안넝
이번에 회사에서 팀 내부에서 간단한 스터디를 진행하는데, 이 기회를 통해서 원하는 논문을 찾는 방법과 논문 검증 방법, 이 논문이 활용 가치가 있는지 여부 등 논문 검색 전반에 걸친 얘기를 다뤄볼까 한다.
나보다 훨씬 더 뛰어난 학석박사들도 많고, 주관적인 견해를 정리하는 의미로 작성하는 것이니 혹시 내용에 문제가 있거나 수정이 필요한 부분이 있다면 언제든지 말해주면 좋겠다.
1) 좋은 논문을 찾는 능력의 중요성
1. 최신 연구 동향 이해
좋은 논문을 찾는 것은 원하는 분야의 최신 연구 동향을 이해하는 데에 도움이 된다. 기술과 학문은 지속적으로 발전하고 변화하기 때문에 (특히 인공지능은 더욱 빠른 속도로) 최신 연구를 파악하고 적용할 수 있는 능력의 중요성이 강조된다. 요즘에는 인공지능 관련 개발자를 뽑는 자격 요건이나 우대 조건에 항상 빠지지 않는 것이 최신 논문을 읽고, 이해하고, 그걸 구현할 수 있는지에 대한 능력인 만큼 좋은 논문을 찾는 능력 또한 중요하다.
2. 신뢰할 수 있는 정보 확보
논문에서는 정보를 제공한다. 하지만 좋은 논문은 뒤에서 설명할 peer review와 같은 여러가지 전문성에 관한 평가를 거쳐 높은 학문적인 신뢰성과 품질의 정보를 제공한다. 그렇기에 아무 논문이나 보는 것은 오히려 정확하지 않은 정보를 통해 혼동이 생기는 것을 방지하기 위해서는 신뢰할 수 있는 정보를 제공해줄 수 있는 "좋은 논문" 을 찾아야 한다.
3. 연구 방법 및 분석 기술 습득
좋은 논문은 SOTA급 결과를 낼 뿐 아니라 그 결과를 도출하는 과정에서 다른 연구자들이 활용 가능한 훌륭한 연구 방법과 분석 기술을 활용하는 모습을 보여준다. 다양한 좋은 논문들을 찾고, 분석함으로써 이러한 연구 방법, 접근법이나 분석하는 기술까지도 습득할 수 있다.
4. 아이디어 도출 과정 습득 및 창의성 향상
다른 사람의 창의력 있는 아이디어를 정리해놓은 논문을 보면서 창의적이고 혁신적인 아이디어와 접근 방식, 문제 해결 방법 등을 습득할 수 있다. 이를 통해 관점을 넓히고 아이디어를 발전시킬 수 있다.
5. 전문성 강화
당연한 이야기이지만, 자신의 전문 분야에 대한 깊은 내용들을 좋은 논문을 통해 몰랐던 것들은 알게 되고, 잘못 알고 있던 것들을 바로잡으면서 본인의 지식과 이해를 깊이 있게 향상시키는 기회가 될 수 있다. 이를 통해서 본인의 전문성을 강화시킬 수 있다.
6. 문제 해결과 응용력 강화
좋은 논문은 현실적인 문제의 해결 방법과 기술 응용 능력 강화에 도움을 줄 수 있다. 우수한 논문은 실제로 다양한 분야에서 현재 당면한 여러 문제들에 대한 연구 결과와 해결 방법을 제시하므로, 이를 통해 본인의 문제 해결 능력과 응용력을 발전시킬 수 있다.
생각하기에 따라서 이보다 훨씬 더 많은 장점들이 있겠지만, 무작정 아무 논문이나 읽는다고 이러한 효과들을 얻을 수 있는 것은 아니다. 오히려 제대로 된 연구가 아닌 것들을 보게 되면 잘못된 지식으로 쌓일 수 있기 때문에 좋은 논문이 아니라면 안 보는 것이 낫다고 본다. 좋은 논문은 무엇일까 ?
