memo03300 님의 블로그

도서관은 자료보다 ‘사람’을 먼저 이해해야 한다도서관을 단지 ‘자료 중심 공간’으로 이해하는 시대는 지났다. 오늘날 도서관은 이용자 중심의 정보서비스 기관이며, 이용자의 정보 요구와 행동을 분석하는 것이 자료 구축만큼이나 중요해졌다. 바로 이 지점에서 문헌정보학이 가진 이용자 분석 이론, 정보 행동 모델, 데이터 기반 정보서비스 기획 능력이 실무에서 강력한 무기가 된다.나는 문헌정보학 전공자로서 대학 도서관과 협업하여 이용자 분석 중심 프로젝트를 진행한 경험이 있다. 당시의 목표는 단순히 ‘대출 통계를 뽑는 것’이 아니라, 이용자의 정보 탐색 흐름, 자료 접근 행동, 서비스 만족도까지 종합적으로 분석해 도서관 정책 개선에 반영하는 것이었다.이 글에서는 해당 프로젝트의 설계부터 실행, 분석 결과, 개선안 ..

도서관도 데이터를 모은다, 그리고 해석한다우리는 흔히 도서관을 ‘조용한 공간’, ‘책이 많은 곳’ 정도로만 인식한다. 그러나 오늘날의 도서관은 더 이상 단순히 책을 빌리고 반납하는 공간이 아니다. 사람의 행동 데이터를 수집하고, 이를 통해 정보 서비스를 개선하는 ‘데이터 기반 공간’으로 변모하고 있다. 특히 디지털 기술이 접목된 이후, 도서관은 이용자 행동, 자료 접근 로그, 검색어 기록, 좌석 사용 이력 등 다양한 형태의 빅데이터를 축적하고 있다.이러한 변화는 문헌정보학 전공자에게도 큰 영향을 준다. 예전엔 분류, 색인, 메타데이터 중심의 구조적 접근이 중심이었다면, 이제는 이용자 행동 분석, 정보 이용 패턴 예측, 데이터 시각화 기획 등도 요구되는 역량이 되었다. 이 과정에서 문헌정보학이 가진 ‘정보..

아날로그 보존에서 디지털 지속성으로의 대전환한때 아카이브는 곧 종이였다. 오래된 문서, 지도, 사진, 공문서 등을 종이 형태로 보존하고, 그에 대한 열람과 해석, 관리가 문헌정보학과 기록관리학의 주요 과제였다. 그러나 2000년대 중반 이후 디지털 기술의 발전은 아카이브의 정의 자체를 바꿔 놓았다. 디지털 콘텐츠가 단순히 보조수단을 넘어서 ‘원본이 되는 시대’가 도래한 것이다.이러한 흐름 속에서 문헌정보학도 빠르게 변화하고 있다. 전통적인 색인과 분류, 보존 및 열람이라는 기능에 더해 이제는 디지털 아카이브의 구조 설계, 메타데이터 관리, 접근성 향상, 장기 보존 기술까지 아우르는 새로운 역량이 요구된다. 디지털 파일은 종이처럼 눈에 보이지 않으며, 기술 환경이 바뀌면 쉽게 열람조차 불가능해질 수 있다...

챗GPT의 ‘정보 탐색’은 진짜 검색일까?챗GPT의 등장 이후, 사람들은 정보를 ‘검색’하는 방식 자체가 변하고 있다. 예전엔 키워드를 입력해 검색 결과를 고르고 읽었지만, 지금은 “질문을 던지면 대답이 나오는” 방식이 당연해졌다. 이 변화는 사용자 입장에서 매우 편리해 보이지만, 문헌정보학 전공자의 시선에서는 꽤 많은 질문이 생긴다.챗GPT는 어떤 정보에 기반해서 답을 생성하는 걸까?그 정보는 어떻게 수집되고, 분류되며, 문장으로 재구성될까?GPT의 정보 탐색은 도서관 정보검색 시스템과 어떻게 다를까?이 글에서는 문헌정보학 전공자의 시각으로 챗GPT의 정보 탐색 방식을 분석하고, 기존의 정보 탐색 모델과 어떤 점에서 유사하고 어떤 점에서 근본적으로 다른지를 비교해 보려 한다. 챗GPT는 검색 시스템이..

AI의 시대, 문헌정보학은 뒤처졌을까?요즘 어디서든 들려오는 키워드, 바로 AI(인공지능)이다. 챗GPT부터 생성형 AI, 데이터 자동화, 검색 엔진의 고도화까지, 우리는 기술 혁신이 사람의 역할을 빠르게 대체해 나가는 시대에 살고 있다. 특히 정보와 데이터를 다루는 분야에서 AI의 영향력은 절대적이다. 이런 흐름 속에서 문헌정보학을 전공한 사람들은 자주 이런 질문을 마주한다.“사서도 AI로 대체되는 거 아냐?”“색인, 분류, 메타데이터 작업도 전부 자동화되는 거잖아?”이 질문은 어느 정도 타당하다. 실제로 많은 정보조직, 도서관, 검색 플랫폼이 자동 색인, 자동 분류, 추천 알고리즘을 통해 사람의 개입을 줄이고 있다.그렇다면 진짜 문헌정보학 전공자는 이 시대에 ‘쓸모없는’ 존재가 되는 걸까? 나는 오히..

