연구 시작 키트: 읽기에서 첫 기여까지
📍 현재 위치: 6부 · 나만의 연구 시작하기 — 19장 중 18장. 17장은 결과가 데이터를 어떻게 나누느냐에 달려 있음을 보여 주었습니다. 이 장은 그런 결과 주변의 문헌을 찾고, 비판적으로 읽고, 다른 사람이 재현할 수 있는 프로젝트를 꾸리는 방법을 다룹니다.
새 도시로 이사해서 가장 좋은 빵집을 알고 싶다고 합시다. 사람마다 아는 골목이 다르므로 여러 사람에게 묻습니다. 줄이 가장 긴 가게를 무작정 고르지도 않습니다. 오래된 가게는 줄이 길어질 시간이 수십 년 있었고, 새 가게가 더 나을 수도 있기 때문입니다. 추천하기 전에 직접 맛을 봅니다. 그리고 친구가 같은 가게를 찾아갈 수 있도록 길을 적어 둡니다. 이 장은 논문에 대한 같은 절차입니다. 여러 곳에서 검색하고, 인용 횟수는 힌트로만 보고, 증거를 위해 읽고, 다른 사람이 따라올 흔적을 남깁니다.
이 장에서 다루는 내용
다섯 가지 실용 기술을 다루며, 모든 명령은 2026-11-15에 실행했습니다. 기초 논문과 최신 논문 찾기, 속지 않고 인용 횟수 쓰기, 이 책의 증거 수준에 따라 논문 읽기, 학술지와 커뮤니티 알기, 자신의 작업을 재현 가능하게 만들기입니다. 마지막에는 프로젝트 템플릿, 각각 한 장과 한 실습에 연결된 첫 프로젝트 아이디어 10가지, 문제를 고를 때 보아야 할 평가 장에 대한 안내가 있습니다.
문제
입문자는 수만 편의 AM 논문 앞에서 지도 없이 서 있습니다. 검색 엔진은 신뢰가 아니라 텍스트 유사도로 순위를 매깁니다. 인용 횟수는 오래된 논문과 유행을 보상합니다. 데이터나 코드가 공유되지 않아 재현되지 않는 결과가 많고, 많은 ML 결과는 누수로 부풀려져 있습니다 [1]. 목표는 더 많이 읽는 것이 아니라 올바른 20편을 잘 읽고, 검증을 견디는 것을 만드는 것입니다.
최신 기술 수준
1. 문헌 찾기
각 색인이 다른 문서를 다루므로 적어도 두 곳을 쓰십시오. 아래 세 곳은 모두 무료 API가 있습니다 [2][3][4]. 이 책의 도우미 scripts/cite.mjs는 Crossref와 Semantic Scholar/OpenAlex를 감싸며, examples/research-starter-kit/litcheck.mjs(Node 18 이상, 키 불필요)는 출처 간 교차 확인을 더합니다. Google Scholar는 수동 탐색에 유용하지만 공식 API를 찾지 못했으므로 프로그램으로 질의하지 않았고 Scholar 출력은 보여 주지 않습니다.
기초 논문: 연도로 거르고 인용 횟수로 정렬합니다. 2026-11-15 실행 결과입니다.
