정적 리스트에서는 불가능했던 ‘이 논문이 어떤 연구에 영향을 받았고, 또 어떤 연구에 영향을 주었는지’를 시각적으로 추적할 수 있습니다. 예를 들어 2020년에 발표된 논문 A가 있다면, A가 인용한 2010년대 연구들(후방)과 A를 인용한 2023년 최신 논문들(전방)을 한 그래프 위에서 확인하고 탐색할 수 있습니다.
직접적인 인용 관계가 없더라도, 공통 참고문헌을 많이 공유하거나 같은 주제 클러스터에 속한 논문을 AI가 추천해 줍니다. 이 기능은 사용자가 알지 못했던 핵심 연구를 발견하는 데 특히 유용합니다.
기존의 문헌 검색은 키워드 검색 후 결과를 하나씩 읽어보는 선형적(linear) 방식이었습니다. ResearchRabbit은 인용이라는 ‘관계’에 주목해, 논문 간의 연결망을 네트워크 기반의 탐험적(exploratory) 프로세스로 전환했습니다. 연구자는 더 이상 수많은 탭을 열어 두고 참고문헌을 일일이 확인할 필요 없이, 하나의 그래프 위에서 직관적으로 문헌의 지형을 파악할 수 있습니다.
국내 대학원생과 연구자들에게 이 도구는 큰 도움이 될 수 있습니다. 대부분의 기능을 완전 무료로 사용할 수 있으며, Zotero나 BibTeX 파일을 불러와 기존 컬렉션과 연동할 수도 있습니다. 또한 PubMed ID나 DOI로 논문을 바로 검색할 수 있어, 논문을 찾기 위해 별도의 데이터베이스에 로그인할 필요가 없습니다.
물론 아직 한국어 지원이 공식적으로 되지 않는 점은 다소 아쉽지만, 영어 논문 중심의 연구자라면 큰 무리 없이 사용할 수 있습니다. 연구의 첫 단계인 ‘문헌 검토’의 효율을 극대화하고 싶다면, ResearchRabbit을 지금 바로 시도해 볼 것을 추천합니다.
Comments
0 comments