1. 서 론

과학기술 연구는 오랫동안 실험과 측정을 통해 얻어진 수치 데이터에 기반하여 발전해 왔다. 그러나 최근 수십 년 사이 학술 지식의 생산과 축적 방식이 급격히 변화함에 따라, 학술 문헌에 포함된 텍스트 자체도 하나의 분석 가능한 데이터로 인식되고 있다[1]. 특히 방대한 양의 학술 논문, 특허, 기술 보고서, 산업 동향 자료가 디지털화되면서 연구자는 더 이상 정량적 실험 데이터에만 의존하지 않고, 텍스트로부터 의미, 구조, 패턴을 추출하여 연구동향과 지식 구조를 파악할 수 있게 되었다[2]. 이러한 대규모 텍스트 자료에 포함된 풍부한 정보를 체계적으로 추출하고 해석하기 위한 대표적인 분석 방법이 텍스트 마이닝(text mining)이다[3].

텍스트 마이닝은 비정형 텍스트 자료에서 의미 있는 단어, 개념, 관계, 주제 구조를 추출하는 분석 방법으로, 단순히 문서의 내용을 읽고 요약하는 수준을 넘어 반복적으로 등장하는 용어, 용어 간 연결성, 시간에 따른 주제 변화 등을 정량적으로 파악하는 데 목적이 있다[4]. 예를 들어 학술 문헌에서 특정 키워드의 빈도, 동일 문헌에서 함께 사용되는 키워드, 다양한 문헌의 연구주제들이 어떻게 형성되는지를 분석함으로써 관련 연구분야의 방향성과 학문적 트렌드를 해석할 수 있다. Hearst [4]는 대규모 텍스트 자료가 풍부한 정보를 포함하고 있지만, 이러한 정보를 체계적으로 발견하고 해석하기 위해서는 텍스트 데이터 마이닝 접근이 필요하다고 설명하였다.

이러한 흐름은 자연어 처리(natural language processing, NLP), 머신러닝, 계량서지 분석의 발전과 함께 더욱 가속화되고 있다[5]. 텍스트 마이닝은 비정형 텍스트 자료에서 의미 있는 단어, 개념, 관계, 주제 구조를 추출하는 방법으로, 개별 문헌의 내용을 넘어 특정 연구 분야의 장기적 변화와 지식 구조를 정량적으로 해석하는 데 효과적이다[6]. 특히 학술 문헌을 대상으로 한 텍스트 마이닝은 키워드 빈도, 키워드 동시 출현, 인용 정보, 토픽 모델링 등을 결합함으로써 연구 분야의 핵심 주제, 신흥 연구영역, 주제 간 연결 구조를 파악하는 데 활용될 수 있다[7,8]. 계량서지 및 science mapping 분야에서도 논문 수, 피인용 수, 키워드, 공저 관계, 동시 출현 네트워크 등의 메타데이터를 활용하여 연구 분야의 구조와 진화를 분석하는 접근이 널리 사용되고 있다[9,10].

텍스트 기반 연구동향 분석에서 키워드 분석은 가장 기본적인 접근 중 하나이다. 키워드는 문헌의 핵심 내용을 압축적으로 나타내므로, 특정 기간에 반복적으로 등장하는 키워드는 해당 분야에서 지속적으로 다루어진 주요 연구주제를 반영한다[11]. 또한 시기별 키워드 출현 비율의 변화를 비교하면 연구 주제의 변화 양상을 파악할 수 있다[12]. 그러나 단순 빈도 분석만으로는 키워드 간 관계나 연구주제의 구조적 연결성을 충분히 설명하기 어렵다. 이를 보완하기 위해 키워드 동시 출현 네트워크 분석이 사용되며, 같은 문헌 내에서 함께 등장한 키워드들을 연결함으로써 연구주제 간 관계와 중심 키워드를 파악할 수 있다. VOSviewer (visualization of similarities viewer)와 같은 계량서지 mapping 도구는 키워드 동시 출현, 공인용, 서지결합 등 다양한 네트워크를 구성하고 시각화하는 데 활용되어 왔다[9].

한편 토픽 모델링은 문헌 집합 내부에 존재하는 잠재적인 주제 구조를 추출하기 위한 대표적인 텍스트 마이닝 방법이다. LDA (latent Dirichlet allocation)는 Blei 등[13]에 의해 제안된 확률적 토픽 모델로, 각 문헌은 여러 토픽의 혼합으로 구성되고 각 토픽은 단어들의 확률 분포로 표현된다고 가정한다. 따라서 LDA는 단순히 특정 키워드가 얼마나 자주 등장하는지를 파악하는 데 그치지 않고, 함께 출현하는 단어들의 패턴을 바탕으로 문헌 집합 내 잠재 연구주제를 도출하는 데 유용하다. 이러한 특성 때문에 LDA는 대규모 학술 문헌의 주제 구조 분석, 연구동향 파악, 문헌 분류 및 신흥 연구영역 탐색에 널리 활용되고 있다[14].

국내 펄프·제지 연구분야는 전통적으로 펄프화, 표백, 고해, 습부화학(wet-end chemistry), 도공, 인쇄적성, 종이 물성 평가 등 제지공정의 효율화와 종이 성능 향상을 중심으로 발전해 왔다. 그러나 최근에는 이러한 전통적 제지기술을 기반으로 하여, 나노셀룰로오스[15,16,17], 바이오매스[18,19,20], 친환경 포장재[21,22,23], 한지[24,25,26], 천연섬유[27,28,29], 기능성 셀룰로오스 소재[30,31,32], 분광분석 및 데이터 기반 해석 등[33,34,35,36]으로 연구 범위가 확장되고 있다. 이러한 변화는 펄프·제지 연구가 단순히 종이를 제조하고 성능을 개선하는 기술에 머무르지 않고, 지속가능한 셀룰로오스 기반 소재 개발, 바이오 기반 고분자 활용, 전통 종이의 과학적 분석, 고부가가치 기능성 소재 설계와 연결되고 있음을 보여준다. 그러나 국내 펄프·제지 분야의 학술 연구가 장기간에 걸쳐 어떤 주제 구조를 형성해 왔으며, 최근 어떤 방향으로 변화하고 있는지를 정량적으로 분석한 연구는 아직 제한적이다.

1969년에 창간된 펄프·종이 기술(Journal of Korea Technical Association of the Pulp and Paper, KTAPPI)은 펄프, 제지 및 바이오매스 활용과 관련된 모든 분야의 과학적 지식을 발전시키고 새로운 기술을 공유하는 것을 목표로 한다. 주요 주제는 펄프화, 표백, 제지, 코팅, 제지 가공, 특수지, 종이 특성, 종이 재활용, 포장, 목재 및 비목재 자원, 바이오매스 활용 및 관련 기술 등 모든 과학적·기술적 측면을 포괄하고 있다. 따라서 해당 학술지의 문헌을 체계적으로 분석하는 것은 국내 펄프·제지 연구의 장기적 흐름과 지식 구조를 파악하는 데 유용할 것이라고 판단된다. 특히 Scopus에 색인된 문헌을 대상으로 텍스트 마이닝과 토픽 모델링을 적용하면, 단순한 논문 수 변화뿐 아니라 키워드 진화, 연구주제 간 연결성, 토픽별 성장 또는 감소 양상, 피인용 영향력까지 포함한 종합적 해석이 가능할 것으로 예측된다.

본 연구에서는 2000년부터 2025년까지 Scopus에 색인된 KTAPPI 논문을 대상으로 텍스트 마이닝과 LDA 토픽 모델링을 적용하여 국내 펄프·제지 연구의 지식 구조와 연구동향 변화를 정량적으로 분석하고자 하였다. 이를 위해 먼저 연도별 논문 게재 수와 피인용 수를 분석하여 문헌 생산성과 인용 영향력의 장기적 흐름을 파악한 후, 정제 키워드(refined keywords)를 기반으로 전체 및 시기별 주요 키워드, 최근 증가 및 감소 키워드, 키워드 동시출현 네트워크와 중심성 지표를 분석하였다. 또한 LDA 토픽 모델링을 통해 주요 연구 토픽을 도출하고, 토픽 간 유사성(intertopic similarity), 대표 용어(representative terms), 연도별 토픽 비중 변화(annual topic proportion), 장기 및 최근 추세(long-term and recent trends), 토픽별 피인용 영향력(topic-level citation impact), 성장–영향력 관계(growth–impact positioning)를 종합적으로 평가하였다. 이상의 과정을 통해 국내 펄프·제지 분야의 연구 동향을 체계적으로 분석함으로써, 해당 분야의 주요 연구 주제와 지식 구조를 조망하고자 하였다. 나아가 이를 통해 셀룰로오스 기반 첨단소재, 전통 종이 및 지류문화유산의 과학적 해석, 친환경 포장 및 순환형 바이오소재, 데이터 기반 소재 분석 연구로의 확장 가능성을 제시하고, 향후 펄프·제지 분야의 융합적 연구 방향을 설정하기 위한 기초자료를 제공하고자 하였다.