무작정 좋은 학술지, 좋은 학회에 실렸다고해서 신뢰 가능한 좋은 논문은 아님을 "소칼 사건"을 통해서 알 수 있다. 미국의 최상위권 대학교 중 하나인 DUKE 대학교에서 발행한 "Social Text"라는 저널에서 앨런 소칼이 "과학전쟁"이라는 제목의 특집호를 통해 헛소리를 장황하게 펼쳐놓은 엉터리 논문을 게재했으며, 이는 "자신의 학문분야도 제대로 규정하지 못하며자신의 학문분야를 대상으로 한 논문의 전문성도 판단하지 못하는 학문은 학문의 자격이 없다"라는 뜻을 전달하기 위함이었음을 추후에 밝힌다. 이를 통해서 무조건 상위 티어의 학술지나 높은 수준의 학회 논문이라고해서 신뢰할 수 있다는 것은 아님을 보여준다.
그러면 어떤 식으로 좋은 논문임을 판단해야할지 알아보자.
2) 좋은 논문이란 ?
일반적으로 봤을 때, 좋은 논문의 기준은 여러가지가 될 수 있겠지만, 아래와 같은 논문들은 잘 썼다고 할 수 있는 논문일 것이다.
1. 새로운 관점을 제시한 논문
2. 새로운 연구방법을 적용한 논문
3. 타 분야의 이론을 적용한 논문
4. 논지를 정확하게 전개하는 논문
5. 문장력이 좋은 논문
6. 비전문가도 요지를 이해할 수 있는 논문
...
이외에도 수도 없이 많겠지만 SCI(Science Citation Index, 과학 인용 색인)와 비 SCI의 차이도 분명히 있을 것이다. 무시하는 것은 아니지만 사실상 국내 학술대회나 KCI, 해외의 많은 학술대회의 경우에도 평가 과정과 연구의 깊이가 SCI에 비해서 분명히 떨어지는 게 현실이다. SCI는 각 저널별로 IF(Impact Factor)가 평가되어 점수가 매겨지는데, 수많은 학술지들에 대해서 연구나 논문지 관리 측면에서 활용하기 편하도록 분석하여 평가된 점수라고 보면 된다. SCIE(SCI Expanded) 라는 것도 있는데, 말 그대로 SCI 확장 버전이다. 2020년 1월부터 기존에 나누어져있던 SCI와 SCIE가 SCIE로 통합되었는데, 기존에는 SCI 요건을 채우지는 못했지만, 높은 Impact Factor를 가지고 있는 창간 초기의 학술지는 SCIE에만 등재되었다. SCI에 등재된 저널은 모두 SCIE에 등재되어 있기 때문에 통합 이전에는 사실 SCI > SCIE 라는 인식이 있었다.
저널의 Impact Factor를 알고 싶다면 Bioxbio 에 방문하여 저널의 이름이나 약어를 검색하면 해당 저널의 연도별 Impact Factor를 쉽게 알 수 있다. 물론 Impact Factor가 논문 평가에 있어서 절대적이지는 않지만, 보통은 IF 높은 저널에 실린 논문이 신뢰가 더 되는 느낌이 있다 (실적이나 본인의 성과에도 IF 순으로 정렬하는 것을 보면).
이렇게 좋은 논문들의 조건을 써봤지만, 연구라는 것의 원래 목적은 뭘까 ?
나는 연구의 목적은 기존의 것을 발전시키거나 새로운 것을 창출하는 것이라고 생각한다.
하지만 나를 포함한 대부분의 연구자들은 새로운 지식을 찾는 행위를 통해 얻은 지식이나 발견을 공유하기 위함이 아닌, 본인의 논문이 '어떻게 하면 이 학회에서 accept 되고, 어떻게 해야 읽는 사람으로 하여금 멋있게 보일까' 를 더 생각한다.