정보학과 데이터 과학, 전혀 다른 듯 닮은 두 세계불과 몇 년 전까지만 해도 “문헌정보학”과 “데이터 사이언스”는 서로 다른 분야처럼 보였다. 하나는 도서관과 정보 구조 중심의 전통 학문이고, 다른 하나는 통계학, 프로그래밍, 머신러닝 등을 다루는 최신 기술 분야로 여겨졌다. 하지만 지금은 상황이 완전히 달라졌다. 디지털 전환과 데이터 기반 사회로의 변화는 두 학문을 긴밀하게 연결하고 있으며, 그 접점에서 새로운 가능성이 만들어지고 있다.문헌정보학은 오래전부터 정보의 분류, 조직, 저장, 검색이라는 문제를 다뤄왔다. 데이터 사이언스는 방대한 데이터를 분석해 의미를 도출하고, 예측하며, 자동화된 의사결정을 돕는 기술을 제공한다. 겉보기에는 매우 다르지만, 정보의 흐름을 구조화하고 분석한다는 점에서 본질은 ..

같은 도서를 다르게 분류하는 두 체계, KDC와 DDC문헌정보학을 공부하면서 가장 먼저 마주하는 분류 체계 중 두 가지가 있다. 바로 KDC(한국십진분류법)와 DDC(듀이십진분류법)다. 두 체계 모두 십진분류방식을 기반으로 하며, 정보의 주제를 계층적 구조로 조직하는 체계이지만,각각의 문화적 배경, 분류 철학, 실무 적용 방식에서 분명한 차이를 가진다.문헌정보학 수업 시간에는 KDC와 DDC를 이론적으로 비교했지만, 실습을 통해 같은 책이 어떤 도서관에서는 DDC로, 어떤 곳에서는 KDC로 전혀 다른 위치에 정리되어 있다는 사실을 직접 확인하고 그 차이를 몸으로 체감할 수 있었다.이 글에서는 문헌정보학 수업과 실무 경험을 바탕으로 KDC와 DDC의 구조적·문화적 차이, 실제 적용상의 장단점, 이용자 관점..

정보가 넘쳐나는 시대, 정리가 경쟁력이다우리는 지금, 정보의 홍수 속에 살고 있다. 수많은 콘텐츠와 데이터가 실시간으로 쏟아지며, 그중에서 필요한 정보를 정확하게 찾는 능력이 점점 더 중요해지고 있다. 하지만 정보가 많다고 해서 그것이 ‘잘 쓰일 수 있는 정보’가 되는 건 아니다. 그 사이를 연결해주는 것이 바로 정보 조직(Information Organization)이다.문헌정보학을 전공하면서 나는 이 ‘정보 조직’이라는 개념을 단순한 분류나 정리로만 받아들였던 적이 있다. 그러나 실습과 실무 경험을 통해 깨달았다. 정보 조직은 단지 데이터를 모으고 정렬하는 기술이 아니라, 정보를 흐르게 하고, 의미 있게 연결하는 구조를 설계하는 핵심 과정이었다.이 글에서는 문헌정보학 전공자의 시선에서 본 정보 조직의..

색인은 정보 접근성을 결정하는 숨은 구조문헌정보학을 공부하면서 가장 인상 깊었던 개념 중 하나는 ‘색인(index)’이었다. 책이나 데이터, 기사, 논문 등 모든 정보 자료는 ‘색인’이라는 보이지 않는 구조 덕분에 사용자가 원하는 정보를 빠르게 찾을 수 있다.하지만 색인은 우리가 평소에 자주 인식하지 못하는 정보 구조이기 때문에, 막상 실무에서 이를 작성해보면 매우 정교하고 전략적인 사고를 요구하는 작업임을 깨닫게 된다. 나 역시 문헌정보학 수업과 실습을 통해 색인을 직접 작성하면서 그 어려움과 가치, 그리고 전공자로서의 역할을 뼈저리게 체감했다.이 글에서는 문헌정보학 수업과 실습을 통해 색인이 실제로 어떻게 작성되는지를 설명하고, 그 과정에서 느낀 정보 조직의 핵심 원리와 실무 적용력을 이야기하려 한다..

단순한 ‘책 정리’에 숨겨진 분류의 논리도서관에서 가흔히 보는 장면 중 하나는 서가에서 책을 정리하는 사서의 모습이다. 누군가는 그것을 단순히 “책꽂이 정리”라고 여기지만, 문헌정보학 전공자라면 이 단순한 작업에 얼마나 복잡하고 정교한 정보 구조가 숨겨져 있는지 알고 있을 것이다.나는 문헌정보학과의 실습 과정에서 공공도서관과 학교도서관, 작은도서관 등 다양한 도서관 현장을 경험했고, 그 안에서 실제 서가 정리 업무에 참여했다. 책을 꽂는 일 하나에도 분류 체계, 청구기호, 자료 상태, 물리적 공간 설계가 유기적으로 연결되어 있다는 사실을 직접 체감할 수 있었다.특히 서가 정리는 단순히 책을 제자리에 꽂는 행위가 아니라, 정보의 흐름을 시각적으로 설계하는 실무였다. 이용자가 어떤 동선으로 책을 탐색하게 되..