7장. 논문 PDF를 확보하는 방법

앞의 세 장은 이미 손에 있는 PDF를 다뤘다. 위키가 자라기 시작하면 병목이 PDF 처리에서 논문을 고르고 확보하는 일로 옮겨 간다. 무엇을 읽을지 고르는 일과 그 논문의 원문을 실제로 손에 넣는 일이다. 앞의 것은 매주 쏟아지는 새 논문 가운데 자기 주제와 관련된 것을 골라내는 문제이고 뒤의 것은 고른 논문의 PDF를 정당한 경로로 받는 문제다. 두 가지를 손으로 하면 시간이 상당히 든다. 저널 목차 메일을 열어 제목을 훑고 관심 가는 것을 눌러 초록을 읽고 받을 수 있으면 받고 없으면 나중으로 미루는 일을 매주 반복하게 된다. 후보를 모으는 일과 거르는 일은 자동으로 돌리고 무엇을 읽을지 정하는 판단과 원문을 확보하는 마지막 단계는 사람이 맡는다.

후보 탐색과 서지 정보 조회, 사람의 우선순위 판단, 원문 확보와 상태 기록을 거쳐 위키에 반영하는 전체 흐름이다.

서지 정보와 원문을 나누어 생각하기

확보 작업은 두 단계로 나뉘고 각 단계에서 다루는 것이 다르다. 앞 단계는 서지 정보다. 어떤 논문이 언제 어디에 나왔고 저자가 누구이고 무엇을 다루며 원문을 어디서 받을 수 있는지에 대한 정보다. 이 정보는 대체로 공개되어 있고 프로그램으로 받아올 수 있다. 뒤 단계는 원문 파일이다. 이쪽은 출판사의 정책과 소속 기관의 구독 상태에 따라 받을 수 있기도 하고 없기도 하다. 두 단계를 섞어 생각하면 작업이 막힌다. 서지 정보를 모으는 일은 수천 건도 몇 분이면 되지만 원문을 받는 일은 한 편씩 조건이 다르다. 그래서 후보를 모으는 단계에서는 원문을 받지 않고 목록만 만든다. 목록에는 그 논문을 받을 수 있는지에 대한 정보를 함께 담아 두고 실제로 받는 일은 그다음에 한다.

이 분리가 실제로 이익이 되는 이유는 대부분의 후보가 결국 읽히지 않기 때문이다. 한 주에 올라오는 관련 논문이 서른 편이면 그중 실제로 위키에 들일 것은 두세 편이다. 스물일곱 편의 원문을 먼저 받아 두면 폴더에 읽지 않은 파일이 쌓이고 6장에서 본 대로 넣기만 하고 읽지 않은 논문이 몇 달이면 백 편이 된다. 목록만 만들어 두면 그 스물일곱 편은 목록의 한 줄로 남고 나중에 필요해지면 그때 받는다. 목록에 남는 것도 값이 있다. 반년 뒤에 어떤 주제를 파기 시작할 때 그 목록을 다시 훑으면 이미 걸러진 후보가 거기 있다.

OpenAlex로 후보를 모으기

서지 정보를 프로그램으로 받아오는 경로 가운데 접근이 가장 쉬운 것이 OpenAlex다. 논문, 저자, 저널, 기관, 주제, 출판사, 연구비 지원기관을 담은 공개 목록이고 수억 건 규모다. 자료 전체가 개방 라이선스로 배포되어 있어서 받아 쓰는 데 제약이 없고 조회는 웹 주소 하나로 이루어진다. 논문 한 건의 정보에는 마흔 개가 넘는 항목이 들어 있는데 이 작업에서 실제로 쓰는 것은 몇 개다. 식별자와 제목과 출판일과 실린 저널, 그 논문이 몇 편을 인용했고 몇 번 인용되었는지, 그리고 공개 접근 여부와 원문 주소다.

공개 접근 정보가 이 목록의 가장 쓸모 있는 부분이다. 각 논문마다 공개 접근인지, 어떤 종류의 공개인지, 원문을 받을 수 있는 주소가 무엇인지가 함께 온다. 원문을 제공하는 곳마다 공개 여부, 웹 페이지와 PDF 주소, 이용 허락 조건, 출판본과 원고본의 구분이 적혀 있다. 이 항목들을 보면 그 논문을 지금 받을 수 있는지가 후보 목록 단계에서 이미 판정된다. 받을 수 있는 것과 없는 것을 미리 나눠 두면 실제로 받는 단계에서 막히는 일이 줄어든다.

