논문으로 졸업하는 방법

1. 논문의 탄생

 

논문은 크게 학회논문과 학위논문으로 구분되지만 절차는 모두 동일하다

 

" 논문 모집 → 논문 제출 → 논문 평가 → 게재 승인 → 논문 출판 "

 

학위 논문의 경우, 학회(society)의 편집장이 주제와 기한을 정해 모집을 하면 연구자는 연구를 통해 논문을 제출한다 

 

논문에 분야에 맞는 학회 맴버와 검토자에 의한 논문 평가를 통해 게재 승인 여부가 판별되며

 

승인이 될경우 논문 출판이 이루어진다.

 

(학회도 여러가지가 있으며 임팩트있는 학회의 경우 100편중 15~20편 정도의 논문만 채택이 된다.)

 

 

 

학회 논문은 모집하고 개제되는 집단이 학회(society)인데 반에 학위 논문은 그것이 대학(university)이다.

 

학위 논문의 경우, 대학 내에서 논문을 모집하며 논문에 평가 또한 대학 내의 석사 및 박사에 의해 이루어진다.

 

졸업을 조건으로 학위 논문 쓰는 것과 학회 논문을 투고하여 평가받는 것이 학사와 석박사의 차이라고 생각된다.

 

 

 

 

 

 

 

2. 주제 발굴

 

논문의 주제를 잡는것은 굉장히 고된 일이다.

 

1) Mentoring 2) Suverying & Brainstoming

 

멘토는 지도교수일 확률이 높으며 자신의 원하는 방향과 교수님의 연구 방향을 잘 고려하여 랩을 선택하는 가장 큰 이유이다.

 

1) 연구 분야 선택

 

본인이 흥미와 관심있는 분야를 선택하거나 산업 동향, 직업, 교수님 등 외부환경요소에 의해 결정한다.

 

 

2) 연구 분야의 대표 컨퍼런스 / 저널  조사

 

저널은 컨퍼런스에 비해 검토기간이 아주 길고 논문의 길이 또한 아주 길다. 검토 기간이 길다는 뜻은 방금 나온 저널 논문이라도 기술적으로는 1년 이상 된 것이라는 의미이다. 반면 컨퍼런스 논문은 검토기간의 몇달로 최신의 기술을 담고 있다.

 

 

3) 대표 컨퍼런스 / 저널 의 세부 연구분야 조사

 

자연어 처리를 보다 세부적으로 나누면 음성인식, 번역 등으로 수 많은 가지로 나누어 진다.

 

 

4) 세부 연구분야의 키워드 나열

 

앞서 설명한 논문 탄생 과정에서 주최측에서 눈문에 대한 기한과 주제를 정하여 모집을 하는데

 

이때 기제되는 키워드를 기록하고 탐색한다.

 

이런 키워드만으로도 기술의 흐름을 파악할 수 있다.

 

 

5) 키워드를 중심으로 최근 대표 컨퍼런스 / 저널 논문을 조사

 

논문은 학위 / 학술 이외에 국내 / 국외로 하여 총 4가지의 분류가 가능하다.

 

 a) 컨퍼런스 논문 보단 저널 논문

  

   → 다만 2번의 이유로 저널 논문만 읽어선 안되고 컨퍼런스 논문도 어느정도 병행하는 것이 바람직하다.

 

 b) 인용횟수가 많은 논문

 

   → 구글 스칼라(https://scholar.google.co.kr/)를 통해 인용횟수 조회

 

   → 구글 스칼라를 통해 논문의 계보(Survey)를 파악할 수 있으며 그에 포함된 인용 논문을 읽는 것도 하나의 방법

 

c) 국내 눈문 보다는 해외 저널 논문 부터

 

d) 100편이상의 논문 조사 / 분석 (석사 25, 박사 100)

 

   → 구글 스칼라를 통해 논문의 계보를 파악할 수 있으며 그에 포함된 인용 논문을 읽는 것도 하나의 방법

 

 

Tip : 논문 저장시에 " 출판년도 - 논문명 - 등재지명 - 인용횟수 " 형식으로 저장하라 !

추가적으로 좋은 논문은 따로 표시하는 것도 좋은 방법

 

 

 

 

 

3. 논문 읽고 쓰는 방법

 

1) Introduction 을 가장 먼저 읽는다

  - Introduction 구성 

    연구배경 및 필요성 ( 1 )

    기존 연구 소개 ( 1~2 )

    본 연구 목표 방법 결과 ( 1~2 )

    본 연구의 시사점, 기여부분, 기대효과 ( 1~2 )

    논문의 구성 ( 1 )

 

 

2) Introduction은 다른 장과 정확히 매핑된다

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

참고 : 성균관 대학원 구지환 교수님 빅데이터 강의노트 (https://trello.com/b/VjgDkljT/big-data-koo-lecture-notes)