전통적인 아카이브는 ‘기록 보관소’의 의미로, 영구적 보존의 가치를 가진 기록의 집합 또는 물리적 기록을 보존하는 장소로 인식되었다(Yadav, 2016). 그러나 디지털 환경에서 대량의 기록이 디지털화되면서 보존 측면에서 디지털 아카이빙에 대한 연구가 광범위하게 진행되고 있다. 대표적으로 OAIS(Reference Model for an Open Archival Information System) 참조모델이 디지털 정보를 아카이빙하기 위한 표준으로 논의되고 있다. OAIS 참조모델은 장기간에 걸쳐 디지털 자원에 접근하는 것을 유지·보존하는 기록 관리 시스템을 제안한다(Lavoie, 2000). 국내의 디지털 아카이빙 연구는 OAIS 참조모델을 국내에 확장 적용하기 위한 연구가 진행되고 있다(강민정, 장우권, 2021; 김희정, 2003; 이승민, 2017; 임진희, 2006). 대표적으로 전자기록물 장기보존패키지 기술규격(NAK 31-2 2022(v1.1))은 국가기록원에서 개발한 기록관리 공공표준으로, OAIS 모델의 정보패키지를 참조하여 관련 패키지에 대한 기술을 관리하기 위한 표준 방법을 정의한다.

한편, 기록이 대량으로 디지털화되고, 디지털 형태로 생성되는 기록이 기하급수적으로 증가하며, 대량의 메타데이터가 개방되면서 디지털 환경에서 무수히 많은 양의 아카이브와 관련 데이터에 접근하는 것이 가능해졌다(Hawkins, 2022). 이런 맥락에서, 거대한 양의 디지털 기록은 읽어야 하는 텍스트(texts to be read)가 아닌 발굴되어야 하는 데이터의 컬렉션(collections of data to be mined)으로 인식될 수 있다(Moss, Thomas, & Gollins, 2018). 즉, 디지털 아카이브는 디지털 기록의 보존과 함께, 디지털 기록의 공유와 활용을 위한 온라인 플랫폼으로 기능할 수 있다(김유승, 2010; 한상은, 박희진, 2022; 한희정, 2018; Ridolfo, Hart-Davidson, & McLeod, 2011). 이용자가 디지털로 직접 기록에 접근할 수 있는 디지털 아카이브는 점차 증가하고 보편화되고 있다. 기록의 활용 관점에서 다양한 주제(예: 고고학, 광주학생독립운동가 장재성, 일본고전서적)의 디지털 아카이브를 구축하기 위한 연구가 광범위하게 진행된다(김문희, 장우권, 2021; 양성윤, 2022; 이혜림, 2018; 정주영, 2021; 한상은, 박희진, 2022).

그러나 디지털 아카이브는 디지털 기록의 검색과 재사용, 활용에 제한이 있다(김학래, 2021). 디지털 아카이브가 잘 활용될 수 있으려면, 디지털 기록 사이의 통합과 상호운용이 될 수 있어야 한다(Koho et al., 2021; Zeng, 2019). 이런 맥락에서 링크드 데이터 기술은 디지털 기록의 검색과 상호운용을 용이하게 한다(Hawkins, 2022). 대표적으로 WarSampo는 링크드 데이터 기술을 활용해 분산되어 존재하는 제2차 세계대전과 관련된 기록을 통합한 데이터 포털이다(Koho et al., 2021). WarSampo는 제2차 세계대전과 관련된 기록을 통합한 지식그래프를 구축했기 때문에 서로 다른 기록을 통합 검색하고 기록에 포함된 개별 개체(예: 군인, 육군부대)에 대한 정보를 제공하는 것이 용이해진다(Hyvonen et al., 2016).

본 연구는 활용 관점에서 디지털 아카이브가 개선될 수 있는 방안을 검토하고, 활용성이 높은 디지털 아카이브의 구축을 위해 지식그래프 기술을 적용한다.

