21년 1회차

축적 검색에 대한 옳은 설명은 ㄱ, ㄷ의 조합이다.

축적 검색은 비교적 고정된 문헌 집합에 이용자가 새 질의를 입력해 찾는 방식으로, 이미 쌓인 자료를 되짚는 소급 검색에 해당한다.

• ㄱ(옳음): 정적인 정보원에 새 질의를 입력하는 것이 축적 검색의 기본 구조이다.
• ㄴ(틀림): 새로 들어온 자료를 대상으로 하는 작업은 고정된 질의로 자료 흐름을 걸러 내는 필터링이다.
• ㄷ(옳음): 축적된 자료를 거슬러 찾으므로 소급 검색에 상응한다.
• ㄹ(틀림): 선택적 정보제공 서비스는 이용자 프로파일로 신착 자료를 골라 알리는 것으로 필터링에 상응한다.

시소러스의 분석 방식을 열거 방식이라고 하며 유연성이 적다고 한 설명이 옳지 않다.

시소러스는 개념을 단일 용어로 나누어 두고 검색할 때 조합하는 후조합 도구이므로, 복합 주제를 미리 다 열거할 필요가 없어 유연하다.

• 색인과 검색에서 표준화된 어휘를 제공한다는 설명은 시소러스의 기본 기능으로 옳다.
• 자연어 용어를 통제한 어휘로 후조합을 위해 설계되었다는 설명은 옳다.
• 동등관계, 계층관계, 연관관계를 표현한다는 설명은 시소러스의 핵심 구조로 옳다.
• 색인어휘(우선어)와 도입어휘(비우선어)로 구성된다는 설명은 옳다.

확률색인 기법을 통계적 기법과 다른 별도의 기법이라고 한 설명이 옳지 않다.

확률색인은 단어의 출현 분포를 확률로 계산해 색인어를 정하는 방식으로, 통계적 기법의 한 갈래에 속한다.

• 본문의 단어나 단어구를 컴퓨터로 추출한다는 설명은 자동색인의 정의로 옳다.
• 통계적 기법이 출현빈도를 이용하고 구현이 비교적 간단하다는 설명은 옳다.
• TF*IDF가 문헌 내 단어빈도와 전체 문헌에서의 문헌빈도를 사용한다는 설명은 옳다.
• 한글은 어절에 조사·어미가 붙어 어절이 곧 단어가 되지 않으므로 어절 분리 뒤 이차 처리가 필요하다는 설명은 옳다.

설명에 해당하는 것은 Second Life이다.

소설 『스노 크래시』의 메타버스를 3차원 그래픽으로 구현했고, 사용자가 가상세계 안에서 공간과 콘텐츠를 직접 만들어 간다는 점이 이용자 창작형 가상세계인 Second Life의 특징이다.

• Library Park는 도서관 공간의 명칭으로, 3차원 가상세계 서비스가 아니다.
• Maker Space는 실제 장비를 이용해 만들고 배우는 창작 공간이다.
• Digital Larchiveum은 도서관·기록관·박물관을 결합한 라키비움을 디지털로 구현한다는 개념이다.
• Cloud Digital Library는 클라우드 환경으로 디지털 도서관을 운영하는 개념이다.

관계(association)를 토픽과 관련된 정보자원이라고 한 설명이 옳지 않다.

토픽과 연결된 정보자원은 어커런스(occurrence)이고, 관계(association)는 토픽과 토픽 사이의 연관을 나타낸다.

• 정보를 토픽으로 표현하고 토픽 간 연계성을 관계로 단순화해 기계가 이해하도록 제공한다는 설명은 옳다.
• 토픽이 하나의 지식 단위이며 기계가 처리할 수 있는 객체로 생성된다는 설명은 옳다.
• 정보자원을 다차원적 속성으로 연결해 지식 구조를 표현한다는 설명은 옳다.
• 하나의 관계에 여러 토픽이 연결되고 관계도 제한 없이 설정할 수 있다는 설명은 옳다.

2020년 IF를 계산할 때는 직전 2년인 2018, 2019년에 출판된 논문을 이용한다.

IF는 직전 2년간 게재 논문이 해당 연도에 인용된 횟수를 그 2년간의 논문 수로 나눈 값이다.

• 분자를 수록 논문의 수라고 한 설명은 틀렸다. 분자는 피인용 횟수이다.
• 분모를 논문이 인용된 총 횟수라고 한 설명은 틀렸다. 분모는 논문 수이다.
• IF가 1.0 이하를 가질 수 없다는 설명은 틀렸다. 피인용 횟수가 논문 수보다 적으면 1.0 미만이 된다.
• 룬이 고안했다는 설명은 틀렸다. IF를 고안하고 ISI를 설립한 인물은 가필드(Garfield)이다.

통제어 색인을 발췌색인이라고 한 설명이 옳지 않다.

자료에서 색인어를 그대로 뽑는 것은 자연어 색인이고, 통제어 색인은 어휘집의 용어를 부여하므로 할당색인에 해당한다.

