<div id="readability-page-1" class="page"><div id="wrap">
                            <article id="post-General-73_scispace_review" itemscope="" itemprop="blogPost">
    <div>
        
            <header>
                
    
        
    

            </header>
        
        
            
        
        
        <div itemprop="articleBody">
            

            

            

            <ul>
<li>SciSpace 두 번째 글입니다.</li>
<li>원하는 정보를 담은 글들을 찾아 읽고 내용을 정리하는 일은 연구자의 일상이지만 만만치 않습니다.</li>
<li>검색과 정리 능력을 활용해 이를 편안하게 도와주는 기능들을 소개합니다. 단, 한계가 있습니다.</li>
</ul>
<h2 id="2-Literature-Review"><a href="#2-Literature-Review" title="2. Literature Review"></a>2. Literature Review</h2><h2 id="2-1-Perplexity와-비교"><a href="#2-1-Perplexity와-비교" title="2.1. Perplexity와 비교"></a>2.1. Perplexity와 비교</h2><blockquote>
<p><a target="_blank" rel="noopener" href="https://www.typeset.io/?via=jehyun">SciSpace</a></p>
</blockquote>
<ul>
<li><a target="_blank" rel="noopener" href="https://www.typeset.io/?via=jehyun"><b><code>SciSpace</code></b></a>에 들어서면 다음과 같은 화면을 마주합니다.</li>
<li>정 가운데 구글을 닮은 검색창이 있고, 아래 <b>이런 질문을 해보지 않으련?</b>하는 느낌으로 몇 개의 예시가 있습니다.</li>
<li>본능을 억누르고 마우스 휠을 굴려 아래로 향하면 여러 기능들이 등장합니다. </li>
<li>여기 등장하는 <b>Literature Review</b>가 위에 있는 검색창과 같은 기능을 합니다.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2025/01/04/General-73_scispace_review/73_scispace_review_01.png"></p>
<ul>
<li><b>Literature Review는 Perplexity와 비슷합니다.</b></li>
<li>사용자의 질의(query)를 받아 웹 검색을 하고, 여기서 찾은 자료를 정리하여 문장으로 제공합니다.</li>
<li>비교를 위해 Perplexity 화면을 먼저 보겠습니다.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2025/01/04/General-73_scispace_review/73_scispace_review_02.png"></p>
<ul>
<li>화면 가운데 있는 검색창에 질의를 하면 웹 검색을 통해 답을 모아줍니다.</li>
<li>최근 ChatGPT에도 <b>뒙 검색</b>기능이 추가되어 비슷한 기능이 구현되었습니다.</li>
<li>Perplexity에는 ChatGPT에 (아직) 없는 기능이 있는데, <b>검색 범위를 한정하는 것</b>입니다.</li>
<li>왼쪽 아래 <b><code>Focus</code></b>버튼을 누르면 여섯 가지 범위가 나옵니다.</li>
<li>이 중 <b><code>Academic</code></b>를 선택하면 학술 문서들을 대상으로 검색합니다.</li>
</ul>
<ul>
<li>예를 들어 이와 같이 선택하고 <b>수소 생산을 위한 신규 소재 탐색</b>이라고 질의하면,</li>
<li>논문들을 찾아 검색한 결과만을 보여줍니다.</li>
<li>아래 그림에서 답변 생성에 활용된 학술논문들 10개의 목록이 보입니다.</li>
<li>자세히 보면 논문들의 출처가 <b><code>semanticscholar</code></b>와 <b><code>pubmed</code></b>입니다.</li>
</ul>
<h2 id="2-2-Review"><a href="#2-2-Review" title="2.2. Review"></a>2.2. Review</h2><p><img src="https://jehyunlee.github.io/2025/01/04/General-73_scispace_review/73_scispace_review_03.png"></p>
<ul>
<li>같은 질의를 SciSpace의 Literature Review에 넣으면 다음과 같은 결과가 나옵니다.</li>
<li>먼저 상단에 <b>논문 다섯 편의 정보를 활용한 답변</b>이 출력되고,</li>
<li>그 아래 <b>논문 열 편의 목록</b>과 함께 각 논문에서 얻은 insights가 제공됩니다.</li>
<li>마지막으로 맨 하단에 Perplexity와 유사하게 <b>Related Questions</b>가 다섯 개 제시되고 있습니다.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2025/01/04/General-73_scispace_review/73_scispace_review_04.png"></p>
<ul>
<li>왜 10편의 목록을 보여주면서 5편만 가지고 정리하나 싶지만,</li>
<li>답변 상단을 보면 <b>몇 편의 내용을 정리시킬지</b>를 선택할 수 있습니다.</li>
<li>10편으로 정리하라면 10편으로 정리합니다.</li>
<li>또, <b>언어를 설정할 수 있습니다.</b> </li>
<li>한국사람인 만큼 한글이 편하지만 전문용어를 최대한 반영하고자 영어로 설정하는 편입니다.</li>
<li><b>Save</b> 버튼을 누르면 결과를 저장하여 나중에 다시 열어볼 수 있습니다.</li>
</ul>
<h2 id="2-3-Papers"><a href="#2-3-Papers" title="2.3. Papers"></a>2.3. Papers</h2><blockquote>
