Science of Science — Paper Curation

실제 네트워크들이 공통적으로 보이는 멱법칙 분포(scale-free power-law distribution)는 네트워크 성장과 선호적 부착(preferential attachment)이라는 두 가지 메커니즘으로부터 자연스럽게 나타난다.

이 논문은 스케일-프리 네트워크(scale-free network) 개념을 처음 정식화하고, 성장과 선호적 부착이라는 단순한 메커니즘으로 복잡한 실제 네트워크의 멱법칙 분포를 설명함으로써 네트워크 과학 분야의 기초를 확립한 획기적 작업이다.

 *Fig. 2 The exponential distribution of scientific prizewinning. Plot and inset show* 3,000개 이상의 과학상과 10,455명의 수상자 데이터를 분석하여 과학상 네트워크가 과학의 경계를 넓히는 과학자들을 예측할 수 있음을 보여준다.

과학상 네트워크 분석을 통해 과학의 엘리트 집중화, 학제적 연결, 계층적 구조를 최초로 정량화하고 미래의 영향력 있는 과학자를 예측하는 프레임워크를 제시한 중요한 연구이다. 대규모 데이터와 혁신적 분석 방법론으로 과학 사회학 분야에 유의미한 기여를 한다.

 *Fig. 1 shows that LLM adoption is associated with a large increase in researchers’ scientific output* 대규모 언어모델(LLM)이 과학 논문 작성에 광범위하게 도입되면서 연구 생산성은 증가했지만, 글의 복잡성과 논문 품질 간의 관계가 역전되어 언어적으로는 정교하지만 실질적으로는 부실한 원고들이 증가하고 있다.

본 연구는 LLM의 과학 생산에 대한 거시적 영향을 최초로 체계적이고 대규모로 실증한 획기적 연구로, 단순 생산성 증가 너머로 과학 품질 평가 기준의 근본적 변화를 요구하는 중요한 발견을 제시한다.

 *Fig. 1 | SciSciGPT system architecture. A diagram illustrating the modular* SciSciGPT는 대규모 언어모델(LLM)을 기반으로 한 오픈소스 AI 협력자로, 과학 메타과학(science of science) 분야의 복잡한 연구 워크플로우를 자동화하고 재현성을 향상시킨다.

SciSciGPT는 LLM 에이전트 기반 AI 협력자의 실질적 가능성을 메타과학 도메인에서 입증한 중요한 프로토타입이며, 제안된 성숙도 모델은 향후 AI 연구 도구 개발을 위한 일반화된 프레임워크를 제공한다. 투명성 및 윤리 문제 해결과 함께 다양한 과학 분야로의 확장이 이루어진다면 과학 연구의 패러다임 전환을 가능하게 할 것으로 기대된다.

 *Fig. 1  The entity relationship diagram of SciSciNet. SciSciNet includes “SciSciNet_Papers” as the main data* 134M개 이상의 과학 논문과 펀딩, 특허, 임상시험 등 외부 연계 데이터를 통합한 대규모 오픈 데이터 레이크(SciSciNet)를 제시하여, 과학 연구의 장벽을 낮추고 재현성을 향상시킨다.

SciSciNet은 과학 연구에 대한 패러다임적 자원으로, 134M개 논문과 다층 연계 데이터를 통합하여 과학 메타 연구의 진입 장벽을 획기적으로 낮춘다. 투명한 문서화와 표준화된 지표 제공으로 재현성을 강화하며, 개방형 구조로 커뮤니티의 지속적 확장을 가능하게 한다.

 *Fig. 3 Screenshot of the main window of VOSviewer* VOSviewer는 bibliometric mapping을 위한 자유 소프트웨어로, 특히 대규모 bibliometric map의 시각화(visualization)에 중점을 두고 개발되었으며 VOS mapping technique을 기반으로 한다.

VOSviewer는 bibliometric mapping의 시각화라는 소외된 영역에 집중하여 대규모 map의 해석성을 획기적으로 개선한 실질적으로 유용한 도구이며, 자유 소프트웨어로 제공되어 연구 커뮤니티에 큰 기여를 하고 있다.

 *Figure 2: Gender imbalance in citations made by papers in computer science. Panels (a), (d),* 컴퓨터과학 분야에서 여성 저자 논문이 예상보다 적은 인용을 받는 성별 기반 인용 불균형을 실증적으로 규명하고, 이러한 현상이 회의 논문에서 저널 논문보다 더 심각함을 보여준다.

컴퓨터과학에서의 성별 기반 인용 불균형을 최초로 체계적으로 규명하고 회의-저널 간 차이를 밝혀낸 중요한 연구로, 학문의 형평성 증진을 위한 실질적 근거를 제공한다. 다만 이진 성별 분류와 자동 할당의 한계를 보완하고 인과관계를 더욱 엄밀히 규명하는 후속 연구가 필요하다.

 *Fig. 1.   Tenure and publication rates. (A) Articles published per year, averaged across researchers for each year befor* 12,611명의 미국 학자를 7개 데이터소스에서 추적하여, 종신재직권(tenure) 획득 전후 연구 생산성과 창의성의 변화를 대규모로 실증 분석한 연구이다. 종신재직권 획득 직전에 논문 발표가 최고조에 달하고, 획득 후 분야별로 상이한 궤적을 보이며, 창의성은 증가하나 영향력은 감소하는 현상을 발견했다.

이 논문은 미국 종신재직권 제도가 연구 생산성과 창의성에 미치는 영향을 대규모 실증 데이터로 처음 체계적으로 규명한 고도의 학술적 기여이며, 분야별 이질성 발견과 방법론의 엄밀성(인과성 규명, 경력 나이 통제)이 뛰어나 Science of Science, 학계 정책 입안, 학자 경력 이해에 중대한 함의를 제공한다.

 *Fig. 1 Changes in the mutual distance between the four parties over time. The four parties included in the analysis are * 미국과 중국의 과학 협력이 2000년대 이후 급속한 수렴에서 최근 발산으로 전환되는 역동적 패턴을 보이며, 이는 글로벌 과학 협력의 일반적 수렴 추세와 대조된다.

본 논문은 미국-중국 과학 협력의 역동적 변화를 대규모 데이터로 처음 입증한 중요한 연구로, 글로벌 과학 정책과 외교에 실질적 근거를 제공한다. 다만 인과관계 규명과 최신 데이터 포함을 위한 후속 연구가 필요하다.

 *Fig. 3 Group and individual diversity vs. impact in each subfield. In each subplot, the points correspond to subfields, th* 900만 개 논문과 600만 명의 과학자를 분석하여 인종(ethnic) 다양성이 과학적 협력의 영향력(citation impact)과 가장 강하게 상관관계를 가지며, 인종 다양성이 높은 논문은 10.63%, 과학자는 47.67%의 영향력 증가를 보임을 입증했다.

본 논문은 대규모 데이터와 엄밀한 통계방법으로 인종 다양성이 다른 형태의 다양성보다 과학적 영향력에 훨씬 강한 긍정적 상관관계를 가짐을 처음으로 체계적으로 입증했으며, 다양성 정책의 과학적 근거를 제공하는 중요한 공헌이다. 다만 명명화 인종 분류의 한계와 인과성 미보장 등 방법론적 제약이 있다.

 *Figure 1(a) | The World Map of Artificial Intelligence Collaboration. The bubbles represent the top 199 institutions* 1971년부터 2020년까지 50년간 OpenAlex 데이터를 활용하여 15개 자연과학 분야의 국제 및 기관 간 연구 협력 현황과 진화를 시각화한 종합 지도책(Atlas)이다.

OpenAlex의 오픈 데이터를 활용하여 50년간 15개 과학 분야의 국제 협력 현황을 종합적으로 시각화한 선도적 자료로, 정책 입안자 및 연구 관리자에게 직관적이고 실용적인 인사이트를 제공한다. 다만 데이터 완전성과 공저자 관계의 한계를 인식하고 활용하면 과학 외교 및 R&D 정책 수립의 중요한 참고 자료가 될 수 있다.

그래프에서 커뮤니티 구조(community structure)를 검출하는 문제를 종합적으로 분석하고, 통계물리학 기반 방법론들을 중심으로 다양한 탐지 알고리즘들을 체계적으로 정리한 포괄적 리뷰 논문이다.

이 논문은 커뮤니티 검출 문제를 최초로 종합적으로 정리한 영향력 있는 리뷰로, 다양한 방법론의 통일된 이해를 제공하며 분야의 표준 참고문헌이 되었다. 다만 계산 확장성과 일부 미해결 이론적 문제들은 향후 연구 과제로 남아 있다.

 *Fig. 1   Analytical strategy for detecting and mapping the conceptual structure* 메타데이터를 활용한 비교 과학지도(comparative science mapping) 기법을 제안하여, 저자, 기관, 지역 등의 특성에 따라 과학출판물의 개념 구조를 다중 관점에서 분석하고 시각화한다.

메타데이터를 활용하여 기존 과학지도 기법을 창의적으로 확장한 연구로, 이탈리아 종양학 연구의 종합적 분석을 통해 정책 입안과 기관 전략 수립에 실질적 기여를 제공한다.

1991-1998년 8년간의 수학 및 신경과학 논문 데이터베이스를 분석하여 과학자 협력 네트워크의 진화 메커니즘을 규명한 연구로, scale-free 네트워크 특성과 preferential attachment 현상을 실증적으로 검증하고 모델링했다.

복잡계 네트워크 과학의 고전적 논문으로, 협력 네트워크의 동역학적 진화를 최초로 체계적으로 분석하고 preferential attachment를 실증적으로 검증하여 scale-free 네트워크 이론의 실증적 기초를 확립했다. 실증-모델-시뮬레이션의 삼각 검증 방법론과 내부/외부 링크 구분 모델은 이후 네트워크 과학 연구의 표준 방법론으로 광범위하게 채택되었다.