• 통제된 색인어휘집에서 색인어를 할당한다는 설명은 옳다.
• 같은 개념을 항상 같은 용어로 색인하므로 그 용어로 관련 자료를 모을 수 있다는 설명은 옳다.
• 주제명표목표와 시소러스가 대표적인 색인도구라는 설명은 옳다.
• 새로운 개념이나 고유명사처럼 통제어휘에 없는 경우 식별어를 만들 수 있다는 설명은 옳다.

올바른 검색은 관련 용어와 함께 가중치 탐색 기법을 사용해 적합 순위별 결과를 얻는 것이다.

다의어인 program에서 하나의 개념만 찾으려면, 그 개념의 관련 용어에 가중치를 주어 해당 뜻에 가까운 문헌이 앞에 오도록 하면 된다.

• 인접 탐색 연산자는 단어 간 거리를 제한하므로 검색을 확대하지 않고 축소한다.
• 퍼지 탐색은 철자 변형까지 함께 찾아 결과를 넓히므로 부적합 문헌을 제거하는 기법이 아니다.
• 불리언 연산자 OR는 검색 확대에 쓰이며, 축소에는 AND를 쓴다.
• 세 개념의 동의어를 모두 추가하면 다른 뜻의 문헌까지 늘어나 정확률이 떨어진다.

자연언어 처리는 형태소 분석→구문 분석→의미 분석→화용 분석 순서로 진행한다.

작은 단위에서 큰 단위로 나아가므로 단어를 형태소로 나눈 뒤 문장 구조를 파악하고, 그 뒤 의미와 문맥상 의도를 해석한다.

• 형태소 분석 다음에 의미 분석을 두는 순서는 문장 구조 파악을 건너뛰므로 틀렸다.
• 구문 분석을 형태소 분석보다 앞에 두고 의미 분석으로 이어 가는 순서는 형태소 단위가 없는 상태에서 구조를 분석하므로 틀렸다.
• 구문 분석으로 시작해 화용 분석을 의미 분석보다 앞에 두는 순서는 첫 단계와 마지막 두 단계가 모두 틀렸다.
• 의미 분석으로 시작하는 순서는 단어와 구조를 파악하기 전에 의미를 해석하므로 틀렸다.

계산 결과는 재현율 50%, 정확률 75%이다.

검색된 적합 논문 수를 먼저 구한다.
$200 - 50 = 150$

재현율은 검색된 적합 논문 수를 전체 적합 논문 수로 나눈다.
$\dfrac{150}{300} \times 100 = 50\%$

정확률은 검색된 적합 논문 수를 검색된 전체 논문 수로 나눈다.
$\dfrac{150}{200} \times 100 = 75\%$

• 재현율 75%, 정확률 50%는 두 값을 서로 바꾼 것이다.
• 재현율 30%, 정확률 20%는 적합 논문 수와 검색 결과 수를 논문 총수로 나눈 값이다.
• 재현율 20%, 정확률 75%에서 재현율 20%는 검색 결과 200건을 논문 총수로 나눈 값으로, 재현율의 정의에 맞지 않는다.
• 재현율 50%, 정확률 50%는 재현율은 맞지만 정확률이 75%가 아니라서 틀렸다.

벡터공간 모델이 동의어나 어구의 관계를 나타내기 쉽다는 설명이 옳지 않다.

이 모델은 용어를 서로 독립인 축으로 보므로 용어 간 의미 관계를 표현하기 어렵다.

• 문헌과 질의를 용어 벡터로 나타낸다는 설명은 옳다.
• 일부 용어만 일치해도 유사도가 계산되므로 부분 매칭이 가능하다는 설명은 옳다.
• 유사도 값에 따라 결과를 순위화할 수 있다는 설명은 옳다.
• 벡터 연산을 쓰므로 대수론에 근거한다는 설명은 옳다.

바르게 연결된 것은 교육 - LOM이다.

LOM(Learning Object Metadata)은 학습객체를 기술하는 교육 분야 메타데이터 표준이다.

• VRA는 도서관이 아니라 시각자료·미술 분야의 표준이다.
• ONIX는 저작권 관리가 아니라 출판·유통 분야의 표준이다.
• EAD는 박물관이 아니라 기록물의 검색도구를 기술하는 표준이다.
• GEM은 기록물이 아니라 교육 자료를 위한 표준이다.

온톨로지에 대한 옳은 설명은 ㄱ, ㄴ, ㄹ의 조합이다.

온톨로지는 개념과 관계를 명시하고 논리 규칙으로 추론까지 가능하게 하는 지식 표현 체계이다.

• ㄱ(옳음): 개념 간 다양한 의미관계를 표현하고 이를 토대로 추론이 가능하다.
• ㄴ(옳음): 추론을 위해 논리적 규칙을 명시한다.
• ㄷ(틀림): 구아리노의 유형은 상위수준, 도메인·태스크, 응용 온톨로지로 나뉘며 하위수준 온톨로지라는 구분은 없다.
• ㄹ(옳음): 클래스는 도메인 내 실체를 나타내는 개념을 정의한다.