이미 나온 결과물에 맞춰 논문의 가치를 결정하는 요인들을 먼저 생각하고, 이를 충족시키기 위한 노력을 먼저 하는 그저 보여주기 위한 연구보다, 해결하고자 하는 바가 명확한 좋은 질문으로 시작해서 그것을 해결해가는 과정을 통해 답으로 향하는 연구가 위 좋은 논문의 기준을 충족시킨다면 좋은 논문이라고 할 수 있다고 본다.
3) 논문 검색 전략
사람마다 원하는 논문을 찾는 방법은 다를 수 있겠지만, 본인은 보통 논문을 검색할 때에 아래 순서로 진행한다.
1. 연구의 주제와 범위 정의
먼저 찾고자 하는 논문의 주제와 범위를 명확하게 설정할 필요가 있다. 예를 들어, 해당 논문의 이름을 모르지만 저자가 누구인지 알고 있거나, 언제 출간된 논문인지를 알거나, 어느 학술지에 실린 논문인지 알고 있다면 훨씬 편하게 찾을 수 있다. 이렇게 자세한 정보를 모르더라도 배경지식을 통해 원하는 주제에서 핵심 키워드를 추출하고, 검색 범위를 확실하게 정한다면 원하는 논문에 가까워질 수 있다.
2. 검색 엔진 선정
주제를 정했다면 어느 검색 엔진을 활용할지 정해야 한다. 검색 엔진에는 여러가지가 있는데, 우리가 활용할 수 있는 공학 분야의 몇 가지 검색 엔진을 알아보자.
* IEEE Xplore: IEEE 에서 제공하는 라이브러리며 전기, 전자 공학, 컴퓨터 공학 등 공학 분야에 대한 논문과 기술 문서들을 검색할 수 있다.
* ACM Digital Library: 컴퓨터 과학, 정보기술 분야의 논문들과 기술 문서를 제공하는 ACM (Association for Computing Machinery)의 디지털 라이브러리이다. 인공지능이나 DB, 네트워크 등의 분야에 대한 최신 연구를 확인할 수 있다.
* ScienceDirect: 과학, 기술, 의학, 사회과학 등 다양한 분야의 논문과 저널을 포함하는 라이브러리이다. Elsevier에서 제공하고, 학술 연구에 필요한 여러 자료들을 검색할 수 있다.
* Web of Science: 다양한 학문 분야의 학술 저널, 학회의 발표 자료 등을 검색할 수 있는 과학 통합 검색 플랫폼이다. ISI (Institute for Scientific Information)에서 제공하고 IF(Impact Factor)와 인용 횟수 등을 제공한다.
* Scopus: 여기도 Elsevier에서 제공하는 다양한 분야에 대한 논문, 학회 발표 자료, 저널 등을 검색 가능한 플랫폼이다.
* Google Scholar (*) : 논문을 한 번이라도 찾아본 사람이라면 아마 가장 익숙할 것 같은 구글 스칼라이다. 가장 접근성이 좋고, 여러 분야의 다양한 학술 자료를 검색할 수 있는 엔진이다. 학술 저널, 학회 발표, 학위 논문까지도 검색할 수 있으며 광범위한 주제와 다양한 출처의 자료를 포함하고 있다. 다른 검색 엔진의 논문도 검색할 수 있어 범용성이 좋다.
3. 검색어 선정 및 평가
위에서 봤던 연구 주제와 범위 선정에서 이어지는 내용으로, 정해진 연구 주제에 기반하여 적절한 검색어를 찾는 단계다. 주제와 관련된 키워드, 용어, 저자 이름 등 여러가지 정보를 활용해 검색어를 선정해야한다. 검색 범위를 좁히는 것과 마찬가지로 넓은 범위에서 좁은 범위로, 즉 '상위어'에서 '하위어'로 검색 범위를 좁혀나갈 수 있다. '상위어'란 키워드 한 단어의 의미가 다른 단어의 의미를 포함하는 단어를 의미한다. 예를 들어 CNN을 검색할 때, "인공지능"으로 시작해서 인공지능의 하위어라고 할 수 있는 "딥러닝", "신경망" 등으로 좁혀나갈 수 있다.