 *Figure 1. Visualization of the steps of our algorithm. Each pass is made of two phases:* 대규모 네트워크에서 모듈성(modularity) 최적화 기반의 빠른 커뮤니티 검출 알고리즘을 제안하며, 선형에 가까운 시간복잡도로 수백만 개 노드를 처리할 수 있다.

매우 효율적이고 실용적인 커뮤니티 검출 알고리즘으로, 선형에 가까운 복잡도와 계층적 구조 해석 능력을 통해 대규모 네트워크 분석 분야에서 획기적 기여를 한다. 명확한 방법론과 강력한 실험 검증이 돋보이는 우수한 논문이다.

 *Fig. 2.* Scopus의 3,600만 개 학술논문 메타데이터를 활용하여 1998-2017년 전 세계 학자(scholars)의 국제 이주 패턴을 분석한 결과, 경제발전에 따른 학자 이주율이 U자형 곡선을 보임을 발견했다.

본 연구는 대규모 서지 데이터를 혁신적으로 활용하여 학자 이주에 대한 최초의 포괄적 글로벌 분석을 제공하며, 일반 인구와 다른 U자형 패턴을 발견함으로써 이주 이론의 확장에 기여한다.

 *Figure 1: Visualization of a network with VOSviewer.* 대규모 bibliometric 데이터셋에서 과학 공동체를 효율적으로 매핑하기 위해 노드 필터링 대신 링크 필터링(strongest interactions)을 우선하는 새로운 방법론을 제시한다. Elasticsearch, Graphology, VOSviewer 등을 통합하여 scalable network analysis framework를 구축했다.

대규모 bibliometric 데이터에서 network analysis의 확장성 문제를 실용적으로 해결한 우수한 엔지니어링 작업이다. 링크 중심 필터링과 Elasticsearch 사전 계산이라는 간단하지만 효과적인 기법으로 백만 단위 출판물을 실시간 처리할 수 있게 했으며, 오픈소스 공개와 다층 기관 지원으로 실제 정책 결정에 즉시 활용 가능하다는 점에서 높은 가치가 있다.

 *Figure 2 shows the distribution of these accounts across the seven organisational* 트위터에서 학술 출판물에 대해 트윗한 9,842개 조직 계정(organizational accounts)을 식별하고, 이들의 소셜 미디어 자본(social media capital), 트윗 활동, 참여 수준의 패턴을 분석한 연구이다.

이 연구는 학술 커뮤니케이션에서 조직이 하는 중요한 역할을 체계적으로 규명하고, 재사용 가능한 공개 데이터셋을 제공함으로써 altmetrics 분야에 실질적인 기여를 한다. 다만 단일 플랫폼 분석과 기술적 깊이 면에서 개선의 여지가 있다.

 *Fig. 3 Group and individual diversity vs. impact in each subfield. In each subplot, the points correspond to subfields, th* 900만 개 논문과 600만 명의 과학자를 분석하여 인종(ethnic) 다양성이 과학적 협력의 영향력(citation impact)과 가장 강하게 상관관계를 가지며, 인종 다양성이 높은 논문은 10.63%, 과학자는 47.67%의 영향력 증가를 보임을 입증했다.

본 논문은 대규모 데이터와 엄밀한 통계방법으로 인종 다양성이 다른 형태의 다양성보다 과학적 영향력에 훨씬 강한 긍정적 상관관계를 가짐을 처음으로 체계적으로 입증했으며, 다양성 정책의 과학적 근거를 제공하는 중요한 공헌이다. 다만 명명화 인종 분류의 한계와 인과성 미보장 등 방법론적 제약이 있다.

 *Fig. 1.* Word2vec 신경망 임베딩 모델을 마이그레이션 궤적에 적용하여 위치 간의 잠재적 관계를 벡터 공간에 인코딩하고, 과학자 300만 명의 이동 패턴에서 문화, 언어, 명성 등 다층적 구조를 학습할 수 있음을 입증했다.

본 논문은 Word2vec과 중력 모델의 수학적 동치성을 증명하고 과학자 마이그레이션 300만 건에 적용하여, 신경망 임베딩이 다층적 사회 현상의 구조를 효과적으로 학습할 수 있음을 보였다. 이론과 실증이 결합된 견고한 방법론론과 높은 사회과학적 의의로 우수한 연구이나, 데이터 편향과 의미론적 해석의 엄밀성 개선이 필요하다.

 *Fig. 3 | Validation of the predictions. a, Results of prediction of* 비지도 학습 기반 word embeddings을 재료과학 문헌에 적용하여 화학적 지식을 명시적으로 입력하지 않고도 주기율표 구조와 물질-특성 관계를 자동으로 인코딩하며, 미래 열전재료를 사전에 예측할 수 있음을 입증한 연구이다.

본 연구는 비지도 학습 기반 word embeddings을 재료과학에 처음 적용하여 문헌에 숨겨진 지식을 자동으로 인코딩하고 미래 발견을 예측 가능함을 실증적으로 입증한 획기적인 작업이다. 자연언어처리와 재료과학의 융합 연구로서 학문 간 경계를 확장하며, 추후 AI 기반 과학 발견 가속화의 중요한 토대가 된다.

Scopus 데이터를 기반으로 2020년 5월까지의 업데이트된 과학자 인용 지표 데이터베이스를 제공하며, 상위 100,000명 과학자와 각 세부분야 상위 2% 과학자의 표준화된 인용 지수를 공개한다.

본 논문은 과학자의 학술적 영향력을 측정하기 위한 표준화된 인용 지표 데이터베이스의 중요한 업데이트를 제공하며, 머신러닝을 활용한 분류 개선과 자기인용 분석 강화로 학술 평가의 투명성과 공정성을 크게 향상시킨다. 완전히 공개된 데이터와 명확한 방법론으로 학술 커뮤니티에 실질적인 기여를 한다.

 *Fig. 3 Co-occurrence of keywords in citation contexts of papers referencing Eugene Garfield* Eugene Garfield의 논문들을 인용한 논문들의 인용 맥락(citation context)을 기반으로 키워드 동시출현 네트워크(keyword co-occurrence network)를 생성하는 새로운 유형의 문헌계량 네트워크를 제안한다.

인용 맥락 기반 키워드 동시출현 네트워크라는 새로운 분석 방법을 제안하고, 인용이 인용된 논문의 인지적 영향을 반영한다는 이론을 실증적으로 검증한 의미 있는 연구이다. 다만 표본 크기 제약과 Microsoft Academic의 불완전한 데이터 커버리지를 개선하면 더욱 강력한 연구가 될 수 있다.

 *Figure 1: Illustration of the structured concept extraction pipeline: i) the corpus used, ii) running optimized prompt* LLM을 이용한 구조화된 개념 추출을 통해 과학 논문의 지식 그래프를 구축하고, 대규모 문헌에서 체계적으로 연구 패턴과 동향을 분석할 수 있는 시스템을 제시한다.

이 논문은 대규모 과학 문헌 분석의 중요한 문제에 창의적이고 실용적인 솔루션을 제시하며, 구조화된 지식 추출을 통해 연구 동향 분석을 체계화했다. 추출 정확도의 한계가 있으나 30,000개 논문의 성공적 처리와 실제 인터페이스 제공으로 높은 실무 가치를 입증한다.

 *Figure 3. The framework of the science mapping process.* 과학 출판물의 급증으로 인해 문헌 검토 효율성이 중요해졌으며, 본 논문은 bibliometric analysis(서지학적 분석)에서 text mining(텍스트 마이닝)을 결합한 science mapping(과학지도)의 프레임워크를 종합적으로 검토한다.

본 논문은 급증하는 과학 출판 데이터 시대에 bibliometric analysis와 text mining의 통합 필요성을 명확히 하고, 체계적인 문헌 검토를 통해 현황을 파악한 가치 있는 종합 리뷰 논문이다. 다만 text mining 기법의 구체적인 적용 방법론과 사례 연구가 보완된다면 더욱 실용적이고 영향력 있는 기여가 될 것이다.

 *Figure 2: Score panel in both interfaces.* Citation-Constellation은 인용 네트워크를 사회적·구조적 근접성에 따라 분해하는 무료 오픈소스 도구로, BARON과 HEROCON 두 가지 보완적 지표를 통해 연구자의 인용 출처를 분석한다.

이 논문은 오랫동안 이론적으로만 존재해온 인용 네트워크 분해 개념을 완전히 투명하고 접근 가능한 운영 도구로 구현한 중요한 기여이며, 책임 있는 연구 평가 운동과 오픈 사이언스에 부합하는 민주화된 인프라를 제공한다.

ChatGPT는 연구 품질 평가 시 실제 연구 품질과 무관한 언어적 복잡성과 초록 길이에 과도하게 영향을 받으며, 이는 인간 전문가의 평가와 다른 편향된 패턴을 보여준다.

본 논문은 ChatGPT의 연구 평가에서 나타나는 체계적 편향을 경험적으로 입증하여 AI 기반 평가 시스템의 신뢰성 문제를 제기하며, 실무적으로 LLM 기반 연구 평가 도입 시 주의해야 할 점을 명확히 제시한다.

 *Figure 1. PPV (Probability That a Research* 통계적 유의성(p<0.05)에만 의존한 연구방식으로 인해 출판된 대부분의 연구 결과가 거짓일 가능성이 높다는 수학적 증명과 분석.

과학 출판의 신뢰성 위기를 수학적으로 증명한 획기적 논문으로, 단순한 비판을 넘어 왜 체계적으로 거짓 발견이 나타나는지 정량적으로 설명했다. 이후 메타-과학(meta-science)과 재현 위기 논의의 이론적 토대를 제공했다.

