영향력이나 질적인 수준을 평가하기 위한 것으로 다양한 데이터베이스나 웹페이지를 통하여 연구자 또는 논문의 영향력 분석 및 평가에 대한 내용을 안내하고자 한다.

학술실적분석 지표_저자영향력

[H-Index ?]

  • 연구자의 연구성과를 평가하기 위한 지표이며 Hirsch Index 혹은 Hirsch number 등으로 불리기도 하는데 Univ. of California, San Diego의 물리학자인 Jorge E. Hirsch에 의해 제안되었다.
  • 그는 “A scientist has index h if h of his or her Np(Number of Paper) have at least h citations each and the other (Np - h) papers have ≤ h citations each.” 라고 정의했다.  즉, 특정 연구자가 발표한 논문 중 논문 h개가 적어도 각각 h개 이상의 인용을 받고, 나머지 논문이 h개와 같거나 적은 인용을 받을 때 이 연구자의 index는 ‘h’가 된다.
  • 연구자뿐만 아니라 연구단체(기관이나 국가)의 연구 성과를 측정하는 데에도 활용이 가능하며, Web of Science, SCOPUS 및 Google Scholar 등에서도 이 지표를 제공하고 있다.

[등장 배경] 

  • 연구자의 연구실적 평가 중 논문수가 객관적인 기준으로 사용되고 있으나 단순히 논문 수만으로는 논문의 질적인 면을 측정하기 어렵기 때문에 피인용횟수를 기준으로 일반적인 평가를 한다. 예를 들어, 전체 피인용수가 100인 두 사람이 있다고 가정해 보자.  A라는 과학자는 현재 딱 한 편의 논문을 썼지만 100번의 인용을 받았고, B라는 과학자는 10편의 논문을 썼고 모든 논문이 각각 10번씩 인용되었다면 같은 평가를 받는 것이 적절한가? 이러한 의문에서 나타난 지수가 h-index이다.
  • H-Index는 연구자가 발표한 논문의 발표량과 인용 횟수를 측정해 양적, 질적인 측면을 하나의 숫자로 수치화하기 때문에 객관적인 업적 평가가 가능하다.

[H-Index 산출]

  • 연구자의 논문을 피인용수가 많은 순으로 정렬해서 순위와 피인용수가 같거나 순위가 피인용수보다 작은 최대값이 “h”이다.
  • 위의 [표]과 같이 자신의 전체 논문을 많이 인용된 순으로 정렬한다. 왼쪽의 No와 오른쪽의 Total Citations 두 숫자를 비교해서, 두 숫자가 같아지거나 비교했을 때 Total Citations가 순번보다 더 작아지기 시작하는 직전의 해당 숫자(No.)가 연구자의 h-index가 된다. 따라서 위 [표]에서 연구자의 h-index는 "4"가 된다.

학술실적분석 지표_저널평가

  1. IF(Impact Factor)

    • 유진 가필드(Eugene Garfield)가 1955년에 고안한 것으로 학술지의 영향력을 측정하는 지표이며 피인용지수 또는 IF(Impact factor)라고 한다.

    • 과학기술 분야 및 사회과학 분야의 누적된 논문 수 및 인용횟수를 이용하여 주제 분야 내에서 저널의 상대적 중요도를 결정할 수 있는 체계적이고 객관적인 수단을 제공한다.

    • Thomson Reuters사에서 제공하는 JCR(Journal Citation Report)에서 주제별, 출판사별, 국가별 또는 전체 리스트를 확인하거나 Category별로 저널을 검색하여 확인할 수 있다.

    • IF 계산법: 최근 2년간 논문의 당해 년도 인용된 수 ÷ 최근 2년간 수록된 논문수

      • EX) Science 저널의 2013년도 Impact Factor(31.477) 산출

  2. Eigenfactor Score [사이트 링크]
    • [Eigenfactor Score 개요]
      • 워싱턴대학교 생물학과 Carl T. Bergstrom 교수(Theoretical and Evolutionary Biology Lab.)에 의해 개발되었고 The Metrics Eigenfactor TM Project를 수행하여 The Eigenfactor TM Algorithm을 개발하였다.
      • 제공 자료는 Eigenfactor TM score, Article Influence score, Cost effectiveness, Mapping 자료, 분석 방법과 통계, Citation pattern/ Change over time/Clusting/Map이며 Eigenfactor TM score와 Article Influence score는 2007년부터 제공되고 있다.
    • [Eigen factor TM score, Article Influence TM score?]
      • Eigenfactor TM score는 Google의 웹사이트 간 중요도를 랭크하는 방식과 유사하게, 저널들을 랭크하는 방법이다. 
    • [Eigen factor TM score, Article Influence TM score의 의미]
      • 과학 커뮤니티에 대한 중요도를 측정한 점수로써 Science와 Social Science, Other publications 등을 포함하여 각각의 references들 간의 네트워크(ex. Citation flow, 저널간 or 분야간 관계)를 분석한다.
      • 하나의 저널이 다른 저널에 비해 상대적으로 어느 정도의 영향력을 가지는가를 평가하며, Citation data에 기반하여 분석된다.
    • [Eigen factor TM score, Article Influence TM score의 분석법]