FAIR 데이터 원칙은 연구 데이터의 재사용성을 강화하기 위해 설계된 일련의 가이드 원칙이다(Wilkinson et al., 2016). FAIR 데이터는 데이터를 찾을 수 있고, 데이터에 접근할 수 있으며, 데이터의 상호운용과 재사용을 가능하게 한다(FORCE11, 2016). 특히, FAIR 데이터 원칙은 연구 데이터 관리 환경에 맞추어 기계 스스로 데이터를 찾고 사용할 수 있는 특성을 강조한다(GO FAIR, 2022). FAIR 데이터 원칙은 초기에 오픈 사이언스의 맥락에서 연구 데이터의 재사용성을 강화하기 위한 도구로 인식되었으나, 장기적으로 데이터를 보존하고 관리하기 위한 보편적인 프레임워크로 확장되고 있다(Collins et al., 2018; Corpas et al., 2018; Haux & Knaup, 2019).

FAIR 데이터 원칙은 탐색성(Findable), 접근성(Accessible), 상호운용성(Interoperable), 재사용성(Reusable) 요소로 구성된다. GO FAIR(2022)와 유럽 연합 집행위원회(Collins et al., 2018)에 따르면, 탐색성은 풍부한 메타데이터로 기술되어야 하며, 이용자들이 찾을 수 있는 자원에 데이터가 등록되거나 색인되어야 한다는 특성을 강조한다. 전역적으로 고유하고 영구적인 식별자(globally unique and persistent identifier)가 데이터와 메타데이터에 할당되면, 데이터 탐색과 재사용성을 강화할 수 있다. 접근성은 표준적이고 보편적인 프로토콜을 통해 사람과 기계가 모두 접근할 수 있는 데이터의 특성을 강조한다. 그러나 데이터의 접근성은 개방을 의미하지 않는다(Mons et al., 2017). 데이터 개방은 전적으로 데이터 소유자의 재량이며, 숨겨진 데이터에 접근하거나 재사용할 수 있는 조건을 명시적으로 제공하면 된다. 상호운용성은 데이터와 메타데이터가 지식 표현(knowledge representation)을 위해 공식적이고, 접근 가능하며, 공유되고, 광범위하게 적용할 수 있는 언어의 사용을 강조한다. 기계가 데이터를 읽고 이해할 수 있는 능력(machine-actionable)은 의미적 수준에서 상호운용을 가능하게 한다. 이를 위해, 커뮤니티에서 공통적으로 사용하는 형식, 어휘나 표준을 적용하는 것이 필요하다. 재사용성은 커뮤니티 표준을 충족하는 풍부한 메타데이터와 문서를 제공하고, 데이터의 출처에 대한 풍부한 정보를 메타데이터로 제공할 것을 강조한다. 커뮤니티에서 통용되는 표준 라이선스는 데이터의 재사용에 대한 명확한 규정을 제공할 수 있다.

FAIR 성숙도 평가는 개별 FAIR 지표보다 상세한 지표를 제공하고, FAIR 데이터 원칙을 준수하는 정도를 정량적으로 평가할 수 있다. 세부 지표는 FAIR 성숙도 평가를 개발한 기관마다 조금씩 차이가 있다. FAIR 성숙도 평가는 대표적으로 FAIR 메트릭스(Wilkinson et al., 2019), 데이터 성숙도 모델(Bahim et al., 2020), FAIRsFAIR(Devaraju & Huber, 2021)가 있다. FAIR 메트릭스는 확장성 있고, 자동화 가능한 FAIR 프레임워크를 제안한다. FAIR 메트릭스는 FAIR의 각 항목을 자동적으로 측정하는 성숙도 지표(maturity indicator)와 디지털 자원을 성숙도 지표로 평가하는 지표 준수 테스트(compliance test), 평가에 대한 구체적인 리포트를 제공하는 웹 어플리케이션을 제공한다. FAIR 메트릭스는 자동화된 방식으로 디지털 자원의 FAIRness를 평가하는 것이 큰 장점이다. FAIR 메트릭스는 15개의 성숙도 지표로 평가된다. 성숙도 지표는 웹 어플리케이션이 각 지표마다 자동으로 통과(pass)와 미흡(fail)을 평가한다. 도메인마다 중요하게 생각하는 성숙도 지표가 다를 수 있기 때문에, 도메인의 요구사항에 맞는 성숙도 지표 컬렉션을 선정할 수 있다.