키워드를 통해 얻어진 검색 결과를 연구 주제와의 연관성, 신뢰성, 학문적 기여도 등을 논문의 제목이나 abstract, keywords, 저자, 학술지나 학회, 인용 횟수 등을 고려하여 적합한 논문을 선별한다. 이후 선별된 논문들의 참고문헌을 통해 추가적인 검색을 진행할 수도 있다. 예를 들어 R-cnn 논문의 참고 문헌에서 CNN에 대한 논문을 찾을 수 있듯 말이다.
사실 기술의 원본이 되는 논문을 찾는 방법은 매우 쉽다. 구글에 원하는 키워드를 치고 논문을 붙여 검색하면 논문 리뷰하는 블로그들이 많기 때문이다.. 그러면 이런 논문을 어떻게 받아볼 수 있을지도 찾아보자.
4. PrePrint
PrePrint란 논문 출판 전에 연구를 공개하는 것으로, 보통 공학 분야에서는 익숙한 arXiv가 대표적이다. 많은 연구자들이 온라인으로 정보를 검색하고, 배포하는 것이 당연해진 요즘은 온라인 preprint의 활용성이 더 높아지고 있다.
PrePrint의 가장 큰 장점은 기존의 출판되는 논문보다 연구에 대해서 더 빨리, 더 쉽게 알릴 수 있다는 점이다. 빠른 속도로 발전되는 인공지능 분야에서는 경쟁적인 연구 환경에서 유리한 입지를 갖기 위해 연구의 결과를 더 빠르게 공유하려고 하는데 이럴 때 주로 쓰이게 된다. preprint의 활용이 늘어나기 시작하면서 학술적 가치와 의미를 인정하려는 움직임이 커지고 있다. 이렇게 효과적으로 연구에 대해서 빠르게 알릴 수 있는 방법임에도 불구하고 preprint는 아직 학계에 확립되지는 않았다. 출간되는 논문은 추후 소개될 Peer-Review(동료 평가) 과정을 거치지만 preprint는 거치지 않는다. 그렇기 때문에 만약 이미 학술 저널에 출판된 논문의 Preprint를 보고 있다면, 이보다는 출판 이후 수정된 버전을 활용하는 것이 더 신뢰성있는 정보를 얻을 수 있는 방법이다. 이렇게 Open source가 주가 되어가는 시대인 만큼 Open access를 기본 바탕으로 하는 preprint는 연구 결과의 쉽고 대중적 확산을 통해 학계에 큰 변화를 주었다는 점은 확실하다.
* 프리프린트 논문을 peer-review하여 공개하는 Overlay 저널도 등장했다.
5. 유료 논문 꿀팁
논문을 찾다보면 유료로 구매해야하는 논문들이 있다.
회사나 단체, 학교에서 해당 라이브러리를 구독해놓았으면 다운로드가 가능하겠지만, 사실 그런 곳은 학교 외에는 잘 없는 것 같다. 이럴 때는 Sci-Hub 라는 곳을 이용하면 원하는 논문을 볼 수도, pdf로 다운로드 받을 수도 있다.
사용 방법은 아주 간단하다. Sci-Hub 에 들어가서, 아까 원하는 논문을 잘 찾아보면 DOI라는 것이 있는데 그걸 복사해서 (혹은 저 페이지의 url을 입력해도 된다) 아래 그림의 reference에 넣고, open을 눌러주기만 하면 끝이다 !
4) 논문 평가 방법
논문의 평가는 보통 주관적인 내용이 들어갈 수밖에 없으므로 아래 평가될 수 있는 여러 항목들에 대해서 혼자 평가하는 것보다 다양한 평가자의 의견을 종합적으로 고려하여 평가하는 것이 신뢰할 수 있는 평가 방법이다.
1. 연구의 타당성 평가
- 문제 정의: 논문이 다루는 문제가 명확하게 정의되었는지 평가한다.