SOAP 바디를 선택적 요소라고 한 설명이 옳지 않다.

SOAP 메시지에서 패키지(envelope)와 바디(body)는 필수이고, 헤더(header)만 선택적이다.

• 단순객체접근 프로토콜이라는 풀이는 SOAP의 용어 의미로 옳다.
• XML과 HTTP 등을 기반으로 다른 컴퓨터의 데이터나 서비스를 호출하는 통신규약이라는 설명은 옳다.
• 패키지가 메시지를 표현하는 XML 문서의 최상위 요소라는 설명은 옳다.
• 헤더가 사전 합의 없이 분산화된 방법으로 특성을 추가하는 메커니즘이라는 설명은 옳다.

새로운 메타데이터 요소를 많이 개발하도록 권장한다는 설명이 옳지 않다.

응용 프로파일의 취지는 기존 네임스페이스의 요소를 재사용해 조합하는 것으로, 새 요소를 늘리면 상호운용성이 떨어진다.

• 특정 응용 영역을 위한 요소, 정책, 지침의 집합이라는 설명은 옳다.
• 스키마를 결정하려면 메타데이터가 웹에서 사용 가능해야 한다는 설명은 웹에 선언된 요소를 참조해 쓰는 구조에 맞아 옳다.
• 하나 이상의 네임스페이스에서 추출한 요소들로 구성된다는 설명은 옳다.
• 요소에 대해 필요 시 인증된 스킴이나 값을 가진다는 설명은 옳다.

빈칸에 공통으로 들어갈 용어는 Data Management Plan이다.

연구 과정에서 생산할 데이터의 유형, 메타데이터 표준, 저장·백업, 공유 방법을 미리 적는 문서이므로 데이터 관리 계획에 해당한다.

• Open Data는 데이터를 누구나 이용하도록 개방하는 것으로, 연구자가 제출하는 계획이 아니다.
• Open Science는 연구 과정과 결과의 개방을 지향하는 포괄적 운동이다.
• Data Publishing은 데이터를 공개·출판하는 활동으로, 계획의 한 항목일 뿐이다.
• Research Data Management는 데이터를 관리하는 활동 전반을 뜻하며, 지문의 구성 내용을 담은 계획 자체를 가리키지 않는다.

이 문헌을 검색하지 못하는 연산식은 (파이썬 OR 자바) AND (연구 NOT 빅데이터)이다.

문헌에 빅데이터와 연구가 모두 있으므로 연구 NOT 빅데이터가 거짓이 되고, 이를 AND로 묶은 전체 식도 거짓이 된다.

• 국회도서관 AND 빅데이터는 두 색인어가 모두 있어 참이다.
• 빅데이터 AND (대출 OR 반납)은 반납이 없어도 대출이 있어 참이다.
• 베스트셀러 AND 분석 NOT 공공도서관은 두 색인어가 있고 공공도서관이 없어 참이다.
• (국회도서관 AND 이용) OR (대출 NOT 베스트셀러)는 뒤쪽이 거짓이어도 앞쪽이 참이라 참이다.

더블린 코어 기본요소에 해당하지 않는 것은 Location(위치)이다.

기본요소 15개 가운데 위치와 가까운 요소는 Coverage(범위)이며, Location이라는 요소는 없다.

• Title(표제)은 자원의 이름을 기술하는 기본요소이다.
• Description(설명)은 자원의 내용을 기술하는 기본요소이다.
• Source(출처)는 자원이 유래한 자원을 기술하는 기본요소이다.
• Coverage(범위)는 자원의 시간적·공간적 범위를 기술하는 기본요소이다.

Alterman, Eric을 KORMARC 110필드에 대응시킨 설명이 옳지 않다.

name의 type이 personal이므로 개인명이고, KORMARC에서 개인명 기본표목은 100필드이며 110필드는 단체명이다.

• 구문은 MODS로, 미 의회도서관이 관리하며 XML 스키마 기반이라는 설명은 옳다.
• titleInfo 아래 title이 오는 계층 구조이고 속성이 각 요소에 적용된다는 설명은 옳다.
• title은 본표제, subTitle은 기타 표제 관련 정보에 해당한다는 설명은 옳다.
• typeOfResource가 더블린 코어의 Type에 대응된다는 설명은 옳다.

지시적 초록이 목적, 방법, 결과, 결론을 필수로 포함해야 한다는 설명이 옳지 않다.

그 요소들을 갖추는 것은 통보적 초록이고, 지시적 초록은 문헌의 주제와 범위를 간략히 알려 읽을지 판단하게 한다.

• 문헌의 생산자가 직접 쓰는 초록을 저자초록이라고 한다는 설명은 옳다.
• 최신정보를 알리고 독서 시간을 줄이며 문헌검색을 돕는다는 설명은 초록의 기능으로 옳다.
• 별도의 초록지나 서지의 한 형태로 작성될 수 있다는 설명은 옳다.
• 통보적 초록이 원문헌의 대용물로 취급될 수 있다는 설명은 옳다.