RDA 워킹그룹에서 개발한 데이터 성숙도 모델은 FAIR의 모든 항목을 균등하게 평가할 수 있는 프레임워크다. 데이터 성숙도 모델은 데이터와 메타데이터를 모두 평가할 수 있도록 설계되었다. 이 원칙에서 FAIR 데이터 원칙의 지표는 여러 개의 세부 지표로 구분된다(<표 4> 참고). 예를 들어, F1 지표는 데이터를 측정하는 지표(RDA-F1-01D)와 데이터를 측정하는 지표(RDA-F1-01M)로 구분된다. 세부 지표는 우선순위에 따라 필수, 중요, 유용한 지표로 구분된다. 평가는 각 지표를 5단계로 측정하는 방법과 통과/미흡으로 측정하는 방법이 있다. 5단계 측정 방법은 0점(전혀 적용되지 않음), 1점(아직 고려되지 않음), 2점(계획 단계에서 고려 중), 3점(이행 단계), 4점(완전히 적용됨)으로 평가된다. 통과/미흡 측정은 개별 지표의 이행 여부를 판단한다.

FAIRsFAIR는 RDA의 데이터 성숙도 모델에 기초하여 실용적으로 측정할 수 있는 평가 기준을 제시한다. FAIRsFAIR의 평가 메트릭스는 RDA의 데이터 성숙도 모델에 기초하지만, 설계 목적에 맞게 일부 지표가 수정된 17개의 세부 지표를 제공한다. 평가 방법은 자가 진단 방식(FAIR-Aware)과 자동화된 방식(F-UJI)이 있다. FAIR-Aware는 FAIR 데이터를 자가 진단할 수 있는 설문 방식의 평가다(FAIRsFAIR, 2021). 설문은 10개의 질문으로 구성되고 '예' 또는 '아니오'로 응답할 수 있다. F-UIJ는 디지털 객체의 FAIRness를 자동적으로 측정하는 웹 서비스를 제공한다(Devaraju & Huber, 2021). F-UJI는 디지털 자원의 URI를 입력하면, 자동적으로 FAIRness의 단계와 각 항목별 점수를 측정하는 서비스를 제공한다.

FAIR 메트릭스와 FAIRsFAIR는 URI 또는 PID로 디지털 자원을 평가하는 자동화된 방식을 지원한다. 그러나 디지털 아카이브가 제공하는 대부분의 디지털 기록은 자동적으로 평가할 수 있는 URI 또는 PID를 제공하지 않는다. 본 연구는 디지털 기록의 상호운용과 재사용을 평가할 수 있는 방법으로 RDA의 데이터 성숙도 모델을 사용한다.

지식그래프는 개념과 개체 사이의 관계를 기계가 읽고 이해할 수 있는 온톨로지 어휘로 표현된다. 온톨로지는 공유된 개념의 형식적으로(formal) 명시화된(explicit) 명세(specification)로 정의된다(Borst, 1997; Gruber, 1993). Studer, Benjamins, & Fensel(1998)가 제시한 각 개념의 정의는 다음과 같다. ‘개념화(conceptualization)’는 실세계의 추상적인 모델을 의미하며, 집단이 ‘공유(share)’하고 있는 지식이 된다. ‘형식적(formal)’은 자연어가 아닌, 기계가 읽고 이해할 수 있는 언어로 표현된다는 것을 의미한다. ‘명시화(explicit)’는 사용된 개념의 유형과 사용에 대한 제약이 명확히 정의된다는 것을 의미한다. 즉, 온톨로지는 지식이나 담론을 모델링하기 위한 표현적 요소의 집합을 정의한다(Gruber, 2009). 온톨로지는 재사용이 가능한 지식 베이스를 구축하고, 이기종의 시스템과 데이터베이스를 상호운용이 가능한 형태로 구축하는 데 사용되고 있다(Gruber, 2009). 최근 추세는 데이터의 연결과 공유를 용이하게 하는 범용적인 어휘(예: DCMI, SKOS, Schema.org, DCAT)가 많이 사용되고 있다(김학래, 2017).