<p><a target="_blank" rel="noopener" href="https://onlinelibrary.wiley.com/doi/10.1002/adma.202313378">Yuan Wang et al., “1. Advancing Catalysts by Stacking Fault Defects for Enhanced Hydrogen Production: A Review.”, Advances in Materials (2024)</a></p>
</blockquote>
<p><img src="https://jehyunlee.github.io/2025/01/04/General-73_scispace_review/73_scispace_review_05.png"></p>
<ul>
<li>본문으로 가면 유용한 기능이 많습니다.</li>
<li>질의에 답변하기 위해 찾은 논문들이 <b>표 형태로 정리되어 있습니다.</b></li>
<li>행을 따라 논문들이 놓여 있고, 열에는 논문 서지정보와 Insights 정도만 있지만 오른쪽에 여러 열들을 계속 붙일 수 있습니다.</li>
<li>예를 들어 <b>Conclusions</b> 열을 추가하면 논문들의 결론을 모아 볼 수 있습니다.</li>
</ul>
<ul>
<li>여러 논문들을 함께 나란히 놓고 비교할 수 있다는 장점이 있지만 <b>추천하지 않습니다.</b></li>
<li>몇 가지 이유가 있습니다.<br><b>(1) Open Access 논문이 아닌 경우, 초록에서만 정보를 가져옵니다.</b> 매우 제한적일 수 밖에 없습니다.<br><b>(2) 표에 담으려다보니 극단적으로 짧게 요약합니다.</b> 중요 정보가 누락되는 경우가 많습니다.<br><b>(3) 잘못 찾거나 못찾는 경우가 적지 않습니다.</b> 해당 논문을 따로 열어서 보면 잘 찾습니다.</li>
</ul>
<ul>
<li>상단에 필터를 걸어 논문들을 선별할 수 있는데, <b>PDF</b>나 <b>Open Access</b>를 선택하시는 것을 추천합니다.</li>
<li>논문의 본문을 볼 수 있어 깊이 파고들며 발췌독을 하기에 좋기 때문입니다.</li>
<li><b>More Filters</b>를 누르면 년도, 저널 등을 선택할 수 있습니다.</li>
</ul>
<ul>
<li>참고할만한 정보를 확보했다는 전제 하에 우측 상단위 <b>Export</b>버튼을 눌러보셔도 좋습니다.</li>
<li>화면에 보이는 정보들을 선택에 따라 CSV, Excel, BibTeX, XML, RIS 등 형식으로 내려받을 수 있습니다.</li>
<li>참고문헌 목록을 만들어 정리할 때 매우 유용합니다.</li>
<li></li>
</ul>
<p><img src="https://jehyunlee.github.io/2025/01/04/General-73_scispace_review/73_scispace_review_06.png"></p>
<ul>
<li>최근 추가된 기능으로 <b>Podcast</b>가 재미있습니다.</li>
<li>클릭하면 논문의 길이에 따라 수십 초에서 수 분 정도 후에 남녀 한 명씩이 논문 내용을 설명해주는 podcast가 재생됩니다.</li>
<li><a href="advancing-catalysts-by-stacking-fault-defects-for-enhanced-2yvdhr4zek_2025-01-03-17-47-33.mp3"><b><code>첫 번째 논문</code></b></a>의 예시를 내려받아 확인해보셔도 좋습니다.</li>
<li>개인적인 느낌으로 Google NotebookLM에서 제공하는 Audio Overview에 비해 생동감이 덜해서 아쉽습니다.</li>
</ul>
<ul>
<li>PDF 파일이 있는 논문의 제목을 클릭한 수 스크롤을 내리면 다음과 같은 화면을 볼 수 있습니다.</li>
<li>왼쪽에는 논문의 본문, 오른쪽에는 <b>Chat with Paper</b>라는 이름으로 챗봇이 붙어 있습니다.</li>
<li><b>챗봇에 요청을 해서 본문의 내용을 끄집어낼 수 있습니다.</b></li>
</ul>
<p><img src="https://jehyunlee.github.io/2025/01/04/General-73_scispace_review/73_scispace_review_07.png"></p>
<ul>
<li>일종의 <b>AI를 사용한 발췌독</b>이 가능한 셈입니다.</li>
<li>논문을 빠르게 읽기 위해 <b>통으로 요약</b>하는 것이 흔하지만, <b>디테일이 날아가고 왜곡이 발생합니다.</b></li>
<li>이를 방지하기 위해 <b>요약보다 발췌를 하는 것을 추천드립니다.</b></li>
<li>GPT에 PDF를 올리고 넣는 프롬프트 기준으로 예를 들면, <b>200단어로 요약해줘</b>라고 하지 말고 </li>
<li><b>저자들은 이 연구에서 어떤 문제를 해결하려고 했어?</b>, <b>본문 중 OOO를 확인하기 위해 사용된 분석 기법이 뭐야?</b>처럼 묻는 식입니다.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2025/01/04/General-73_scispace_review/73_scispace_review_08.png"></p>
<ul>
<li>자세하게 물어보면 자세한 답변을 얻을 수 있습니다.</li>
<li>특히 <b>SciSpace를 유료 구독하여 High Quality 모드를 사용하면</b> 더 정확한 답변을 얻을 수 있습니다.</li>
<li>자세한 사용법은 <b>Chat with PDF</b>글에서 다시 설명드리겠습니다.</li>
</ul>
<h2 id="2-4-맺음말"><a href="#2-4-맺음말" title="2.4. 맺음말"></a>2.4. 맺음말</h2><ul>
<li>검색 능력에 LLM을 붙여 정리를 시키는 것은 지금은 보편화된 기술입니다.</li>
<li>AI 활용 기술이 보편화될수록 쉽게 사용할 수 있는 반면, </li>
<li>특정 분야에 전문성이 있는 사람이나 도구를 쓸 때와 같은 날카로움은 기대하기 어렵습니다.</li>
<li>이럴 수록 내가 무엇을 얻을 수 있으며 무엇은 기대할 수 없는지 명확하게 알아야 합니다.</li>
<li>그리고 내 능력의 한계를 벗어나면 판단을 할 수 없는 만큼, 스스로의 역량을 갈고 닦아야 합니다.</li>
</ul>

