A human-validated procedure for linking PhD dissertation metadata to OpenAlex author profiles
이 논문은 박사 학위 논문 메타데이터를 OpenAlex 저자 프로필에 안정적으로 연결하기 위해 문자 수준, 주제 기반, 그리고 트랜스포머 기반 유사도 측정 방식을 결합하여 인간이 검증한 일반화 가능한 방법을 제시하고 검증하며, 이를 통해 학술적 경력 궤적을 추적하는 높은 정확도를 달성하고 북미 박사 졸업생의 약 17.3%가 후속 출판물과 연결되지 못한다는 사실을 밝혀낸다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
매년 전 세계적으로 수십만 명의 학생들이 박사 학위를 마치며, 이는 연구의 세계로 공식적으로 진입하는 이정표가 됩니다. 수십 년 동안 학술적 경력이 어떻게 전개되는지를 연구하는 과학자들은 다음에 어떤 일이 일어나는지를 말해줄 특정 집단, 즉 학술지에 논문을 계속 발표하는 사람들에게 의존해 왔습니다. 이러한 발표된 저작물들을 추적함으로써, 연구자들은 과학자들이 얼마나 오랫동안 활동을 유지하는지, 그들의 생산성은 어떠한지, 그리고 그들의 경력이 어떻게 진화하는지에 대한 그림을 그려왔습니다. 그러나 이 그림에는 중대한 사각지대가 존재합니다. 이는 논문을 계속 발표하는 사람들만을 포함하고 있습니다. 학술 출판의 세계를 완전히 떠나 산업계, 정부 또는 교육 분야로 진출하거나, 단순히 학술지 작성을 그만둔 수많은 졸업생들을 놓치고 있습니다. 이 개인들은 과학적 성과를 추적하는 데 사용되는 표준 데이터베이스에 나타나지 않기 때문에, 박사 학위의 전체적인 영향력을 이해하려는 연구들에 있어 사실상 보이지 않는 존재가 됩니다. 누가 누락되었는지 알지 못한다다면, 경력의 성공이나 이탈에 대한 그 어떤 추정치도 이미 논문 발표라는 요건에 의해 걸러진 표본에 기반하게 됩니다.
이 문제를 해결하기 위해, 한 연구팀은 박사 학위 논문과 그 저자의 이후 경력 사이의 연결 고리를 찾는 새로운 방법을 개발했습니다. 설령 그 저자가 이후에 단 한 편의 논문도 발표하지 않았더라도 말입니다. 그들은 학위 기록과 경력 기록 사이의 거대한 간극에 주목했습니다. 과제는 매우 험난합니다. 학위 논문은 특정 분야에서 한 개인의 작업에 대한 유일한 기록인 경우가 많으며, 수백만 개의 과학 논문을 보유한 데이터베이스에는 흔한 이름을 공유하는 사람들로 가득 차 있기 때문입니다. 예를 들어, 2009년 학위 논문에 등장하는 "John Smith"라는 연구자가 2015년에 논문을 발표한 "J. Smith"와 동일 인물일 수도 있고, 완전히 다른 두 사람일 수도 있습니다. 많은 졸업생이 이름을 바꾸거나, 다른 이니셜을 사용하거나, 이름의 변형된 형태로 논문을 발표한다는 사실은 이 문제를 더욱 복잡하게 만듭니다. 기존의 방식들은 종종 단순한 이름 매칭이나 이미 자신의 작업을 연결해 둔 자원봉사자들에게 의존해 왔는데, 이 두 방법 모두 학술 출판의 세계로 계속 나아가지 않는 침묵하는 다수의 졸업생을 포착하는 데 실패했습니다.
연구자들은 학위 논문의 세부 정보를 전 세계 과학 출판물 데이터베이스인 OpenAlex의 수백만 개의 잠재적 일치 항목과 비교하는, 마치 숙련된 사서처럼 작동하는 컴퓨터 시스템을 구축함으로써 이 문제에 맞섰습니다. 이 시스템은 단순히 이름만을 보는 것이 아니라, 학위 논문의 제목과 발표된 논문의 제목을 읽어 들여 텍표 조각으로 나누어 텍스트가 얼마나 겹치는지를 확인합니다. 또한, 이 시스템은 작업의 기저에 깔린 주제를 이해하는 고급 기술을 사용하여, "머신 러닝"에 관한 논문이 비록 단어는 다르더라도 "인공지능"이라는 제목의 학위 논문과 관련이 있을 수 있음을 인식합니다. 시스템은 학위 논문을 쓴 사람이 논문을 쓴 사람과 동일인일 가능성을 나타내는 점수를 생성합니다. 이 시스템이 제대로 작동하는지 확인하기 위해, 연구자들은 인간 전문가들이 수천 개의 잠재적 일치 항목을 검토하며 컴퓨터의 추측이 맞았는지 확인하는 테스트를 진행했습니다. 그 결과, 텍스트 매칭과 주제 분석을 결합함으로써 시스템이 서로 다른 기록들 사이에서 동일한 인물을 높은 정확도로 신뢰성 있게 식별할 수 있음을 발견했습니다.