기록관리 분야에서 디지털 환경에서 기록의 맥락 기술과 상호운용을 위한 어휘로 RiC-O(Records in Contexts - Ontology)가 논의되고 있다. 이 어휘는 ICA EGAD(International Council on Archives Expert Group on Archival Description)에서 개발한 기록 표준 어휘로, 기록이 갖고 있는 다양한 맥락을 기술하고, 개체 사이의 연결을 위한 온톨로지 어휘로 개발되었다(Clavaud & Wildi, 2021). RiC-O는 계층 구조가 아닌 다차원적으로(multidimensional) 기록을 기술함으로써, 기록과 기록 집합 사이의 관계, 기록과 행위자, 활동, 규칙 등의 상호관계를 표현하는 것이 가능하다. 그러나, RiC-O는 어휘 차원의 연계와 상호운용에 한계가 있다(박하람, 김학래, 2021). RiC-O 어휘의 설계 원칙에서 RiC-O는 도메인 어휘이기 때문에, 어떤 요소도 기존 어휘(예: CIDOC-CRM, PROV-O)를 재사용하지 않는다고 설명한다(Clavaud & ICA EGAD, 2021). 예를 들어, 제목(dct:title)과 개념(skos:Concept)과 같이 광범위하게 사용되고 있는 기존 어휘가 존재하지만, RiC-O는 새로운 어휘(예: rico:title, rico:Concept)로 정의한다. RiC-O의 설계 원칙은 RiC-O가 기존 어휘를 재사용하지 않기 때문에 기록과 관련된 기관이나 프로젝트에서 RiC-O를 적용하기 더 쉽다고 설명한다(Clavaud & ICA EGAD, 2021). 그러나 디지털 기록이 상호 연결되기 위해 커뮤니티에서 다수가 사용하고, 서로 공유하고 있는 어휘의 사용이 필수적이다. RiC-O 가 디지털 기록의 맥락 기술과 데이터 사이의 상호운용이 가능하다는 논의는 많지만 스키마 수준의 논의에 머물러 있다(박선희, 2019; 정회명, 이성숙, 2021; Mikhaylova & Metilli, 2023). 이유경과 김학래(2020) 연구와 같이 RiC-O 어휘로 디지털 기록을 표현한 지식그래프를 구축하고, 실질적으로 디지털 기록의 개체 사이에 상호운용이 될 수 있는지 검토가 필요하다.

DCAT은 분산된 웹 환경에서 공개되는 데이터 카탈로그를 기술하기 위한 RDF 어휘(Albertoni et al., 2020)로, 공공데이터 분야에서 데이터세트, 데이터 서비스의 관리와 상호운용을 위해 광범위하게 사용되고 있다. DCAT의 기본 구조는 데이터세트(dcat:Dataset) 배포 형식(dcat:Distribution)과 데이터 서비스(dcat:DataService)로 구성된다. 데이터세트의 일반적인 특징(예: 제목, 설명, 분류체계)은 dcat:Dataset으로 표현된다. 데이터세트의 서로 다른 표현 형식(예: JSON, CSV, XLSX)은 dcat:Distribution으로 정의된다. API와 같은 데이터 서비스는 dcat:DataService으로 표현된다. DCAT은 데이터세트가 갖고 있는 일반적인 특징을 일관적인 방식으로 표현하는데 강점이 있다. 특히 DCAT은 어휘 사이의 상호운용을 위해 DCMI(Dublin Core Metadata Initiative), SKOS(Simple Knowledge Organization System), FOAF(Friend of a Friend)를 포함한 표준 어휘를 광범위하게 재사용한다(Maali, Cyganiak, & Peristeras, 2010). 이는 검색 엔진에서 데이터의 탐색성을 높이고, 분산되어 존재하는 데이터의 통합 검색(federated search)을 가능하게 한다(Albertoni et al., 2023). 디지털 아카이브 관점에서 DCAT은 디지털 아카이브가 생산하거나 제공하는 데이터를 표현하는 데 활용될 수 있다.