2. 재료 및 방법

2.1 데이터 세트

본 연구에서는 국내 펄프·제지 분야의 연구동향을 분석하기 위해 Scopus에 색인된 KTAPPI 논문 메타데이터를 수집하였다(Table 1). 분석 대상 기간은 2000년부터 2025년까지로 설정하였다. 수집된 메타데이터에는 논문 제목, 저자, 발행연도, 학술지명, 초록, 저자 키워드, 색인 키워드, 피인용 수 등의 서지 정보가 포함되었다. 최초 수집된 자료는 총 1,583건이었으며, 이 중 분석 기간 및 자료 완전성을 기준으로 정리한 후 2000–2025년에 해당하는 1,571편의 논문을 최종 분석 대상으로 사용하였다. 수집 당시 2026년 자료는 완전한 연도 자료가 아니므로 연도별 추세 분석에서는 제외하였다.

2.2 텍스트 전처리 및 정제 키워드 구축

키워드 기반 분석을 위해 저자 키워드와 색인 키워드를 통합한 후 정제 키워드(refined keywords)를 구축하였다. 전처리 과정에서는 대소문자 통일, 불필요한 기호 제거, 복수형 및 표기 변형 통합, 유의어 병합, 일반 용어 제거를 수행하였다. 동일한 개념을 나타내는 약어, 복수형, 하이픈 표기, 유사 표현은 하나의 대표 용어로 통합하였다. 이상의 전처리 과정은 키워드 기반 연구동향 분석에서 동일하거나 유사한 개념이 여러 표현으로 분산되는 문제를 줄이고, 분석 결과의 일관성을 높이기 위해 요구된다[37,38].

각 키워드의 문헌 출현 비율은 특정 기간에 해당 키워드가 포함된 문헌 수를 해당 기간의 전체 문헌 수로 나누어 Eq. (1)에 의거하여 계산하였다.

여기서, Pk,p는 기간 P에서 키워드 k의 문헌 비율, DFk,p는 해당 기간에서 키워드 k가 출현한 문헌 수, Np는 해당 기간의 전체 문헌 수를 나타낸다. 최근 키워드 변화량은 2016–2020년과 2021–2025년 사이의 문헌 출현 비율 차이로 계산하였다(Eq. (2)).

이때, ΔPk가 양의 값이면 최근 기간에서 해당 키워드의 비중이 증가한 것으로, 음의 값이면 감소한 것으로 해석하였다.

2.3 키워드 동시출현 네트워크 및 중심성 분석

정제 키워드 간 관계를 분석하기 위해 키워드 동시출현 네트워크를 구성하였다. 하나의 문헌 내에서 두 키워드가 함께 등장하면 두 키워드 사이에 edge를 부여하였고, edge weight는 두 키워드가 동일 문헌에서 함께 출현한 횟수로 정의하였다. 네트워크는 최소 문헌 출현 빈도 10회 이상인 키워드를 대상으로 구성하였으며, 동일 문헌 내 동시출현 빈도가 3회 이상인 키워드 쌍만 edge로 포함하였다.

키워드 네트워크는 무방향 가중 네트워크로 구성하였으며, 노드는 정제 키워드, edge는 키워드 간 동시출현 관계를 나타낸다. 네트워크 내 community는 modularity 기반 군집화 방법을 이용하여 구분하였다. 또한 네트워크 내 핵심 키워드의 구조적 중요성을 평가하기 위해 degree centrality, betweenness centrality, eigenvector centrality를 계산하였다[39,40].

Degree centrality는 특정 키워드가 다른 키워드들과 직접적으로 얼마나 넓게 연결되어 있는지를 나타낸다(Eq. (3)).

여기서, CD(v)는 노드 v의 degree centrality, deg(v)는 노드 v와 직접 연결된 edge 수, n은 네트워크 내 전체 노드 수를 나타낸다.

Betweenness centrality는 특정 노드가 다른 노드 사이의 최단 경로상에 얼마나 자주 위치하는지를 나타내며, 서로 다른 키워드 군집을 연결하는 매개 역할을 평가하기 위해 Eq. (4)에 따라 계산하였다.

여기서, σst는 노드 s와 노드 t사이의 최단 경로 수, σst(v)는 그중 노드 v를 통과하는 최단 경로 수를 나타낸다.

Eigenvector centrality는 단순한 연결 수뿐 아니라, 중심성이 높은 다른 노드들과 연결되어 있는 정도를 반영하는 지표로서 Eq. (5)와 같이 계산하였다.

여기서, xv는 노드 v의 eigenvector centrality, Auv는 인접행렬의 원소, N(v)는 노드 v와 연결된 이웃 노드 집합, 𝜆는 인접행렬의 최대 고유값을 의미한다.

2.4 LDA 토픽 모델링

문헌 집합 내 잠재 연구주제를 도출하기 위해 LDA 토픽 모델링을 수행하였다. LDA는 Blei 등[13]에 의해 제안된 확률적 토픽 모델로, 각 문헌은 여러 토픽의 혼합으로 구성되고 각 토픽은 단어들의 확률 분포로 표현된다고 가정한다. 본 연구에서는 전처리된 텍스트 자료를 기반으로 dictionary와 bag-of-words corpus를 구축한 후 LDA 모델을 학습하였다.

적절한 토픽 수를 선정하기 위해 토픽 수를 2개부터 40개까지 변화시키면서 perplexity와 coherence를 계산하였다[41]. Perplexity는 모델의 예측 성능 또는 적합도를 평가하는 지표이며, coherence는 토픽 내 주요 단어들이 의미적으로 얼마나 일관적인지를 평가하는 지표이다[42]. Perplexity와 같은 정량적 지표는 도출된 토픽의 의미적 명확성과 해석 가능성을 충분히 반영하지 못할 수 있으므로, 본 연구에서는 coherence 값과 토픽의 주제적 해석 가능성을 종합적으로 고려하였다[43].

각 문헌의 대표 토픽은 문헌-토픽 확률 중 가장 높은 값을 갖는 토픽으로 배정하였다. 각 토픽의 라벨은 토픽별 대표 용어와 펄프·제지 분야의 전문 지식을 바탕으로 수동 부여하였다. LDA 기반 토픽 간 관계와 대표 용어는 intertopic distance map과 representative term-frequency bar graph를 통해 시각화하였다[44].

2.5 토픽 생애주기 및 연도별 추세 분석

토픽별 시간적 변화를 분석하기 위해 각 연도별 토픽 문헌 비중을 계산하였다. 특정 연도 y에서 토픽 t의 문헌 비중은 Eq. (6)과 같이 정의하였다.

여기서, Pt,y는 연도 y에서 토픽 t의 문헌 비중, nt,y는 해당 연도에 토픽 t로 분류된 문헌 수, Ny는 해당 연도의 전체 문헌 수를 나타낸다.

장기적 변화와 최근 변화의 방향성을 파악하기 위해 연도별 토픽 비중에 대해 선형 회귀분석은 Eq. (7)에 따라 수행하였다.

여기서, bt는 토픽 t의 추세선 기울기이며, 양의 값은 해당 토픽의 상대적 비중 증가, 음의 값은 감소를 의미한다. 장기 추세는 2000–2025년 전체 기간을 대상으로 계산하였고, 최근 추세는 2016–2025년 기간을 대상으로 계산하였다. 이러한 방식은 연도별 토픽 비중 변화를 바탕으로 장기 또는 최근 기간에서 토픽 비중이 증가하는 hot topic과 과거에는 상대적으로 높은 비중을 보였으나 최근으로 갈수록 비중이 감소하는 cold topic을 구분하는 데 활용될 수 있다[41].

최근 토픽 성장성은 2016–2020년과 2021–2025년 사이의 평균 토픽 문헌 비중 차이로 계산하였다(Eq. (8)).

여기서, Gt는 토픽 t의 최근 성장성, P¯t,2021-2025와 P¯t,2016-2020은 각각 해당 기간의 평균 토픽 문헌 비중이다. 토픽 생애주기 분류는 장기 추세, 최근 추세, 최근 성장성을 종합하여 emerging topic, hot topic, revived topic, stable or mature topic, cold topic으로 구분하였다.

2.6 토픽별 피인용 영향력 및 성장-영향력 분석

토픽별 학술적 영향력을 평가하기 위해 논문 1편당 연평균 피인용 수를 계산하였다. 최근 연도 논문의 피인용 수는 인용이 축적될 시간이 짧기 때문에, 단순 총 피인용 수보다는 출판 이후 경과 기간을 고려한 지표가 필요하다[45]. 문헌 i의 연평균 피인용 수는 Eq. (9)에 따라 계산하였다.

여기서, CPYi는 문헌 i의 연평균 피인용 수, ci는 총 피인용 수, Yi는 발행연도, Yend는 분석 종료 연도이다. 본 연구에서는 분석 종료 연도를 2025년으로 설정하였다.

토픽별 피인용 영향력은 해당 토픽에 속한 문헌들의 평균으로 산출하였다(Eq. (10)).