 *Fig. 1 | Women are less likely to be named authors on any given document in* 과학 분야에서 여성 연구자들이 남성 동료에 비해 저자 표시(authorship credit)를 받을 확률이 현저히 낮으며, 이는 생산성 차이가 아닌 기여도 인정의 차이에서 비롯된다.

과학 분야의 성별 격차가 단순 생산성 차이가 아닌 기여도 인정 격차에서 비롯된다는 것을 대규모 행정 데이터, 설문, 질적 분석으로 강력하게 입증한 매우 중요한 논문이다. 구조적 성차별 문제를 통계적으로 규명하고 정책 개입의 방향을 제시한다는 점에서 높은 학술적·사회적 가치를 지닌다.

본 논문은 세계적 규모의 서지계량학(Bibliometrics) 분석을 통해 과학 연구 분야에서 지속되는 성별 불균형을 실증적으로 입증한다.

본 논문은 과학계의 성별 격차를 서지계량학적으로 실증한 획기적 연구로서, 정책 입안자와 학계 지도자들에게 구체적인 증거를 제공하여 성평등 문화 조성에 기여한다. 다만 분석 대상이 Nature에 한정되어 있어 일반화 가능성의 제고가 필요하다.

 *Fig. 1A plots the upward trend of women’s participation in medical science from 2000* 660만 편의 의료과학 논문을 분석하여 성별 다양성 팀(mixed-gender teams)이 단일 성별 팀보다 더 참신하고 영향력 있는 연구 결과를 생산함을 입증했다. 성별 균형이 높을수록 논문의 참신성(novelty)과 영향력(impact)이 증가하는 경향을 발견했다.

대규모 의료과학 논문 데이터를 분석하여 성별 다양성 팀이 참신하고 영향력 있는 연구를 생산함을 엄밀하게 입증한 우수한 논문이다. 결과의 일관성, 통제변수의 충실성, 정책적 함의의 중요성이 높으나, 관찰 데이터의 한계와 메커니즘 미해명 부분이 개선 대상이다.

2000년부터 2015년까지 15년간 426만 명의 저자와 2,600만 편의 논문을 분석한 결과, 상위 1% 인용 엘리트 과학자들의 인용 점유율이 14%에서 21%로 증가하며 글로벌 인용 불평등이 심화되고 있음을 보여준다.

이 연구는 대규모 저자 동일성 확인 데이터를 활용하여 글로벌 과학 시스템의 인용 불평등이 심화되고 있음을 처음 정량적으로 입증한 중요한 논문이다. 다만 인용을 성공의 단일 지표로 보는 한계와 인과관계의 불명확성, 제도적 메커니즘에 대한 분석 부족이 있어 후속 질적·정책 연구가 필요하다.

 *Fig. 1.* 1955-2010년 153만 명 과학자의 출판 경력을 분석한 결과, 여성의 과학 참여 증가에도 불구하고 생산성(productivity)과 영향력(impact)의 성별 격차는 오히려 증가했으며, 이는 주로 경력 길이와 이탈률(dropout rate)의 차이로 설명된다.

이 논문은 대규모 비블리오메트릭 데이터와 정교한 통계 분석으로 성별 불평등의 역설적 증가를 실증하고, 생산성 격차의 구조적 원인(경력 길이·이탈률)을 규명하여 학계의 정책 논의를 근본적으로 재구성하는 의미 있는 기여를 한다.

본 연구는 교차성(intersectionality) 관점에서 미국 과학인력의 인종과 성별 다양성이 연구주제 선택과 과학적 영향력에 미치는 영향을 대규모 문헌계량학(bibliometrics) 분석으로 규명했다.

본 논문은 교차성 분석을 대규모 문헌계량학 데이터에 적용하여 과학 다양성과 혁신의 관계를 새로운 방식으로 규명한 중요한 연구이다. 다만 이름 기반 인종 분류의 오류와 인과메커니즘 규명의 한계가 있으나, 과학 정책 수립에 실질적 함의를 제공한다.

 *Figure 1:* AI 과학자(AI Scientist) 시스템의 문헌 조사로, 자동화된 과학 발견의 완전한 파이프라인을 6단계 방법론 프레임워크를 통해 체계적으로 분류하고 분석한다.

이 서베이는 급속히 성장하는 AI 과학자 분야를 처음으로 체계적이고 포괄적으로 정리한 중요한 작업으로, 6단계 프레임워크를 통해 방법론적 원칙을 명확히 하고 미래 연구의 로드맵을 제시한다. 다만 정량적 성능 비교와 크로스-도메인 일반화에 대한 실증적 분석이 강화되면 더욱 완성도 있는 리뷰가 될 수 있다.

 *Figure 1 illustrates a modular and scalable Artificial Orches-* AI 기반 자동화 약물 발견을 위해 복잡한 실험실 워크플로우를 통합 관리하는 Artificial 오케스트레이션 플랫폼을 제시한다. 데이터 사일로(data silos) 문제를 해결하고 NVIDIA BioNeMo와 같은 AI 모델을 자동화된 실험 프로세스에 통합한다.

본 논문은 자동화 약물 발견의 현실적 도전과제들(데이터 사일로, 워크플로우 복잡성, AI 통합)을 종합적으로 해결하는 실용적인 오케스트레이션 플랫폼을 제시하며, 모듈식 아키텍처와 다중 프로토콜 지원으로 확장성이 우수하다. 다만 드라이 랩 사례만 제시되었으므로 웻 랩 검증과 대규모 실제 운영 환경에서의 성능 평가가 후속되어야 한다.

 *Figure 2: The taxonomy of AI in research (AI4Research) is categorized into five key areas. Each area is* 본 논문은 AI4Research라는 체계적 분류법을 제시하여 과학 연구의 5가지 주요 작업(과학 이해, 학술 조사, 과학 발견, 학술 저술, 동료 평가)에 AI를 적용하는 현황을 종합적으로 조사한 학술 설문 논문이다.

본 논문은 AI4Research 분야의 첫 종합 설문으로서 5단계 파이프라인 분류, 다양한 학제간 응용 사례 수집, 풍부한 오픈 리소스 제공이라는 측면에서 높은 참고 가치가 있다. 다만 제목과 달리 'illusions of understanding'에 대한 비판적 분석이 약하고, 자동화 시스템의 과학적 엄밀성 보장 방안이 구체적이지 않은 점은 개선이 필요하다.

AI 기술이 생물의학 연구비 배분 시스템의 기득권 구조를 와해시켜, 초기경력 과학자와 혁신적 아이디어에 더 공평한 기회를 제공할 수 있음을 주장한다.

이 논문은 과학 자금 배분 시스템의 구조적 결함을 설득력 있게 분석하고, AI 분야와의 대조를 통해 제도적 개선의 필요성을 강하게 주장한다. 다만 AI 기반 해결책의 기술적 구체화와 현실적 실행 방안이 부족하여, 정책 개혁의 첫 단계 진단으로서의 가치는 높으나 실제 구현으로 나아가기 위한 추가 연구가 절실하다.

자동화 재료 발견 시스템(A-lab)의 43개 신규 재료 발견 주장을 재검토한 결과, 자동 Rietveld 분석의 신뢰성 부족과 재료의 무질서(disorder) 예측 누락으로 인해 실제로는 신규 재료가 발견되지 않았음을 지적한다.

자동화 재료 발견의 신뢰성 제고를 위한 중요한 비판적 분석으로, PXRD 특성화와 무질서 모델링의 두 가지 핵심 병목을 명확히 지적한다. 고처리량 재료 탐색의 실질적 진전을 위해 실험 결정학과 계산 화학의 협업 개선을 강력히 촉구하는 관점 논문이다.

 *Figure 1: Overview of the data-augmented LLM ideation framework. Compared to the standard* 대규모 언어모델(LLM)의 연구 아이디어 생성 과정에 메타데이터와 자동 검증을 통합하여 더 실현 가능하고 효과적인 아이디어를 생성하는 프레임워크를 제안한다.

LLM 기반 연구 아이디어 생성에 데이터를 전략적으로 통합하여 실현 가능성과 실증적 타당성을 동시에 향상시키는 실용적이고 창의적인 방법론을 제시하며, 인간-AI 협력의 실제 가치를 입증한 의미 있는 연구이다.

 *Fig. 1: The song of humanity is a song of courage. The diagram depicts the continuum of scientific inquiry spanning from* 본 논문은 과학 분야 대규모언어모델(Sci-LLM)의 발전을 데이터 중심으로 분석하는 종합 서베이로, 270개 이상의 사전학습/사후학습 데이터셋과 190개 이상의 벤치마크를 체계적으로 검토하여 과학 AI의 로드맵을 제시한다.

본 서베이는 과학 분야 AI의 발전을 데이터 관점에서 종합적으로 분석한 중요한 기여로, 과학 LLM 개발을 위한 이론적 프레임워크와 실무적 로드맵을 제시한다. 다만 정량적 성과 분석과 자율 에이전트 패러다임의 구체적 구현 사례가 보강될 필요가 있다.

 *Figure 1: Overview of the TruthHypo benchmark, including dataset construction, task formulation, and truthfulness evalua* LLM의 생의학 가설 생성 능력을 평가하기 위해 TruthHypo 벤치마크와 KnowHD 할루시네이션 탐지 프레임워크를 제안하여, 생성된 가설의 진실성과 지식 기반성을 체계적으로 평가한다.

본 논문은 LLM 기반 과학 가설 생성의 신뢰성을 평가하는 중요한 문제를 체계적으로 다루며, TruthHypo와 KnowHD를 통해 진실성 평가와 할루시네이션 탐지의 새로운 접근법을 제시한다. 생의학 분야의 가설 생성 벤치마크와 실용적인 할루시네이션 탐지 도구로서 과학 발견 가속화에 기여할 수 있는 가치 있는 연구이다.

