26년 1회차

자원의 물리적 형식을 표시하는 요소는 type이 아니라 format이므로, type에 대한 설명이 옳지 않다.

DCMES에서 type은 텍스트·이미지·데이터셋처럼 자원의 성격이나 장르를 기술한다. 파일 형식·매체·크기 같은 표현 형식은 format이 담당한다.

• relation은 관련 자원에 대한 참조를 기술하는 요소로 옳다.
• publisher는 자원을 이용할 수 있게 하는 데 책임을 지는 개체를 기술하는 요소로 옳다.
• coverage는 자원 내용이 다루는 공간적·시간적 범위를 기술하므로, 지역적 범위를 기술한다는 설명은 옳다.
• contributor는 자원의 내용에 기여한 개체를 기술하는 요소로 옳다.

페이지의 가장 큰 제목을 표시하는 요소는 <h6>가 아니라 <h1>이다.

제목 요소는 <h1>부터 <h6>까지 있고 숫자가 커질수록 수준이 낮아지므로, <h6>는 가장 낮은 수준의 제목이다.

• HTML은 하이퍼텍스트 문서를 작성하기 위해 개발된 언어로 옳다.
• <head>는 제목·문자 인코딩 등 화면 본문에 나타나지 않는 문서 정보를 담으므로 옳다.
• <a>는 하이퍼링크를 만드는 요소로 옳다.
• <body>는 화면에 표시되는 본문 내용을 담는 영역으로 옳다.

바르게 연결한 것은 ㄷ, ㅁ, ㅂ이다.

ㄱ·ㄴ·ㄹ이 모두 틀리므로 이들을 하나라도 포함한 조합은 제외되고, 맞는 연결 셋만으로 이루어진 조합 하나만 남는다.

• ㄱ(X): 웹 프로토콜의 표준은 HTTP이고, HTML은 문서 작성 언어이다.
• ㄴ(X): 통합검색에는 Z39.50·SRU 같은 검색 프로토콜이 쓰이며, XML은 데이터 구조화 언어이다.
• ㄷ(O): OWL은 시맨틱 웹의 온톨로지 언어이다.
• ㄹ(X): SUSHI는 이용통계를 자동 수집하는 프로토콜로, 이용자 인증 표준이 아니다.
• ㅁ(O): PREMIS는 디지털 보존을 위한 메타데이터 표준이다.
• ㅂ(O): Atom은 웹 콘텐트를 배포하는 신디케이션 표준이다.

옳지 않은 것은 PANGAEA를 호주의 예술분야 포털이라고 한 설명이다.

PANGAEA는 독일 연구기관들이 운영하며 지구·환경과학 분야의 연구데이터를 출판·보관하는 데이터 저장소로, 호주의 예술 분야 서비스가 아니다.

• Europeana는 유럽의 문화유산 자료를 통합 제공하는 포털로 옳다.
• DPLA는 미국의 디지털 문화유산을 통합 제공하는 포털로 옳다.
• Europe PMC는 생명과학·의생명 분야의 문헌과 원문을 제공하는 플랫폼으로 옳다.
• ScienceON은 한국과학기술정보연구원이 운영하는 과학기술 지식인프라 통합 서비스로 옳다.

METS2의 핵심영역이 아닌 것은 기술 섹션이다.

기존 METS에서 별도로 두었던 기술 메타데이터 영역은 METS2에서 메타데이터 섹션으로 통합되었다.

• METS 헤더는 문서 자체에 관한 정보를 담는 핵심영역이다.
• 파일 섹션은 디지털 객체를 이루는 파일 목록을 담는 핵심영역이다.
• 구조 섹션은 객체의 구조를 나타내는 핵심영역이다.
• 메타데이터 섹션은 기술·관리 등의 메타데이터를 담는 핵심영역이다.

옳지 않은 것은 쿨타우 모형의 탐구(exploration)단계를 초점이 명확해지고 불확실성이 줄기 시작하는 단계로 본 설명이다.