여기서, It는 토픽 t의 평균 피인용 영향력, nt는 토픽 t에 속한 문헌 수이다. 이후 최근 성장성 Gt와 평균 피인용 영향력 It를 함께 비교하여 growth–impact positioning을 수행하였다. 성장성이 양수이고 평균 피인용 영향력이 전체 토픽 평균 이상인 경우 high growth/high impact 영역으로 구분하였다.

본 연구에서 적용한 텍스트 마이닝 및 토픽 모델링 기반 분석 체계를 Fig. 1에 도식화하였다. 모든 데이터 전처리, 정제 키워드 구축, 키워드 동시출현 네트워크 구성, LDA 토픽 모델링, 토픽 생애주기 분석, 피인용 영향력 분석 및 시각화는 Python 3.9와 오픈소스 라이브러리를 이용하여 수행하였다. 또한 연구의 재현성 및 후속 연구 지원을 위해, 본 분석에 활용된 전체 데이터셋과 소스 코드는 오픈소스 저장소(https://github.com/paperlyj/KTAPPI-text-mining.git)에 전면 공개하였다.

Fig. 1.

Schematic workflow for analyzing research trends in Scopus-indexed Journal of Korea TAPPI articles using text mining and topic modeling. The workflow includes data collection, text preprocessing, bibliometric and keyword analysis, keyword co-occurrence network analysis, LDA topic modeling, topic trend analysis, citation impact analysis, and integrated interpretation of research trends.

3. 결과 및 고찰

3.1 연도별 논문 게재 및 피인용 추세

연도별 논문 게재 수와 피인용 수의 변화는 분석 대상 문헌 집합의 시간적 분포와 연구 영향력의 축적 양상을 파악하기 위한 기본적인 계량서지 지표이다[10]. 텍스트 마이닝이나 토픽 모델링을 이용한 연구동향 분석에서는 본격적인 키워드 분석과 토픽 해석에 앞서, 문헌 생산성이 특정 시기에 집중되어 있는지, 그리고 피인용 수가 출판 시기와 인용 누적 기간의 영향을 받는지를 확인할 필요가 있다[1,45]. 이러한 기초 분석은 이후 도출되는 키워드 빈도, 토픽 비중, 토픽별 피인용 영향력의 해석에서 시간적 편향을 고려하는 데 중요한 배경 정보를 제공한다. 계량서지 분석 및 science mapping 연구에서는 논문 수, 피인용 수, 키워드, 동시 출현 관계 등의 메타데이터를 이용하여 연구 분야의 구조와 변화를 정량적으로 해석하는 접근이 널리 활용되고 있다[10]. 또한 키워드 동시 출현 관계나 계량서지 네트워크의 시각화는 연구주제 간 연결 구조를 해석하는 데 유용한 방법으로 제시되어 왔다[9].

Fig. 2는 2000년부터 2025년까지 Scopus에 색인된 KTAPPI 논문의 연도별 게재 수와 총 피인용 수 변화를 나타낸 것이다. 2026년 자료는 수집 당시 완전한 연도 자료가 아니므로 분석에서 제외하였다. 분석 기간 동안 총 1,571편의 논문이 게재되었으며, 총 피인용 수는 4,235회로 집계되었다. 연도별 논문 수는 2000년대 초반에 대체로 32–51편 범위에서 유지되었으며, 2010년 이후 증가세가 나타났다. 특히 2015년에 89편, 2016년에 107편으로 급격한 증가가 관찰되었고, 2016년은 전체 분석 기간 중 가장 많은 논문이 게재된 해였다. 이후 2017년부터는 연간 논문 수가 다소 감소하였으나, 2025년까지 매년 50편 이상이 게재되어 지속적인 연구 생산성이 유지되었다.

Fig. 2.

Annual changes in the number of publications and total citation counts for Scopus-indexed Journal of Korea TAPPI articles from 2000 to 2025. Bars represent the number of publications per year, and the line with open-circle markers represents the annual total citation count. The year 2026 was excluded because it was incomplete at the time of data collection.

피인용 수의 변화는 논문 수 변화와 일부 유사하였으나 완전히 동일한 양상을 나타내지는 않았다. 총 피인용 수는 2000년 73회에서 점차 증가하여 2015년에 333회로 가장 높은 값을 보였으며, 2016년에도 332회로 유사하게 높은 수준을 유지하였다. 이는 2010년대 중반에 게재된 논문들이 상대적으로 높은 인용 축적을 보였음을 의미한다. 반면 2021년 이후의 총 피인용 수는 2021년 131회, 2024년 36회, 2025년 19회로 감소하였다. 그러나 최근 연도 논문의 피인용 수 감소는 연구 영향력의 감소로 단정하기보다는, 출판 후 인용이 축적될 시간이 충분하지 않은 citation-window effect를 고려하여 해석할 필요가 있다[45].

종합하면, KTAPPI는 2000–2025년 동안 지속적인 논문 생산성을 유지하였으며, 특히 2010년대 중반에는 논문 게재 수와 총 피인용 수가 동시에 높게 나타난 것으로 분석되었다. 이러한 결과는 이후 수행되는 키워드 진화 분석, 키워드 동시 출현 네트워크 분석, LDA 기반 토픽 모델링 결과를 해석하기 위한 시간적 배경을 제공한다. 다만 최근 연도의 낮은 피인용 수는 연구 영향력의 감소로 단정하기보다, 출판 이후 인용이 축적될 시간이 상대적으로 짧다는 점을 고려하여 해석할 필요가 있다.

3.2 키워드 진화 분석

키워드 진화 분석은 분석 기간 동안 KTAPPI 논문에서 반복적으로 다루어진 주요 연구주제와 그 변화 방향을 파악하기 위해 수행하였다. 본 연구에서는 저자 키워드와 색인 키워드를 통합한 후, 대소문자 통일, 복수형 및 표기 변형 통합, 유의어 병합, 일반 용어 제거 과정을 거쳐 정제 키워드를 구축하였다. 이러한 정제 과정은 동일하거나 유사한 개념이 서로 다른 표현으로 분산되는 문제를 줄이고, 시기별 키워드 출현 경향을 보다 일관되게 해석하기 위해 필요하다. 계량서지 분석에서도 thesaurus를 이용한 동의어 병합, 복수형·표기 차이 통합, 일반 용어 제거는 키워드 기반 연구동향 해석의 일관성을 높이기 위한 중요한 전처리 과정으로 제시되어 왔다[37,38].

Table 2는 2000–2025년 동안 Scopus에 색인된 KTAPPI 논문에서 가장 많이 출현한 정제 키워드와 기간별 주요 키워드를 나타낸 것이다. 전체 기간 기준으로 가장 높은 출현 빈도를 보인 키워드는 tensile strength로, 총 172편의 문헌에서 나타났으며 전체 문헌의 10.95%를 차지하였다. 이어서 papermaking은 162편(10.31%), nanocellulose는 153편(9.74%), kraft pulp는 148편(9.42%), optical properties는 139편(8.85%)에서 나타났다. Tensile strength와 optical properties는 종이의 강도 및 광학적 품질 평가와 밀접하게 관련된 대표적 물성 지표이지만, 동시에 나노셀룰로오스, 한지, 포장재 및 셀룰로오스 기반 복합소재 연구에서도 활용될 수 있는 범용적 성능 평가 용어이다. 따라서 이들 키워드의 높은 빈도는 KTAPPI 논문에서 전통적인 제지공정 및 종이 물성 개선 연구가 중요한 기반을 형성해 왔음을 보여주는 동시에, 다양한 펄프·셀룰로오스 기반 소재 연구에서 물성 평가가 공통적인 분석 축으로 활용되어 왔음을 시사한다.

상위 20개 키워드에는 coatings, refining, recycling, starch, bleaching, wet-end chemistry, fillers, coated paper, mechanical properties 등 전통적인 제지공정 및 종이 물성 개선과 관련된 용어들이 다수 포함되었다. 이는 분석 대상 기간 전반에서 고해, 표백, 습부화학, 충전제, 코팅, 재활용 및 물성 평가가 KTAPPI 연구의 중심축을 형성해 왔음을 의미한다. 동시에 nanocellulose가 전체 3위에 위치하였고, Hanji도 82편(5.22%)으로 상위 20개 키워드에 포함되었다. 이는 KTAPPI 논문이 전통적인 펄프·제지공정 연구를 기반으로 하면서도, 나노셀룰로오스 기반 소재 연구 및 한지 관련 연구를 중요한 연구 흐름으로 함께 다루어 왔음을 나타낸다.

기간별 키워드 분포를 보면 연구 관심의 변화를 보다 명확히 파악할 수 있다(Table 2). 2000–2009년에는 papermaking이 69편(14.97%)으로 가장 높은 비중을 보였고, recycling, ink, tensile strength, starch, wet-end chemistry, paper coating, bleaching, waste paper, refining 등이 주요 키워드로 나타났다. 이는 해당 시기 KTAPPI 연구가 제지공정, 재활용, 인쇄 및 코팅, 습부화학, 고해와 같은 전통적 제지기술 중심으로 구성되었음을 보여준다.