 *Figure 1: Accuracy score progression of OLMo-7B on 8 core end-tasks score from Catwalk evaluation suite* OLMo는 훈련 데이터, 훈련 코드, 평가 도구까지 모두 공개한 완전 개방형 언어 모델(Open Language Model)이다. 이를 통해 언어 모델에 대한 과학적 연구를 가능하게 한다.

OLMo는 진정한 의미의 완전 개방형 언어 모델을 제공함으로써 언어 모델 연구의 투명성과 재현성을 획기적으로 향상시킨다. 데이터, 코드, 도구까지 모두 공개하는 이 종합적인 접근은 학술 커뮤니티에 큰 기여를 하며 향후 언어 모델 연구의 새로운 방향을 제시한다.

 *Figure 1: Adsorbates, materials, calculations,* 촉매 발견을 가속화하기 위해 1.28백만 개의 DFT 계산을 포함한 OC20 데이터셋과 3개의 도메인 챌린지 과제를 제시하여 머신러닝 모델의 일반화 능력 향상을 목표로 함.

촉매 머신러닝 분야에서 획기적인 대규모 데이터셋을 제공하고 명확한 벤치마크 과제와 공개 인프라를 제시하여 커뮤니티 기반 모델 개발을 촉진하는 핵심 기여이나, 단순화된 모델 가정이 실제 촉매 응용으로의 전이 시 한계가 있을 수 있음.

 *Fig. 1.* 750,000개의 과학논문을 기반으로 시맨틱 네트워크(SEMNET)를 구축하여 양자물리학의 미래 연구 동향을 예측하고 혁신적인 연구 아이디어를 제안하는 방법론을 제시한다.

본 논문은 대규모 과학문헌으로부터 시맨틱 네트워크를 구축하고 신경망과 네트워크 이론을 결합하여 미래 연구 동향 예측 및 혁신적 아이디어 제안이라는 새로운 접근을 제시하는 의미 있는 연구이다. 양자물리학이라는 급속히 성장하는 분야에 적용하여 실용성을 입증했으나, 개념 추출 정확성 및 장기 예측 능력 개선을 통한 보완이 필요하다.

 *Figure 1. The overall structure of our experiments. GPT4 was previously trained on data on a large fraction of the text * GPT-4를 사용하여 유방암 치료를 위한 신약 조합을 가설로 생성하고 실험실에서 검증한 결과, 12개 중 3개의 조합이 양성 대조군을 초과하는 시너지 효과를 보였으며, 반복 실험에서 4개 중 3개가 추가로 확인되었다.

본 논문은 LLM의 할루시네이션을 과학적 창의성의 원천으로 재정의하고 실험적 검증으로 입증한 혁신적 연구이다. 신약 개발의 AI-인간-실험 협업 모델을 제시하며, 재현 가능성과 확장성 강화가 필요하다.

기계학습 기반 과학 연구의 타당성, 재현성, 일반화 가능성 문제를 해결하기 위해 32개 항목으로 구성된 REFORMS 체크리스트를 개발하고, 8개 모듈별 상세 가이드라인을 제시한 합의 기반 권장사항.

본 논문은 ML 기반 과학의 재현성 위기를 해결하기 위해 다학제 전문가 합의를 바탕으로 개발한 REFORMS 체크리스트를 제시하여, 과학 커뮤니티에서 ML 도입의 신뢰성을 높이는 실질적이고 광범위하게 적용 가능한 도구를 제공한다.

 *Figure 1: An illustration comparing human-driven and AI-driven research* 본 논문은 과학의 과학(Science of Science, SoS) 연구에 AI 기반 자동화를 도입하여 대규모 연구 패턴 발견을 가능하게 하는 AI4SoS 프레임워크를 제시한다. 전통적인 통계 방법을 넘어 머신러닝과 멀티에이전트 시스템을 활용하여 과학 생태계의 복잡성을 자동으로 분석하고 시뮬레이션한다.

본 논문은 과학의 과학 연구에 AI를 체계적으로 통합하는 AI4SoS라는 새로운 학문 영역을 제안하고, 5단계 자동화 계층으로 명확한 로드맵을 제시하여 큰 개념적 기여를 한다. 다만 제시된 멀티에이전트 시스템은 예시 수준에 머물러 있으며, 실제 검증과 평가 체계가 더욱 강화될 필요가 있다.

 *Figure 4. Research workflow diagram.* 본 연구는 REF(Research Excellence Framework) 데이터 465건을 LLM과 BERTopic 의미분석을 통해 분석하여 과학-사회 간 지식 전달에서 도서관의 5가지 핵심 전략을 규명했다.

본 연구는 LLM과 의미분석을 결합한 혁신적 방법론으로 도서관의 연구영향 기여 전략을 체계적으로 규명한 높은 가치의 실증 연구이다. 다만 지역적 일반화 한계와 도서관 유형별 세분화 분석 부재는 향후 보완이 필요하다.

 *Figure 2. Event study coefficients for Post x Non-EDA interaction, relative to 2022. Pre-treatment coefficients* ChatGPT 출시 이후 대언어모델(LLM)이 연구 생산성을 높였지만, 의미론적 참신성(semantic novelty)은 감소했으며, 특히 영어 비주류국 소속 저자들에게서 더욱 뚜렷한 경향이 나타났다.

LLM의 생산성 이득이 지적 다양성 감소와 동반되는 현상을 최초로 실증적으로 입증한 중요한 연구로, 특히 저자 집단 간 이질적 효과를 통해 기술의 불균형적 영향을 드러냈으며, 구성수준이론이라는 심리학적 설명으로 AI 정책의 중요한 함의를 제공한다.

21백만 개의 과학논문으로부터 구축한 진화하는 지식그래프(evolving knowledge graph)와 머신러닝을 활용하여, 아직 발표되지 않은 새로운 연구 아이디어의 미래 영향력(impact)을 예측하는 기법을 제시한다.

과학 지식의 빠른 성장 속에서 미발표 연구의 미래 영향력을 조기에 예측하는 혁신적 접근법을 제시하며, 대규모 진화 지식그래프와 머신러닝의 결합으로 높은 예측 성능을 달성했다. 다만 도메인 특화성, 영향력 지표의 제한성, 해석 가능성 부족 등의 개선이 필요하며, 향후 과학 AI 어시스턴트 개발의 중요한 토대가 될 수 있다.

 *Fig. 2 | From arXiv to Science4Cast. Utilizing 143,000 AI and ML papers on* 143,000개의 AI 논문으로부터 64,000개 개념 노드를 가진 의미 네트워크(semantic network)를 구축하고, 머신러닝 기반 링크 예측(link prediction)을 통해 미래의 AI 연구 방향을 예측한다.

이 논문은 대규모 의미 네트워크에서 머신러닝 기반 링크 예측을 통해 미래 AI 연구 방향을 예측하는 실용적이고 확장 가능한 접근법을 제시하며, 수작업 특성의 우월성이라는 반직관적이지만 중요한 발견을 제공한다. 실제 과학 생산성 향상을 위한 연구 제안 도구 개발의 중요한 기초 연구이다.

 *Fig. 4 Process of BERTopic modeling. The process of BERTopic modeling* 이 연구는 BERTopic 임베딩 토픽 모델링과 네트워크 분석을 결합하여 과학 간행물 메타데이터에서 학제간 지식 재조합을 통해 새로운 과학의 출현을 식별하는 방법을 제안한다.

이 연구는 네트워크 분석과 임베딩 토픽 모델링을 창의적으로 결합하여 학제간 과학의 출현을 식별하는 새로운 방법론을 제시하며, 과학 정책 수립과 혁신 예측에 실질적 가치를 제공한다. 데이터 기반 접근과 질적 검증을 통해 방법론의 신뢰성을 입증했으나, 데이터 범위 확대와 추가적 타당성 검증이 필요하다.

 *Figure 1: Network of coordinated accounts based on co-* COVID-19 팬데믹을 사례로 1.24M 트윗과 211k 뉴스 기사를 분석하여 과학 논문의 정보 경로(information pathways)를 추적하고, 소셜 미디어 슈퍼스프레더(superspreaders)와 뉴스 미디어 간의 상호작용 구조를 규명한 연구이다.

이 논문은 COVID-19 과학 소통 생태계를 다층적으로 분석하여 소셜 미디어 슈퍼스프레더와 뉴스 미디어 간의 상호 강화 구조와 부실정보 증폭 메커니즘을 규명함으로써, 온라인 정보 생태계에 대한 혁신적 이해를 제공한다. 다만 인과관계 미확립과 사례 제한성에 대해 추가 검증이 필요하다.

 *Figure 2: Cloud of topics in the knowledge space. Scores of topics on principal* 이 연구는 토픽 모델링, 구성 데이터 분석, 기하학적 데이터 분석을 결합하여 과학자들을 학문 분야 내에서 위치시키는 새로운 인식론적 좌표 체계를 제시한다. 체코 국가 연구 데이터셋(1,039,577개 출판물, 118,560명 저자)을 활용하여 지식과 지식 생산자의 간격을 해소한다.

이 논문은 과학 지도 작성의 두 전통을 성공적으로 통합하며, 토픽 모델링과 기하학적 데이터 분석의 창의적 결합을 통해 연구자들을 인식론적 좌표계에 위치시키는 혁신적 방법론을 제시한다. 과학 정책 수립과 학문 분야 분석에 즉시 적용 가능한 실질적 가치가 높다.

학술지(periodical)의 시간에 따른 의미론적 변화를 추적하는 '시간 경과 임베딩(diachronic embedding)' 방법을 개발하여 과학의 구조 진화를 정량화한다.