$ node scripts/cite.mjs search "additive manufacturing of metallic components process structure properties" --min 500 --rows 5
8836 2018 DebRoy T Additive manufacturing of metallic components – Process, structure and properties [Progress in Materials Science] doi:10.1016/j.pmatsci.2017.10.001
1088 2016 Körner C Additive manufacturing of metallic components by selective electron beam melting — a revie [International Materials Reviews] doi:10.1080/09506608.2016.1176289
$ node scripts/cite.mjs search "keyhole porosity laser powder bed fusion" --from 2019 --min 200 --rows 5
432 2022 Huang Y Keyhole fluctuation and pore formation mechanisms during laser powder bed fusion additive manufacturing [Nature Communications] doi:10.1038/s41467-022-28694-x
358 2020 Ronneberg T Revealing relationships between porosity, microstructure and mechanical properties of lase [Materials & Design] doi:10.1016/j.matdes.2020.108481
337 2023 Ren Z Machine learning–aided real-time detection of keyhole pore generation in laser powder bed fusion [Science] doi:10.1126/science.add4667
첫 결과는 금속 AM의 공정, 구조, 물성을 다룬 긴 리뷰 [5]이고, 싱크로트론 X선 영상을 쓴 키홀 논문 [6]은 아래 점검표를 처음 연습하기 좋은 논문입니다. cite.mjs search는 관련도 상위 150건을 Crossref 인용 횟수로 다시 정렬하므로, --min이 너무 엄격하면 아무것도 나오지 않습니다. search "laser powder bed fusion review" --min 1000을 실행했더니 출력이 한 줄도 없었습니다. 침묵은 "그런 논문이 없다"가 아니라 "후보 풀에 없다"는 뜻입니다. --min을 낮추거나 검색어를 바꾸십시오.
최신 논문: 날짜를 제한한 뒤 학술지를 판단합니다.
$ node scripts/cite.mjs search "machine learning additive manufacturing" --from 2024 --min 30 --rows 4
124 2025 Faegh M A review on physics-informed machine learning for process-structure-property modeling in a [Journal of Manufacturing Processes] doi:10.1016/j.jmapro.2024.11.066
110 2024 Farrag A Physics-Informed Machine Learning for metal additive manufacturing [Progress in Additive Manufacturing] doi:10.1007/s40964-024-00612-1
106 2025 Inayathullah S Review of machine learning applications in additive manufacturing [Results in Engineering] doi:10.1016/j.rineng.2024.103676
83 2024 Akbari P Machine learning prediction of mechanical properties in metal additive manufacturing [Additive Manufacturing] doi:10.1016/j.addma.2024.104320
검색 결과를 믿기 전에 읽어 보는 데는 명령 하나면 됩니다(초록은 Semantic Scholar에서 오고 OpenAlex가 대체 수단이며, 출력은 줄였습니다).
$ node scripts/cite.mjs abstract 10.1038/s41467-022-28694-x
# Keyhole fluctuation and pore formation mechanisms during laser powder bed fusion additive manufacturing (2021, Nature Communications) S2 cited-by: 490
Keyhole porosity is a key concern in laser powder-bed fusion (LPBF), potentially impacting component fatigue life. ... Using synchrotron X-ray imaging we reveal keyhole and bubble behaviour ...
양방향으로 눈덩이처럼 따라가십시오. 강한 논문 하나를 잡고 그 참고문헌(후방)과 그 논문을 인용한 연구(전방)를 따라갑니다. OpenAlex는 전방 단계를 바로 지원합니다. 위의 기초 리뷰를 인용한 2026년 논문은 다음과 같습니다.
$ curl -s "https://api.openalex.org/works?filter=cites:W2762367303,from_publication_date:2026-01-01&sort=cited_by_count:desc&per-page=3&select=doi,title,publication_year,cited_by_count"
citing works in 2026 so far: 1696
https://doi.org/10.1007/s43452-026-01520-7 | 2026 | 71 | Microstructure and mechanical properties of Ni superalloy fabricated b...
https://doi.org/10.1016/j.jmrt.2026.01.173 | 2026 | 42 | Advancements in laser processes for additive Manufacturing: Techniques...
https://doi.org/10.1016/j.jallcom.2026.186347 | 2026 | 34 | Wire Arc Additive Manufacturing (WAAM): A comprehensive review of proc...
(W2762367303은 그 논문의 DOI로 OpenAlex 레코드를 조회해 얻은 ID이며, 표로 출력하기 위해 JSON을 짧은 Python 한 줄에 통과시켰습니다.) 자유 텍스트 검색은 더 모호합니다. OpenAlex에서 search=AM+Bench+melt+pool을 인용 횟수순으로 질의하자 광경화 수지 논문이 첫 결과로 나왔습니다. 항상 제목을 읽으십시오.