2010–2015년에는 optical properties가 65편(16.93%)으로 가장 높은 비중을 차지하였고, tensile strength, papermaking, starch, fillers, refining, coatings, strength property, viscosity, kraft pulp가 상위 키워드로 나타났다. 이 시기에는 광학적 특성, 강도, 충전제, 고해, 전분, 코팅 등 종이의 물성 개선과 공정 최적화에 관한 연구가 두드러졌다. 특히 optical properties와 tensile strength는 종이 품질 평가에서 중요한 지표인 동시에 다양한 셀룰로오스 기반 소재 연구에서도 활용될 수 있는 물성 평가 용어이므로, 이 시기의 연구 흐름은 전통적 제지공정 연구와 소재 성능 평가 연구가 함께 반영된 결과로 해석된다.

2016–2020년에는 nanocellulose가 88편(20.37%)으로 가장 높은 비중을 보이며 주요 키워드의 최상위에 위치하였다. 이와 함께 kraft pulp, tensile strength, coatings, optical properties, lignin, refining, papermaking, bleaching, bleached kraft pulp가 상위권에 포함되었다. 이는 기존의 kraft pulp, 표백, 고해, 코팅 및 물성 연구가 지속되는 가운데, 나노셀룰로오스와 리그닌 등 셀룰로오스 기반 소재 및 바이오매스 관련 연구가 본격적으로 부상함에 따른 결과로 해석된다. 2021–2025년에도 nanocellulose는 51편(17.35%)으로 가장 높은 비중을 유지하였다. 또한 tensile strength, kraft pulp, lignin, bleached kraft pulp가 지속적으로 상위권에 포함되었으며, Hanji, papermaking, coatings, packaging, pretreatment가 주요 키워드로 나타났다. 이는 최근 KTAPPI 연구가 나노셀룰로오스, kraft pulp, 리그닌 및 표백 펄프와 같은 소재·공정 기반 연구를 유지하면서도, 한지와 같은 전통 종이 연구와 포장재 및 전처리 관련 응용 연구를 함께 다루는 방향으로 확장되고 있음을 시사한다.

이러한 장기적 키워드 분포에 더하여, 최근 연구 관심의 변화를 중점적으로 파악하기 위해 2016–2020년과 2021–2025년 사이의 키워드 문헌 출현 비율 변화를 비교하였다. Fig. 3은 2016–2020년 대비 2021–2025년에 출현 비율이 증가하거나 감소한 정제 키워드를 나타낸 것이다. 증가 키워드 중에서는 carboxymethyl cellulose가 0.93%에서 5.44%로 증가하여 가장 큰 증가폭을 보였으며(+4.52 percentage points), Hanji 역시 2.31%에서 6.80%로 증가하였다(+4.49 percentage points). 이 밖에도 infrared spectroscopy, crosslinking, packaging, cellulose beads, principal component analysis, hydrogel, eco-friendly, crystallinity가 증가 키워드로 나타났다.

Fig. 3.

Recently increasing and decreasing refined keywords in Scopus-indexed Journal of Korea TAPPI articles. Positive values indicate keywords that appeared in a higher proportion of documents during 2021–2025 than during 2016–2020, whereas negative values indicate keywords that appeared in a lower proportion of documents during 2021–2025 than during 2016–2020.

반면 감소 키워드에서는 optical properties가 9.26%에서 2.38%로 감소하여 가장 큰 감소폭을 보였으며(-6.88 percentage points), fillers, wet-end chemistry, refining, bleaching, calcium carbonate, coatings, energy utilization, chemical analysis도 감소 키워드로 나타났다. 이들 키워드는 충전제, 습부화학, 고해, 표백, 코팅, 광학적 특성 등 전통적인 제지공정 및 종이 품질 평가와 밀접하게 관련된 주제이다. 따라서 이들의 감소는 해당 연구가 사라졌다는 의미라기보다, 최근 문헌에서 기능성 셀룰로오스 소재, 한지, 친환경 포장, 분광분석 및 데이터 기반 분석 관련 키워드의 상대적 비중이 증가하면서 전통적 공정·물성 중심 키워드의 비율이 낮아진 것으로 사료된다.

한편 nanocellulose는 2016–2020년 20.37%에서 2021–2025년 17.35%로 소폭 감소하여 Fig. 3의 감소 키워드에 포함되었다. 그러나 nanocellulose는 유의어 병합 후 전체 기간 기준 3위 키워드로 나타났고, 2016–2020년과 2021–2025년 모두 기간별 최상위 키워드로 유지되었다. 따라서 nanocellulose의 최근 비중 감소는 나노셀룰로오스 연구의 쇠퇴로 해석하기보다는, 2016–2020년에 급격히 높아졌던 연구 비중이 2021–2025년에도 높은 수준으로 유지되는 가운데 연구 표현이 보다 구체적인 응용 및 기능 중심 키워드로 분화된 결과로 해석할 수 있다. 예를 들어 최근 증가 키워드로 나타난 carboxymethyl cellulose, hydrogel, cellulose beads, packaging, crystallinity 등은 셀룰로오스 기반 소재의 기능화, 구조 제어 및 응용 연구와 관련될 수 있다. 따라서 nanocellulose의 상대적 비중 감소는 포괄적 소재명으로서의 직접 언급이 일부 줄어든 반면, 셀룰로오스 기반 하이드로젤, 비드, 포장재 및 구조 분석 등 세부 응용 분야로 연구주제가 확장·분화된 결과가 반영된 것으로 판단된다.

요약하면, Table 2와 Fig. 3은 KTAPPI 연구가 종이 강도, 제지공정, kraft pulp, 코팅, 고해, 재활용, 습부화학과 같은 전통적 제지 연구를 기반으로 유지되어 왔음을 보여준다. 동시에 2016년 이후에는 nanocellulose가 핵심 키워드로 부상하였고, 2021–2025년에는 carboxymethyl cellulose, Hanji, infrared spectroscopy, packaging, principal component analysis, hydrogel, eco-friendly, crystallinity와 같은 키워드가 증가하였다. 이는 KTAPPI 연구의 관심이 기존 펄프·제지공정과 종이 물성 중심에서 셀룰로오스 기반 기능성 소재, 전통 종이의 과학적 해석, 지속가능 포장 및 데이터 기반 분석으로 점진적으로 확장되고 있음을 나타낸다.

3.3 키워드 동시 출현 네트워크와 중심 키워드

키워드 동시 출현 네트워크 분석은 개별 키워드의 단순 출현 빈도를 넘어, 연구주제 간 연결 구조와 핵심 개념의 위치를 파악하기 위해 수행하였다. 키워드가 동일 문헌 내에서 함께 출현한다는 것은 해당 개념들이 연구 내용상 서로 관련되어 다루어졌음을 의미하므로, 동시 출현 네트워크는 연구 분야의 지식 구조와 주제 간 관계를 해석하는 데 유용하다. 이러한 키워드 기반 네트워크 시각화와 계량서지 mapping은 연구 분야의 구조적 특성과 주제 간 유사성을 파악하는 데 널리 활용되어 왔다[9]. 또한 네트워크 내 중심성은 특정 노드가 전체 구조에서 얼마나 중요한 위치를 차지하는지를 평가하는 지표로 활용될 수 있으며, modularity 기반 community detection은 네트워크를 상대적으로 조밀하게 연결된 하위 연구군으로 구분하는 데 유용하다[40,46].

Fig. 4는 정제 키워드 간 동시 출현 관계를 기반으로 구성한 키워드 네트워크를 나타낸 것이다. 네트워크는 최소 문헌 출현 빈도 10회 이상인 키워드를 대상으로 하였으며, 동일 문헌 내 동시 출현 빈도가 3회 이상인 키워드 쌍을 edge로 설정하였다. 전체 정제 키워드 9,845개 중 446개 키워드가 네트워크 구성에 사용되었고, 최종적으로 440개의 노드와 3,526개의 edge가 포함되었다. 6개의 고립 노드는 제거되었다.

Fig. 4.

Keyword co-occurrence network of refined keywords in Scopus-indexed Journal of Korea TAPPI articles. Nodes represent refined keywords, and edges represent co-occurrence relationships between keywords within the same document. Node size indicates document frequency, edge thickness indicates co-occurrence frequency, and node color indicates communities detected by modularity-based clustering. The legend shows the community number and representative keywords for each node color.

