Gender Differences in Research Topic and Method Convergence among Collaborating Scholars in Library and Information Science

기술 요약: 문헌정보학 내 협력 학자들의 연구 주제 및 방법 수렴에 나타나는 성별 차이

문제 제기
개별 학자의 연구 주제 및 방법 선택에 관한 성별 차이에 대해서는 광범위한 문헌이 존재하지만, 협력 그룹 내에서 이러한 차이가 어떻게 나타나는지에 대한 이해에는 주목할 만한 공백이 존재한다. 기존 연구들은 주로 개인 수준의 속성에 초점을 맞추어 왔으며, 서로 다른 성별 구성을 가진 협력 파트너 간의 '수렴(convergence)'—즉, 선택의 일관성 정도—를 충분히 다루지 못했다. 또한, 기존 연구들은 이러한 격차의 근본적인 요인을 분석하는 데 깊이가 부족하거나 포용적인 학술 환경을 조성하기 위한 실질적인 지침을 충분히 제공하지 못하는 경우가 많다. 본 연구는 성별 구성(여성-여성, 여성-남성, 남성-남성)이 문헌정보학(LIS) 분야의 연구 주제 및 방법론적 선택의 수렴에 영향을 미치는지 조사함으로써 이러한 공백을 메우고자 한다.

연구 방법론
본 연구는 1990년부터 2022년 사이에 14개의 핵심 문헌정보학 학술지에 발표된 25,204편의 연구 논문을 분석하는 대규모 데이터 기반 정량적 접근 방식을 채택하였다. 이 방법론은 데이터셋의 규모를 처리하기 위해 다음과 같은 여러 자동화 기술을 통합하였다:

1. 데이터 소스 및 전처리: 데이터는 14개의 권위 있는 학술지(예: JASIST, Scientometrics, IPM)에서 추출되었다. 사설(Editorials)과 서평(Book reviews)은 제외되었다.
2. 학자 식별 및 성별 확인:
   • 식별(Disambiguation): 저자 이름은 Microsoft Academic Graph에서 파생된 OpenAlex를 사용하여 식별되었으며, 35,164명의 학자에게 고유 ID를 부여하였다.
   • 성별 확인: 성별을 식별하기 위해 다음과 같은 다단계 프로세스가 사용되었다:
     • 공개 데이터셋(USSA 출생 데이터, PUBMED, WGND)과의 매칭.
     • 온라인 API 도구(Genni 2.0, Genderize.io) 활용 (확률 임계값 >85%).
     • 모호한 경우(중립적 이름, 동아시아 이름)에 대한 수동 검색.
   • 이 과정을 통해 32,335명 학자의 성별을 식별하였으며(91.95%), 결과적으로 약 6:4의 남녀 비율을 가진 데이터셋을 구축하였다.
3. 주제 식별: 제목과 초록으로부터 연구 주제를 식별하기 위해 Top2Vec 모델이 사용되었다. NLTK를 통한 정제 후, 모델은 의미론적 매핑을 위해 Doc2Vec을, 밀도 기반 클러스터링을 위해 HDBSCAN을 활용하였다. 문맥 기반 일관성 값(CV)을 통해 22개의 최적 주제를 결정하였으며, 이후 기존 문헌정보학 분류 체계(예: Järvelin & Vakkari)에 따라 주제를 병합하고 명명하였다.
4. 방법론 분류: CogLTX 아키텍처를 기반으로 한 CogFT (Cognitive Full-Text) 모델이 연구 방법을 분류하는 데 사용되었다. 이 모델은 SciBERT를 통한 전체 텍스트 추상화 및 블록 수준 어텐션(attention)을 통한 방법 설명 식별, 그리고 BERT를 이용한 분류의 2단계 과정을 거친다. 이 모델은 하나의 논문에서 여러 방법을 식별할 수 있는 다중 레이블 분류기로 작동하며, 수동 주석 대비 85% 이상의 F1 점수와 약 0.81의 Kappa 일관성을 달ach하였다.
5. 수렴 측정: 협력 학자 쌍의 주제 및 방법 선택 확률 분포 사이의 유사성을 측정하기 위해 **Jensen-Shannon (JS) 발산(Divergence)**을 계산하였다. 이 지표는 수렴의 정도를 정량화한다 (낮은 JS 발산은 높은 유사성/수렴을 의미함).