따라해보기

아래 블록은 AI 도구의 채팅창에 그대로 붙여 넣는 프롬프트다. 한 편으로 시험해 보면 무엇이 오는지 감이 온다. 자기가 최근에 읽은 논문의 식별자를 하나 준비한다.

아래 논문의 서지 정보를 OpenAlex에서 가져와 다음을 표로 보여 달라.
DOI: <자기 논문의 DOI>

- 제목, 출판일, 실린 저널
- 공개 접근 여부와 그 종류
- 원문을 받을 수 있는 주소가 있는지, 있다면 출판본인지 원고본인지
- 붙어 있는 이용 허락 조건
- 이 논문이 인용한 논문 수와 인용된 횟수

받아오기만 하고 파일을 내려받지는 말아 달라.

원고본과 출판본의 구분이 중요하다. 저자가 저장소에 올려 둔 원고본은 심사 뒤 수정 사항이 반영되기 전 판본일 수 있고 쪽 번호와 그림 번호가 출판본과 다르다. 인용할 때는 출판본을 기준으로 삼아야 하므로 원고본만 받을 수 있는 논문은 그 사실을 정리 문서에 적어 둔다. 이용 허락 조건도 함께 보는데 조건에 따라 그 파일을 어디까지 쓸 수 있는지가 달라진다.

PubMed와 프리프린트 서버

생명과학과 의학 분야에서는 PubMed가 또 하나의 축이다. 초록과 서지 정보를 프로그램으로 받아올 수 있고 주제어 체계가 붙어 있어서 특정 개념을 다루는 논문을 좁혀 찾을 때 유리하다. OpenAlex와 겹치는 부분이 많지만 두 목록의 수록 범위가 완전히 같지는 않아서 한쪽에만 있는 논문이 생긴다. 프리프린트 서버는 성격이 다르다. 심사를 거치지 않은 원고가 올라오고 그중 상당수가 나중에 저널에 실린다. 프리프린트를 위키에 들일지는 정해 두어야 하는 결정이다. 들이기로 했다면 그것이 프리프린트라는 사실이 문서에 남아야 하고 나중에 출판본이 나왔을 때 어느 쪽이 정본인지 정하는 절차도 필요하다. 6장에서 본 중복 검사가 여기서 다시 걸린다.

프리프린트에는 한 가지 함정이 있다. 프리프린트의 식별자는 그 파일이 어디서 왔는지를 말하고 그 논문이 결국 어느 저널에 실렸는지를 말하지 않는다. 넣지 않기로 한 저널이 있다면 프리프린트 경로로 들어온 논문은 그 검사를 그대로 통과한다. 이것이 6장에서 다룬 두 겹 검사가 필요한 이유였다. 후보 목록을 만드는 단계에서 프리프린트에 출판본이 있는지 함께 조회해 두면 그 문제가 앞에서 걸러진다. 조회는 바깥 네트워크로 나가는 동작이므로 사람이 지시했을 때 한다.

관심 저널을 정하고 예약으로 돌리기

후보를 모으는 일은 매주 같은 모양으로 반복되므로 예약 작업에 맡기기 좋다. 준비할 것은 세 가지다. 어느 저널과 어느 주제를 볼 것인지, 어떤 기준으로 거를 것인지, 결과를 어디에 남길 것인지다. 첫 번째는 목록으로 적어 둔다. 자기 분야에서 실제로 읽게 되는 저널이 대체로 열 개에서 스무 개 사이이고 그 목록은 몇 달에 한 번 고치면 된다. 주제어로도 함께 잡는다. 저널만으로 잡으면 다른 저널에 실린 관련 논문을 놓치고 주제어만으로 잡으면 관련 없는 논문이 많이 들어온다. 두 축을 함께 쓰면 어느 한쪽에서 놓친 것이 다른 쪽에서 걸린다.

예약 작업이 하는 일은 지난 기간에 새로 올라온 논문을 조회해 목록으로 만들고 정해 둔 기준으로 표시를 붙여 한 문서에 쌓는 것이다. 여기서 원문을 받지 않는다는 점이 중요하다. 예약 작업이 파일을 받기 시작하면 사람이 보지 않는 사이에 폴더가 채워지고 무엇을 왜 받았는지 아무도 모르는 상태가 된다. 결과는 작업 메모에 남긴다. 후보 목록은 아직 지식이 아니고 다음에 할 일의 목록이다. 예약 작업을 만드는 절차와 그 작업이 살아 있는지 확인하는 방법은 27장에서 다룬다. 여기서 미리 짚을 것은 하나다. 매일 도는데 아무도 읽지 않는 목록은 끄는 편이 낫고 그 판단의 기준은 그 목록 때문에 실제로 바뀐 결정이 있었는가다.