2. 인용 횟수와 그것이 오도하는 방식
같은 논문 네 편을 세 데이터베이스에서 조회했습니다(node examples/research-starter-kit/litcheck.mjs counts ..., 2026-11-15 실행).
doi | Crossref year,cites | OpenAlex year,cites | SemanticScholar year,cites | OpenAlex cites/yr
10.1016/j.pmatsci.2017.10.001 | 2018, 8836 | 2017, 9214 | 2018, 8066 | 921
10.1038/s41467-022-28694-x | 2022, 432 | 2022, 528 | 2021, 490 | 106
10.1126/science.add4667 | 2023, 337 | 2023, 342 | 2023, 311 | 86
10.1007/s40192-024-00372-4 | 2024, 15 | 2024, 17 | 2024, 15 | 6
연구를 시작하는 다섯 단계, 그리고 한 논문의 인용 횟수가 데이터베이스마다 다르다는 점을 상기시키는 그림입니다.
저자가 AI의 도움을 받아 직접 제작한 그림입니다.
이 숫자가 보여 주거나 시사하는 함정은 다음과 같습니다.
- 데이터베이스끼리 일치하지 않습니다. 첫 논문은 출처에 따라 8,836회, 9,214회, 8,066회 인용되며 출판 연도도 다릅니다(Crossref와 Semantic Scholar는 2018, OpenAlex는 2017이며, 온라인 선공개 날짜일 가능성이 있으나 확인하지 않았습니다). 인용 횟수를 말할 때는 출처와 날짜를 함께 적으십시오.
- 나이 편향. 횟수는 누적이므로 오래된 논문이 이깁니다. 마지막 논문(2024)은 총 15-17회 인용되었고 연간 약 6회 인용되는데, 이는 "중요하지 않다"가 아니라 "젊다"는 뜻입니다. 나이로 나누어 대략적인 비율을 보고, 비슷한 나이와 분야의 논문끼리만 비교하십시오. 분야와 연도로 정규화한 지표가 있으며, Waltman은 그 구성 방식과 선택이 중요한 이유를 검토합니다 [7].
- 자기 인용. 논문의 저자도 그 논문을 인용합니다. OpenAlex 저자 ID로, 인용한 연구 중 피인용 논문과 저자가 한 명 이상 겹치는 수를 세었습니다(
litcheck.mjs selfcite). 리뷰는 9,214건 중 152건(1.6%), 2023년 Science 논문은 342건 중 24건(7.0%), Nature Communications 논문은 528건 중 40건(7.6%)입니다. Science 논문의 저자 10명 중 1명은 OpenAlex에 저자 ID가 없었으므로 근사치일 뿐입니다. 노르웨이 논문을 대상으로 한 오래된 연구는 저자 자기 인용이 인용의 훨씬 큰 비중(36%, 전문이 아니라 저희가 읽은 요약 기준)을 차지한다고 보고했습니다 [8]. 자기 인용은 정상입니다. 확인하되 맹목적으로 감점하지 마십시오. - 횟수는 "많이 읽힌다"이지 "옳다"가 아닙니다. 리뷰는 인용을 많이 모으고, 부정적 결과는 적게 모을 수 있습니다. 횟수는 분야의 중심 논문을 찾는 데 쓰고, 진실의 순위를 매기는 데 쓰지 마십시오.
- 관련도 순위는 신뢰 순위가 아닙니다. 위의 광경화 수지 결과를 보십시오.
3. 증거 수준에 따라 논문 읽기
이 책의 서문은 주장에 실험실 규모에서 입증, 생산 현장에서 입증, 논쟁 중이라는 라벨을 붙였습니다. 읽는 모든 논문에 같은 라벨을 적용하십시오. 의존하려는 논문 하나에 약 30분이 걸리는 여덟 가지 질문을 순서대로 던집니다.
- 한 문장 주장은 무엇인가? 자기 말로 적습니다.
- 무엇을, 무엇에 대해 측정했는가? 합금, 장비, 형상, 빌드나 시편의 수.
