Journal Archive

거대언어모델을 활용한 생성형 인공지능 기술의 발전은 다양한 분야의 정보서비스를 변화시키고 있다. ChatGPT는 일반지식에 대한 질의응답으로 시작하여 코드 생성과 도메인에 차별화된 영역으로 서비스 범위를 확대하고 있다. 예를 들어, 생성형 인공지능을 적용한 정보서비스는 사용자의 질문에 대한 답변, 관련 있는 정보의 요약을 포함하는 기능을 제공한다. 도서관에서 생성형 인공지능의 활용은 광범위할 수 있다[1]. 메타데이터의 입력과 관리와 같은 노동집약적 업무는 적정 수준의 인공지능 기술을 통해 보완할 수 있고, 서지 정보의 요약이나 추천은 비교적 빠른 시간에 확산될 수 있는 정보서비스의 유형이다[2],[3]. 이러한 데이터 기반의 접근은 도서관이 보유한 다양한 자료와 사용자의 행동 패턴 등을 종합적으로 이해하고 분석할 수 있게 한다. 전통적으로 도서관은 장서 관리와 온라인으로 제공하는 전자자료까지 광범위한 정보서비스를 포함하고 있고, 그 핵심에 체계화된 데이터가 있다. 데이터 중심의 도서관 서비스가 시작됨에 따라 관련 연구도 지속적으로 수행되고 있다. 문화체육관광부와 한국과학기술정보연구원은 2010년부터 2017년까지 ‘도서관 빅데이터 분석활용 체계 구축’ 연구를 통해 도서관 빅데이터를 활용하는 방안을 모색하고, 데이터 중심의 도서관 환경 변화와 사서의 업무 생산성 향상을 이끌어 냈다. 일반적으로 도서관 데이터는 도서관의 소장정보, 서지정보, 대출 정보, 이용자 정보와 관련된 데이터로 구분한다. 이수상[4]은 도서관 데이터를 ‘도서관 정형 데이터’, ‘도서관 반정형 데이터’, ‘도서관 비정형 데이터’로 구분하고, 온정미, 박성희[5]는 도서관 빅데이터의 개념을 문헌정보학 영역에서 다루어지는 생성 주체에 따라 원시 데이터, 콘텐츠 데이터, 사회적 데이터 3가지로 구분하고 있다.

최근 도서관 관련 데이터는 공공데이터포털 또는 지방자치단체의 데이터 포털을 통해 공개되고 있다. 국립중앙도서관은 도서관 빅데이터 플랫폼인 ‘도서관 정보나루’를 운영하고 있다. 도서관 정보나루는 전국 공공도서관 1,490개의 소장목록과 대출빈도에 대한 데이터세트를 주기적으로 관리하고, 수집한 도서관 데이터세트를 제공한다. 공공데이터포털, 지방자치단체별 데이터 포털, 문화체육관광부의 문화 공공데이터광장, 한국문화정보원의 문화 빅데이터 플랫폼은 대규모 도서관 데이터를 제공하는 대표적인 정보원이다.

도서관 데이터는 도서관의 운영과 정보 서비스를 이해하는 핵심 자산으로 인식된다. 그러나, 도서관 데이터는 서로 다른 플랫폼에서 파편적으로 제공되고 있고, 제공하는 메타데이터 요소와 데이터 값을 정의하는 체계가 미흡하다. 예컨대, 도서관 데이터는 도서를 분류하기 위한 일관적인 분류체계를 적용하지 않고 있다. 개별 데이터 포털은 표준화된 데이터 체계가 없기 때문에 일관적인 데이터의 관리와 연계가 쉽지 않다[6],[7].

본 연구는 서로 다른 도서관 데이터를 연계·활용하기 위한 방안을 제안한다. 이를 위해 국내에서 활용되고 있는 도서관 데이터 현황을 검토한다. 특히, 도서관 데이터의 관리와 활용을 정량적으로 분석할 수 있는 지표를 통해 도서관 데이터의 활용을 위한 개선 방안을 제안한다.

본 논문의 구성은 다음과 같다. 2장은 도서관 데이터와 데이터 포털에 대한 연구를 소개하고, 3장은 데이터 수집과 메타데이터 분석을 포함한 연구 방법을 요약한다. 4장은 도서관 데이터의 개방현황과 활용도를 정량적 지표로 분석한 결과를 요약한다. 5장은 연구 결과와 공헌점을 기술하고, 향후 연구를 소개한다.