기준을 정해 거르기

목록만 쌓이면 읽지 않는 목록이 하나 더 생길 뿐이다. 거르는 기준을 함께 정해야 한다. 기준은 자기 위키의 카테고리에서 나온다. 3장에서 카테고리마다 포함하는 것과 제외하는 것을 한 문장씩 적어 두었는데 그 문장이 여기서 그대로 쓰인다. 새 논문이 어느 카테고리에 해당하는지 판정하고 어느 카테고리에도 해당하지 않으면 표시해 둔다. 어느 카테고리에도 걸리지 않는 논문이 반복해서 나타난다면 그것은 자기 관심사가 옮겨 가고 있다는 신호이고 새 카테고리를 만들 후보다.

거르는 기준을 하나 더 두면 목록이 실제로 짧아진다. 지금 진행 중인 작업과의 관련성이다. 관심 분야에 해당한다는 것과 지금 읽어야 한다는 것은 다르다. 자기가 지금 쓰고 있는 원고나 준비 중인 분석과 직접 이어지는 논문을 앞에 놓고 나머지는 목록에 남긴다. 이 판정은 위키가 이미 가지고 있는 종합 문서와 대조하면 나온다. 새 논문의 초록을 읽고 그것이 어느 종합 문서의 주장을 강화하는지 좁히는지 반박하는지를 표시하게 하면, 반박이나 대체로 표시된 것이 우선 읽을 후보가 된다. 판정 자체는 초록만 보고 하는 것이므로 틀릴 수 있고 그래서 표시는 후보를 정렬하는 데만 쓰고 위키에 옮기지 않는다. 원문을 읽고 4장의 절차를 거친 뒤에야 그 판정이 위키에 들어간다.

인용 목록에서 거슬러 올라가기

후보는 새로 나온 논문과 이미 읽은 논문의 참고문헌에서 나온다. 참고문헌 쪽이 대체로 더 정확하다. 새 논문 목록은 그 주에 무엇이 나왔는지를 알려 주지만 그것이 자기 주제와 관련 있는지는 초록을 읽어야 알 수 있다. 참고문헌은 이미 관련이 확인된 논문이 인용한 것이므로 관련성이 한 단계 걸러져 있다. 10장에서 다루는 구조 분석이 이 작업을 체계로 만든 것이고 그 절차의 한 단계가 인용된 논문 가운데 위키에 없는 것을 목록으로 만드는 일이다. 여기서 나온 목록이 다음에 확보할 논문의 후보가 된다.

거꾸로 가는 방향도 있다. 어떤 논문을 인용한 최근 논문을 찾으면 그 주제가 그 뒤로 어떻게 전개되었는지가 보인다. 몇 해 전 논문을 읽고 나서 그 논문이 지금 어떻게 받아들여지고 있는지 알고 싶을 때 쓰는 경로다. 두 방향 모두 서지 정보 목록에서 조회할 수 있다. 인용한 논문 수와 인용된 횟수가 서지 정보에 함께 들어 있고 그 관계를 따라가면 목록이 나온다. 다만 인용 횟수가 많다는 것을 중요하다는 뜻으로 읽지 않는다. 10장에서 다루는 대로 인용 수는 몇 번 불렸는지를 셀 뿐이고 어느 기능으로 불렸는지는 세지 않는다. 후보를 좁히는 데 쓰는 것과 읽을 가치를 판정하는 데 쓰는 것은 다른 일이다.

브라우저로 내려받기

받을 수 있다고 표시된 논문이라도 실제로 받는 데는 한 단계가 더 있다. 출판사 사이트는 자동 접근을 막아 두는 경우가 많고 기관 구독으로 열리는 자료는 그 기관의 인증을 통과한 상태여야 보인다. 그래서 이 단계는 이미 로그인해 둔 브라우저를 쓴다. 평소 논문을 보는 그 브라우저에서 페이지를 열고 내려받는 방식이면 인증 상태가 그대로 쓰인다. 에이전트가 브라우저를 조작할 수 있으면 이 과정을 맡길 수 있다. 논문 주소를 열고 본문 PDF 링크를 찾고 내려받고 정해 둔 이름으로 폴더에 넣는 일까지가 반복 작업이다.

