23년 1회차

제시된 업적의 주인공은 제라드 설튼(Gerard Salton)이다.

설튼은 SMART 시스템을 개발하면서 벡터공간 모델, 용어가중치, 적합성 피드백을 정립한 자동 정보검색 연구의 대표 학자다.

• 유진 가필드는 과학인용색인(SCI)을 창안하고 인용분석의 기틀을 놓은 학자다.
• 한스 피터 룬은 단어 출현빈도에 기반한 자동색인·자동초록과 KWIC 색인으로 알려져 있다.
• 캘빈 무어스는 정보검색(information retrieval)이라는 용어를 만들었고 무어스의 법칙으로 알려져 있다.
• 모티머 토브는 유니텀(Uniterm)을 이용한 조합색인을 고안했다.

테일러의 정보요구 구체화 과정은 ㄷ→ㄴ→ㄱ→ㄹ 순서다.

막연히 느끼는 잠재적 요구가 머릿속에서 의식되고(의식적), 말로 표현된 뒤(명시적), 시스템이나 사서에 맞게 조정된다(협의적).

• ㄴ→ㄷ→ㄱ→ㄹ은 의식적 요구가 잠재적 요구보다 앞서 틀렸다.
• ㄴ→ㄹ→ㄱ→ㄷ은 출발점인 잠재적 요구를 마지막에 두어 틀렸다.
• ㄷ→ㄴ→ㄹ→ㄱ은 표현도 되기 전에 협의가 이루어지는 순서라 틀렸다.
• ㄷ→ㄹ→ㄴ→ㄱ은 협의적 요구가 의식적 요구보다 앞서 틀렸다.

비통계적기법이 아닌 것은 문헌분리가중기법이다.

문헌분리가중기법은 단어가 문헌들을 구별하는 힘을 출현 분포로 계산하는 통계적 기법이므로 문장 분석과 거리가 멀다.

• 구문분석기법은 문장의 문법 구조를 분석하는 비통계적 기법이다.
• 의미분석기법은 단어와 문장의 의미를 분석하는 비통계적 기법이다.
• 문헌구조적기법은 문헌의 구성과 위치 정보를 단서로 삼는 비통계적 기법이다.
• 단순기법도 빈도 계산에 기대지 않는 비통계적 기법으로 분류된다.

K저널의 2022년 인용계수는 0.35로 계산된다.

인용계수는 평가 연도 직전 2년의 게재 논문 수로, 그 논문들이 평가 연도에 받은 인용 수를 나눈 값이다. 따라서 2020년과 2021년 자료만 쓴다.

분자: $40+30=70$
분모: $90+110=200$
결과: $\dfrac{70}{200}=0.35$

• 2017~2019년 자료는 직전 2년을 벗어나므로 계산에서 뺀다.
• 2022년 자료는 평가 연도 자체의 게재분이므로 계산에서 뺀다.
• 0.70은 2019년 한 해만 넣은 $\dfrac{70}{100}$ 값으로, 대상 연도를 잘못 잡은 결과다.

옳은 것은 ㄱ, ㅁ뿐이다.

더블린 코어는 15개 기본 요소에 한정어를 더해 의미를 보완하는 단순한 메타데이터 표준이다.

• ㄱ(O): 기본 요소는 15개다.
• ㄴ(X): Date와 Format은 물리적 기술요소가 맞지만, Publisher는 지적재산권 관련 요소이고 Language는 내용 관련 요소다.
• ㄷ(X): 인코딩 스킴은 값의 해석을 돕는 선택 사항이며 필수가 아니다.
• ㄹ(X): Description은 MODS의 abstract, tableOfContents, note에 대응하고, subject는 DC의 Subject에 대응한다.
• ㅁ(O): 요소 세분과 인코딩 스킴 같은 한정어로 기본 요소의 의미를 보완한다.

ㄱ, ㅁ만 O이므로 이 조합 하나만 성립한다.

옳지 않은 설명은 속성 간 일치 정도를 재는 계수가 상관계수라는 진술이다.

속성의 일치 정도를 재는 것은 다이스·자카드 같은 연관계수이고, 상관계수는 두 대상의 값 사이의 선형 관계를 측정한다.