시간 경과 임베딩을 통해 과학 진화를 정량적으로 추적하는 창의적 방법론을 제시하며, 광범위한 검증과 신흥 주제 발견으로 과학의 학문 구조 연구에 중대한 기여를 한다. 다만 데이터 범위 명시와 다양한 임베딩 방법 비교가 보강되면 더욱 강력해질 것이다.

 *Fig. 2. Distributions of dataset frequency across educational topics and levels of students.* 본 논문은 학습분석(Learning Analytics), 교육데이터마이닝(Educational Data Mining), 교육용 AI의 세 분야에서 공개 데이터셋의 현황을 파악하고, 데이터 공유 모범 사례를 제시하는 체계적 조사 연구이다.

본 논문은 학습분석 커뮤니티의 공개 데이터 현황에 대한 가장 포괄적이고 최신의 체계적 조사 연구이며, 실질적인 PRACTICE 지침 제공과 신규 데이터셋 인벤토리 공개를 통해 학습분석 분야의 개방 과학 실천을 촉진하는 중요한 기여를 한다.

 *Figure 1 illustrates the differences between the Assigned Type (OpenAlex) and the Verified Type* OpenAlex의 메타데이터 품질을 문헌 유형(publication type)과 언어(language) 필드 중심으로 분석하여, 6,640개 오픈 피어 리뷰 관련 논문에서 43%의 유형 불일치와 3.3%의 언어 불일치를 발견했다.

본 연구는 OpenAlex의 메타데이터 품질 문제를 구체적이고 정량적으로 입증함으로써, 해당 데이터베이스 사용 전 체계적 정제의 필요성을 강조한다. 문헌계량 및 오픈 사이언스 연구 커뮤니티에 실질적인 경고 신호를 제공하며, 오픈 인프라의 신뢰성 확보를 위한 개선 방향을 시사한다.

 *Fig. 2 The exponential distribution of scientific prizewinning. Plot and inset show* 3,000개 이상의 과학상과 10,455명의 수상자 데이터를 분석하여 과학상 네트워크가 과학의 경계를 넓히는 과학자들을 예측할 수 있음을 보여준다.

과학상 네트워크 분석을 통해 과학의 엘리트 집중화, 학제적 연결, 계층적 구조를 최초로 정량화하고 미래의 영향력 있는 과학자를 예측하는 프레임워크를 제시한 중요한 연구이다. 대규모 데이터와 혁신적 분석 방법론으로 과학 사회학 분야에 유의미한 기여를 한다.

 *Fig. 1 shows that LLM adoption is associated with a large increase in researchers’ scientific output* 대규모 언어모델(LLM)이 과학 논문 작성에 광범위하게 도입되면서 연구 생산성은 증가했지만, 글의 복잡성과 논문 품질 간의 관계가 역전되어 언어적으로는 정교하지만 실질적으로는 부실한 원고들이 증가하고 있다.

본 연구는 LLM의 과학 생산에 대한 거시적 영향을 최초로 체계적이고 대규모로 실증한 획기적 연구로, 단순 생산성 증가 너머로 과학 품질 평가 기준의 근본적 변화를 요구하는 중요한 발견을 제시한다.

 *Fig. 1 | SciSciGPT system architecture. A diagram illustrating the modular* SciSciGPT는 대규모 언어모델(LLM)을 기반으로 한 오픈소스 AI 협력자로, 과학 메타과학(science of science) 분야의 복잡한 연구 워크플로우를 자동화하고 재현성을 향상시킨다.

SciSciGPT는 LLM 에이전트 기반 AI 협력자의 실질적 가능성을 메타과학 도메인에서 입증한 중요한 프로토타입이며, 제안된 성숙도 모델은 향후 AI 연구 도구 개발을 위한 일반화된 프레임워크를 제공한다. 투명성 및 윤리 문제 해결과 함께 다양한 과학 분야로의 확장이 이루어진다면 과학 연구의 패러다임 전환을 가능하게 할 것으로 기대된다.

 *Fig. 1  The entity relationship diagram of SciSciNet. SciSciNet includes “SciSciNet_Papers” as the main data* 134M개 이상의 과학 논문과 펀딩, 특허, 임상시험 등 외부 연계 데이터를 통합한 대규모 오픈 데이터 레이크(SciSciNet)를 제시하여, 과학 연구의 장벽을 낮추고 재현성을 향상시킨다.

SciSciNet은 과학 연구에 대한 패러다임적 자원으로, 134M개 논문과 다층 연계 데이터를 통합하여 과학 메타 연구의 진입 장벽을 획기적으로 낮춘다. 투명한 문서화와 표준화된 지표 제공으로 재현성을 강화하며, 개방형 구조로 커뮤니티의 지속적 확장을 가능하게 한다.

 *Fig. 3 Screenshot of the main window of VOSviewer* VOSviewer는 bibliometric mapping을 위한 자유 소프트웨어로, 특히 대규모 bibliometric map의 시각화(visualization)에 중점을 두고 개발되었으며 VOS mapping technique을 기반으로 한다.

VOSviewer는 bibliometric mapping의 시각화라는 소외된 영역에 집중하여 대규모 map의 해석성을 획기적으로 개선한 실질적으로 유용한 도구이며, 자유 소프트웨어로 제공되어 연구 커뮤니티에 큰 기여를 하고 있다.

 *Figure 2: Gender imbalance in citations made by papers in computer science. Panels (a), (d),* 컴퓨터과학 분야에서 여성 저자 논문이 예상보다 적은 인용을 받는 성별 기반 인용 불균형을 실증적으로 규명하고, 이러한 현상이 회의 논문에서 저널 논문보다 더 심각함을 보여준다.

컴퓨터과학에서의 성별 기반 인용 불균형을 최초로 체계적으로 규명하고 회의-저널 간 차이를 밝혀낸 중요한 연구로, 학문의 형평성 증진을 위한 실질적 근거를 제공한다. 다만 이진 성별 분류와 자동 할당의 한계를 보완하고 인과관계를 더욱 엄밀히 규명하는 후속 연구가 필요하다.

 *Fig. 1.   Tenure and publication rates. (A) Articles published per year, averaged across researchers for each year befor* 12,611명의 미국 학자를 7개 데이터소스에서 추적하여, 종신재직권(tenure) 획득 전후 연구 생산성과 창의성의 변화를 대규모로 실증 분석한 연구이다. 종신재직권 획득 직전에 논문 발표가 최고조에 달하고, 획득 후 분야별로 상이한 궤적을 보이며, 창의성은 증가하나 영향력은 감소하는 현상을 발견했다.

이 논문은 미국 종신재직권 제도가 연구 생산성과 창의성에 미치는 영향을 대규모 실증 데이터로 처음 체계적으로 규명한 고도의 학술적 기여이며, 분야별 이질성 발견과 방법론의 엄밀성(인과성 규명, 경력 나이 통제)이 뛰어나 Science of Science, 학계 정책 입안, 학자 경력 이해에 중대한 함의를 제공한다.

 *Fig. 1 Changes in the mutual distance between the four parties over time. The four parties included in the analysis are * 미국과 중국의 과학 협력이 2000년대 이후 급속한 수렴에서 최근 발산으로 전환되는 역동적 패턴을 보이며, 이는 글로벌 과학 협력의 일반적 수렴 추세와 대조된다.

본 논문은 미국-중국 과학 협력의 역동적 변화를 대규모 데이터로 처음 입증한 중요한 연구로, 글로벌 과학 정책과 외교에 실질적 근거를 제공한다. 다만 인과관계 규명과 최신 데이터 포함을 위한 후속 연구가 필요하다.

 *Figure 1:* AI 과학자(AI Scientist) 시스템의 문헌 조사로, 자동화된 과학 발견의 완전한 파이프라인을 6단계 방법론 프레임워크를 통해 체계적으로 분류하고 분석한다.

이 서베이는 급속히 성장하는 AI 과학자 분야를 처음으로 체계적이고 포괄적으로 정리한 중요한 작업으로, 6단계 프레임워크를 통해 방법론적 원칙을 명확히 하고 미래 연구의 로드맵을 제시한다. 다만 정량적 성능 비교와 크로스-도메인 일반화에 대한 실증적 분석이 강화되면 더욱 완성도 있는 리뷰가 될 수 있다.

 *Figure 1 illustrates a modular and scalable Artificial Orches-* AI 기반 자동화 약물 발견을 위해 복잡한 실험실 워크플로우를 통합 관리하는 Artificial 오케스트레이션 플랫폼을 제시한다. 데이터 사일로(data silos) 문제를 해결하고 NVIDIA BioNeMo와 같은 AI 모델을 자동화된 실험 프로세스에 통합한다.

본 논문은 자동화 약물 발견의 현실적 도전과제들(데이터 사일로, 워크플로우 복잡성, AI 통합)을 종합적으로 해결하는 실용적인 오케스트레이션 플랫폼을 제시하며, 모듈식 아키텍처와 다중 프로토콜 지원으로 확장성이 우수하다. 다만 드라이 랩 사례만 제시되었으므로 웻 랩 검증과 대규모 실제 운영 환경에서의 성능 평가가 후속되어야 한다.

 *Figure 2: The taxonomy of AI in research (AI4Research) is categorized into five key areas. Each area is* 본 논문은 AI4Research라는 체계적 분류법을 제시하여 과학 연구의 5가지 주요 작업(과학 이해, 학술 조사, 과학 발견, 학술 저술, 동료 평가)에 AI를 적용하는 현황을 종합적으로 조사한 학술 설문 논문이다.