이 새로운 방법의 결과는 학술 노동력에 대한 놀라운 현실을 드러냅니다. 연구자들이 이 시스템을 북미 지역의 대규모 박사 졸업생 집단에 적용했을 때, 이들 중 상당수가 주요 서지 데이터베이스에 연결될 수 있는 후속 출판물을 찾을 수 없다는 사실을 발견했습니다. 구체적으로, 그들은 전형적인 박사 졸업생 집단의 10.2%에서 20.7% 사이의 인원이 학위 취득 후 주요 서지 데이터베이스에 전혀 나타나지 않는다고 추정하며, 가장 유력한 수치는 17.3%라고 제시했습니다. 이는 박사 졸업생 5명 중 거의 1명이 표준적인 과학 경력 지도에서 누락되어 있음을 의미합니다. 이 집단이 반드시 실패한 것은 아닙니다. 그들은 다른 분야에서 성공적일 수 있지만, 데이터에서의 부재는 박사 학위 이후에 일어나는 일들에 대한 우리의 이해를 왜곡합니다. 연구는 또한 출판 기록에서 "사라지는" 비율이 시간이 지남에 따라 증가한다는 것을 보여주었습니다. 졸업 직후의 해에는 약 73%의 졸업생이 여전히 논문을 발표하는 것으로 관찰되지만, 그 숫자는 15년 후에는 약 50%로 떨어집니다. 논문을 전혀 발표하지 않은 졸업생들까지 포함하면 이 감소 폭은 더욱 가팔라지며, 이는 대다수의 연구자가 제한된 기간 동안만 과학 문헌에 기여한다는 것을 시사합니다.
연구자들은 또한 현대의 인공지능이 자신들의 구조화된 컴퓨터 시스템을 대체할 수 있는지 테스트했습니다. 그들은 대규모 언어 모델이 매우 높은 확신을 가질 때는 매우 정확한 판단을 내릴 수 있지만, 전체 집단에 걸쳐 일치 항목을 찾아내는 데 있어서는 전문화된 점수 산정 시스템보다 속도가 느리고 약간 덜 효과적이라는 것을 발견했습니다. 그들이 제안하는 가장 효율적인 접근 방식은, 빠른 전문 시스템을 사용하여 모든 데이터를 스캔한 다음, 첫 번째 시스템이 불확실해하는 사례에 대해서만 인공지능을 사용하여 재확인하는 것입니다. 이 2단계 프로세스는 복잡한 모델로 모든 기록을 확인하는 데 드는 시간과 비용에 발목 잡히지 않으면서도 데이터에 대한 포괄적인 시각을 제공합니다.
궁극적으로, 이 연구는 단순히 데이터 매칭의 기술적 문제를 해결하는 것을 넘어, 학술 경력에 대한 이야기를 바꿉니다. 출판을 하지 않는 졸업생들까지 고려함으로써, 이 연구는 박사 과정 교육의 결과에 대해 더 정직하고 완전한 그림을 제공합니다. 이는 박사 학위 이후의 경로가 데이터가 이전에 허용했던 것보다 훨씬 더 다양하며, 상당수의 인원이 학술지에 논문을 발표하지 않는 역할로 이동하고 있음을 보여줍니다. 여기서 개발된 방법은 개방적이며 다른 분야와 국가에도 적용될 수 있어, 매년 박사 학위를 받는 수백만 명의 실제 운명을 이해하고자 하는 정책 입안자와 연구자들에게 새로운 도구를 제공합니다. 이 연구는 학위 논문의 끝이 항상 과학적 경력의 시작은 아니라는 점을 상기시키며, 박사 학위의 가치가 학술지의 페이지 너머까지 확장된다는 것을 보여줍니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.