Fig. 4에서 노드 크기는 문헌 출현 빈도를, edge 두께는 키워드 간 동시 출현 빈도를, 노드 색상은 modularity 기반 군집 분석으로 구분된 community를 나타낸다. Community 분석 결과, 총 8개의 community가 도출되었으나, Fig. 4에서는 중심성이 높은 주요 키워드가 포함된 7개 community가 시각화되었다. 이 중 6개 community가 대부분의 주요 키워드를 포함하였다. Community 1은 tensile strength, papermaking, optical properties 등을 중심으로 구성되어, 종이 강도, 제지공정, 광학적 특성 및 물성 평가와 관련된 연구군으로 해석된다. Community 2는 kraft pulp, nanocellulose, refining, bleaching 등을 포함하여 펄프 원료, 섬유화, 표백 및 나노셀룰로오스 소재 연구와 관련된 연구군으로 보여진다. Community 3은 lignin, Hanji, plants, bast fibers, paper mulberry 등을 포함하여 리그닌, 식물성 섬유원료, 닥나무 섬유 및 한지 관련 연구와 연결되었다. Community 4는 coatings, coated paper, color, surface roughness 등을 중심으로 도공, 표면 특성, 색상 및 인쇄·표면 품질 관련 연구군으로 해석된다. Community 5는 recycling, waste paper, corrugated containers 등을 포함하여 폐지 재활용, 골판지 및 포장용 종이 관련 연구군을 나타냈다. Community 6은 packaging, pulp materials, biomass, water absorption 등을 포함하여 포장재, 펄프 기반 소재, 바이오매스 활용 및 흡수 특성 관련 응용 연구군으로 해석된다. Community 7은 chlorine compounds, hydrophobicity, grafting 등을 포함하여 화학적 개질 및 표면 소수화 관련 소규모 연구군으로 나타났다.

Table 3은 키워드 동시출현 네트워크에서 중심성이 높은 주요 키워드를 centrality 지표별로 정리한 것이다. 중심성 지표는 네트워크 내 노드의 구조적 중요성을 평가하기 위한 지표이지만, 각 지표는 서로 다른 의미를 갖는다. Degree centrality는 다른 키워드와 직접적으로 얼마나 넓게 연결되어 있는지를 나타내며, betweenness centrality는 서로 다른 키워드 또는 키워드 군집 사이에서 매개 역할을 하는 정도를 나타낸다[40]. Eigenvector centrality는 단순한 연결 수뿐 아니라 중심성이 높은 키워드들과 연결되어 있는지를 반영하는 지표로, 네트워크 내 영향력 있는 연결 구조를 해석하는 데 유용하다[39].

Table 3에서 tensile strength, papermaking, kraft pulp, optical properties, nanocellulose가 키워드 동시출현 네트워크에서 높은 중심성을 보이는 주요 키워드로 나타났다. Degree centrality를 기준으로는 tensile strength가 가장 높은 값을 보였으며, 이어서 papermaking, kraft pulp, optical properties, nanocellulose, refining, starch, coatings, recycling, bleaching이 상위 10개 키워드에 포함되었다. 이는 종이 강도, 제지공정, 펄프 원료, 광학적 특성, 나노셀룰로오스, 고해, 전분, 도공, 재활용 및 표백이 KTAPPI 연구의 주요 연구축과 폭넓게 연결되어 있음을 보여준다.

Tensile strength는 degree centrality 1위와 betweenness centrality 2위, eigenvector centrality 2위에 위치하여, 단순한 물성 평가 키워드에 그치지 않고 여러 연구군을 연결하는 핵심 키워드로 확인되었다. 이는 강도 특성 평가가 펄프 원료, 제지공정, 첨가제, 코팅, 재활용 및 셀룰로오스 기반 소재 연구 전반에서 공통적으로 사용되는 성능 평가 축임을 의미한다. Papermaking 역시 degree centrality와 betweenness centrality에서 모두 상위권에 위치하여, 전통적인 제지공정 관련 연구와 다양한 응용 연구를 연결하는 중심 키워드로 기능한 것으로 해석된다.

Kraft pulp는 betweenness centrality와 eigenvector centrality에서 모두 1위를 차지하였으며, degree centrality에서도 3위에 위치하였다. 이는 kraft pulp가 단순히 높은 빈도로 출현한 키워드가 아니라, 펄프 원료, 표백, 고해, 나노셀룰로오스, 리그닌 및 물성 평가 관련 연구군을 연결하는 구조적 중심 키워드임을 나타낸다. 특히 betweenness centrality가 가장 높게 나타난 것은 kraft pulp가 서로 다른 세부 연구주제 사이를 매개하는 역할을 수행하고 있음을 시사한다.

Nanocellulose는 degree centrality 5위, betweenness centrality 4위, eigenvector centrality 3위에 위치하였다. 이는 nanocellulose가 최근 부상한 개별 소재 키워드에 머무르지 않고, 네트워크 내에서 여러 핵심 키워드와 직접적으로 연결되며, 동시에 중심성이 높은 키워드들과도 강하게 연결된 주요 연구축으로 자리 잡았음을 보여준다. 특히 nanocellulose가 betweenness centrality 상위 10개 키워드에 포함된 것은 기존 해석과 달리, 나노셀룰로오스 연구가 특정 소재 연구군 내부에만 국한되지 않고 펄프 원료, 고해, 표백, 물성 평가 및 응용 소재 연구 사이를 연결하는 매개적 역할도 수행하고 있음을 시사한다.

Betweenness centrality를 기준으로 보면 kraft pulp, tensile strength, papermaking, nanocellulose, optical properties, coatings, lignin, recycling, starch, Hanji가 상위 키워드로 나타났다. 이들 키워드는 특정 연구군 내부에서만 사용되는 용어라기보다, 서로 다른 연구주제 사이를 연결하는 역할을 하는 것으로 볼 수 있다. 예를 들어 kraft pulp와 papermaking은 펄프 원료 및 제지공정 연구와 물성 평가 연구를 연결하는 중심 키워드로 해석되며, lignin은 펄프화, 표백, 바이오매스 성분 분석 및 소재 개발 연구 사이를 연결하는 키워드로 작용하는 것으로 판단된다. Recycling은 폐지, 포장재, 공정 개선 및 종이 물성 평가와 연결될 수 있으며, starch는 습부 첨가제, 표면처리, 강도 개선 및 제지공정 연구와 연결되는 매개적 성격을 갖는 것으로 해석된다. 또한 Hanji가 betweenness centrality 상위 10개 키워드에 포함된 것은 한지 관련 연구가 전통 섬유원료와 보존·열화에 따른 광학적·기계적 특성 평가를 연결하는 주제적 교차점으로 기능하고 있음을 시사한다.

Eigenvector centrality를 기준으로는 kraft pulp, tensile strength, nanocellulose, papermaking, optical properties, bleaching, cleaning, refining, bleached kraft pulp, fillers가 상위 키워드로 나타났다. 이는 이들 키워드가 단순히 많은 키워드와 연결되어 있을 뿐 아니라, 네트워크 내에서 중심성이 높은 다른 키워드들과도 밀접하게 연결되어 있음을 의미한다. Kraft pulp, nanocellulose, bleaching, bleached kraft pulp가 eigenvector centrality 상위권에 함께 포함된 것은 펄프 원료, 표백 펄프 및 나노셀룰로오스 소재 연구가 서로 연결된 지식 구조를 형성하고 있음을 보여준다.

전반적으로 KTAPPI 논문의 키워드 네트워크는 tensile strength, papermaking, kraft pulp, optical properties, refining과 같은 전통적 제지공정 및 물성 평가 키워드를 중심으로 구축되어 있으며, nanocellulose와 lignin은 셀룰로오스 기반 소재 및 바이오매스 성분 연구와 관련된 확장적 연구 흐름을 나타내는 주요 키워드로 확인되었다. 특히 nanocellulose는 유의어 병합 이후 모든 중심성 지표에서 상위권에 포함되어, KTAPPI 연구에서 나노셀룰로오스 관련 연구가 빈도뿐 아니라 네트워크 구조 측면에서도 중요한 위치를 차지하고 있음을 보여준다. 이러한 결과는 KTAPPI 연구의 지식 구조가 전통적 펄프·제지공정과 종이 물성 평가를 기반으로 하면서도, 최근에는 나노셀룰로오스, 리그닌, 한지 및 셀룰로오스 기반 소재 연구와 연결되며 확장되고 있음을 시사한다.

3.4 LDA 기반 토픽 모델링

LDA 토픽 모델링은 대량의 문헌 집합에서 잠재적인 연구주제를 추출하기 위한 비지도 학습 기반의 확률적 토픽 모델이다. LDA는 각 문헌을 여러 토픽의 혼합으로 가정하고, 각 토픽은 특정 단어들의 확률 분포로 간주한다. 따라서 단순 키워드 빈도 분석이 개별 키워드의 출현 정도를 파악하는 데 초점을 둔다면, LDA는 함께 출현하는 단어들의 패턴을 바탕으로 문헌 집합 내에 존재하는 잠재적 주제 구조를 도출하는 데 유용하다. 이러한 특성 때문에 LDA는 연구동향 분석, 문헌 분류, 주제 구조 해석 등에서 널리 활용되어 왔다[13].

LDA 토픽 모델링에서는 토픽 수를 사전에 지정해야 하므로, 적절한 토픽 수를 선정하는 과정이 필요하다. 토픽 수가 너무 적으면 서로 다른 연구주제가 하나의 토픽으로 과도하게 통합될 수 있고, 반대로 토픽 수가 너무 많으면 유사한 주제가 여러 토픽으로 분산되어 해석성이 낮아질 수 있다[47]. 따라서 본 연구에서는 Hwang과 Lee [41]의 연구를 참조하여, 토픽 수를 2개부터 40개까지 변화시키면서 perplexity와 coherence를 함께 계산하였고, 정량 지표와 토픽 해석 가능성을 종합적으로 고려하여 최종 토픽 수를 선정하였다. Perplexity는 모델의 예측 성능 또는 적합도를 평가하는 지표로 사용되며, coherence는 토픽 내 주요 단어들이 의미적으로 얼마나 일관적인지를 평가하는 지표로 활용된다[42].