        </div>
		<div>
		  <p><a href="https://www.buymeacoffee.com/jehyunlee" target="_blank">
			<img src="https://jehyunlee.github.io/about/src/images/coffee.png">
		 </a></p><p><b>도움이 되셨나요? 카페인을 투입하시면 다음 포스팅으로 변환됩니다</b>
		</p></div>
		

</div>
    

</article>



                        </div></div>

Pega Devlog

Pega

SciSpace 두 번째 글입니다.
원하는 정보를 담은 글들을 찾아 읽고 내용을 정리하는 일은 연구자의 일상이지만 만만치 않습니다.
검색과 정리 능력을 활용해 이를 편안하게 도와주는 기능들을 소개합니다. 단, 한계가 있습니다.
2. Literature Review
2.1. Perplexity와 비교
SciSpace
SciSpace에 들어서면 다음과 같은 화면을 마주합니다.
정 가운데 구글을 닮은 검색창이 있고, 아래 이런 질문을 해보지 않으련?하는 느낌으로 몇 개의 예시가 있습니다.
본능을 억누르고 마우스 휠을 굴려 아래로 향하면 여러 기능들이 등장합니다. 
여기 등장하는 Literature Review가 위에 있는 검색창과 같은 기능을 합니다.
Literature Review는 Perplexity와 비슷합니다.
사용자의 질의(query)를 받아 웹 검색을 하고, 여기서 찾은 자료를 정리하여 문장으로 제공합니다.
비교를 위해 Perplexity 화면을 먼저 보겠습니다.
화면 가운데 있는 검색창에 질의를 하면 웹 검색을 통해 답을 모아줍니다.
최근 ChatGPT에도 뒙 검색기능이 추가되어 비슷한 기능이 구현되었습니다.
Perplexity에는 ChatGPT에 (아직) 없는 기능이 있는데, 검색 범위를 한정하는 것입니다.
왼쪽 아래 Focus버튼을 누르면 여섯 가지 범위가 나옵니다.
이 중 Academic를 선택하면 학술 문서들을 대상으로 검색합니다.
예를 들어 이와 같이 선택하고 수소 생산을 위한 신규 소재 탐색이라고 질의하면,
논문들을 찾아 검색한 결과만을 보여줍니다.
아래 그림에서 답변 생성에 활용된 학술논문들 10개의 목록이 보입니다.
자세히 보면 논문들의 출처가 semanticscholar와 pubmed입니다.
2.2. Review
같은 질의를 SciSpace의 Literature Review에 넣으면 다음과 같은 결과가 나옵니다.
먼저 상단에 논문 다섯 편의 정보를 활용한 답변이 출력되고,
그 아래 논문 열 편의 목록과 함께 각 논문에서 얻은 insights가 제공됩니다.
마지막으로 맨 하단에 Perplexity와 유사하게 Related Questions가 다섯 개 제시되고 있습니다.
왜 10편의 목록을 보여주면서 5편만 가지고 정리하나 싶지만,
답변 상단을 보면 몇 편의 내용을 정리시킬지를 선택할 수 있습니다.
10편으로 정리하라면 10편으로 정리합니다.
또, 언어를 설정할 수 있습니다. 
한국사람인 만큼 한글이 편하지만 전문용어를 최대한 반영하고자 영어로 설정하는 편입니다.
Save 버튼을 누르면 결과를 저장하여 나중에 다시 열어볼 수 있습니다.
2.3. Papers
Yuan Wang et al., “1. Advancing Catalysts by Stacking Fault Defects for Enhanced Hydrogen Production: A Review.”, Advances in Materials (2024)