• 싱글패스 기법은 문헌을 한 번 훑어 클러스터에 배정하는 비계층적 기법으로 옳다.
• 계층적 기법은 모든 쌍을 비교하므로 품질이 좋은 편이라는 설명이 옳다.
• 비계층적 기법은 비교 횟수가 적어 처리시간이 짧다는 설명이 옳다.
• 계층적 기법은 계산량이 많아 대량 문헌에 적용하기 어렵다는 설명이 옳다.

옳은 것은 ㄱ, ㄴ, ㄷ이다.

학술지 선정에 쓰이는 것은 지프가 아니라 브래드포드 법칙이라는 점이 핵심이다.

• ㄱ(O): 브래드포드 법칙은 핵심 학술지를 가려내므로 한정된 예산의 구독 결정에 응용된다.
• ㄴ(O): 고프만은 고빈도어와 저빈도어가 갈리는 전환점을 제시했다.
• ㄷ(O): 로트카 법칙은 저자별 논문 생산성의 분포를 설명한다.
• ㄹ(X): 지프 법칙은 단어의 순위와 빈도 관계를 다루며, 학술지 구입 결정과 핵심 잡지군 선택은 브래드포드 법칙의 활용이다.

ㄹ만 X이므로 ㄱ, ㄴ, ㄷ 조합 하나만 성립한다.

설명하는 유형은 Gold OA다.

Gold OA는 논문을 출판 즉시 공개하고, 비용은 저자나 소속기관이 내는 저널처리비용(APC)으로 충당한다.

• Black OA는 불법 공유 사이트를 통해 논문이 유통되는 형태다.
• Bronze OA는 출판사 사이트에서 무료로 읽을 수 있으나 공개 라이선스가 명시되지 않은 형태다.
• Hybrid OA는 구독 학술지 안에서 비용을 낸 일부 논문만 공개하는 형태다.
• Green OA는 저자가 기관 레포지토리 등에 논문을 자가 보관해 공개하는 형태다.

옳은 것은 ㄱ, ㄴ, ㄹ, ㅁ이다.

재현율과 정확률은 둘 다 높을수록 좋은 지표이므로 50%를 유지하는 것이 이상적이라는 ㄷ만 틀렸다.

• ㄱ(O): 부적합률은 부적합문헌 중 검색된 비율, 배제율은 검색되지 않은 비율이므로 합이 1이다.
• ㄴ(O): 잡음률은 검색된 부적합문헌, 누락률은 놓친 적합문헌의 비율이므로 낮을수록 좋다.
• ㄷ(X): 재현율과 정확률은 높을수록 좋으며 50%라는 목표치는 없다.
• ㄹ(O): 배제율의 정의 그대로다.
• ㅁ(O): 시스템 내 적합문헌의 양이 달라지면 재현율과 정확률 값도 달라진다.

ㄷ만 X이므로 이를 뺀 네 지문의 조합 하나만 성립한다.

온톨로지 구축 순서는 ㅂ→ㅁ→ㅅ→ㄷ→ㄹ→ㄱ→ㄴ이다.

범위를 정하고 기존 온톨로지 재활용을 검토한 뒤 용어를 모으고, 클래스→슬롯→패싯→인스턴스 순으로 내려간다.

• ㅂ→ㅁ→ㄷ→ㄹ→ㅅ→ㄴ→ㄱ은 용어 수집이 클래스 정의보다 늦고 인스턴스가 패싯보다 앞서 틀렸다.
• ㅂ→ㅁ→ㅅ→ㄹ→ㄷ→ㄴ→ㄱ은 슬롯이 클래스보다 앞서고 인스턴스가 패싯보다 앞서 틀렸다.
• ㅂ→ㅅ→ㅁ→ㄷ→ㄹ→ㄴ→ㄱ은 재활용 검토가 용어 수집보다 늦고 인스턴스가 패싯보다 앞서 틀렸다.
• ㅂ→ㅅ→ㅁ→ㄹ→ㄷ→ㄱ→ㄴ은 재활용 검토가 용어 수집보다 늦고 슬롯이 클래스보다 앞서 틀렸다.

문헌 A와 B의 동시인용도가 문헌 D와 E의 동시인용도와 같다는 설명이 옳지 않다. A·B의 동시인용도는 1이고 D·E의 동시인용도는 2이다.