웹상에 개방된 도서관 데이터는 데이터 개방 현황, 데이터 제공기관, 데이터 품질 평가 등 다양한 관점에서 연구되고 있다. 조재인[8]은 공공데이터포털에 개방된 도서관 데이터 현황을 조사하기 위해 도서관 데이터의 공개 주체를 공공기관과 지방자치단체로 구분해 분석했다. 연구 결과, 2018년 기준 공공데이터포털에 개방된 도서관 데이터의 약 70%는 지방자치단체에서 개방하지만, 수요 관점에서 전국 단위의 데이터를 보유한 공공기관의 데이터가 비교적 사용성이 높음을 설명한다. 따라서, 일반적인 도서관 현황에 대한 데이터보다 이용자의 수요에 맞춘 데이터를 발굴할 것을 제안한다. 김혜선, 김완종[9]은 도서관 정보나루에서 서비스하는 API 데이터를 수집해 데이터의 완전성과 정확성을 검증했다. 데이터 품질 진단 결과, 데이터의 공백값과 부정확한 값이 포함되어 있어 품질 개선을 위한 데이터 스키마를 표준화할 것을 제안한다. 도서관 데이터의 통합된 체계를 마련하기 위한 연구도 이루어지고 있다. 박진호[10]는 도서관이 다뤄야 할 새로운 지식정보자원으로 데이터세트를 제안하고, 데이터 카탈로그를 위한 온톨로지 어휘인 DCAT (Data Catalog Vocabulary)을 도서관 데이터에 적용했다. DCAT 기반의 디지털 도서관 데이터세트 서비스를 설계하기 위해 어휘의 클래스와 속성을 분석하고, 외부 데이터를 연계할 수 있는 이용자 서비스를 제안한다.

도서관 데이터는 도서관 정보나루, 공공데이터포털뿐 아니라 개별 지방자치단체에서 운영하는 데이터 포털을 통해서도 제공된다. 선행된 도서관 데이터 연구는 대부분 하나의 데이터 포털을 대상으로 수행되었기 때문에, 분산적으로 존재하는 도서관 데이터의 통합적인 관리를 위해 데이터 포털과 데이터세트 수준의 연구가 필요하다. 데이터 포털은 이용자와 데이터 제공자의 상호작용 지점이자, 데이터 활용을 위한 기반이 된다.

데이터 포털의 증가는 데이터 획득의 용이성을 증진시키지만, 데이터의 통합성과 일관성 유지가 어렵다는 단점이 있다. 이를 개선하기 위해, 국내외 개방 데이터 포털(Open Data Portal)에 대한 연구가 다양한 관점에서 수행되고 있다. Anastasija Nikiforova, Keegan McBride[11]는 개방 데이터 포털 사이의 상호운용을 개선하기 위한 연구를 진행했다. 41개 데이터 포털을 선별한 뒤, 데이터 포털의 메타데이터를 수집해 3가지(Open dataset specification, Open dataset feedback, Open dataset request) 범주로 나누어 평가 프레임워크를 설계했다. 설계한 지표를 기준으로 서로 다른 메타데이터를 연계했기 때문에, 사용자 관점에서 데이터 포털을 정량적으로 평가할 수 있는 기반을 마련했다.

데이터 포털은 데이터를 개방하는 것뿐 아니라, 데이터 활용을 위한 관리체계를 마련해야 한다[12]. Vetrò et al.,[13]은 개방형 데이터 포털의 데이터 품질을 평가하기 위해 7가지 지표(Traceability, Currentness, Expiration, Completeness, Compliance, Understandability, Accuracy)를 제안했으며, 송채은, 김학래[14],[15]는 Expirtation(만료) 지표를 활용해 데이터 포털과 데이터세트의 업데이트 준수율을 평가했다. 공공데이터포털과 지방자치단체별 데이터 포털의 공공데이터를 대상으로, ‘수정일’, ‘업데이트 주기’ 메타데이터를 활용해 데이터 포털별 업데이트 준수율을 평가했다. 윤상오, 현지우[16]는 공공데이터포털의 국가중점데이터를 대상으로 데이터 개방 실태를 분석했다. 가용성(데이터의 양, 데이터의 다양성), 사용용이성(데이터 제공유형), 활용도(데이터의 조회 수 순위와 다운로드 수 순위) 영역에 초점을 두고 기술통계방법을 활용한 평가 프레임워크를 설계했다. 김동준 외[17]는 공공데이터포털에서 제공하는 데이터세트를 지방자치단체 관점에서 분석하고, 데이터 활용도(DPV, Download Per View)와 관리 현황을 평가해 개선방안을 제안했다. 데이터 활용도는 사용자의 조회와 다운로드 수치로 측정하고, 데이터의 관리 현황은 등록일, 수정일, 업데이트 주기를 분석해 진단했다.