Fig. 5는 토픽 수에 따른 perplexity와 coherence의 변화를 나타낸 것이다. Perplexity는 일반적으로 낮을수록 모델의 예측 적합도가 높음을 의미하며, coherence는 높을수록 토픽 내 주요 단어들의 의미적 일관성이 높음을 의미한다. Coherence 값은 토픽 수 4개에서 가장 높은 값인 0.541을 보였으나, 이 경우 연구주제가 지나치게 넓은 범주로 묶일 가능성이 있어 세부 연구영역을 구분하기에는 제한적이었다. 예를 들어 소수의 토픽만을 설정할 경우 전통적 제지공정, 종이 물성, 소재 응용 및 분석기술 관련 주제가 동일 토픽 내에 함께 포함되어, 본 연구의 목적인 연구주제의 세분화와 시간적 변화 해석에 충분한 해상도를 제공하지 못하였다.

Fig. 5.

Evaluation of topic number selection based on perplexity and coherence in the LDA model. LDA models were trained with topic numbers ranging from 2 to 40. Perplexity and coherence were calculated for each model, and the final number of topics was selected by considering both quantitative trends and topic interpretability.

토픽 수 10–12개 구간에서는 coherence가 비교적 높은 수준을 유지하면서도, 주요 연구주제가 해석 가능한 형태로 분리되는 경향을 보였다. 특히 10개 또는 11개 토픽에서는 일부 공정 기반 토픽과 소재·응용 기반 토픽이 함께 묶이는 경향이 있었던 반면, 12개 토픽에서는 wet-end additives, recycling and drainage, pulping and bleaching, refining and strength, coating and printability와 같은 전통적 펄프·제지공정 관련 토픽과 Hanji and aging properties, nanocellulose materials, instrumental characterization, natural fibers and modification과 같은 소재·분석·응용 중심 토픽이 비교적 명확하게 구분되었다. 따라서 12개 토픽은 세부 연구영역을 구분할 수 있는 해상도와 토픽 라벨링의 해석 가능성 사이에서 가장 적절한 균형을 제공하는 것으로 판단하였다.

반면 13개 이상의 토픽에서는 perplexity는 지속적으로 낮아지는 경향을 보였지만, coherence는 전반적으로 낮아지고 변동성이 커지는 양상을 나타냈다. 이는 토픽 수를 과도하게 늘릴 경우 모델의 수치적 적합도는 개선될 수 있으나, 도출된 토픽의 의미적 명확성과 해석 가능성이 반드시 향상되는 것은 아님을 의미한다. 실제로 Chang 등[43] topic model 평가에서 perplexity와 같은 정량적 지표가 인간의 해석 가능성과 항상 일치하지 않을 수 있음을 보고하였다. 따라서 본 연구에서는 perplexity와 coherence의 정량적 경향뿐 아니라, 토픽 간 중복성, 분야 전문지식에 기반한 라벨링 가능성, 세부 연구주제의 구분성을 종합적으로 고려하여 12개 토픽을 최종 LDA 모델의 토픽 수로 선정하였다.

LDA 토픽 모델링을 통해 도출된 토픽은 각 문헌 내 단어들의 확률적 분포를 바탕으로 형성되므로[13], 단순한 키워드 빈도 분석보다 문헌 집합 내 잠재적인 연구주제 구조를 파악하는 데 유용하다고 알려져 있다[48]. 그러나 LDA는 토픽 번호와 단어 분포를 제공할 뿐, 각 토픽의 의미를 자동으로 명명하지는 않는다[43]. 따라서 본 연구에서는 각 토픽의 대표 용어와 해당 분야의 전문 지식을 바탕으로 토픽 라벨을 수동으로 부여하였다. 또한 토픽 간 관계와 대표 용어를 함께 해석하기 위해 intertopic distance map과 representative term-frequency bar graph를 사용하였다. 이러한 시각화 방식은 LDA 결과의 토픽 간 유사성과 각 토픽을 특징짓는 주요 용어를 함께 확인하는 데 효과적인 도구로 활용되고 있다[44].

Fig. 6은 LDA 모델을 통해 도출된 12개 연구 토픽의 분포와 대표 용어를 시각화한 것이다. Fig. 6a의 intertopic distance map에서 각 원은 하나의 토픽을 의미하며, 원의 크기는 LDA 모델에서 추정된 각 토픽의 상대적 출현 비중을 나타낸다. 토픽 간 거리는 각 토픽의 단어 분포 차이를 2차원 평면에 투영한 것으로, 가까이 위치한 토픽일수록 유사한 용어 구조를 공유하는 것으로 해석할 수 있다[44].

Fig. 6.

Intertopic distance map and representative term-frequency bar graph of manually assigned LDA-derived research topics in Scopus-indexed Journal of Korea TAPPI articles. (a) Intertopic distance map of the 12 LDA-derived topics. Each circle represents a topic, and the circle size indicates the token-based topic prevalence estimated by the LDA model. The distances between circles indicate similarities in topic-term distributions. Topic labels were manually assigned based on representative terms and domain knowledge. (b) Representative term-frequency bar graph for Topic 1. Blue bars indicate overall term frequency in the corpus, whereas red bars indicate estimated term frequency within the selected topic.

토픽별 상대적 출현 비중을 보면, Topic 1, Wet-end additives가 12.92%로 가장 큰 비중을 차지하였다. 이어서 Topic 5, Recycling and drainage가 12.24%로 유사하게 높은 비중을 보였으며, Topic 8, Hanji and aging properties는 9.79%, Topic 9, Nanocellulose materials는 9.06%, Topic 4, Pulping and bleaching은 8.49%로 나타났다. 이러한 결과는 KTAPPI 논문에서 습부 첨가제 및 표면·수분 특성 관련 연구, 재활용 및 배수성 연구, 한지 및 열화 특성, 나노셀룰로오스 소재, 펄프화 및 표백 연구가 주요한 토픽으로 형성되어 있음을 보여준다.

Fig. 6a의 토픽 배치를 보면, Topic 2, Refining and strength, Topic 3, Drying and corrugated board, Topic 4, Pulping and bleaching은 서로 가까운 위치에 배치되어 있다. 이는 고해, 건조, 골판지, 펄프화, 표백 및 강도 특성과 관련된 토픽들이 전통적 제지공정 및 종이 물성 연구와 관련된 유사한 용어 구조를 공유하고 있음을 의미한다. Topic 5, Recycling and drainage와 Topic 8, Hanji and aging properties도 상대적으로 가까운 위치에 나타나, 재활용·탈수특성 연구와 한지·열화 특성 연구가 물성 평가 관련 용어를 일부 공유할 가능성을 보여준다. 반면 Topic 9, Nanocellulose materials, Topic 11, Instrumental characterization, Topic 12, Natural fibers and modification는 비교적 분리된 위치에 분포하여, 나노셀룰로오스 소재, 분석기술, 천연섬유 및 개질 관련 연구가 기존 공정 중심 토픽과 구분되는 독립적 연구 영역을 형성하고 있음을 확인할 수 있었다.

Fig. 6b는 선택된 Topic 1, Wet-end additives의 대표 용어 빈도 분포를 나타낸 것이다. 파란색 막대는 전체 문헌 집합에서의 용어 출현 빈도를, 빨간색 막대는 선택된 토픽 내에서의 추정 용어 빈도를 나타낸다. Topic 1에서는 surface, rate, water, weight, measurement, permeability, roughness, air, tissue 등의 용어가 주요하게 나타났다. 이는 Topic 1이 습부 첨가제 자체에 국한되기보다는, 습부 조성 변화와 관련된 계면 특성, 수분 특성, 투기도, 거칠음도 및 물성 평가 연구까지 포함하는 포괄적 토픽임을 시사한다.

종합적으로, KTAPPI 논문의 연구주제는 습부 첨가제, 재활용 및 탈수성, 한지 및 열화 특성, 나노셀룰로오스 소재, 펄프화 및 표백, 고해 및 강도, 도공 및 인쇄적성 등 다양한 토픽으로 분화되어 있는 것으로 확인되었다. 특히 전통적인 펄프·제지공정과 종이 물성 관련 토픽이 여전히 중요한 비중을 차지하는 동시에, 한지, 나노셀룰로오스, 천연섬유, 분석기술과 같은 소재 및 응용 중심 토픽도 독립적인 연구 영역으로 형성되어 있는 것으로 분석되었다.

3.5 토픽 생애주기 분석

토픽별 연도별 비중 변화 분석은 특정 연구주제가 시간에 따라 어떻게 부상하거나 상대적으로 감소하는지에 대한 정보를 제공한다[41]. Fig. 7은 대표적인 증가 및 감소 토픽의 연도별 변화와 함께, 전체 분석 기간 및 최근 기간에서의 토픽별 추세선 기울기를 나타낸 것이다. 여기서 기울기 값은 연도별 문헌 비중의 변화율을 의미하며, 양의 값은 해당 토픽의 상대적 비중 증가를, 음의 값은 상대적 비중 감소를 나타낸다.