화살표는 인용 방향이다. 동시인용도는 두 문헌을 함께 인용한 후행 문헌의 수이고, 서지결합도는 두 문헌이 공통으로 인용한 선행 문헌의 수이다.

A는 C·D·F, B는 C·E·J가 인용하므로 공통 인용 문헌은 C 하나이다. D는 F·G·I, E는 F·G·J가 인용하므로 공통 인용 문헌은 F·G 둘이다.

• C와 E의 서지결합도: C는 A·B를, E는 B를 인용해 공통 선행 문헌이 B 하나이므로 1이다.
• F와 G의 동시인용도 비교: F와 G를 함께 인용한 문헌은 H·I·J 셋이고, C를 인용한 문헌이 없어 C와 E의 동시인용도는 0이므로 더 크다.
• F와 G의 서지결합도 비교: F(A·D·E)와 G(D·E)의 공통 선행 문헌은 D·E 둘이고, C(A·B)와 D(A)는 A 하나뿐이므로 더 크다.
• 동시인용도의 동적 성격: 서지결합도는 문헌 출판 시 참고문헌이 확정되어 고정되지만, 동시인용도는 이후 새 문헌이 인용할 때마다 달라질 수 있다.

Pertinence 평가는 이용자의 정보요구에 대한 검색결과의 적합성 평가다.

Pertinence는 질의가 아니라 이용자의 실제 요구를 기준으로 결과를 판단하며, 이 점에서 Relevance와 구별된다.

• 검색어에 대한 검색결과의 평가는 질의를 기준으로 하는 Relevance에 해당한다.
• 정보요구에 대한 검색어의 평가는 결과가 아니라 질의 작성의 적절성을 보는 것이다.
• 정보요구에 대한 검색전략의 평가는 결과가 아니라 전략 수립의 적절성을 보는 것이다.
• 시간과 비용에 대한 평가는 검색의 경제성을 보는 것으로 적합성 개념과 다르다.

옳지 않은 설명은 DOI 접두어가 디렉토리 코드와 항목ID로 구성된다는 진술이다.

DOI 접두어는 디렉토리 코드와 등록자(발행기관) 코드로 이루어지고, 항목 식별 정보는 슬래시 뒤 접미어에 온다.

• URL은 자원의 위치를 가리키므로 위치 의존적이라는 설명이 옳다.
• DOI가 슬래시로 나뉜 접두어와 접미어로 구성된다는 설명이 옳다.
• URL은 이용자의 소속이나 이용 권한 같은 상황을 고려하지 않는다는 설명이 옳다.
• OpenURL의 연결대상이 메타데이터나 식별자로 식별된다는 설명이 옳다.

빈칸에 들어갈 용어는 ㉠ rdf:Description, ㉡ rdf:about, ㉢ rdf:Description이다.

RDF/XML은 rdf:Description 요소로 자원을 기술하고, rdf:about 속성으로 기술 대상 자원의 URI를 지정한다. 종료 태그는 시작 태그와 같아야 한다.

• ㉡을 rdf:resource로 쓴 조합은 틀렸다. rdf:resource는 프로퍼티의 값이 자원임을 가리키는 속성이다.
• ㉡을 rdf:subject로 쓴 조합은 틀렸다. rdf:subject는 진술의 구체화에 쓰는 어휘다.
• ㉢을 rdf:resource로 쓴 조합은 틀렸다. 종료 태그가 시작 태그와 다르다.
• ㉠을 rdf:about으로 쓴 조합은 틀렸다. rdf:about은 요소가 아니라 속성이다.

옳지 않은 설명은 비슷한 문헌을 묶는 군집화 기법이라는 진술이다.

그 내용은 문헌 클러스터링의 정의이고, 텍스트 범주화는 미리 정해진 범주에 학습문헌을 바탕으로 문헌을 배정하는 지도학습이다.

• 기본 요소가 문헌집단, 분류자질, 분류기라는 설명이 옳다.
• 자질 선정으로 자질 집합을 줄여 효율을 높인다는 설명이 옳다.
• 입력문헌과 학습문헌의 유사도로 가장 유사한 문헌을 고르는 것은 k-NN 방식의 설명으로 옳다.
• 필터링, 웹 문서 분류, 중의성 해소 등에 응용된다는 설명이 옳다.