본 논문은 AI4Research 분야의 첫 종합 설문으로서 5단계 파이프라인 분류, 다양한 학제간 응용 사례 수집, 풍부한 오픈 리소스 제공이라는 측면에서 높은 참고 가치가 있다. 다만 제목과 달리 'illusions of understanding'에 대한 비판적 분석이 약하고, 자동화 시스템의 과학적 엄밀성 보장 방안이 구체적이지 않은 점은 개선이 필요하다.

AI 기술이 생물의학 연구비 배분 시스템의 기득권 구조를 와해시켜, 초기경력 과학자와 혁신적 아이디어에 더 공평한 기회를 제공할 수 있음을 주장한다.

이 논문은 과학 자금 배분 시스템의 구조적 결함을 설득력 있게 분석하고, AI 분야와의 대조를 통해 제도적 개선의 필요성을 강하게 주장한다. 다만 AI 기반 해결책의 기술적 구체화와 현실적 실행 방안이 부족하여, 정책 개혁의 첫 단계 진단으로서의 가치는 높으나 실제 구현으로 나아가기 위한 추가 연구가 절실하다.

 *Figure 5. OA vs non-OA Publication & Citation Comparison* 본 연구는 Web of Science 데이터베이스의 109,759개 도서관정보학(LIS) 학술논문(2001-2024)을 분석하여 오픈액세스(Open Access, OA) 논문의 인용 이점이 OA 유형, 학문분야, 출판년도에 따라 조건부로 나타남을 실증적으로 규명했다.

본 연구는 LIS 분야에서 부족했던 대규모 실증적 OA 연구로서, 의학·생명과학에서 관찰된 OA 인용 이점이 LIS에서는 시간 경과에 따라 소멸되고 OA 유형에 따라 조건부로 작동함을 처음 체계적으로 입증하여 학술커뮤니케이션 정책 수립에 중요한 실증적 근거를 제공한다.

 *Figure 4. Research workflow diagram.* 본 연구는 REF(Research Excellence Framework) 데이터 465건을 LLM과 BERTopic 의미분석을 통해 분석하여 과학-사회 간 지식 전달에서 도서관의 5가지 핵심 전략을 규명했다.

본 연구는 LLM과 의미분석을 결합한 혁신적 방법론으로 도서관의 연구영향 기여 전략을 체계적으로 규명한 높은 가치의 실증 연구이다. 다만 지역적 일반화 한계와 도서관 유형별 세분화 분석 부재는 향후 보완이 필요하다.

COVID-19 팬데믹 기간 정책 문서와 과학 논문의 상호작용을 대규모 데이터베이스로 분석하여, 정책이 최신의 동료검증 과학을 실제로 활용하고 있음을 보여준다.

본 연구는 대규모 데이터 통합을 통해 과학-정책 연결에 관한 오래된 회의론을 실증적으로 반박하며, 팬데믹 대응에서 정책이 실제로 최신 동료검증 과학을 우선적으로 활용함을 명확히 보여준다. 다만 인용의 실제 영향력과 정책 효과성과의 연계 분석이 추가되면 더욱 설득력 있을 것이다.

 *Fig. 2 Comparing future career outcome between near misses (orange) and narrow wins (blue). a The average number of publ* NIH R01 지원자의 초기 경력 좌절(자금 지원 탈락)이 장기 경력에 미치는 영향을 분석한 결과, 생존한 연구자들은 초기 좌절 후 더 높은 연구 성과를 달성하는 것으로 나타났다.

회귀불연속설계를 통해 초기 경력 좌절과 장기 연구 성과의 인과관계를 엄밀하게 규명한 점에서 높은 방법론적 엄밀성을 보유하며, NIH 전체 데이터 활용과 10년 추적을 통해 신뢰할 수 있는 실증 증거를 제시한 우수한 연구이다.

 *Figure 1: The science ecosystem, from the upstream funding to the science to the broader downstream* 과학 펀딩의 다차원적 영향을 시각적으로 분석하기 위해 700만 개 연구비, 1억 4천만 개 논문, 1억 6천만 개 특허 등을 연결한 대규모 데이터 기반 시각분석 시스템(FtF)을 개발했다.

이 논문은 Science of Science와 Visual Analytics를 결합하여 펀딩의 다차원적 사회 영향을 체계적으로 분석하는 최초의 포괄적 플랫폼을 제시했으며, 180억 규모의 이질적 네트워크 데이터 통합과 공개 웹 도구 제공을 통해 학술계뿐 아니라 정책 실무에서의 즉각적 활용 가치를 입증하는 뛰어난 연구다.

 *Fig. 3. Impact of interdisciplinary papers as a function of grant interdisciplinarity. a) Interdisciplinary papers from * 350,000개 국제 연구비 데이터를 분석한 결과, 학제간(interdisciplinary) 연구비보다 학문분야 중심(disciplinary) 연구비가 높은 영향력의 학제간 논문을 생산하는 것으로 나타났다.

학제간 연구비 지원 정책의 효과를 대규모 실증 데이터로 처음 체계적으로 검증한 중요한 연구이다. 깊은 학문기초와 학제간 혁신의 상보성을 보여주며 과학정책 입안에 직접적인 함의를 제공한다.

 *Figure 2: Overview of the funder name disambiguation pipeline.* 전 세계 과학 펀딩 조직을 연구 논문과 연결하기 위해 740만 개의 펀딩 인정 문자열을 체계적으로 명확화하고 190만 개의 고유 펀더를 표준화된 식별자로 매핑한 대규모 데이터셋을 구축했다.

본 연구는 과학 펀딩의 글로벌 투명성과 비교 가능성을 크게 향상시키는 실질적이고 포괄적인 데이터 인프라를 제공하며, 다단계 명확화 방법론과 체계적 교차 데이터베이스 검증을 통해 과학-정책 연구의 신뢰성을 높이는 중요한 기여를 한다.

북유럽 국가들의 연구 자금 지원과 출판 성과 간의 관계를 주제 수준에서 분석하여, 자금이 출판량은 증가시키지만 인용 영향도(citation impact)는 오히려 감소시키는 질-량 간 트레이드오프 현상을 발견했다.

북유럽의 연구 자금과 출판 성과 간의 관계를 주제 수준에서 체계적으로 분석한 우수한 연구로, 자금이 출판량은 증가시키지만 인용 영향도는 오히려 감소시킨다는 중요한 정책적 시사점을 제시한다. 다만 지역 한정성과 인과 메커니즘에 대한 더 깊은 분석이 필요하다.

1980-2020년 미국 연방정부의 과학 기금 배분을 분석한 결과, 공화당 의원들이 민주당보다 더 강력한 자금 지원을 일관되게 제공했음을 보여준다. 이는 정치적 양극화 시대에 과학 자금의 양당 협력적 특성을 강조한다.

정치와 과학 정책의 관계를 정량적으로 분석한 중요한 실증 연구로서, 50년간의 포괄적 예산 데이터를 통해 정당별 과학 자금 배분의 역사적 패턴을 처음으로 체계적으로 규명했다. 정치적 양극화 시대에 과학 자금의 양당 협력의 중요성을 강조하며 정책 입안자와 과학 공동체 모두에게 중요한 근거를 제공한다.

 *Figure 1:* AI 과학자(AI Scientist) 시스템의 문헌 조사로, 자동화된 과학 발견의 완전한 파이프라인을 6단계 방법론 프레임워크를 통해 체계적으로 분류하고 분석한다.

이 서베이는 급속히 성장하는 AI 과학자 분야를 처음으로 체계적이고 포괄적으로 정리한 중요한 작업으로, 6단계 프레임워크를 통해 방법론적 원칙을 명확히 하고 미래 연구의 로드맵을 제시한다. 다만 정량적 성능 비교와 크로스-도메인 일반화에 대한 실증적 분석이 강화되면 더욱 완성도 있는 리뷰가 될 수 있다.

 *Figure 1 illustrates a modular and scalable Artificial Orches-* AI 기반 자동화 약물 발견을 위해 복잡한 실험실 워크플로우를 통합 관리하는 Artificial 오케스트레이션 플랫폼을 제시한다. 데이터 사일로(data silos) 문제를 해결하고 NVIDIA BioNeMo와 같은 AI 모델을 자동화된 실험 프로세스에 통합한다.

본 논문은 자동화 약물 발견의 현실적 도전과제들(데이터 사일로, 워크플로우 복잡성, AI 통합)을 종합적으로 해결하는 실용적인 오케스트레이션 플랫폼을 제시하며, 모듈식 아키텍처와 다중 프로토콜 지원으로 확장성이 우수하다. 다만 드라이 랩 사례만 제시되었으므로 웻 랩 검증과 대규모 실제 운영 환경에서의 성능 평가가 후속되어야 한다.

 *Figure 2: The taxonomy of AI in research (AI4Research) is categorized into five key areas. Each area is* 본 논문은 AI4Research라는 체계적 분류법을 제시하여 과학 연구의 5가지 주요 작업(과학 이해, 학술 조사, 과학 발견, 학술 저술, 동료 평가)에 AI를 적용하는 현황을 종합적으로 조사한 학술 설문 논문이다.

본 논문은 AI4Research 분야의 첫 종합 설문으로서 5단계 파이프라인 분류, 다양한 학제간 응용 사례 수집, 풍부한 오픈 리소스 제공이라는 측면에서 높은 참고 가치가 있다. 다만 제목과 달리 'illusions of understanding'에 대한 비판적 분석이 약하고, 자동화 시스템의 과학적 엄밀성 보장 방안이 구체적이지 않은 점은 개선이 필요하다.

AI 기술이 생물의학 연구비 배분 시스템의 기득권 구조를 와해시켜, 초기경력 과학자와 혁신적 아이디어에 더 공평한 기회를 제공할 수 있음을 주장한다.