Fig. 7.

Representative annual trends and long-term/recent slope patterns of manually assigned LDA-derived research topics in Scopus-indexed Journal of Korea TAPPI articles. (a) Annual document proportions of representative increasing and decreasing topics: nanocellulose materials as a representative increasing topic (hot topic) and recycling and drainage as a representative decreasing topic (cold topic), shown with fitted linear trend lines. (b) Long-term trend line slopes of the 12 LDA-derived topics over the full study period from 2000 to 2025. (c) Recent trend line slopes of the 12 LDA-derived topics from 2016 to 2025. Positive slope values indicate increasing topic prominence, whereas negative values indicate declining topic prominence.

Fig. 7a는 대표적인 증가 토픽과 감소 토픽의 연도별 문헌 비중 변화를 보여준다. Nanocellulose materials는 2000년대 초반에는 거의 나타나지 않았으나, 2010년대 중반 이후 뚜렷한 증가 경향을 보였다. 특히 2015년 4.49%, 2016년 4.67% 수준이었던 비중은 2017년에 14.63%로 크게 증가하였고, 이후 2020년 18.42%, 2022년 18.33%, 2023년 18.64%로 높은 수준을 유지하였다. 이는 나노셀룰로오스 소재 연구가 2010년대 후반 이후 KTAPPI 논문에서 대표적인 성장 토픽으로 부상했음을 시사한다.

반면 Recycling and drainage는 분석 초기에는 높은 비중을 보였으나, 최근으로 갈수록 상대적 비중이 감소하였다. 이 토픽은 2000년 27.50%, 2001년 25.64%, 2005년 22.45%, 2010년 22.22%로 초기와 중기에는 높은 수준을 나타냈다. 그러나 2020년 이후에는 7–8% 수준으로 낮아졌고, 2023년 5.08%, 2024년 5.88%, 2025년 3.92%로 감소하였다. 이는 재활용 및 탈수성 관련 연구가 과거 KTAPPI 논문에서 주요 연구주제였으나, 최근에는 나노셀룰로오스, 표면 처리, 분석기술, 천연섬유 및 기능성 소재 관련 연구의 비중이 증가하면서 상대적 중요도가 낮아진 것으로 해석된다.

Fig. 7b는 2000–2025년 전체 기간에서 각 토픽의 장기적 변화 방향을 나타낸 것이다. 전체 기간 기준으로 가장 뚜렷한 증가 경향을 보인 토픽은 Nanocellulose materials였으며, Instrumental characterization, Biomass and molded packaging, Natural fibers and modification도 증가하는 경향을 보였다. 이러한 결과는 KTAPPI 연구가 전통적인 제지공정 중심에서 나노셀룰로오스, 기기분석, 바이오매스 기반 포장재, 천연섬유 및 개질 연구로 점진적으로 확장됨에 따른 결과로 사료된다.

반대로 전체 기간에서 감소 경향을 보인 토픽은 Recycling and drainage, Drying and corrugated board, Wet-end additives, Coating and printability 등이었다. 이들 토픽은 분석 초기 또는 중기에 상대적으로 높은 비중을 차지했던 전통적 제지공정 및 종이 물성 관련 연구주제로 볼 수 있으며, 장기적으로는 다른 연구주제의 부상에 따라 상대적 비중이 낮아진 것으로 판단된다.

Fig. 7c는 최근 기간인 2016–2025년의 토픽별 변화 방향을 나타낸 것이다. 최근 기간에서는 Surface sizing and adhesion과 Instrumental characterization이 가장 뚜렷한 증가 경향을 보였으며, Nanocellulose materials, Natural fibers and modification, Biomass and molded packaging도 증가하는 토픽으로 나타났다. 이는 최근 KTAPPI 연구가 표면 기능화, 기기분석, 나노셀룰로오스, 천연섬유 및 바이오매스 기반 응용 연구로 확장되고 있음을 의미한다.

반면 최근 기간에서 감소 경향이 뚜렷한 토픽은 Recycling and drainage, Pulping and bleaching, Coating and printability, Wet-end additives였다. 이는 재활용, 펄프화, 표백, 도공, 습부 관련 연구가 여전히 중요한 연구 영역이지만, 최근 문헌 내에서는 소재 기능화, 분석기술 및 응용 중심 토픽에 비해 상대적 비중이 감소함에 따른 결과로 사료된다.

이상의 결과(Fig. 7)는 KTAPPI 논문의 연구주제가 시간에 따라 전통적 제지공정 및 종이 물성 중심 연구에서 나노셀룰로오스, 표면 기능화, 기기분석, 천연섬유, 바이오매스 기반 포장재 등 소재 및 응용 중심 연구로 확장되고 있음을 시사한다. 특히 Nanocellulose materials는 장기 및 최근 기간 모두에서 증가 경향을 보인 대표적인 hot topic으로, Recycling and drainage는 과거 높은 비중을 차지했으나 최근 상대적 비중이 감소한 cold topic으로 분석되었다.

3.6 토픽별 피인용 영향력 및 성장-영향력 분석

토픽별 피인용 영향력은 단순히 특정 연구주제가 많이 등장했는지를 넘어, 해당 주제에 속한 논문들이 학술적으로 어느 정도 인용되었는지에 대한 정보를 제공한다. 본 연구에서는 토픽별 논문 수와 출판 이후 경과 기간을 고려하여 논문 1편당 연평균 피인용 수를 계산하였으며, 이를 최근 토픽 성장성과 함께 비교하였다. Fig. 8은 토픽별 피인용 영향력과 최근 성장성의 관계를 도시한 것이다.

Fig. 8.

Topic-level citation impact and growth–impact positioning of manually assigned LDA-derived research topics in Scopus-indexed Journal of Korea TAPPI articles. (a) Mean citation count per year for each LDA-derived topic, with bars colored according to topic life-cycle class. (b) Relationship between recent topic growth and citation impact, where the x-axis indicates the change in document proportion between recent periods and the y-axis indicates mean citations per year. Bubble size represents the number of documents assigned to each topic. Positive growth with high citation impact indicates topics with both increasing prominence and relatively strong scholarly influence.

Fig. 8a는 각 LDA 기반 토픽의 평균 피인용 수를 나타낸다. 전체 토픽 중 Nanocellulose materials가 논문 1편당 연평균 0.464회의 피인용 수를 보여 가장 높은 인용 영향력을 나타냈다. 이어서 Instrumental characterization, Natural fibers and modification, Biomass and molded packaging이 높은 평균 피인용 수를 보였다. 이들 토픽은 모두 최근 증가하거나 부상한 연구주제에 해당하며, 나노셀룰로오스, 분석기술, 천연섬유 개질, 바이오매스 기반 포장재와 같은 소재 및 응용 중심 연구가 상대적으로 높은 학술적 관심을 받고 있음을 의미한다.

반면 Recycling and drainage, Pulping and bleaching, Coating and printability, Wet-end additives와 같은 전통적 제지공정 관련 토픽은 상대적으로 낮은 평균 피인용 수를 보였다. 이는 이들 주제가 중요하지 않다는 의미라기보다, 장기간에 걸쳐 안정적으로 다루어진 성숙한 연구영역이기 때문에 최근 부상한 소재·분석 중심 토픽에 비해 피인용 증가율이 낮게 나타났을 것으로 판단된다. 특히 Recycling and drainage는 가장 많은 문헌 수를 가진 토픽 중 하나였으나 평균 피인용 수는 낮게 나타나, 연구 생산량과 피인용 영향력이 반드시 동일한 방향으로 움직이지 않는 것으로 확인되었다.

Fig. 8b는 최근 토픽 성장성과 피인용 영향력의 관계를 나타낸 것이다. x축은 최근 기간의 문헌 비중 변화를, y축은 논문 1편당 연평균 피인용 수를 의미한다. Nanocellulose materials, Instrumental characterization, Natural fibers and modification, Biomass and molded packaging은 모두 높은 성장성과 높은 피인용 영향력을 보이는 영역에 위치하였다. 이는 해당 토픽들이 최근 문헌에서 비중이 증가했을 뿐 아니라, 인용 측면에서도 상대적으로 높은 영향력을 가진 연구주제임을 의미한다. 따라서 이들 토픽은 KTAPPI 논문에서 최근 부상하고 있는 주요 연구방향으로 해석할 수 있다.

한편 Surface sizing and adhesion은 최근 성장성은 가장 크게 나타났지만, 평균 피인용 수는 상대적으로 낮아 high growth/low impact 영역에 위치하였다. 이는 해당 토픽이 최근 문헌에서 빠르게 증가하고 있으나, 아직 피인용 영향력이 충분히 축적되지 않았거나 연구 영향력이 본격적으로 나타나는 초기 단계일 가능성을 시사한다. 반대로 Refining and strength는 최근 성장성은 낮지만 피인용 수는 상대적으로 높은 영역에 위치하였다. 이는 고해 및 강도 관련 연구가 최근 비중은 다소 감소했더라도, 여전히 펄프·제지 분야에서 기본적이고 영향력 있는 연구주제로 기능하고 있음에 따른 결과로 사료된다.