본문으로 가면 유용한 기능이 많습니다.
질의에 답변하기 위해 찾은 논문들이 표 형태로 정리되어 있습니다.
행을 따라 논문들이 놓여 있고, 열에는 논문 서지정보와 Insights 정도만 있지만 오른쪽에 여러 열들을 계속 붙일 수 있습니다.
예를 들어 Conclusions 열을 추가하면 논문들의 결론을 모아 볼 수 있습니다.
여러 논문들을 함께 나란히 놓고 비교할 수 있다는 장점이 있지만 추천하지 않습니다.
몇 가지 이유가 있습니다.
(1) Open Access 논문이 아닌 경우, 초록에서만 정보를 가져옵니다. 매우 제한적일 수 밖에 없습니다.
(2) 표에 담으려다보니 극단적으로 짧게 요약합니다. 중요 정보가 누락되는 경우가 많습니다.
(3) 잘못 찾거나 못찾는 경우가 적지 않습니다. 해당 논문을 따로 열어서 보면 잘 찾습니다.
상단에 필터를 걸어 논문들을 선별할 수 있는데, PDF나 Open Access를 선택하시는 것을 추천합니다.
논문의 본문을 볼 수 있어 깊이 파고들며 발췌독을 하기에 좋기 때문입니다.
More Filters를 누르면 년도, 저널 등을 선택할 수 있습니다.
참고할만한 정보를 확보했다는 전제 하에 우측 상단위 Export버튼을 눌러보셔도 좋습니다.
화면에 보이는 정보들을 선택에 따라 CSV, Excel, BibTeX, XML, RIS 등 형식으로 내려받을 수 있습니다.
참고문헌 목록을 만들어 정리할 때 매우 유용합니다.
최근 추가된 기능으로 Podcast가 재미있습니다.
클릭하면 논문의 길이에 따라 수십 초에서 수 분 정도 후에 남녀 한 명씩이 논문 내용을 설명해주는 podcast가 재생됩니다.
첫 번째 논문의 예시를 내려받아 확인해보셔도 좋습니다.
개인적인 느낌으로 Google NotebookLM에서 제공하는 Audio Overview에 비해 생동감이 덜해서 아쉽습니다.
PDF 파일이 있는 논문의 제목을 클릭한 수 스크롤을 내리면 다음과 같은 화면을 볼 수 있습니다.
왼쪽에는 논문의 본문, 오른쪽에는 Chat with Paper라는 이름으로 챗봇이 붙어 있습니다.
챗봇에 요청을 해서 본문의 내용을 끄집어낼 수 있습니다.
일종의 AI를 사용한 발췌독이 가능한 셈입니다.
논문을 빠르게 읽기 위해 통으로 요약하는 것이 흔하지만, 디테일이 날아가고 왜곡이 발생합니다.
이를 방지하기 위해 요약보다 발췌를 하는 것을 추천드립니다.
GPT에 PDF를 올리고 넣는 프롬프트 기준으로 예를 들면, 200단어로 요약해줘라고 하지 말고 
저자들은 이 연구에서 어떤 문제를 해결하려고 했어?, 본문 중 OOO를 확인하기 위해 사용된 분석 기법이 뭐야?처럼 묻는 식입니다.
자세하게 물어보면 자세한 답변을 얻을 수 있습니다.
특히 SciSpace를 유료 구독하여 High Quality 모드를 사용하면 더 정확한 답변을 얻을 수 있습니다.
자세한 사용법은 Chat with PDF글에서 다시 설명드리겠습니다.
2.4. 맺음말
검색 능력에 LLM을 붙여 정리를 시키는 것은 지금은 보편화된 기술입니다.
AI 활용 기술이 보편화될수록 쉽게 사용할 수 있는 반면, 
특정 분야에 전문성이 있는 사람이나 도구를 쓸 때와 같은 날카로움은 기대하기 어렵습니다.
이럴 수록 내가 무엇을 얻을 수 있으며 무엇은 기대할 수 없는지 명확하게 알아야 합니다.
그리고 내 능력의 한계를 벗어나면 판단을 할 수 없는 만큼, 스스로의 역량을 갈고 닦아야 합니다.

SciSpace (2) Literature Review

댓글