탐구단계에서는 정보가 일관되지 않아 혼란과 의심이 오히려 커진다. 초점이 잡히고 불확실성이 줄기 시작하는 것은 그다음 형성(formulation)단계이다.

• 윌슨 모형은 행동기제와 개입변수의 작용으로 정보추구 행태를 설명하므로 옳다.
• 더빈 모형은 정보추구를 개인이 경험과 지각을 통해 의미를 구성하는 행위로 보므로 옳다.
• 더빈 모형의 핵심 개념은 센스 메이킹이므로 옳다.
• 쿨타우 모형은 정보탐색 과정을 단계로 구조화해 설명하므로 옳다.

제시된 서비스 중 동료심사 이전 원고를 제공하는 것은 PubMed Central(PMC)이다.

PMC는 생의학 분야 학술논문 전문 아카이브이며, NIH Preprint Pilot을 통해 NIH 지원 연구의 프리프린트도 수록한다.

• Ulrichsweb은 연속간행물의 서지정보를 제공하는 디렉토리이다.
• WorldCat은 OCLC 회원 도서관의 소장자료를 모은 종합목록이다.
• PQDT는 학위논문 데이터베이스이다.
• KIPRIS는 특허·상표 등 산업재산권 정보 검색 서비스이다.

성격이 다른 하나는 문헌빈도(DF)이다.

DF는 단어가 장서 내 몇 개 문헌에 나타나는지만 세는 장서 차원의 통계로, 개별 문헌 안의 출현 횟수를 반영하지 않는다. 나머지 기법은 모두 문헌 내 출현 빈도를 바탕으로 한다.

• TF/DF는 문헌 내 단어빈도를 문헌빈도로 나누어 조정한다.
• WDF는 문헌 내 단어빈도를 직접 가중치의 근거로 삼는다.
• TF/CF는 문헌 내 단어빈도를 장서 전체의 빈도로 나누어 조정한다.
• TF*IDF는 문헌 내 단어빈도에 역문헌빈도를 곱한다.

옳지 않은 것은 공인(certification)을 다른 사람들이 연구를 이용할 수 있게 하는 기능이라고 한 설명이다.

공인은 동료심사 등으로 연구의 품질과 타당성을 검증하는 기능이다. 연구를 다른 사람들이 알고 이용할 수 있게 하는 것은 인지(awareness) 기능에 해당한다.

• 연구성과가 생성·평가·배포·보존되는 체계라는 정의는 옳다.
• 연구결과에 피드백을 주고 연구 질문에 해답을 제공한다는 기능 설명은 옳다.
• 정보기술의 발전으로 어그리게이터 사이트와 디지털도서관이 새로 추가되었다는 설명은 옳다.
• 도서관이 자금을 확보해 고품질 정보자원을 구매하는 것을 중개 기능으로 본 설명은 옳다.

옳지 않은 것은 LLM이 전통적인 머신러닝과 동일하게 하나의 훈련 단계를 갖는다는 설명이다.

LLM은 대규모 텍스트로 범용 모델을 만드는 사전학습(pre-training)과 특정 작업에 맞게 조정하는 미세조정(fine-tuning)의 두 단계를 거치는 것이 일반적이다.

• 대량의 문헌을 한 번에 분석해 요약할 수 있다는 설명은 옳다.
• 멀티모달 모델은 텍스트 외에 이미지·영상 등도 함께 처리할 수 있으므로 옳다.
• 자동색인·분류·정제 등 정보 조직 기능이 LLM으로 향상되고 있다는 설명은 옳다.
• ChatGPT는 LLM을 기반으로 한 대표적인 생성형 AI 서비스이므로 옳다.

옳은 것은 ㄱ, ㄹ이다.

ㄴ·ㄷ이 틀리므로 이를 포함한 조합이 모두 제외되고, ㄱ과 ㄹ로 이루어진 조합 하나만 남는다.

• ㄱ(O): XML은 문서와 데이터의 구조를 기술하는 마크업 언어이다.
• ㄴ(X): 자료형과 제약조건을 더 정교하게 표현하는 쪽은 DTD가 아니라 XML Schema이다.
• ㄷ(X): JSON은 자바스크립트 문법에서 유래했으나 특정 언어나 플랫폼에 종속되지 않는다.
• ㄹ(O): JSON도 JSON Schema를 이용해 데이터의 구조와 규칙을 정할 수 있다.