- 반복의 단위는 무엇인가? 빌드 하나? 트랙 하나? 한 빌드에서 나온 시편 10개는 대부분의 목적에서 빌드 1개로 셉니다.
- 모델이나 비교를 어떻게 검증했는가? ML이라면 분할이 무엇을 존중했는지(빌드, 부품, 트랙, 무작위 행)를 묻습니다. 17장 실습은 둘 사이에 약 18배 차이가 있음을 보여 주었습니다 [1][9].
- 불확실성과 잡음 하한은 얼마인가? 주장된 개선이 반복 산포보다 큰가?
- 독립적인 확인이 있는가? 두 번째 장비나 연구실, 또는 AM Bench 같은 블라인드 벤치마크 [10].
- 데이터와 코드가 공개되어 있고 실행되는가? 데이터의 DOI가 가장 좋은 신호입니다 [11].
- 어떤 증거 라벨을 받을 자격이 있는가? 분류할 수 없다면 이 책처럼 그렇게 말합니다.
4. 학술지와 커뮤니티(확인된 이름만)
| 종류 | 이름 | 알아 둘 점 |
|---|---|---|
| 벤치마크 | NIST AM Bench | NIST 주도의 측정, 블라인드 챌린지 문제, 학회 시리즈. 2018, 2022, 2025년에 진행되었고 데이터는 공개 보관됨 [12] |
| 표준 | ASTM Committee F42 | 적층제조 기술 위원회. 2009년 설립. 하위 위원회에 시험 방법, 설계, 재료와 공정, 데이터, 용어 등이 있음 [13] |
| 표준 | ISO/TC 261 | 적층제조. 범위는 공정, 용어, 공정 사슬, 시험 절차, 품질 변수, 공급 계약을 포함하며, ISO와 ASTM은 2011년 협력 협정을 체결함 [14] |
| 학회 | Solid Freeform Fabrication Symposium | 매년 텍사스대학교 오스틴에서 개최. 36회는 2025년 8월 [15] |
| 학회 | ASTM International Conference on Advanced Manufacturing (ICAM) | ASTM의 AM Center of Excellence 주최. 2025년 10월 라스베이거스. 표준과 인증에 초점 [16] |
| 학술지(이 책의 출처에서 확인됨) | Additive Manufacturing; Additive Manufacturing Letters; Progress in Additive Manufacturing; Integrating Materials and Manufacturing Innovation; Journal of Manufacturing Processes; Journal of Materials Processing Technology; Progress in Materials Science; Nature Communications; Science | 투고 전에 학술지의 범위와 게재 논문 표본을 확인하십시오. 이 목록은 순위가 아닙니다 |
| 데이터 | NIST Public Data Repository; Materials Data Facility | DOI가 있는 인용 가능한 데이터셋 [17][18] |
이 목록은 이번 작업에서 확인할 수 있었던 커뮤니티와 학술지이며, 다른 곳도 존재합니다. 방법과 시험 절차는 학회와 표준 위원회에서 합의되고, 결과는 학술지에서 논쟁됩니다.
5. 재현성 실천
- 환경을 고정합니다. 정확한 버전이 적힌
requirements.txt또는 컨테이너. 17장 실습은 라이브러리 여섯 개를 고정하고 Python 버전을 기록합니다. - 데이터를 검증합니다. 스크립트로 내려받고, DOI와 접근 날짜를 기록하고, SHA-256을 확인합니다. 출처가 체크섬을 게시하지 않으면 실습처럼 직접 고정합니다.
- 시드를 고정하고 테스트합니다. 난수 시드를 고정하고, 두 번 실행해 출력을 비교하는 테스트를 추가합니다. 17장의
make test가 그렇게 합니다. - 그룹 단위로 나누고, 어떤 그룹인지 밝힙니다. README와 논문에 그룹 키를 명시합니다 [9].
- 데이터 카드를 씁니다. 출처, 라이선스, 행이 무엇인지, 알려진 공백. FAIR 원칙(찾기 쉽고, 접근 가능하고, 상호운용 가능하고, 재사용 가능)이 일반적인 틀입니다 [19].