여기서 정해 둘 것이 두 가지 있다. 하나는 내려받은 파일의 이름이다. 출판사가 붙이는 이름에는 논문 정보가 없으므로 받는 즉시 4장의 파일명 규칙으로 바꾼다. 나중에 바꾸려면 파일을 열어 무엇인지 확인해야 하고 스무 개가 쌓이면 그 확인이 일이 된다. 다른 하나는 받은 것이 실제로 본문인지 확인하는 일이다. 출판사 페이지를 그대로 저장한 파일에는 본문 대신 구독 안내와 로그인 화면만 들어 있는 경우가 있고 파일 크기와 쪽수만 보면 정상으로 보인다. 4장에서 원문의 완전성을 확인하라고 한 항목이 여기서 걸린다. 받은 직후에 쪽수와 첫 쪽의 제목을 확인하고 어긋나면 그 논문은 받지 못한 것으로 처리한다.

Paywall 논문의 처리

받을 수 없는 논문이 남는다. 구독하지 않은 저널의 논문, 오래된 호의 논문, 그리고 기관 구독 범위 밖의 논문이 여기 해당한다. 여기서 절차는 멈춘다. 우회하는 경로를 찾지 않고 정당한 경로로 넘긴다. 첫 번째 경로는 소속 기관의 도서관이다. 대학 도서관은 상당수의 저널을 구독하고 있고 교내망이나 도서관이 제공하는 접속 경로를 거치면 열리는 논문이 많다. 학교 밖에서 작업할 때 열리지 않던 논문이 도서관 경로로는 열리는 경우가 흔하므로 받지 못했다고 판정하기 전에 이 경로를 한 번 거친다. 두 번째 경로는 도서관의 원문 복사 신청이다. 구독하지 않은 저널의 논문도 다른 기관에서 받아다 주는 서비스가 대체로 마련되어 있고 며칠이 걸린다. 세 번째는 저자에게 직접 요청하는 것이다. 논문에 적힌 교신저자 주소로 요청하면 보내 주는 경우가 많다.

에이전트에게 이 단계를 맡기지 않는다. 도서관 인증은 개인 계정으로 이루어지고 원문 복사 신청과 저자 요청은 사람 이름으로 나가는 요청이다. 에이전트가 할 일은 여기까지 왔다는 것을 알리고 목록을 정리해 주는 데까지다. 받지 못한 논문은 미보유 목록에 남긴다. 이 목록에 적을 것은 그 논문의 식별자와 제목, 왜 필요한지, 그리고 어느 경로를 시도했고 어디서 막혔는지다. 마지막 항목이 없으면 몇 달 뒤에 같은 논문을 다시 시도하면서 한곳에서 다시 막힌다. 이 목록은 도서관에 신청을 넣을 때 한꺼번에 쓰기도 좋다. 한 편씩 신청하는 것보다 열 편을 모아 신청하는 편이 절차가 적게 든다.

받지 못한 논문을 초록만으로 정리해 위키에 넣지 않는다. 4장에서 본 대로 원문이 완전한 정리를 뒷받침하지 못하면 그 논문은 지식 층에 넣지 않고 공백으로 기록한다. 초록만 읽고 만든 페이지는 검색 결과에서 제대로 만든 페이지와 구별되지 않고 몇 달 뒤에는 어느 것이 초록만 보고 쓴 것인지 기억나지 않는다. 없는 것으로 기록된 논문은 나중에 채울 수 있고 있는 것처럼 기록된 논문은 다시 열리지 않는다.

받지 못한 상태로 오래 남는 논문이 생기면 그 사실 자체가 판단의 재료가 된다. 같은 저널의 논문이 반복해서 막힌다면 그 저널의 구독 여부를 도서관에 문의할 근거가 되고 여러 사람이 같은 요청을 넣으면 구독 목록이 바뀌기도 한다. 특정 분야의 논문이 대부분 막힌다면 그 분야를 다루는 방식 자체를 다시 볼 필요가 있다. 반대로 공개 접근 논문만으로 충분히 굴러가는 주제도 있다. 최근 몇 년의 논문은 상당수가 공개로 나오므로 분야에 따라서는 막히는 논문이 몇 편 되지 않는다. 미보유 목록이 몇 편인지를 세어 보면 이 상황이 어느 쪽인지가 드러난다. 목록이 길면 확보 경로를 정비할 때이고 짧으면 지금 방식으로 충분하다.