옳은 것은 초록을 정보의 내적 속성으로 본 설명이다.

내적 속성은 주제나 내용을 나타내는 요소이고, 외적 속성은 표제·저자·출판사항처럼 문헌의 형식적 사항을 나타내는 요소이다. 초록은 문헌 내용을 압축한 것이므로 내적 속성에 속한다.

• 논문명은 표제 요소이므로 외적 속성에 속한다.
• 분류기호는 문헌의 주제를 나타내므로 내적 속성에 속한다.
• 자료 종류는 매체에 관한 형식적 사항이므로 외적 속성에 속한다.
• 학술회의 개최지는 자료의 발표 장소를 나타내는 형식적 사항이므로 외적 속성에 속한다.

설명에 해당하는 전략은 점진분할전략이다.

가장 넓은 개념으로 먼저 검색한 뒤 다른 개념을 차례로 조합해 결과를 점차 줄여 나가고, 만족하면 언제든 종료할 수 있다는 점이 이 전략의 특징이다.

• 간략탐색전략은 소수의 개념으로 한두 번 빠르게 검색해 결과를 얻는 방식이다.
• 블록설정전략은 개념별로 탐색어 묶음을 만든 뒤 이를 AND로 결합하는 방식이다.
• 패싯수정전략은 패싯의 조합을 바꾸어 가며 결과를 조정하는 방식으로, 가장 넓은 개념에서 출발해 좁혀 가는 절차가 아니다.
• 인용문헌 확대탐색전략은 적합 문헌에서 얻은 단서로 탐색을 넓혀 가는 방식이다.

옳지 않은 것은 ZING의 참여주체를 DP와 SP로 나눈 설명이다.

DP(Data Provider)와 SP(Service Provider)는 OAI-PMH의 참여주체이다. ZING은 Z39.50을 웹 환경에 맞게 발전시키려는 활동으로, SRU·SRW·CQL 등을 포함한다.

• Z39.50은 두 시스템이 정보검색을 위해 통신하는 규칙과 절차를 정의한 미국 국가 표준으로 옳다.
• CQL은 SRU와 SRW에서 쓰는 공통 질의 언어로 옳다.
• OAI는 상호운용 표준을 제안·보급해 디지털 콘텐트의 유통을 촉진하는 것이 목적이므로 옳다.
• 분산검색은 메타데이터를 모으지 않고 각 시스템의 검색결과를 받아 제공하는 방식으로 옳다.

제시문은 정보이론을 정립한 클로드 섀넌(Claude Shannon)의 정의이다.

정보량을 비트로 표기하고 불확실성과 엔트로피로 설명하는 것은 섀넌 정보이론의 핵심 내용이다.

• 제시 세라는 사회인식론을 주창한 문헌정보학자이다.
• 한스 룬은 단어빈도에 기초한 자동색인과 KWIC 색인으로 알려져 있다.
• 윌리엄 카츠는 참고봉사 연구로 알려져 있다.
• 유진 가필드는 과학인용색인(SCI)을 창안한 인물이다.

A 저널의 2025년 기준 2년 영향력 지수는 1.27, 즉시성 지수는 0.44이다.

2년 영향력 지수는 2025년에 받은 피인용 중 2023·2024년 발행 논문분을, 그 두 해의 논문 수로 나눈다.
$\mathrm{JIF}=\dfrac{49+103}{50+70}$
$=\dfrac{152}{120}\approx 1.27$

즉시성 지수는 2025년 발행 논문이 같은 해에 받은 피인용을 2025년 논문 수로 나눈다.
$\mathrm{II}=\dfrac{27}{62}\approx 0.44$

• 1.27 / 1.01은 즉시성 지수가 계산값과 다르다.
• 2.45 / 0.44는 영향력 지수가 계산값과 다르다. 분모를 2025년 논문 수로 잘못 잡으면 나오는 값이다.
• 2.45 / 1.01은 두 지수가 모두 계산값과 다르다.
• 3.34 / 1.24는 두 지수가 모두 계산값과 다르다.

