본 연구는 연구자들의 연구 결과 및 방향성을 기록하고 후속 연구의 기반을 마련하는 데 있어 정확한 저자 식별의 중요성을 강조하는데 목적을 두고 있다. 현재 사용되는 시스템 상에서는 저자 정보의 오류, 데이터베이스 구축 오류, 이름 표기의 불일치 등으로 인한 저자 식별의 어려움이 발생하고 있다. 이를 해결하기 위한 기존의 해결 방안으로는 클러스터링, 머신러닝과 같은 기계학습 방법, 공저자 식별, 해외 연구업적관리 시스템과의 연계 등이 있다. 그러나 이 방법들은 기존의 부정확한 데이터를 기반으로 하는 후처리 방식으로, 저자 데이터 정제와 정확한 식별 데이터를 만들어내는 데 많은 시간과 비용이 소요되는 한계를 가지고 있다. 이러한 방법들은 오류를 수정하는 단계에서 시작하기 때문에, 오류를 완전히 해결할 수 없다는 점에서 여전히 문제가 남아있게 된다.
본 연구는 저자 정보의 디지털 입력 초기 단계부터 시작하여 저자 식별을 위한 효과적인 정보 관리 방안을 제시하고자 했다. 또한 연구업적 관리시스템의 저자 식별 방식을 분석하여 공공 시스템을 활용한 저자 업적관리의 자동 업데이트 방식과 민간 및 학회 시스템과의 국가연구자번호(KRIID) 연계 시스템을 개발하는 방안도 제안하고자 했다. 더불어 저자들의 자기 식별 관리 인식 조사를 통해, 많은 저자들이 저자 식별 시스템에 대한 인식 부족과 처음 접한 업적관리 시스템의 지속적 사용 경향이 무엇인지를 확인할 수 있었다. 이에 따라 연구자들의 저자 식별 시스템에 대한 인식을 강화하고 연구자 식별 번호의 필수 입력 도입의 필요성을 도출하였다.
결과적으로, 국가 연구자 식별 시스템의 연구자 등록 API 개발하고, 이를 민간 학술정보 관리시스템과 연계하여 입력 기능 개발하며, 이것이 저자의 업적관리로 이어질 수 있도록 자동 저자 업적 등록 기능 개발을 제안하고자 한다. 더불어 한국연구재단의 학회 지원 정보화 평가 항목으로 연구자 식별 번호의 필수 입력을 포함시키는 제안을 통해, 저자·학회·원문DB(database)업체·공공기관 간의 강한 연계와 강제성을 부여함으로써 저자 식별의 정확도 향상을 위한 기술적 및 제도적 개선 방안을 제시한다. 이러한 방안은 연구자 식별의 정확성을 높이고, 연구업적 관리의 효율성을 증대시키는 데 기여할 것으로 기대된다.