Low growth/low impact 영역에는 Wet-end additives, Hanji and aging properties, Coating and printability, Pulping and bleaching, Recycling and drainage가 포함되었다. 이들 토픽은 최근 문헌 비중과 평균 피인용 수가 모두 상대적으로 낮게 나타났지만, 대부분 전통적 제지공정, 보존·열화, 도공 및 재활용과 관련된 주제이다. 따라서 이 결과는 해당 연구의 중요성이 낮다는 의미보다는, 최근 KTAPPI 논문에서 연구 관심과 인용 영향력이 나노셀룰로오스, 분석기술, 천연섬유 및 바이오매스 기반 응용 연구로 이동하고 있음을 보여주는 결과가 반영된 것으로 사료된다.

토픽별 피인용 영향력 분석을 통하여 KTAPPI 연구에서 최근 부상한 소재 및 분석 중심 토픽이 상대적으로 높은 피인용 영향력을 보이고 있음을 확인하였다. 특히 Nanocellulose materials는 높은 성장성과 가장 높은 피인용 영향력을 동시에 보여, KTAPPI 논문에서 학술적 영향력과 성장성을 함께 갖춘 대표적인 emerging topic으로 판단된다. 또한 Instrumental characterization, Natural fibers and modification, Biomass and molded packaging 역시 성장성과 인용 영향력이 모두 높은 토픽으로 나타나, 향후 국내 펄프·제지 연구는 셀룰로오스 기반 소재, 분석기술, 천연섬유 및 친환경 포장 분야로 지속 및 확장될 것으로 전망된다.

다만 본 연구의 피인용 영향력 분석은 Scopus에서 제공된 논문별 총 피인용 수를 기반으로 수행되었으며, 개별 인용 문헌의 학술지명, subject area 또는 학문 분야를 세분화하여 구분하지는 않았다. 따라서 Nanocellulose materials와 같이 인접 학문 분야와의 연계성이 높은 토픽의 경우, 높은 피인용 영향력에는 펄프·제지 분야 내부의 인용뿐 아니라 나노소재, 바이오소재, 고분자 및 환경소재 등 타 분야에서의 인용도 일부 반영되었을 가능성이 있다. 향후 연구에서는 citing journal의 source title과 subject area 정보를 함께 수집하여 토픽별 피인용 영향력의 학문 분야 간 확산 양상을 함께 고려할 필요가 있다고 사료된다.

3.7 텍스트 마이닝을 통한 KTAPPI 연구동향 분석에 대한 고찰

본 연구에서는 KTAPPI 논문을 대상으로 텍스트 마이닝, 키워드 동시 출현 네트워크, LDA 토픽 모델링, 토픽 생애주기 및 피인용 영향력 분석을 통합적으로 수행하였다. 다만 본 연구에는 몇 가지 한계점이 존재한다.

첫째, 분석 대상이 Scopus에 색인된 KTAPPI 논문으로 제한되었기 때문에, 본 결과를 국내 펄프·제지 연구 전체의 흐름으로 일반화하는 데에는 주의가 요구된다. 국내 펄프·제지 연구는 학술지 논문뿐 아니라 학술대회 발표, 산업 보고서, 특허, 학위논문, 국내 타 학술자료 등 다양한 형태로 생산되므로 추후 연구에서는 데이터 세트 범주의 확장이 필요하다고 사료된다. Jang [49]의 연구에서도 한국과 일본의 대표 목재 과학 분야 학술지인 Journal of the Korean Wood Science and Technology (JKWST)와 Journal of Wood Science (JWS)를 대상으로 분석을 수행하면서, 분석 범위가 특정 국가 및 학술지로 제한된다는 점이 한계로 언급된 바 있다.

둘째, 본 연구의 데이터 규모는 2000–2025년 KTAPPI 논문 1,571편으로, 특정 학술지의 장기적 흐름을 분석하기에는 충분하지만, 다수의 국제 학술지를 포함한 대규모 연구와 비교하면 상대적으로 작다. Hwang과 Lee [41]는 2002–2024년 동안 6개 주요 목재과학 학술지의 11,114편 논문을 대상으로 출판 추세, 국제 공동연구, 키워드 중심성, LDA 기반 토픽 모델링을 수행한 바 있다. 이에 비해 본 연구는 하나의 학술지인 KTAPPI에 초점을 맞추었기 때문에 분석 범위가 상대적으로 제한적이었다. 따라서 일부 세부 토픽의 연도별 비중, 최근 성장률, 피인용 영향력은 특정 연도에 게재된 소수의 논문에 영향을 받을 수 있다. 특히 최근 연도의 피인용 수는 출판 이후 인용이 축적될 시간이 짧기 때문에, 토픽별 피인용 영향력 해석에서는 인용 누적 기간의 차이를 고려할 필요가 있다고 판단된다.

셋째, 텍스트 마이닝과 LDA 토픽 모델링은 전처리 방식과 연구자의 해석에 일정 부분 영향을 받을 수 있다. 본 연구에서는 키워드 정제, 유의어 통합, 일반 용어 제거, 토픽 수 선정, 토픽 라벨 부여 과정을 수행하였으나, 이러한 과정은 분석 결과의 해석 가능성을 높이는 동시에 연구자의 판단이 개입될 수 있는 부분이다[50]. 특히 LDA 토픽은 단어의 확률 분포를 기반으로 도출되므로, 토픽 라벨은 대표 용어와 분야 전문지식을 바탕으로 수동 부여되었다. 따라서 향후 연구에서는 전문가 검토, 복수 연구자 간 라벨 검증, BERT (bidirectional encoder representations from transformers)[51] 또는 structural topic model 등 다른 토픽 모델과의 비교를 통해 토픽 해석의 재현성과 안정성을 제고할 필요가 있을 것으로 사료된다.

후속 연구에서는 KCI, Scopus, Web of Science 등 복수 데이터베이스를 통합하여 색인 범위에 따른 누락 가능성을 줄일 필요가 있다고 사료된다. 또한 분석 대상을 KTAPPI에 한정하지 않고, 국내외 펄프·제지 및 셀룰로오스 소재 관련 학술지, 특허, 산업 보고서, 학술대회 자료까지 확장하여 국내 펄프·제지 연구의 학술적 흐름과 산업적 수요를 보다 입체적 해석이 필요하다고 판단된다. 이러한 확장은 국내 제지 연구의 고유한 흐름을 국제 펄프·제지 및 셀룰로오스 소재 연구의 변화와 비교하는 데에 기여할 수 있을 것으로 기대된다.

4. 결 론

본 연구에서는 2000년부터 2025년까지 Scopus에 색인된 KTAPPI 논문을 대상으로 텍스트 마이닝과 LDA 토픽 모델링을 적용하여 국내 펄프·제지 연구의 지식 구조와 연구동향 변화를 분석하였다. 분석 결과, KTAPPI 연구는 오랫동안 제지공정, 펄프화 및 표백, 고해, 도공, 재활용, 습부화학, 종이 물성 평가와 같은 전통적 펄프·제지 연구를 중심으로 축적되어 온 것으로 파악되었다. 이러한 주제들은 키워드 빈도, 동시 출현 네트워크, 중심성 분석, LDA 토픽 모델링 결과 전반에서 반복적으로 나타나 국내 제지 연구의 핵심 기반을 형성하는 것으로 확인되었다.

동시에 최근 연구 흐름은 기존 공정 및 물성 중심 연구에서 나노셀룰로오스, 기능성 셀룰로오스 소재, 한지, 천연섬유, 바이오매스 기반 포장재, 분광분석 및 데이터 기반 해석으로 확장되는 것으로 확인되었다. 특히 나노셀룰로오스 소재 관련 토픽은 장기 및 최근 기간 모두에서 증가 경향을 보였으며, 토픽별 피인용 영향력 분석에서도 가장 높은 학술적 영향력을 나타냈다. 이는 국내 펄프·제지 연구가 전통적 제지기술을 기반으로 하면서도, 지속가능 소재와 고부가가치 셀룰로오스 응용 연구로 연구 범위를 넓혀가고 있음을 시사한다.

본 연구는 KTAPPI 논문에 축적된 연구 흐름을 정량적으로 구조화함으로써, 국내 펄프·제지 분야의 과거 연구 기반과 최근 변화 방향을 함께 제시하였다. 이러한 결과는 향후 셀룰로오스 기반 기능성 소재, 전통 종이의 과학적 해석, 친환경 포장재, 데이터 기반 분석기술 관련 연구 방향을 설정하는 데 기초자료로 활용될 수 있을 것으로 기대된다. 다만 분석 대상이 Scopus 색인 KTAPPI 논문으로 제한되었기 때문에, 후속 연구에서는 특허, 산업 보고서 및 학술대회 자료 등을 포함하여 국내 펄프·제지 연구의 학술적·산업적 흐름에 대한 보다 폭 넓은 해석이 필요하다고 사료된다.