- 목표 설정: 연구의 목표와 의도가 제시되었는지 평가한다.
- 연구 방법: 연구 방법이 타당하고 일관성이 있는지 평가한다.
- 데이터 수집 및 분석: 데이터 혹은 데이터 수집과 분석 과정이 신뢰할 수 있는지 확인한다.
- 결과 해석: 결론이 명확하며 논리적으로 도출된 결과인지 평가한다.
2. 학문적 기여도 평가
- 문제 해결: 해당 논문이 목표로 설정한 문제를 해결하거나, 새로운 insight를 제시하는 논문인지 평가한다.
- 지식 확장: 기존의 지식에서 의미있는 변화를 주거나, 새로운 것을 발견했는지 평가한다.
- 연구 방법의 독창성: 의미있는 연구 방법을 활용했거나, 새로운 접근법을 제시하는지 평가한다.
3. 결과의 신뢰성 평가
- 실험 설계 및 제어: 실험 설계가 타당하고 비교군과 같은 제어된 환경에서 진행되었는지 평가한다
- 실험 재현 가능성: 실험이 재현 가능하며 결과가 항상 같은지에 대해 평가한다.
- 표본 크기와 대표성: 연구에 사용된 표본의 양과 질이 충분하고, 그 표본이 대표성이 있는지 평가한다.
- 통계 분석의 신뢰성: 검증된 평가 방법을 사용하고, 통계 분석이 적절히 수행되었는지 평가한다.
4. 연구 결과의 실용성과 Real-world에서의 활용 가능성 평가
- 연구 결과의 실용성: 연구 결과가 실용적이며 real-world 문제 해결에 기여할 수 있는지 평가한다.
- 산업 및 사회적 영향력: 연구가 사회적으로 혹은 산업의 발전에 얼마나 어떻게 영향을 줄 수 있는지 평가한다.
5. 논문의 구성과 문장력 평가
- 논문 구조: 논문의 구성이 명확하고 일관성 있는 형식을 가지고 있는지 평가한다.
- 문장의 명확성: 글이 잘 읽히며, 명확하고 이해하기 쉽게 작성되었는지 평가한다.
- 참고문헌: 신뢰할 수 있는 참조문헌을 활용했는지, 얼마나 많은 신뢰도있는 정보를 활용해 작성되었는지 평가한다.
5) 논문 신뢰성 확인
1. 저자 검증
- 연구자의 학력, 연구 경력, 기존의 연구 및 논문들의 품질 (물론 기존의 연구가 좋다고 이번 연구또한 좋을 거라는 확신은 없지만), 해당 분야에서의 명성 등을 통해 저자에 대한 정보를 알 수 있다. 하지만 학계에 새로 등장한 사람의 좋은 논문이 있을 수 있으므로 저자에 대한 검증만으로 논문을 평가하는 것은 바람직하지 않다.
2. 저널 검증
- 학술 저널의 평판과 품질도 논문의 신뢰성을 확인하는 방법 중 하나이다. Top-tier의 Journal이나 Conference는 논문 투고 시 엄격한 피어 리뷰 과정과 심사를 통해 우수한 연구를 게재하기 때문이다. 저자 개인을 검증하는 것보다는 피어 리뷰를 통해 이미 여러 연구자가 검증을 한 결과이므로, 저널 검증을 통해 논문을 찾는 것이 비교적 더 좋은 연구를 찾을 수 있는 방법이라고 할 수 있겠다.
3. 인용 횟수 및 커뮤니티 평판 검증
- 계속 쏟아져나오는 SOTA 논문에 대해서는 인용 횟수를 통해서 검증할 수는 없겠지만, 이미 나온지 몇 년, 심지어 몇 달만 지나도 좋은 논문들은 여기저기 Reference 되기 때문에 인용 횟수를 통해서 이 논문이 믿을만 한 연구를 통해 나온 것인지는 어느 정도 파악이 가능하다. 새로운 논문들에 대해서 토론하고 연구하는 여러 커뮤니티(파이토치 한국 사용자 모임 / Reddit / labml [추천] 등)에서도 해당 논문에 대한 여러 연구자들의 인식이나 평가를 활용해 논문을 검증을 할 수도 있다.
