| 내용 |
2015년 6월 30일 영국의 Digital Curation Centre(DCC)에서 연구 데이터의 영향을 추적하고 측정하기 위한 가이드를 공개하였다. 이 가이드에서는 주요 영향 측정 결과의 개념과 영향을 측정할 수 있는 서비스 및 도구에 대한 정보를 제공하고 있으며 최근 불거지고 있는 몇 가지 과제들에 대한 논의와 더불어 연구 데이터의 영향력을 확대하는 제언을 덧붙이고 있다. 기본적으로 영향력 강조 사유는 연구비용 투자의 중요성에 대한 실질적인 증거를 제공할 수 있다는 것이다. 또한 전략적 의사 결정 또는 벤치마킹을 수행할 때, 프록시 지표(proxy indicator)로서 글로벌 유사 연구 프로그램의 비교방법을 제공해주기도 한다. 물론 영향력의 정량적 평가방법에 논란은 있지만, 연구 데이터의 영향력을 측정하기 위해 연구자나 기관들은 다양한 방법을 동원하고 있다. 영향력은 하나의 기관이나 사건, 정보자원 등이 다른 것과 관계하여 상대적으로 가지고 있는 효과나 영향을 의미한다. 즉 해당 정보에 대해 얼마나 많은 사람들이 알고 있는가하는 관심과 얼마나 광범위하게 알려져 있는가하는 파급에 관한 것이다. 이러한 영향력 측정의 기준이 되는 도구는 다양하지만 대표적인 도구는 다음과 같다. - Citations of data, Resolutions, Page views, Downloads, Social media links - Post-publication peer review 또한 위와 같은 다양한 영향력 측정도구를 이용하여 그 결과를 제공하는 서비스는 다음과 같다. - Thomson Reuters Data Citation Index, ImpactStory, PLoS Article, Level Metrics, PlumX, Altmetric, ResearchGate Score, Google Scholar and Microsoft Academic Search, 그 외 SocialCite, PaperCritic, ReaderMeter 등 최근 연구 데이터 영향력 측정이 아직 이러한 분야가 미성숙한 단계라는 것이다. 측정방법도 매우 다양하며 또 이들간의 약간의 편차도 있다. 가령 표면적인 인용지수로 가치판단을 하는 것은 제목이 흥미를 유발하여 접근 횟수가 높은 경우가 발생할 수 있다. 아울러 영향력과 품질은 분명 연결되어 있지만, 때론 품질과 관계없이 높은 영향력을 가질 수도 있다. 건강과 다이어트처럼 제목과 초록이 대중적 이슈라면 품질과 관계없이 소셜미디어에 자주 언급될 수 있기 때문이다. 이 외에도 시스템 조작이나 소요시간 효과 등도 문제가 될 수 있다. 본 가이드는 연구자, 연구 데이터를 중심으로 연구를 수행하고 있는 조사원, 연구 품질 평가를 하는 관리자, 도서관 직원 등 조직 내에서 데이터 영향을 추적하고자 하는 사람들에게 흥미로운 가이드가 될 것으로 보인다. |