이 논문은 과학 자금 배분 시스템의 구조적 결함을 설득력 있게 분석하고, AI 분야와의 대조를 통해 제도적 개선의 필요성을 강하게 주장한다. 다만 AI 기반 해결책의 기술적 구체화와 현실적 실행 방안이 부족하여, 정책 개혁의 첫 단계 진단으로서의 가치는 높으나 실제 구현으로 나아가기 위한 추가 연구가 절실하다.

 *Fig. 2 Comparing future career outcome between near misses (orange) and narrow wins (blue). a The average number of publ* NIH R01 지원자의 초기 경력 좌절(자금 지원 탈락)이 장기 경력에 미치는 영향을 분석한 결과, 생존한 연구자들은 초기 좌절 후 더 높은 연구 성과를 달성하는 것으로 나타났다.

회귀불연속설계를 통해 초기 경력 좌절과 장기 연구 성과의 인과관계를 엄밀하게 규명한 점에서 높은 방법론적 엄밀성을 보유하며, NIH 전체 데이터 활용과 10년 추적을 통해 신뢰할 수 있는 실증 증거를 제시한 우수한 연구이다.

 *Fig. 2.* Scopus의 3,600만 개 학술논문 메타데이터를 활용하여 1998-2017년 전 세계 학자(scholars)의 국제 이주 패턴을 분석한 결과, 경제발전에 따른 학자 이주율이 U자형 곡선을 보임을 발견했다.

본 연구는 대규모 서지 데이터를 혁신적으로 활용하여 학자 이주에 대한 최초의 포괄적 글로벌 분석을 제공하며, 일반 인구와 다른 U자형 패턴을 발견함으로써 이주 이론의 확장에 기여한다.

 *Fig. 1.* 1955-2010년 153만 명 과학자의 출판 경력을 분석한 결과, 여성의 과학 참여 증가에도 불구하고 생산성(productivity)과 영향력(impact)의 성별 격차는 오히려 증가했으며, 이는 주로 경력 길이와 이탈률(dropout rate)의 차이로 설명된다.

이 논문은 대규모 비블리오메트릭 데이터와 정교한 통계 분석으로 성별 불평등의 역설적 증가를 실증하고, 생산성 격차의 구조적 원인(경력 길이·이탈률)을 규명하여 학계의 정책 논의를 근본적으로 재구성하는 의미 있는 기여를 한다.

 *Fig. 1   Regression model framework* 본 논문은 인공지능(AI) 분야에서 연구자의 학술기관-산업체 이동(aca.ind mobility)이 연구자의 과학적 성과에 미치는 영향을 연구자본과 사회자본 관점에서 분석한다. PSM(propensity score matching) 방법을 활용하여 인과관계를 규명하고 학술기관 간 이동(aca.aca mobility)과의 비교를 통해 정책적 시사점을 제시한다.

본 논문은 PSM을 활용한 인과추론으로 학산 이동의 실제 효과를 정량화하고, 연구자본 vs 사회자본의 차등적 축적을 실증함으로써 기존 문헌의 중요한 갭을 채웠다. AI 분야의 시의적절한 선택과 명확한 분석 설계는 강점이나, 단일 분야 분석과 성과 측정의 협소함은 개선이 필요하다.

 *Fig. 1.* 미국 박사학위 취득자 120만 명을 분석하여 소수집단이 다수집단보다 더 높은 과학적 혁신을 생산하지만, 그들의 혁신적 기여가 과소평가되고 학술 경력으로 이어지지 않는 '다양성-혁신 역설'을 실증적으로 규명했다.

이 연구는 다양성과 혁신 사이의 역설을 대규모 자료로 최초 실증하여, 학계 불평등의 근본 원인이 '개인의 능력 부족'이 아닌 '제도적 편향'임을 명확히 했다. 방법론적 엄밀성과 정책적 함의가 높지만, 인구통계 측정의 한계와 지리적 범위가 제한적이다.

 *Figure 1. Parameters and classification of notable LLMs* 본 논문은 대규모 언어모델(LLM)의 핵심 기술들을 사용자 관점에서 체계적으로 검토하고, 과학계량학(SciSci) 분야에의 응용 가능성을 제시하는 종합 리뷰 논문이다.

본 논문은 LLM의 핵심 기술을 체계적으로 정리하고 과학계량학과의 융합 가능성을 제시함으로써, AI for Science의 새로운 방향을 제시하는 가치 있는 종합 리뷰이다. 다만 구체적인 실증 연구와 적용 사례로 보강된다면 더욱 실용적인 가이드가 될 것이다.

 *Figure 3 reveals striking gender differences in innovation patterns. Women’s work tends to be more innovative in context* 여성 과학자들은 남성과 다른 혁신 방식을 추구하며, 경계 횡단적 참고문헌 결합을 통한 맥락 혁신(context novelty)에서 더 뛰어나지만 과학 보상 체계가 이를 저평가한다.

본 연구는 과학 혁신의 성별 격차를 '능력 차이'가 아닌 '혁신 형태의 차이와 보상 구조의 불일치'로 재프레이밍하는 획기적인 통찰력을 제공하며, 경계 횡단 혁신이 과학 진보의 핵심임을 실증적으로 증명한다.

 *Fig. 1.* 과학 자금 배분에서 Matthew 효과(초기 성공이 이후 성공 확률을 높이는 현상)를 실증적으로 검증하여, 초기 자금 획득이 이후 8년간 2배 이상의 추가 자금 획득으로 이어짐을 보였다.

회귀 불연속 설계를 통해 Matthew 효과의 인과적 존재를 엄밀하게 입증하고, 참여 메커니즘이라는 새로운 생성 메커니즘을 제시한 우수한 실증 연구로, 과학 정책과 학술 경력 불평등 이해에 중요한 기여를 한다.

 *Fig 1A presents, for Natural and Medical Sciences (NMS) and Social Sciences and Humanities* 1973-2013년 4,500만 건의 논문을 분석하여 디지털 시대에 학술출판의 과점화(Oligopoly) 현상을 실증적으로 입증했다. Reed-Elsevier, Wiley-Blackwell, Springer, Taylor & Francis 등 상위 5개 출판사가 2013년 전체 논문의 50% 이상을 출판하고 있음을 보였다.

학술출판의 과점화 현상을 40년 장기 데이터로 처음 실증한 중요한 연구로, 학문분야별 편차를 명확히 규명했으나, WoS 색인 저널만 분석하고 메타데이터 정확성 이슈가 있다. 출판 생태계 정책 수립과 Open Access 운동의 학술적 근거를 제공하는 높은 실용적 가치를 지닌다.

 *Fig. 1.* 750,000개의 과학논문을 기반으로 시맨틱 네트워크(SEMNET)를 구축하여 양자물리학의 미래 연구 동향을 예측하고 혁신적인 연구 아이디어를 제안하는 방법론을 제시한다.

본 논문은 대규모 과학문헌으로부터 시맨틱 네트워크를 구축하고 신경망과 네트워크 이론을 결합하여 미래 연구 동향 예측 및 혁신적 아이디어 제안이라는 새로운 접근을 제시하는 의미 있는 연구이다. 양자물리학이라는 급속히 성장하는 분야에 적용하여 실용성을 입증했으나, 개념 추출 정확성 및 장기 예측 능력 개선을 통한 보완이 필요하다.

 *Figure 1. The overall structure of our experiments. GPT4 was previously trained on data on a large fraction of the text * GPT-4를 사용하여 유방암 치료를 위한 신약 조합을 가설로 생성하고 실험실에서 검증한 결과, 12개 중 3개의 조합이 양성 대조군을 초과하는 시너지 효과를 보였으며, 반복 실험에서 4개 중 3개가 추가로 확인되었다.

본 논문은 LLM의 할루시네이션을 과학적 창의성의 원천으로 재정의하고 실험적 검증으로 입증한 혁신적 연구이다. 신약 개발의 AI-인간-실험 협업 모델을 제시하며, 재현 가능성과 확장성 강화가 필요하다.

기계학습 기반 과학 연구의 타당성, 재현성, 일반화 가능성 문제를 해결하기 위해 32개 항목으로 구성된 REFORMS 체크리스트를 개발하고, 8개 모듈별 상세 가이드라인을 제시한 합의 기반 권장사항.

본 논문은 ML 기반 과학의 재현성 위기를 해결하기 위해 다학제 전문가 합의를 바탕으로 개발한 REFORMS 체크리스트를 제시하여, 과학 커뮤니티에서 ML 도입의 신뢰성을 높이는 실질적이고 광범위하게 적용 가능한 도구를 제공한다.

정형외과 분야에서 저자 수, 논문 제목 특성, 개방 접근(Open Access) 여부가 인용 성과에 미치는 영향을 scientometric 분석으로 평가한 연구.

정형외과 분야의 대규모 scientometric 분석으로 협업, 개방 접근, 제목 구조가 인용 성과에 미치는 영향을 실증적으로 규명한 가치 있는 연구이며, 저자들이 윤리적 기준 유지의 중요성을 강조함으로써 단순한 메트릭 최적화를 넘는 균형잡힌 관점을 제시했다.

 *Figure 1 provides a synopsis of the end-to-end* BibFusion은 Scopus와 Web of Science의 서지 레코드를 통합, 중복 제거, 조화시켜 단일의 추적 가능한 분석 준비 코퍼스(corpus)를 생성하는 Python 패키지이다.

BibFusion은 Scopus-WoS 통합의 구조적 과제를 해결하는 재현 가능하고 감사 가능한 솔루션으로서, 명시적 ER 모델, 식별자 기반 보강, 투명한 감사 추적을 통해 과학계량 연구의 메타데이터 품질을 근본적으로 향상시킨다.

Science Citation Index(SCI) 데이터베이스를 이용하여 저널 인용 패턴을 체계적으로 분석하고, 인용 빈도와 영향력으로 저널을 평가하는 방법론을 제시한다.