- 최소한만 컨테이너화합니다. 아래 템플릿은
docker build로 빌드됩니다.
6. 프로젝트 템플릿
examples/research-starter-kit/template/에는 뼈대가 있습니다. README.md, CLAIMS.md(주장, 증거 라벨, 데이터와 그룹 키, 무엇이 나오면 철회할 것인가), DATA_CARD.md, 고정된 requirements.txt, Dockerfile, 결과 옆에 Python과 라이브러리 버전을 기록하는 시드 고정 src/run.py, 스모크 테스트입니다. 실제로 실행했습니다.
$ cd examples/research-starter-kit && make new NAME=/tmp/my-study
$ cd /tmp/my-study && python src/run.py && python tests/test_smoke.py
{ "python": "3.14.6", "numpy": "2.5.4", "pandas": "3.1.1", "seed": 1, "example_draw": 0.345584192064786 }
smoke test passed
$ docker build -q -t amguide-starter-template . && docker run --rm amguide-starter-template
{ "python": "3.14.10", "numpy": "2.5.4", "pandas": "3.1.1", "seed": 1, "example_draw": 0.345584192064786 }
첫 Docker 빌드는 2 min 6 s(기본 이미지와 패키지 다운로드)가 걸렸고 재빌드는 1.9 s였습니다. 컨테이너의 Python 패치 버전(3.14.10)은 호스트(3.14.6)와 다르지만 시드로 얻은 값은 같고, 기록된 버전을 보면 어느 쪽인지 알 수 있습니다. 처음 만든 컨테이너는 exec: "make": executable file not found로 실패했습니다. slim Python 이미지에는 make가 없으므로 Dockerfile은 python src/run.py를 직접 호출합니다.
첫 프로젝트 10가지
각 프로젝트는 결과가 아니라 아이디어이며, 저희는 실행하지 않았습니다. 각각 출처가 되는 장과 도구를 쓰는 실습을 밝혔습니다. "실습 1-3"은 3권에 있고, 실습 4는 16장, 실습 5는 17장입니다. 아래 데이터셋 이름은 NIST 카탈로그에서 본 제목이므로, 계획에 넣기 전에 크기, 라이선스, 형식을 확인하십시오.
| # | 장 | 실습 | 질문 | 첫 산출물 |
|---|---|---|---|---|
| 1 | 1 용융풀 | 실습 5 | 폭에 대해서도 거듭제곱 법칙이 성립하는가, 깊이는 어디서 거듭제곱 영역(키홀)을 벗어나는가? 같은 케이스 번호를 쓰는 NIST 레이저 결합 데이터(레코드 mds2-3842)를 추가 | leave-one-case-out 표가 있는 폭 모델, 선당 에너지에 대한 잔차 그림 |
| 2 | 4 시뮬레이션 | 실습 4 + 실습 5 | 시뮬레이션한 단일 트랙 깊이는 측정된 7개 케이스에서 측정 산포 안에서 얼마나 떨어져 있는가? | 반복 산포 2.1 µm를 함께 그린 시뮬레이션 대 측정 깊이·폭 표 |
| 3 | 5 ML | 실습 5 | 데이터를 공유한 AM-ML 논문 하나를 골라 빌드 또는 부품 단위로 다시 분할해 보십시오. 주장이 살아남는가? | 두 점수가 담긴 한 쪽짜리 재현 노트 |