      • 지난 5년 간의 citation data와 article수를 기반으로 계산되며 Self-citation (동일한 저널내에서 서로 인용)은 제외한다.

      • 저널의 fraction (전체 article 수에 대한 한 저널의 article수의 비율)이 높으면 Eigenfactor TM score가 높아진다. 지난 5년 동안 발간된 논문수가 년간 12편 이하인 저널 또는 발간된 논문들이 JCR 등록 저널에 인용되지 않은 저널들은 분석에서 제외된다.

    • [Eigen factor TM score]
      • JCR에 등록된 저널의 Eigenfactor score 총 합은 100이다.
    • [Article Influence TM score]
      • 한 저널에서 출판된 후 5년 동안의 논문들에 대한 상대적인 평균 영향력 값.
      • 전체 논문(5년간)의 평균 AI=1.00
      • A 저널의 AI Score=24.688라는 것은 전체 논문의 평균보다 24.688배 높다라는 의미이다. 즉, 1보다 Score가 큰 값은 전체 논문의 평균 영향력보다 높고, 1보다 적은 값은 전체 평균보다 낮은 영향력을 의미한다.
  3. SJR(SCImago Journal Rank)

    •  SJR은 스페인 Consejo Superior de Investigaciones Cintificas의 Felix de Moya 교수에 의해 개발된 것으로, '모든 인용은 동등하지 않다'는 전제를 기반으로 둔 학술지의 명성 지수이다.

    • 구글의 Page Rank 알고리즘의 영향을 받아 전체 인용 네트워크에서 노드에 점수를 매기는 방식으로, 명성이 높은 저널에서의 인용은 고득점으로 평가되어 같은 인용이라도 보다 높게 평가되는 방식이며 또한 저널의 주제분야, 질과 명성이 모두 직접 영향을 미치는 평가 지표라고 할 수 있다.  

    • SCI에 등재되지 않은 Open Access 학술지 평가에 유용하게 사용되며 명성이 높은 저널로부터 인용이 되면 그 영향력을 높게 보기 때문에 인용될 때마다 영향력이 각각 다르게 계산된다.

  4. SNIP(Source Normalized Impact per Paper)
    • Leiden대학 CWTS(Center for Sci. & Tech. Studies)의 Henk Moed 교수에 의해 고안되었으며 Impact Factor가 주제분야 간, 또한 저널이 포괄하는 범위에 따라 다르게 나타나는 인용 양상의 차이를 반영하지 못하는 점을 개선하기 위해 개발되었다.
    • SNIP은 해당 주제 분야의 전체 인용 수에 대비하여 상대적으로 결정되는 점이 특징으로, 그 해의 Impact per Publication과 주제 분야의 인용 잠재력을 통해 계산된다.
  5. KCI(Korea Citation Index)
    • Korea Citation Index의 약자로 한국연구재단의 학술지평가를 통해 선정된 등재 및 등재후보 학술지와 게재된 논문에 대한 서지정보와 각종 인용정보 및 통계자료 등을 제공하는 전문정보서비스이다.
    • Abstract, Keyword, Reference, 피인용 논문 리스트 등의 논문정보와 Kor-Factor, Impact Factor, Immediacy Index, ZIF(자기인용 제외지수) 등의 인용지수 및 각종 논문통계를 제공한다.
    • 연구지원관리에 필요한 각종 통계자료와 인용빈도에 따른 학술지의 영향력을 산출할 수 있어 특정 주제 분야에서 발행되는 학술지의 질적인 수준을 평가할 수 있는 하나의 도구로 활용할 수 있다.
    • 국내 학술지에 수록된 논문별 인용 문헌과 인용된 문헌과의 관계를 파악하고 연구함으로써 학술지 발행기관과 학문분야별 수준 파악과 연구자의 연구결과 평가를 위한 객관적 자료로도 활용이 가능하다.