Method
6 Phase 분석 파이프라인
14개 R 스크립트를 통해 6개 Phase로 구성된 분석 파이프라인을 실행하였다. 총 그래프 35개, 테이블 25개를 산출하였다.
| Phase | 스크립트 | 분석 내용 | 산출물 |
|---|---|---|---|
| 공통 | 00_setup.R |
패키지/데이터/테마/색상 설정 | - |
| 1 | P1_01 ~ P1_04 |
연도추이, 학술지, 인용, 종합 기술통계 | 그래프 9개, 테이블 8개 |
| 2 | P2_01 |
키워드 교차비교 + 비즈니스 영역 분류 | 그래프 3개, 테이블 4개 |
| 3 | P3_01, P3_02 |
STM KCI/WoS/통합 + Source 공변량 분석 | 그래프 9개, 테이블 5개, 모델 3개 |
| 4 | P4_01, P4_02 |
키워드 네트워크 + Thematic Map | 그래프 5개, 테이블 4개 |
| 5 | P5_01 |
갭 분석 교차비교 | 그래프 2개, 테이블 3개 |
| 6 | P6_01, P6_02 |
시기별 Thematic Evolution + Three-Field Plot | 그래프 11개, 테이블 3개 |
Phase별 상세
Phase 1: 기술통계 교차비교
- 연도별 출판 추이 비교 (KCI 2004~ vs WoS 1996~)
- 학술지 분포 및 분야별 집중도 분석
- 인용 분석: KCI 평균 5.0회 vs WoS 20.6회
- 참고문헌 격차: KCI 28편 vs WoS 65편 (2.3배)
Phase 2: 키워드 교차비교
- KCI 1,506개 vs WoS 1,224개 키워드 집합 비교
- 공통 키워드 118개 (겹침률 4.3%)
- 7개 비즈니스 하위영역 분류 및 비율 비교
Phase 3: STM 토픽모델
- KCI 7토픽, WoS 7토픽 독립 모델링
- Source 공변량 통합 STM (K=9)
- KCI 고유 토픽: 콘텐츠 법제도, 한류/중국 수출, 지역 관광 콘텐츠, 세제/e-러닝
- WoS 고유 토픽: 디지털 저작권/보안, AI/딥페이크/블록체인, 출판 비즈니스, SDG
Phase 4: 키워드 네트워크
- 네트워크 구조 지표: 밀도(KCI 0.175 vs WoS 0.170), 커뮤니티(4 vs 4)
- 중심성 순위 상관: Spearman rho = -0.103 (p = 0.846, 무상관)
- Thematic Map: KCI Motor = “콘텐츠 산업 자체”, WoS Motor = “비즈니스 모델”
Phase 5: 갭 분석
- 최대 갭: 정책/제도 (KCI 21.1% vs WoS 8.2%, +12.9)
- KCI 편중: 정책/제도, 글로벌/한류
- WoS 편중: 기술혁신, 수익/비즈니스
Phase 6: 시기별 테마 진화
- 급성장 키워드: metaverse, K-content, Netflix, OTT, AI (2021년 이후 80%+ 집중)
- 쇠퇴 키워드: digital contents, creative industry, storytelling, china
- 용어 변화: “contents industry” -> “content industry” -> “K-content”
분석 도구
- R 4.x: tidyverse, bibliometrix, stm, igraph, ggraph, ggplot2
- ScholarRAG v1.2.4: ChromaDB + all-MiniLM-L6-v2 임베딩
- Quarto + apaquarto: 논문 초고 작성