| 4 | 6 공정 중 모니터링 | 실습 5 | NIST 공정 모니터링 데이터셋(AMMT 시리즈)에서, 부품 단위로 분할할 때 층별 이상 기준선이 "평균 예측"을 이기는가? | 그룹 분할 기준선, 데이터셋 크기를 먼저 확인 |
| 5 | 7 폐루프 제어 | 실습 1 | 가상 프린터에서 제어기(예: 히터 조절)는 외란에 어떻게 반응하며 펌웨어 로그는 무엇을 보여 주는가? | 시뮬레이션 프린터의 계단 응답 그림 |
| 6 | 2 결함과 잔류응력 | 실습 3 | 빌드 방향은 실습 3 브래킷의 오버행 면적과 응력 집중부를 어떻게 바꾸는가? | 출력 가능성 검사와 FEA로 비교한 세 가지 방향 |
| 7 | 12 인증 | 실습 5 | 반복이 몇 번이면 충분한가? 케이스당 6회 반복에서 케이스 평균의 구간은 얼마나 넓고, 인증 수준의 주장에 무엇을 뜻하는가? | 불확실성 예산 표 |
| 8 | 13 디지털 스레드 | 실습 5 | 실습 5 표에 대한 데이터 카드와 기계 판독 가능한 메타데이터 파일을 작성하고, FAIR 원칙 [19]으로 점수를 매기십시오 | DATA_CARD.md와 검증 스크립트 |
| 9 | 15 비용과 처리량 | 실습 2 | 슬라이스한 G-code에서 부품당 시간과 재료 사용량을 추정하고, 비용이 층 높이에 얼마나 민감한지 보십시오 | 매개변수형 비용 시트, 모든 가정에 "예시용" 표시 |
| 10 | 14 지속가능성 | 실습 2 | G-code의 소요 시간과 가정한 소비 전력으로 출력의 에너지를 추정하고 발표된 측정 범위와 비교하십시오 | 민감도 막대가 있는 에너지 추정, 모델링과 측정을 구분 표시 |
하나를 골라 시작하기 전에 CLAIMS.md를 쓰고, 도달하고 싶은 증거 라벨을 정하십시오. 이들 대부분의 정직한 상한은 "실험실 규모에서 입증"입니다.
왜 어려운가
시작이 어려운 이유는 세 가지입니다. 문헌이 방대하고 대리 지표로 순위가 매겨져 있으며, 대부분의 증거가 한 연구실의 것이라 스스로 판단해야 하고, 좋은 문제는 논문이 가장 많은 문제가 아니라는 점입니다. 마지막 점에서 인용 횟수가 가장 크게 오도합니다. 붐비는 주제가 열린 문제는 아닙니다.
열린 질문
- 공개 API는 바뀝니다. OpenAlex 응답은 인증 없는 사용이 같은 네트워크의 다른 사용자와 하루의 작은 예산을 공유한다고 경고하며, Semantic Scholar는 검색을 반복하자 HTTP 429(요청 과다)로 응답했습니다. 키와 캐시를 계획하십시오.
- 주장이 얼마나 잘 뒷받침되는지를 표시하는 공통된 방법이 없습니다. 이 책의 라벨은 저희가 정한 것이지 표준이 아닙니다.
산업적 영향
연구를 읽고 재현할 수 있는 엔지니어는 주장에 의존하기 전에 그것을 확인할 수 있으며, 이는 발표된 결과에서 의사결정까지의 경로를 줄입니다. 규제 당국이 그런 증거를 받아들이는지는 12장의 주제입니다.
문제 고르기
이 장만으로 고르지 마십시오. 다음이자 마지막 장인 솔직한 평가는 해결되지 않은 문제들의 순위를 각 순위의 근거와 함께 제시합니다(그 순위는 저자의 종합이라고 밝힙니다). CLAIMS.md를 열어 둔 채 읽으십시오. 좋은 첫 프로젝트는 몇 주 안에 끝낼 만큼 작고, 순위가 높은 문제 중 하나에 닿으며, 구할 수 있는 데이터를 쓰고, 도달할 수 있는 증거 라벨을 명시합니다.
문제가 생길 때
이 장을 준비하며 실제로 겪은 실패입니다.