최근 기록관리와 도서관 분야는 검색에 특화된 범용적인 어휘의 사용이 증가하고 있다(Fons, Penka, & Wallis, 2012; Gracy, 2014; Han et al., 2015; Lampron, Mixter, & Han., 2016; Matienzo, Roke, & Carlson, 2017; Mitchell, 2013). 대표적으로 Schema.org가 검색에 용이한 범용적인 어휘다. Schema.org 어휘는 구글, 마이크로소프트, 야후와 얀덱스에서 공동 개발한 어휘로, 광범위한 주제(예: 사람, 장소, 사건)에 대한 표현을 포괄한다(Schema.org, 2022). 범용적인 어휘는 도메인에 관계없이 광범위한 자원을 기술하기 때문에, RiC-O나 BIBFRAME(Bibliographic Framework) 어휘에 비해 다차원적인 기록 체계를 기술하는 데 한계가 있다. 그러나 범용적인 어휘는 일반적인 검색 엔진(예: 구글)에서 디지털 아카이브의 컬렉션을 쉽게 검색할 수 있다는 장점이 있다(Han et al., 2015). 범용적인 어휘는 비교적 구조가 단순하기 때문에, 쉽게 링크드 오픈 데이터를 구축할 수 있다(Matienzo, Roke, & Carlson, 2017). 이런 맥락에서, 디지털 기록의 상호운용을 위한 어휘는 어휘 수준에서 상호운용성을 지원하고, 검색에 용이한 어휘인지 검토해야 한다. 본 논문은 RiC-O로 표현된 디지털 기록의 상호운용성을 검토하고, 범용적인 수준에서 기록의 탐색과 상호운용이 가능한 DCAT 어휘를 디지털 아카이브의 공통 어휘로 제안한다.

디지털 아카이브는 기록을 제공하는 웹 공간이며 동시에 데이터 관점에서 기록에 대한 데이터를 포함하는 컨테이너의 역할을 할 수 있다. DCAT 어휘는 도메인에 관계없이 데이터의 일반적인 메타데이터를 기술하는 어휘로 광범위하게 사용되고 있다. 동시에 DCAT은 데이터의 상호운용을 위해 기존 어휘(예: DCMI, SKOS)를 우선적으로 재사용한다. 디지털 아카이브에서 DCAT 어휘를 적용하면 데이터세트 관점에서 범용적인 어휘의 상호운용이 가능하고, 데이터 탐색을 향상시킬 수 있다. 그러나 DCAT 어휘는 범용적인 수준에서 데이터를 기술하기 때문에 기록물에 대한 특수성을 모두 포함하기 어렵다. 이런 맥락에서, DCAT으로 디지털 아카이브의 데이터를 표현하기 위한 메타데이터의 적용 범위를 검토하고 메타데이터의 수용력에 대한 진단이 필요하다.

데이터세트 관점에서 DCAT 어휘가 디지털 기록에 적용 가능한지 판단하기 위해 디지털 아카이브의 메타데이터 항목을 검토한다. 검증은 박하람과 김학래(2022) 연구의 수용력 지수를 활용했다. 수용력 지수는 전체 메타데이터의 개수 대비 DCAT으로 표현 가능한 메타데이터의 개수로 1에 가까울수록 DCAT 어휘가 디지털 기록을 충분히 표현할 수 있다는 의미다. 평가는 1997 외환위기 아카이브를 포함한 대표적인 7개의 디지털 아카이브1)를 대상으로 수행되었다. 7개의 디지털 아카이브가 갖고 있는 디지털 기록의 메타데이터 항목을 조사한 후 아카이브의 메타데이터 항목은 DCAT의 속성으로 표현된다. 메타데이터 항목과 DCAT의 속성은 의미적 동일성을 기준으로 매핑된다. 예를 들어 제목(dct:title), 설명(dct:description)은 DCAT의 속성과 매핑되고, 기록유형과 대주제, 소주제는 DCAT의 속성과 매핑할 수 없다.

디지털 아카이브의 수용력 지수는 평균적으로 약 0.58이다. 즉, 디지털 아카이브는 절반 정도의 항목이 DCAT으로 표현될 수 있다. 예를 들어, 제목이나 설명, 라이선스, 식별자 항목과 같이 범용적인 수준에서 데이터를 기술하는 항목은 DCAT으로 충분히 표현 가능하다. 그러나 기록유형, 기록형태, 기증자 등과 같이 기록관리 도메인에 특화된 메타데이터는 DCAT으로 표현하기 어렵다. 데이터를 기술하는 데 필요한 일반적인 메타데이터는 DCAT으로 표현하고, 기록의 특성이 반영된 메타데이터 항목은 RiC-O나 DCMI, Schema.org와 같은 외부 어휘를 사용하는 것이 필요하다.