옳은 것은 ㄴ, ㄷ, ㄹ이다.

MODS는 MARC를 대체하려는 것이 아니라 MARC와 호환되면서 더 단순한 XML 스키마로 설계되었다.

• ㄱ(X): MODS의 목적은 MARC 대체가 아니라 MARC 데이터의 XML 환경 활용이다.
• ㄴ(O): 요소와 속성은 모두 XML 구문규칙으로 구현된다.
• ㄷ(O): 숫자 태그 대신 자연어 기반 요소명을 써서 전문지식 없이도 레코드를 만들 수 있다.
• ㄹ(O): 확장 요소를 두고 있어 메타데이터 외의 내용까지 담을 수 있는 확장성을 지닌다.
• ㅁ(X): MODS의 구문은 MARC보다 단순하다.

ㄱ과 ㅁ이 X이므로 둘 다 포함하지 않는 ㄴ, ㄷ, ㄹ 조합 하나만 성립한다.

옳지 않은 설명은 더블린코어 등 메타데이터 표준의 등장을 제2세대로 본 진술이다.

메타데이터 표준은 제1세대에 등장했고, 제2세대에는 이미 나온 표준들 사이의 변환 요구가 커졌다.

• 제1세대에 도서관자동화시스템의 확장 기능이 요구되었다는 설명이 옳다.
• 제2세대에 다양한 메타데이터 변환 요구가 늘었다는 설명이 옳다.
• 제3세대에 분산된 디지털도서관을 연동·통합했다는 설명이 옳다.
• 제3세대에 메타데이터 상호운용성을 높였다는 설명이 옳다.

설명에 해당하는 것은 나이브 베이즈 분류기다.

단어 출현의 상호 독립 가정과 단어별 범주 확률 계산이 결정적 단서이며, 학습문헌에 없는 단어는 확률이 0이 되는 문제를 일으킨다.

• 선형 분류기는 자질 가중치의 선형 결합으로 범주 경계를 정한다.
• 신경망 분류기는 여러 층의 연결 가중치를 학습해 범주를 예측한다.
• 의사결정나무 분류기는 자질 값에 따른 규칙으로 분기해 범주를 정한다.
• SVM 분류기는 범주 간 마진을 최대화하는 초평면을 찾는다.

복수문헌 요약 과정은 ㄹ→ㄷ→ㅁ→ㄱ→ㄴ 순서다.

추출할 요소를 식별하고, 유사성으로 비교해 대표 요소를 고른 다음, 중복을 제거하고 요약문을 생성한다.

• ㄷ→ㅁ→ㄹ→ㄱ→ㄴ은 비교할 요소를 식별하기 전에 비교부터 해서 틀렸다.
• ㄹ→ㅁ→ㄷ→ㄱ→ㄴ은 유사성 비교 전에 대표 요소를 선정해 틀렸다.
• ㅁ→ㄴ→ㄷ→ㄱ→ㄹ은 요약문 생성이 비교보다 앞서고 식별이 마지막이라 틀렸다.
• ㅁ→ㄷ→ㄴ→ㄱ→ㄹ은 요약문을 만든 뒤 중복을 제거하고 식별이 마지막이라 틀렸다.

바른 연결은 ㄱ RFID, ㄴ 증강현실, ㄷ 클라우드 컴퓨팅이다.

태그와 무선주파수의 비접촉 인식은 RFID, 현실과 가상의 결합은 증강현실, IT자원의 가변적 제공은 클라우드 컴퓨팅의 특징이다.

• ㄱ NFC / ㄴ 가상현실 / ㄷ 클라우드 컴퓨팅은 틀렸다. NFC는 근거리 통신 기술이고 가상현실은 현실 이미지를 결합하지 않는다.
• ㄱ NFC / ㄴ 증강현실 / ㄷ 상황인식기술은 틀렸다. 상황인식기술은 이용자의 상황을 파악해 서비스하는 기술이다.
• ㄱ RFID / ㄴ 가상현실 / ㄷ 클라우드 컴퓨팅은 틀렸다. 현실 이미지와의 결합은 가상현실이 아니다.
• ㄱ RFID / ㄴ 증강현실 / ㄷ 상황인식기술은 틀렸다. ㄷ은 자원 제공 방식이므로 상황인식기술이 아니다.