후보를 모으는 일은 하루 한 번 도는 예약 작업이 맡는다. 이 작업은 프리프린트 서버 두 곳과 문헌 데이터베이스를 하루치만 훑고 카테고리마다 등록해 둔 검색어로 걸러 관련도 점수를 매긴 뒤 그날의 보고서를 만든다. 점수 하한을 두는 이유는 하한이 없으면 목록이 읽히지 않는 길이가 되기 때문이다. 지금은 2점을 하한으로 쓰고 그 아래는 보고서에 올리지 않는다. 여기에 공개 접근 여부를 함께 확인해서 내려받을 수 있는 것과 그렇지 않은 것을 나눠 표시한다. 하루치만 보는 구성에는 실패에 대한 대비가 붙어 있다. 같은 날 두 번 돌지 않도록 잠금을 걸고 여섯 시간이 지난 잠금은 죽은 것으로 보고 지우며 그날의 보고서가 이미 정상적으로 만들어져 있으면 다시 돌지 않는다. 보고서가 만들어졌는데 형식이 어긋나 있으면 성공으로 보고하지 않고 실패로 끝낸다.

한 주가 어느 정도 분량인지는 보고서를 세어 보면 나온다. 2026년 7월 30일부터 8월 5일까지 이레 동안 관련 논문으로 올라온 것은 80편이고 그중 공개 접근 PDF까지 확보되어 곧바로 들일 수 있는 것은 27편이었다. 하루로 보면 0편인 날과 19편인 날이 함께 있다. 이 편차는 프리프린트가 요일을 타기 때문에 생기고 그래서 하루 단위로 밀렸는지를 판단하면 매번 틀린다. 주 단위로 보면 80편 가운데 실제로 위키에 들어가는 것은 훨씬 적다. 목록에 오르는 것과 읽기로 정하는 것 사이에 사람의 판정이 한 번 들어가고 그 판정을 예약 작업에 넘기지 않는다. 예약 작업이 하는 일은 후보를 모아 한곳에 쌓는 데까지이고 무엇을 읽을지는 그날의 연구 상태가 정한다.

저널 목차 알림을 함께 쓰는 방법도 있다. 대부분의 저널이 새 호가 나올 때 목차를 보내 주는 서비스를 제공하고 이 메일은 그 저널이 실제로 무엇을 실었는지를 편집자의 눈으로 정렬해 보여 준다. 조회로 받아오는 목록과 성격이 다르다. 조회는 조건에 맞는 것을 빠짐없이 가져오고 목차는 그 저널이 무엇을 앞에 놓았는지까지 보여 준다. 두 경로를 함께 쓰면 조회에서 걸리지 않은 논문이 목차에서 눈에 띄는 일이 생긴다. 다만 목차 알림을 열 개 이상 구독하면 편지함이 그것으로 채워지므로 메일 연결을 걸어 두고 에이전트가 훑게 하는 편이 낫다. 이 경로는 22장에서 다루는 메일 연결 위에서 돌아간다.

확보 기록

어느 논문을 언제 어디서 받았는지를 남긴다. 4장에서 어느 도구로 추출했는지 적어 두라고 한 것과 같은 성격이고 필요해지는 상황도 비슷하다. 같은 논문의 판본이 여럿일 때 어느 것을 썼는지, 원고본으로 읽은 것인지 출판본으로 읽은 것인지, 그리고 그 파일에 붙은 이용 허락 조건이 무엇인지가 나중에 판단의 근거가 된다. 원고본으로 정리해 둔 논문의 출판본이 나오면 다시 확인할 대상이 되는데 무엇을 원고본으로 읽었는지 적혀 있지 않으면 그 대상을 고를 수 없다.

목록 자체도 상태가 있다. 후보로 올라온 것, 읽기로 정한 것, 원문을 확보한 것, 위키에 들인 것, 받지 못해 미보유로 남긴 것이 서로 다른 상태다. 다섯 상태를 한 문서에서 표시로 관리하면 지금 어디가 막혀 있는지 보인다. 후보는 계속 쌓이는데 확보 단계에서 멈춰 있다면 도서관 신청을 미루고 있는 것이고 확보는 되는데 위키에 들이는 단계에서 밀린다면 배치 처리를 시작할 때다. 이 문서를 지식 층에 두지 않는 이유도 같다. 후보 목록은 작업의 상태이고 지식이 아니며 상태는 자주 바뀐다. 위키에 들어가는 것은 그 논문을 실제로 읽고 만든 정리와 판단이다.