본 논문은 Science Citation Index의 대규모 기계 가독 데이터를 처음으로 체계적으로 활용하여 과학 저널 평가의 새로운 방법론을 제시하였으며, 컴퓨터 기반 분석으로 기존의 수작업 한계를 극복하여 과학 정보학 분야에 매우 높은 기여도를 갖는다.

 *Figure 1. Visualizations of the UCSD Map: 2D Mercator projection (left) with three 3D spherical insets (top), 1D circula* 본 논문은 과학 전체를 포괄하는 분류 체계인 UCSD Map of Science를 설계하고 업데이트한 과정을 상세히 기술하며, 원본 5년 데이터 기반 지도를 10년 데이터로 확장하여 학문 분야의 구조를 시각화하고 분석한다.

본 논문은 과학 지도 설계의 실무적 노하우를 상세히 제시하고 장기 데이터를 통한 체계적인 업데이트를 최초로 수행한 중요한 기여를 한다. 다만 기술적 혁신보다는 기존 방법론의 신중한 적용과 포괄적인 비교 분석이 주요 강점이며, 학제 간 연구 및 정책 결정을 지원하는 실용적 가치가 매우 높다.

심리학 분야 100개 발표 논문의 재현 연구를 수행한 결과, 재현 효과 크기가 원본의 절반 수준으로 나타나 심리학 연구의 재현성이 심각한 수준임을 실증적으로 규명했다.

본 논문은 심리학 연구의 재현 위기를 최초로 대규모 체계적으로 실증한 획기적 연구로, 학문의 신뢰성 재검토와 방법론 개선의 필요성을 강력하게 제시했다. 이는 심리학뿐만 아니라 전체 학문 공동체의 개혁을 촉발한 매우 영향력 있는 연구이다.

 *Fig. 1 | Replication results after stage 1 and stage 2. a, Plotted are the 95% CIs of the replication effect sizes (stan* 2010-2015년 Nature와 Science에 발표된 사회과학 실험 21개를 체계적으로 재현한 결과, 62%만이 원래 방향의 유의미한 효과를 보였으며 평균 효과크기는 원래의 50% 수준임을 보고한다.

이 연구는 최고 권위 저널의 사회과학 실험이 예상보다 낮은 재현율(62%)과 감소된 효과크기(50%)를 보임을 체계적으로 입증하여 과학 출판과 방법론의 신뢰성 문제를 중요하게 조명했으며, 사전 등록과 투명한 재현 프로토콜이 과학 커뮤니티 표준이 되도록 기여한 중요한 메타과학 연구이다.

 *Figure 1 shows the range and the density of estimates from the multiverse of 180 equally* 본 논문은 통계적 모델 불확실성을 체계적으로 측정하는 다중우주분석(multiverse analysis)을 서지학에 처음 도입하여, 팀 규모가 혁신적 연구에 미치는 영향에 대한 기존 연구들의 상충하는 결과를 재평가한다.

본 논문은 서지학에 다중우주분석을 도입함으로써 모델 불확실성을 체계적으로 다루는 새로운 방법론을 제시하며, 상충된 선행 연구를 통합적으로 평가하여 서지학 연구의 투명성과 신뢰성을 크게 향상시킨다.

 *Figure 1 illustrates the differences between the Assigned Type (OpenAlex) and the Verified Type* OpenAlex의 메타데이터 품질을 문헌 유형(publication type)과 언어(language) 필드 중심으로 분석하여, 6,640개 오픈 피어 리뷰 관련 논문에서 43%의 유형 불일치와 3.3%의 언어 불일치를 발견했다.

본 연구는 OpenAlex의 메타데이터 품질 문제를 구체적이고 정량적으로 입증함으로써, 해당 데이터베이스 사용 전 체계적 정제의 필요성을 강조한다. 문헌계량 및 오픈 사이언스 연구 커뮤니티에 실질적인 경고 신호를 제공하며, 오픈 인프라의 신뢰성 확보를 위한 개선 방향을 시사한다.

실제 네트워크들이 공통적으로 보이는 멱법칙 분포(scale-free power-law distribution)는 네트워크 성장과 선호적 부착(preferential attachment)이라는 두 가지 메커니즘으로부터 자연스럽게 나타난다.

이 논문은 스케일-프리 네트워크(scale-free network) 개념을 처음 정식화하고, 성장과 선호적 부착이라는 단순한 메커니즘으로 복잡한 실제 네트워크의 멱법칙 분포를 설명함으로써 네트워크 과학 분야의 기초를 확립한 획기적 작업이다.

 *Figure 1: Declining Disruptiveness Matches Major Benchmark Transformations in Science After Excluding Zero-* Park et al.의 과학 파괴성(disruptiveness) 감소 연구에 대한 Holst et al.의 비판에 대응하며, 영인용(zero-backward-citation) 논문을 제외해도 실질적이고 통계적으로 유의미한 감소가 나타남을 보여준다.

과학 계량 분석에서 메타데이터 품질과 방법론의 중요성을 명확히 드러내며, 비판자의 회귀모델 자체가 원래 주장을 반박하는 결과를 제시함으로써 과학의 파괴성 감소라는 원본 연구의 견고성을 강하게 재확인한다.

 *Figure 1: Adsorbates, materials, calculations,* OC20 데이터셋은 1.2백만 개 이상의 DFT 완화 계산을 포함하는 촉매 발견을 위한 대규모 오픈소스 데이터셋이며, 그래프 신경망 모델들의 성능 벤치마크와 커뮤니티 챌린지를 제공한다.

OC20은 촉매 발견을 위한 ML 응용 분야에서 혁신적인 대규모 공개 데이터셋으로, 명확한 도메인 챌린지와 함께 그래프 신경망 기반 모델 개발을 크게 촉진할 수 있는 중요한 리소스이다.

 *Figure 1 provides a synopsis of the end-to-end* BibFusion은 Scopus와 Web of Science의 서지 레코드를 통합, 중복 제거, 조화시켜 단일의 추적 가능한 분석 준비 코퍼스(corpus)를 생성하는 Python 패키지이다.

BibFusion은 Scopus-WoS 통합의 구조적 과제를 해결하는 재현 가능하고 감사 가능한 솔루션으로서, 명시적 ER 모델, 식별자 기반 보강, 투명한 감사 추적을 통해 과학계량 연구의 메타데이터 품질을 근본적으로 향상시킨다.

그래프에서 커뮤니티 구조(community structure)를 검출하는 문제를 종합적으로 분석하고, 통계물리학 기반 방법론들을 중심으로 다양한 탐지 알고리즘들을 체계적으로 정리한 포괄적 리뷰 논문이다.

이 논문은 커뮤니티 검출 문제를 최초로 종합적으로 정리한 영향력 있는 리뷰로, 다양한 방법론의 통일된 이해를 제공하며 분야의 표준 참고문헌이 되었다. 다만 계산 확장성과 일부 미해결 이론적 문제들은 향후 연구 과제로 남아 있다.

 *Figure 1. Visualization of the steps of our algorithm. Each pass is made of two phases:* 대규모 네트워크에서 모듈성(modularity) 최적화 기반의 빠른 커뮤니티 검출 알고리즘을 제안하며, 선형에 가까운 시간복잡도로 수백만 개 노드를 처리할 수 있다.

매우 효율적이고 실용적인 커뮤니티 검출 알고리즘으로, 선형에 가까운 복잡도와 계층적 구조 해석 능력을 통해 대규모 네트워크 분석 분야에서 획기적 기여를 한다. 명확한 방법론과 강력한 실험 검증이 돋보이는 우수한 논문이다.

 *Figure 1: Network of coordinated accounts based on co-* COVID-19 팬데믹을 사례로 1.24M 트윗과 211k 뉴스 기사를 분석하여 과학 논문의 정보 경로(information pathways)를 추적하고, 소셜 미디어 슈퍼스프레더(superspreaders)와 뉴스 미디어 간의 상호작용 구조를 규명한 연구이다.

이 논문은 COVID-19 과학 소통 생태계를 다층적으로 분석하여 소셜 미디어 슈퍼스프레더와 뉴스 미디어 간의 상호 강화 구조와 부실정보 증폭 메커니즘을 규명함으로써, 온라인 정보 생태계에 대한 혁신적 이해를 제공한다. 다만 인과관계 미확립과 사례 제한성에 대해 추가 검증이 필요하다.

 *Fig. 2. Distributions of dataset frequency across educational topics and levels of students.* 본 논문은 학습분석(Learning Analytics), 교육데이터마이닝(Educational Data Mining), 교육용 AI의 세 분야에서 공개 데이터셋의 현황을 파악하고, 데이터 공유 모범 사례를 제시하는 체계적 조사 연구이다.

본 논문은 학습분석 커뮤니티의 공개 데이터 현황에 대한 가장 포괄적이고 최신의 체계적 조사 연구이며, 실질적인 PRACTICE 지침 제공과 신규 데이터셋 인벤토리 공개를 통해 학습분석 분야의 개방 과학 실천을 촉진하는 중요한 기여를 한다.

 *Figure 2 shows the distribution of these accounts across the seven organisational* 트위터에서 학술 출판물에 대해 트윗한 9,842개 조직 계정(organizational accounts)을 식별하고, 이들의 소셜 미디어 자본(social media capital), 트윗 활동, 참여 수준의 패턴을 분석한 연구이다.

이 연구는 학술 커뮤니케이션에서 조직이 하는 중요한 역할을 체계적으로 규명하고, 재사용 가능한 공개 데이터셋을 제공함으로써 altmetrics 분야에 실질적인 기여를 한다. 다만 단일 플랫폼 분석과 기술적 깊이 면에서 개선의 여지가 있다.