- 높은
--min으로cite.mjs search가 비어 있음:--min을 낮추고, 날짜 필터를 빼거나 검색어를 바꾸십시오. 관련도가 모호하므로 논문이 상위 150건에 없을 수 있습니다. - 검색을 반복하거나
cite.mjs abstract를 실행할 때 Semantic Scholar의 HTTP 429(OpenAlex가 대체 수단). 기다리거나 결과를 캐시하거나 키를 쓰십시오. - OpenAlex의
null저자 ID가 처음 만든selfcite스크립트를 중단시켰습니다(Cannot read properties of null). 지금은 ID 없는 저자를 건너뛰고 사용한 수를 보고합니다. - OpenAlex 자유 텍스트 검색의 무관한 최상위 결과. 제목을 읽고, 가능하면 DOI를 쓰십시오.
- slim Docker 이미지의
make: not found.CMD에서python을 직접 호출하십시오. - 수치 라이브러리의 새 설치는 느립니다(여기서는 venv와 Docker 빌드 모두 약 2분). 휠을 캐시하거나 환경을 재사용하십시오.
다음에 시도해 볼 것
- 신뢰하는 논문의 참고문헌에
litcheck.mjs counts를 실행하여 어느 횟수가 가장 많이 어긋나는지 보십시오. - 20편의 읽기 목록을 만드십시오. 기초 5편, 최신 10편, 비판적이거나 부정적인 결과 5편.
- 동의하지 않는 논문의
CLAIMS.md를 채우고, 어떤 증거가 생각을 바꿀지 적어 보십시오. - 템플릿을 복사해 17장 실습의 분석을 넣고, 동료가 깨끗한 컴퓨터에서 재현하게 해 보십시오.
- 열 가지 프로젝트 중 하나를 골라 데이터를 건드리기 전에 데이터 카드를 쓰십시오.
왜 중요한가
잘 읽고 재현 가능하게 시작하는 것은 문헌에 기여하는 것과 잡음을 더하는 것의 차이입니다. 또한 이 책 전체가 보상하는 습관, 즉 증거가 얼마나 강한지 묻는 습관이기도 합니다.
실제 현장에서는
- AM Bench는 측정, 챌린지, 결과를 공개하여 여러 그룹을 같은 데이터로 비교할 수 있게 합니다 [10][12].
- ASTM F42와 ISO/TC 261은 용어, 시험 방법, 데이터에 대한 표준을 조율합니다 [13][14].
- 17장 실습에서 쓴 NIST 레코드처럼 DOI가 있는 데이터셋 레코드는 다른 사람이 데이터를 인용하고 재사용할 수 있게 합니다 [11].
핵심 용어
- 기초 논문(foundational paper) — 주제를 정의하거나 정리한, 널리 인용되는 보통 오래된 논문.
- 전방·후방 눈덩이 탐색(snowballing) — 논문의 참고문헌(후방) 또는 그 논문을 인용한 연구(전방)를 따라가며 관련 문헌을 찾는 방법.
- 나이 편향(age bias) — 누적 인용 횟수가 오래된 논문에 유리한 경향.
- 자기 인용(self-citation) — 인용한 연구와 인용된 연구가 저자를 공유하는 인용.
- 증거 수준(evidence level) — 주장이 얼마나 강하게 확립되었는지를 나타내는 이 책의 라벨(실험실 규모, 생산 현장, 논쟁 중).
- 반복의 단위(unit of replication) — 반복된 독립적인 대상(빌드, 시편, 연구실). 한 대상을 여러 번 측정한 것과 구별됨.
- DOI — 논문이나 데이터셋에 대한 영구적인 디지털 객체 식별자 링크.
- 데이터 카드(data card) — 데이터셋의 출처, 라이선스, 구조, 한계를 설명하는 짧은 문서.
- FAIR — 찾기 쉽고, 접근 가능하고, 상호운용 가능하고, 재사용 가능한 데이터를 위한 원칙.
- 고정된 환경(pinned environment) — 실행을 반복할 수 있도록 정확히 기록한 소프트웨어 버전.
다음 이야기
19장 솔직한 평가는 이 책 전체를 저울질하고, 산업이 가장 어려워하는 문제의 순위를 매기고, 문제를 고르는 조언을 줍니다. CLAIMS.md와 프로젝트 아이디어 후보 목록을 가지고 가십시오.