주요 결과
세 가지 성별 조합(여성-여성, 여성-남성, 남성-남성)에 대한 JS 발산 값의 분석을 통해 다음과 같은 결과를 얻었다:

• 여성 학자의 낮은 수렴성: 여성 학자들은 남성 학자들에 비해 주제 및 방법 선택 모두에서 유의미하게 낮은 수렴성(높은 JS 발산)을 보였다.
  • 주제 선택: 여성-여성 쌍의 평균 JS 발산은 0.4168이었던 반면, 남성-남성 쌍은 0.3715였다.
  • 방법 선택: 여성-여성 쌍의 평균 JS 발산은 0.2963이었던 반면, 남성-남성 쌍은 0.2617이었다.
• 다양성 vs. 수렴: 여성 학자들은 여성과 협력하든 남성과 협력하든, 다양한 연구 주제와 방법론적 접근을 가진 파트너와 협력하는 경향이 더 강하게 나타났다. 반면, 남성 학자들은 유사한 주제와 방법에 수렴하는 것을 더 선호하는 경향을 보였다.
• 구체적 선호도:
  • 여성-여성 쌍: "정보 리터러시 교수/배양", "의료/보건 정보 서비스", "정보 탐색 행태"와 관련된 주제를 더 선호하였다. "텍스트 처리/검색"을 선택할 가능성은 낮았다. 방법론 측면에서는 인터뷰, 설문조사, 관찰과 같은 질적 접근법을 선호하였다.
  • 남성-남성 쌍: "텍스트 처리/검색"과 같은 기술적 주제에 더 높은 수렴성을 보였으며, "실험" 및 "이론적 접근"과 같은 양적 방법을 선호하였다.
  • 여성-남성 쌍: 이들의 선호도는 중간 수준이었으나 여성-여성 쌍에 약간 더 가까웠다. 이는 여성 학자들이 남성 파트너의 상보성을 고려하면서도, 남성의 수렴 선호도에 어느 정도 영향을 받아 여성-여성 쌍보다는 약간 낮은 다양성을 보임을 시사한다.

주요 기여

1. 협업에 대한 체계적 조사: 개인적 속성에만 집중했던 기존 연구와 달리, 본 연구는 협력 그룹 내에서 성별이 연구 주제 및 방법의 수렴에 미치는 결합된 영향을 체계적으로 분석하였다.
2. 방법론적 엄밀성: 본 연구는 대규모 데이터셋(25,204편)을 처리하기 위해 강력한 자동화 파이프라인(Top2Vec, CogFT, OpenAlex)을 활용하여 정밀도와 운영 가능성의 균형을 맞춘 대표적인 실증적 근거를 제공하였다.
3. 다양성의 실증적 증거: 본 연구는 여성 학자들이 협력적 선택에서 더 큰 다양성을 보인다는 정량적 근거를 제시함으로써, 성별 패턴이 균일하다는 통념에 도전하고 연구 궤적을 형성하는 데 있어 성별의 역할을 강조하였다.

의의 및 주장
저자들은 본 연구가 학술적 협업에서의 성별 역학을 이해하는 데 있어 중요한 공백을 메운다고 주장한다. 여성 학자들이 상보적인 파트너(다양한 주제와 방법을 가진 파트너)를 찾는 경 Tendency를 밝힘으로써, 본 연구는 학술 팀 협업의 메커니즘에 대한 새로운 관점을 제공한다.

이러한 발견의 의의는 두 가지 측면에서 중요하다:

• 이론적 측면: 학계의 성별 차이에 대한 이해를 개인의 선호도를 넘어 그룹 역학으로 확장하며, 성별 수렴이 연구 협력에서 변동적인 요소임을 시사한다.
• 실천적 측면: 연구 결과는 더 포용적인 학술 환경을 조성하기 위한 지침을 제공한다. 저자들은 이러한 차이를 이해하는 것이 지도교수나 멘토가 성별에 따른 편향된 조언을 피하고, 성별 간의 원활한 소통을 촉진하며, 학제 간 및 교차 성별 협력을 장려하는 정책을 지원하는 데 도움이 될 수 있다고 제안한다. 본 연구는 연구 산출물의 성별 수렴을 분석하고자 하는 타 학문 분야의 참조 모델로 자리매김한다.

본 논문은 성별 식별이 이름 기반 추론에 의존한다는 점(논바이너리 정체성 제외), 데이터가 특정 분야와 기간에 국한된다는 점, 그리고 정량적 방법론에 내재된 편향이 있을 수 있다는 점을 인정하며 제한 사항에 대해 겸허한 태도를 유지한다. 향후 과제로 질적 검증과 타 분야에 대한 해당 방법론의 적용을 제안한다.