국내외 도서관은 서지정보에 대한 통합적 관리를 위한 연구는 활발하게 진행되고 있지만[18]-[24], 데이터형태의 자원을 관리하기 위한 방안은 미흡한 실정이다. 데이터는 도서관의 새로운 핵심 자원이 될 수 있기 때문에 이를 관리하기 위한 메타데이터 표준과 연계방안이 필요하다. 본 연구의 목적은 서로 다른 데이터 포털에 존재하는 도서관 데이터를 통합적으로 관리하고 활용하기 위한 기반을 마련하는 것이다. 따라서, 도서관 데이터의 개방 현황을 조사하고, 데이터 분류체계에 따른 특성을 분석한다. 데이터 포털별 관리와 활용성 분석은 메타데이터를 표준화한 뒤, 데이터의 업데이트 준수율과 활용도를 정량적으로 평가한다.

그림 1은 도서관 데이터 수집과 개방 현황 분석에 대한 일련의 과정을 도식화한 것이다. 먼저, 도서관 관련 공공데이터를 수집하기 위해 데이터 포털을 선별한다. 선별된 19개의 데이터 포털에서 전체 데이터세트를 크롤링 방식으로 수집하고(242,767건), 도서관 관련 데이터를 추출하기 위해 데이터의 제목, 설명, 키워드에 ‘도서’와 ‘도서관’이 존재하는 데이터를 필터링한다. 도서관 데이터의 관리와 활용을 분석하기 위해, 개별 데이터 포털의 상이한 메타데이터와 분류체계 용어를 의미상 같도록 매핑하는 작업을 수행한다.

Fig. 1. 
Collection and analysis of library data

표준화된 메타데이터와 분류체계는 도서관 데이터의 현황을 분석하는 기반이 된다. 매핑된 분류체계를 통해 도서관 데이터의 특징과 분류체계별 데이터 개방 현황을 분석한다. 수집한 메타데이터는 데이터의 관리와 활용을 평가할 수 있는 지표가 된다. 수집한 메타데이터 중 ‘수정일’, ‘업데이트 주기’는 데이터세트가 주기적으로 관리되는지 파악할 수 있는 정보다. 데이터세트의 업데이트 준수율은 데이터 서비스 측면에서 데이터 최신성을 유지하는 기준으로 평가할 수 있다. 송채은, 김학래[15] 연구를 기반으로 ‘만료(Expiration)’ 지표를 참조해 도서관 데이터를 평가한다. ‘만료’는 데이터세트의 업데이트가 만료된 비율을 계산하는 것으로, 데이터세트가 업데이트되는 주기(예: 주, 월, 년)와 데이터세트의 게시일을 비교한다. 본 연구는 선행연구를 참조해 지표의 대상을 복수의 데이터 포털로 확장하여 업데이트 준수율을 평가한다(수식 1 참고).

U_portal은 데이터 포털의 평균 업데이트 준수율이고, SD_i(the date that scheduled for a Dataset update)와 CD_i(the date that a Dataset is collected)는 데이터세트의 업데이트 예정일과 데이터를 수집한 날짜를 의미한다. SD_i - CD_i의 값이 1보다 같거나 큰 경우, 업데이트 보류 중인 데이터(PU_i, pending registration)로 해석할 수 있다. 반대의 경우, 업데이트 주기를 미준수한 데이터(DU_i, delayed update)이다.

데이터 포털은 사용자의 목적에 적합한 데이터를 제공할 수 있도록 사용자가 데이터의 가치를 평가할 수 있는 지표를 제공해야 한다[21]-[24]. 예를 들어, 데이터 포털은 가장 많이 검색된 데이터세트, 상위 다운로드 수 10개 데이터세트에 대한 정보를 제공해 데이터 활용도를 표현해야 한다. 본 연구에서 데이터 활용도는 ‘조회 수’, ‘다운로드 수’를 통해 이용자가 데이터를 조회하고 다운로드하는 일련의 과정을 정량적으로 분석한다. 송채은, 김학래[15]는 데이터 활용도를 정량적으로 평가하기 위해 조회 수 대비 다운로드 수(Download Per View, DPV)를 계산한 평가지표를 제안했다.

DPV_portal은 데이터 포털이 제공하는 데이터세트의 조회 수 대비 다운로드 수를 산출하는 데이터 활용률이다(수식 2 참고). D_i와V_i는 각각 다운로드 수와 조회 수를 의미한다. 데이터 포털이 제공하는 DPV_portal은 모든 데이터세트의 DPV_dataset 평균으로 계산된다.