4. Peer review 검증
- 피어 리뷰는 대부분의 상위급 저널에 게재된 논문에 반드시 들어가는 과정으로, 투고된 논문이 여러 전문가들의 심사를 거쳐 학문적인 평가를 받는 과정이다. 논문이 투고되면 저널에서는 해당 분야의 전문가들 중 피어 리뷰어를 설정한다. 이 리뷰어들은 각각 논문을 평가하고 피드백을 제공하는 방식으로 이루어진다. 원작자는 심사위원이 누군지 모른채, 리뷰어들만 저자를 알고 있는 블라인드 테스트 형식의 Masked Peer Review와, 더욱 공정한 검토를 위해 리뷰어도 원작자의 정보를 모르는 Double-Blinded Review, 저자와 심사위원들이 서로 아는 상태에서 진행되는 Open Peer Review로 나뉜다. 이러한 리뷰를 통해 불분명한 점이나 오류를 찾아내고, 논리성, 타당성, 영어적 올바른 표현 등 개선점에 대한 피드백을 받을 수 있고, 가짜 연구 결과, 표절 등 학술윤리적 문제도 검증하고 예방하여 객관적이고 신뢰할 수 있는 결과물을 얻을 수 있다는 장점이 있다. 단점으로는 리뷰어들의 주관적인 판단이 반드시 개입될 수밖에 없고, 부당한 심사가 이루어질 수도 있다. 가장 큰 단점은 시간과 비용이 아주 많이 소모된다는 것이다. 그래도 피어 리뷰를 통해 저널은 논문의 신뢰성과 품질을 보장할 수 있으므로 반드시 필요한 검증 방법이며, Peer Review가 완료된 논문은 학계에서 어느 정도 검증됐다고 볼 수 있다.
(*) Google Scholar 이용 방법 및 팁
1. Google Scholar
- 웹에 존재하는 다양한 학술자료를 통합적으로 검색할 수 있는 엔진이다.
- 학술지 논문, 학위 논문, 논문집, 도서, 특허, 초록 등 다양한 검색이 가능하다.
2. 메뉴 설명
- 내 프로필: 말 그대로 프로필을 설정할 수 있다.
- 내 서재: 검색 결과에서 저장 버튼을 클릭하여 해당 자료를 다시 찾거나 인용할 수 있다.
- 알리미: 관심 있는 키워드를 등록해놓고, 해당 키워드에 대한 새로운 연구물이 등록되면 메일로 알려준다.
- 통계: 카테고리별로 h5-index값이 높은 상위 저널을 확인할 수 있다.
* h5-index: 지난 5년간 발표된 문서의 h-index이며, h개의 문서의 각각 최소 인용 횟수를 나타낸다.
- 설정: 페이지당 검색 결과의 개수 등 기타 설정과 언어, 라이브러리 링크, 계정 등에 대한 설정을 할 수 있다.
3. 검색
- 구글스칼라 기본 검색에서는 검색어가 어느 위치에라도 포함이 되어있다면 검색이 된다. (Reference 포함)
- 여러 단어를 띄어 검색할 경우 검색어의 순서에 따라서 중요도를 매긴다.
- 고급 검색에서는 기본 검색보다 세부적인 내용을 통해서 검색이 가능하다.
