![Group 1: 5 th presentation ,[object Object],[object Object],[object Object],[object Object],[object Object]](https://image.slidesharecdn.com/korunivaoir2004-110131201917-phpapp01/85/kor-univ-aoir2004-1-320.jpg)
![Hyo Kim ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recomendados
Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (14)
Destaque
Semelhante a Kor univ aoir2004
Semelhante a Kor univ aoir2004 (20)
Mais de Han Woo PARK
Mais de Han Woo PARK (20)
Kor univ aoir2004
- 6. Data II – # of hyperlinks … … … … … … … … 2 2 2 5 10 hannam … 0 0 1 3 4 keimyung … 1 11 13 36 kyungpook … 9 9 8 20 donga … 25 14 26 95 pusan … 16 10 14 90 korea … 67 31 86 139 snu - - - - - - Universities
- 7. Data III … … … 182 104 chosun 287 1088 chonnam 69 56 inchon 137 27 keimyung 371 152 kyungpook 171 158 donga 373 393 pusan 471 324 korea 1070 1224 snu outdegree Indegree
- 9. CONCOR - dichotomized … … … … … … … … 0 0 0 0 1 Kyung pook … 0 0 0 0 1 donga … 1 0 0 1 1 pusan … 0 0 0 0 1 korea … 1 1 1 1 0 snu … Kyung pook donga pusan korea snu
- 10. Groups identified by CONCOR
- 12. Relationships among the groups 0.31 Average 0.06 0 0 0.31 D 0.089 0.53 0 0.79 C 0 0 0.33 0 B 0.91 0.93 0 1 A D C B A
Notas do Editor
- RAW data에 관한 설명입니다
- Indegree 와 outdegree 에 관한 간단한 설명입니다 . SNU 가 월등히 앞서고 있으며 , 그 뒤로 korea, pusan 등이 자리하고 있습니다 . 한 가지 흥미로운 것은 두 학교 (chonnam and hallym) 는 월등히 많은 inlink 를 가지고 있습니다 . 이것이 의미하는 것은 아마도 이 두 학교가 어떤 중요한 것을 ( 역사적 사료나 정보 ?) 가지고 있어서 많은 학교들이 link 를 걸어 놓질 않나 싶습니다 . 단 , 이것은 단지 추정일 뿐이라서… 좀더 자세한 조사가 필요할 것입니다 .
- CONCOR 를 하기 위해서 원래의 raw 매트릭스를 dychotomize 하는 것을 설명한 것입니다 . 위에서 보는 것과 같이 원래 matrix 의 평균값인 17.11 을 기준 값으로 취해서 각 cell 의 가치가 그 이상이면 1, 아니면 0 으로 하여 새로운 matrix 를 얻습니다 .
- 새로운 matrix가 생긴 모양입니다. 이것을 가지고 CONCOR를 돌리면, 구조적으로 유사한 대학교들의 군집을 얻을 수가 있습니다.
- CONCOR로 얻은 그룹의 분류입니다.
- MDS 그래프를 얻어 CONCOR 에 따라서 분류를 해 보았습니다 . 이렇게 해서 분류된 그룹으로 blockmodeling 을 합니다 .
- 4개의 그룹간의 relationship입니다. Diagonal value는 각 그룹간의 member들이 어떻게 hyperlink로 연결이 되었는가를 보여 줍니다. 가령, 그룹 A의 diagonal 값은 1 (최고)인데, 이것이 의미하는 것은 그룹 A의 학교들이 서로 강한 연결을 가지고 있다는 것입니다. 그룹 C가 두 번째로 강하며, 그룹 D는 member간의 hyperlink연결은 거의 전무합니다. 그 외의 cell들 (diagonal 셀을 제외한)은 일반적으로 해석하시면 됩니다. 즉, 첫 번째 raw의 세 번째 column값 (0.93)이 의미하는 것은 그룹A가 그룹C에게 링크하는 것을 나타냅니다. 표에서 보면, 그룹 A는 C와 D에게 강한 링크를 보냅니다. 또한 그룹 B는 isolate입니다. 그룹 C는 A에게 강한 link를 받고 있으면서, 그보다는 약하지만 상당한 링크를 그룹A에게 보내고 있습니다. 이것을 그림으로 도식화하면… 다음 페이지와 같습니다.
- 앞의 2 장에 대한 설명입니다.
- 이 그룹을 SCI article수를 이용하여 ANOVA test를 한 것입니다. In-link나 out-link, 그리고 article 수 모두가 강한 상관관계를 보였습니다. 그리고 ad-hoc test를 하였는데, 그룹 A가 다른 그룹에 비해서 다르다는 것이 밝혀 졌습니다.
- QAP에 대한 설명입니다. 이 전의 두 test는 단지 구조적인 특징을 살펴보고, 이것이 의미하는 것이 무엇인가를 살펴보는 것이었지, dyadic level의 것은 아니었습니다.
- 그래서 QAP을 쓰는데, IV는 in-link와 out-link 매트릭스를 사용하였으며 (원래의 matrix를 쪼갰습니다) DV는 article data를 사용했습니다. 그런데, article data는 원래 attribute data라서 직접 사용하기 곤란합니다. 그래서, 이 데이터를 변형하는 방법을 다음에 설명했습니다.
- 원래의 data에 관한 설명입니다…
- 원래의 데이터를 각 대학교간의 article 숫자의 절대값 차이를 구해서 매트릭스를 구합니다.
- 이렇게 해서 QAP 을 돌린 결과입니다 . R-square 값은 35.6 으로 만족스럽고 , 각 IV matrix 의 coefficient 값은 0.24(out) 와 0.41(in) 입니다 . 즉 , 두 link data (in and out) 모두가 article 숫자와 관계가 있는데 , 특히 In-link data 가 article 의 숫자와 조금 더 관련이 깊다고 할 수 있겠습니다 . 좀더 구체적으로 이야기 하면 , 만약에 두 대학교간에 비교를 하면 , 두 대학간의 in 과 outlink 숫자가 차이가 크면 클수록 article 숫자도 크게 벌어진다는 뜻입니다 .
- 전반적인 정리를 하였습니다… 끝!