본 연구는 국내에서 오픈 데이터로 제공하는 도서관 데이터의 현황을 분석하고, 데이터 관리와 활용을 정량적으로 평가했다. 도서관 데이터는 공공기관이 운영하는 데이터 포털 또는 빅데이터 플랫폼을 통해 공개되고 있다.

개별 데이터 포털에서 제공하는 도서관 데이터는 다른 유형의 데이터와 비교하면 전체 데이터세트의 규모가 적지만, 강원을 제외한 대부분의 데이터 포털에서 관련 데이터세트를 제공하고 있다. ‘데이터 수집일’, ‘수정일’, ‘업데이트 주기’ 등 데이터의 최신성 평가는 데이터 제공자가 적절한 시점에 해당 데이터를 갱신하는 것을 의미한다. 데이터의 최신성 지표는 전체 평균이 0.78로 비교적 높은 수준이다. 반면, 데이터의 활용도(DPV)는 평균 0.14로 매우 낮은 수준이다. 요약하면, 도서관 데이터는 다양한 기관에서 제공하고 있고, 다른 데이터세트와 비교하면 적절한 시점에 관리되고 있다. 그러나, 도서관 데이터는 일부 데이터를 제외하면 활용이 되지 않고 있다.

공공데이터의 활용이 낮은 이유는 도서관 데이터에 한정되지 않는다. 공공데이터포털을 포함한 대부분의 데이터 포털에서 제공하는 데이터의 활용은 매우 낮은 수준이고, 데이터 활용 활성화를 위해 대규모 해커톤, 아이디어 발굴, 경진대회와 같은 다양한 이벤트를 시행하고 있다. 도서관 데이터는 활용 대상과 목적이 한정적이고, 개방할 수 있는 데이터가 어느 정도 범주화될 수 있다. 따라서, 도서관 데이터의 활용을 높이기 위해 데이터 관리체계를 정교하게 수립하고, 활용 대상에 맞는 데이터를 제공하는 것이 바람직하다. 도서관 데이터는 도서관이 소속된 공공기관의 데이터 포털에 개방되어 분산적이고 파편화된 특성을 갖고 있다. 한편, 개방된 데이터의 구조와 관리체계가 다르기 때문에 데이터의 연계가 어렵다는 한계가 있다. 이를 개선하기 위해, 제공하는 데이터의 구조를 표준화하고, 데이터값을 일관적으로 기술하기 위한 가이드라인을 제공할 필요가 있다. 문헌정보 분야는 더블린코어, MARC, MODS 등 다양한 형식의 메타데이터 표준을 사용하고 있는데, 공공데이터로 제공하는 데이터세트에 적용하기 위한 메타데이터 규격을 설계하고, 데이터 제공자가 공통으로 활용할 수 있는 체계를 제공해야 한다.

운영적 관점으로 보면, 데이터 제공자는 도서관 데이터를 공개하는 시점에서 동일한 분류체계 또는 키워드를 적용하는 것이 필요하다. 공공데이터포털과 지방자치단체가 운영하는 데이터 포털에서 사용하는 분류체계가 통일되어 있지 않고, 새로운 분류체계를 지원하지 않을 수 있다. 이런 경우, 키워드를 통제어와 유사하게 사용할 수 있는 방안을 검토할 필요가 있다. 기술적 측면에서 온톨로지 어휘를 적용하여 메타데이터를 기계가 읽을 수 있는 형식으로 표현하고, 서로 다른 데이터 포털에서 제공하는 데이터세트의 연계를 위한 방안을 검토해야 한다. RDF 어휘로 표현된 데이터는 서로 동일한 체계를 적용할 경우 분산된 데이터 포털에 있는 데이터라도 의미적으로 연결할 수 있기 때문에, 도서관 데이터를 통합적으로 연결하는 데 활용할 수 있다.

본 연구는 도서관 데이터의 개방 현황과 데이터의 활용에 대한 분석을 수행했다. 향후 연구는 도서관 데이터의 품질을 진단하기 위한 방안과 도서관 데이터의 연계를 위해 공통 메타데이터의 개발, 지식그래프 기술을 적용하는 방안을 포함한다. 한편, 본 논문에서 제안한 DPV 지표는 조회수와 다운로드 수를 조합하고 있어 사용자가 실제 데이터세트의 활용을 측정하는 데 한계가 있다. 따라서, 데이터의 활용 지표는 DPV 지표와 사용자가 실제 활용한 수치를 조합하는 방식으로 평가할 수 있도록 검토할 필요가 있다.