- Google Scholar에서도 검색 연산자를 사용할 수 있다. 활용 가능한 검색연산자의 예시는 아래와 같다.
| 연산자 | 기능 | Example |
| AND | "a" AND "b" 두가지 검색어 모두를 포함한 자료 검색 | Mask AND R-Cnn |
| " ~ " | 내용의 구문 검색 | "efficiently detects objects in an image" |
| OR | "a" OR "b" 둘 중 하나라도 포함하는 자료 검색 | CNN OR Convolutional Neural Network |
| - | 내용 중 "-" 뒤에 있는 내용을 포함한 자료 제외 | CNN -news |
| Intitle: | 제목에 검색어가 포함된 자료 검색 | Intitle:Model |
| Intext: | 본문에 검색어가 포함된 자료 검색 | Intext:r-cnn |
| author: | 저자 검색, 이름 전체보다는 이니셜 검색을 추천 | author:"K He" |
| source: | 학술지 검색 | source:CVPR |
4. 검색 결과
- 검색 결과에서는 원하는 출간 날짜, 정렬 방식을 관련도(Sort by relevance), 최신순(date)별로 설정 가능하다.
- Google Scholar의 검색 결과는 연구자들의 일에 대해 문헌의 발행처, 저자, 얼마나 자주, 최근에 인용되었는지
등을 고려하여 순위를 매겨 결과를 정렬한다.
- 검색 결과에는 제목, 저자, 발행처, 발행년도, 간단한 내용과 여러 기능들을 제공한다.
* Cited by ~ (인용횟수): 해당 논문을 인용한 다른 논문의 개수
* Related articles (관련논문): 해당 논문과 유사한 다른 논문
* Save: 저장 / Cite: 인용 가능한 여러 버전의 문구 확인
- Create alert 버튼을 눌러 알림 검색어를 설정함으로써, 메일로 해당 키워드의 논문이 나왔을 때 알림을 받을 수 있다.
* 알림 검색어에도 모든 검색연산자 사용이 가능하다.
5. 추가적인 검색
- Google Scholar에서 검색을 했지만 결과가 너무 많아 고르기 힘들다면, 혹은 아래에서 소개하는 여러가지 이유로 검색을 하는 데 추가적인 기능이 Scopus와 같은 인용색인 DB를 활용하면 좋다.
* 어떤 논문이 유용한지 알고 싶을 때
Scopus는 전세계에서 발행되는 학술지 중 주요 학술지에 수록된 논문을 검색할 수 있 는 데이터베이스다. 따라서 아직 연구 주제를 잘 모르거나, 어떤 논문을 읽어야 할지 모르겠다면 Scopus를 이용하여 자료를 검색하면 보다 유용한 논문을 찾을 수 있다.
* 피인용 순으로 검색결과 정렬 제한하고 싶을 때
Google Scholar의 검색결과 정렬은 크게 두 가지로 최신순, 관련도순으로 나열할 수 있지만, Scopus나 Web of Science에서는 다양한 기준으로 검색결과를 정렬할 수 있다. 따라서 피인용횟수를 기준으로 검 색결과를 나열하여 인용이 많이 되는 논문이 어떤 것인지 파악할 수 있다.
* 보다 자세하게 검색범위를 제한하고 싶을 때
주제 범위, 발행년도, 자료유형 등을 보다 자세하게 제한하여 나에게 필요하지 않은 논문을 제외하고 검색할 수 있다.
- 국내 학술 DB
* RISS, DBPIA, KISS, NDSL과 같은 국내 학술 DB도 국내 논문을 찾는 데에는 활용할 수 있다. 하지만 유료인 곳이 많다.
(**) 논문 검색 과정 실습
1. Mask R-Cnn (이름그대로 치면 나옴)
2. R-Cnn (Rich feature hierarchies for accurate object detection and semantic segmentation)
(r-cnn이라고만 쳐서는 못찾음)
3. GPT-3 제안한 논문 (Language Models are Few-Shot Learners) (GPT-3, 그대로 쳐도 안나옴)
4. "drives the handle point to move towards the target position" 라는 문장을 포함하는 논문 (문장 검색)
5. Wider or Deeper: Revisiting the ResNet Model for Visual Recognition
(유료 논문 SCI-Hub로 다운받아보기 실습)
'공부 > 논문' 카테고리의 다른 글
| [Paper] Sci-Hub, 유료 논문 무료로 보기 ! (0) | 2023.06.15 |
|---|