RiC-O는 디지털 환경에서 기록의 맥락 정보를 연계할 수 있는 대표적인 기록표준 어휘로 논의되고 있다. 그러나, 실제 RiC-O로 디지털 기록을 표현하고 상호운용을 검증한 연구는 미흡하다. 이유경과 김학래(2020)의 연구가 RiC-O 기반의 지식그래프를 구축한 대표적인 사례다. 본 연구는 RiC-O의 상호운용성을 검토하기 위해 이유경과 김학래(2020)의 연구와 동일한 1997 외환위기 아카이브의 디지털 기록을 대상으로 DCAT 어휘를 적용한다. 1997 외환위기 지식그래프는 외환위기 아카이브의 소장기록과 인물/조직 목록을 대상으로 구축된다. 수집된 기록물은 소장기록 5,982건, 인물/조직 75건으로 총 6,057건의 기록이 지식그래프 구축에 사용된다. 한편 값이 없거나 의미가 없는 메타데이터 항목(예: 주기, 권한관계)은 지식그래프의 구축 범위에서 제외한다. 수집된 데이터세트는 지식그래프 변환을 위해 데이터 정제가 수행된다. 예를 들어 하나의 항목에 여러 가지 항목의 값이 있는 경우 항목을 분리하고(예: 분량 → 쪽수, 재생시간, 용량), 데이터 값의 오류나 공백은 수정된다. 최종적으로 지식그래프 구축에 사용된 메타데이터 항목은 <표 1>과 같다.

소장기록과 인물/조직 데이터세트는 국내외 표준 어휘를 적용하여 지식그래프로 구축된다. 데이터세트의 메타데이터 항목은 의미적 동일성을 기준으로 온톨로지 어휘의 속성과 매핑한다. 외환위기 지식그래프는 어휘 수준의 상호운용을 위해 기존 어휘의 재사용을 원칙으로 한다. 외환위기 지식그래프는 우선적으로 DCAT 어휘를 적용하고, DCAT으로 표현되지 않는 항목은 데이터맵, RiC-O, DCMI, Schema.org, SKOS와 같은 국내외 표준 어휘로 표현한다.

<표 2>는 동일한 메타데이터 항목에 대해 DCAT으로 매핑한 속성과 RiC-O로 매핑한 속성(이유경, 김학래, 2020)을 비교한 표다. DCAT으로 표현된 외환위기 지식그래프는 어휘의 재사용 측면에서 이유경과 김학래(2020)의 외환위기 지식그래프와 구별된다. RiC-O로 표현된 지식그래프는 외환위기와 관련된 소장기록과 인물/조직에 관련된 정보의 대부분을 RiC-O로 표현했다. 특히 제목(rico:title)과 생산자(rico:createdBy)와 같이 개체를 표현하는 일반적인 속성이 RiC-O가 갖고 있는 속성으로 표현됐다. RiC-O는 모든 어휘를 새롭게 정의하고 있기 때문에 외부 어휘와 상호운용이 제한된다. 한편 DCAT으로 표현된 외환위기 지식그래프는 어휘 수준의 상호운용을 고려하여 기존 어휘를 최대한 재사용한다. 개별 기록은 데이터세트(dcat:Dataset)로 표현되고, DCAT으로 표현이 어려운 사람과 조직은 schema:Person과 schema:Organization을 재사용한다. DCAT은 어휘 자체에서 기존 어휘의 재사용을 고려하고 있어 제목(dct:title)과 생산자(dct:publisher)와 같이 일반적인 속성은 DCMI의 어휘를 광범위하게 재사용한다. 예를 들어 rico:title로 표현되었던 기록의 제목은 DCAT 어휘의 dct:title로 표현되어 더 광범위하게 재사용되는 속성으로 변경된다. 총 29개의 메타데이터 항목 중 13개의 항목이 DCAT으로 표현되고, 이 외의 항목은 Schema.org, DCMI, RiC-O 어휘로 표현된다.