옳은 것은 ㄱ, ㄴ, ㄷ이다.

ㄹ·ㅁ이 틀리므로 이를 포함한 조합이 모두 제외되고, ㄱ·ㄴ·ㄷ으로 이루어진 조합 하나만 남는다.

• ㄱ(O): 사라세빅은 적합성 판단 기준에 내용뿐 아니라 타당성, 인지적 일치, 정서적 일치도 포함될 수 있다고 보았다.
• ㄴ(O): 시스템 중심 관점은 주제적 적합성을 제3의 전문가가 객관적으로 판단할 수 있다고 본다.
• ㄷ(O): 미자로는 시스템과 이용자의 이분법을 넘어 적합성을 여러 차원의 조합으로 설명했다.
• ㄹ(X): 이용자의 상황과 필요에 따라 판정하는 상황적 적합성은 주관적 적합성에 속한다.
• ㅁ(X): 질의와 문헌 간의 관계로 판단하는 것은 시스템 중심의 객관적 적합성이다.

바르게 연결하지 않은 것은 ㄴ, ㄷ이다.

NC는 비영리 조건이고 ND는 변경금지 조건이므로, 각각 상업적 이용과 2차 저작물 작성이 허용되지 않는다.

• ㄱ(바른 연결): CC BY는 저작자 표시만 하면 변경과 상업적 이용이 가능하다.
• ㄴ(틀린 연결): CC BY-NC는 비영리 조건이므로 상업적 이용이 허용되지 않는다.
• ㄷ(틀린 연결): CC BY-ND는 변경금지 조건이므로 2차 저작물을 만들 수 없다.
• ㄹ(바른 연결): CC BY-SA는 상업적 이용이 가능하되 2차 저작물에 동일한 라이선스를 적용해야 한다.
• ㅁ(바른 연결): CC BY-NC-ND는 변경금지 조건이므로 2차 저작물을 만들 수 없다.

빈칸에는 ㉠ 토큰, ㉡ 불용어, ㉢ 순차색인이 들어간다.

문서를 토큰으로 나누고 의미 없는 불용어를 제거한 뒤 정규화한다. 문서별로 용어와 출현빈도를 정리한 목록이 순차색인이며, 이를 활용해 용어에서 문서를 찾는 도치색인을 만든다.

• ㉠ 토큰 / ㉡ 동의어 / ㉢ 도치색인: 조사·접속사처럼 제거되는 단어는 동의어가 아니고, 문서별 목록은 도치색인이 아니다.
• ㉠ 토큰 / ㉡ 불용어 / ㉢ 도치색인: 도치색인은 문서별 목록이 아니라 그 목록을 활용해 만드는 결과물이다.
• ㉠ 모듈 / ㉡ 동의어 / ㉢ 순차색인: 텍스트를 쪼갠 단위는 모듈이 아니고, 제거되는 단어는 동의어가 아니다.
• ㉠ 모듈 / ㉡ 동의어 / ㉢ 도치색인: 세 용어가 모두 제시문의 과정과 맞지 않는다.

옳지 않은 것은 출력만 RDF로 변환해도 연계성을 충분히 확보할 수 있다는 설명이다.

레코드 구조를 그대로 두면 엔티티가 개별적으로 식별·연결되지 않는다. 지식그래프의 연계성을 확보하려면 데이터를 엔티티 중심으로 재구조화하고 식별자로 연결해야 한다.

• 핵심 엔티티를 URI 또는 IRI로 식별한다는 설명은 옳다.
• 전거·연구자 식별자 등 외부 자원과 매칭해 동일 개체를 연계한다는 설명은 옳다.
• 운영 환경에서 데이터 품질 검증과 제약 관리가 필수적이라는 설명은 옳다.
• RDF 데이터가 Turtle·RDF/XML 등 다양한 표현 형식을 활용할 수 있다는 설명은 옳다.