24년 1회차

제시된 네 문장은 모두 다크웹의 특징을 옳게 설명한다.

다크웹은 일반 검색엔진에 잡히지 않는 딥웹의 일부로, Tor 같은 전용 도구로 접속하며 익명성이 강하다.

• 미 해군 연구소 기원: 다크웹의 대표 기술인 어니언 라우팅은 미 해군 연구소의 익명 통신 연구에서 출발했다.
• 익명성과 추적 곤란: 여러 노드를 거쳐 암호화 통신을 하므로 접속자의 IP 주소를 추적하기 어렵게 고안되었다.
• 불법 정보 거래: 일반 검색엔진으로 찾을 수 없어 해킹으로 얻은 개인정보나 영업비밀 등의 거래 통로로 악용된다.
• 크롤러 미수집: 웹 크롤러가 수집하지 못하므로 일반 검색으로는 접근이 어렵다.

주어진 시스템의 F-척도값은 0.60이다.

F-척도는 정확률(P)과 재현율(R)의 조화평균이다.
$F = \dfrac{2PR}{P+R}$

P = 0.75, R = 0.50을 대입한다.
$F = \dfrac{2 \times 0.75 \times 0.50}{0.75 + 0.50} = \dfrac{0.75}{1.25} = 0.60$

• 0.45: 조화평균은 두 값 사이에 놓이므로 재현율 0.50보다 작을 수 없다.
• 0.50: 재현율 값 자체이며, 두 척도를 결합한 값이 아니다.
• 0.75: 정확률 값 자체이며, 두 척도를 결합한 값이 아니다.

저작자의 허락 또는 승인은 공정이용의 판단 요건이 아니다.

공정이용은 허락 없이도 저작물을 이용할 수 있게 하는 제도이므로, 허락을 요건으로 삼으면 제도의 취지와 모순된다. 미국 저작권법 제107조는 이용의 목적과 성격, 저작물의 성격, 이용된 부분의 양과 실질성, 잠재적 시장에 미치는 영향의 네 요소를 든다.

• 사용의 목적과 성격: 영리성이나 교육 목적 여부 등을 따지는 요소이다.
• 저작권이 있는 저작물의 성격: 사실적 저작물인지 창작성이 높은 저작물인지 등을 따지는 요소이다.
• 관련 정보의 분량: 전체 저작물에서 이용한 부분의 양과 비중을 따지는 요소이다.

순서나 구조를 고려해 의미를 파악한다는 설명이 틀렸다.

벡터 스페이스 모델은 문서를 단어의 묶음으로 보는 단어 주머니(bag-of-words) 방식이어서, 단어의 순서나 문서 구조는 반영하지 않는다.

• 문서와 쿼리의 벡터 표현: 둘을 같은 벡터 공간의 벡터로 나타내 유사도를 계산하는 것이 이 모델의 기본 원리이다.
• 단어 빈도 기반 위치: 벡터의 각 성분은 단어의 빈도나 이를 바탕으로 한 가중치로 정해진다.
• 코사인 유사도 측정: 두 벡터가 이루는 각도를 이용하는 코사인 유사도가 대표적인 척도이다.

분류, 편목, 색인, 초록 작업은 정보조직 단계에서 수행한다.

이 작업들은 수집한 정보의 내용과 형식을 분석해 나중에 찾기 쉽도록 체계화하고 표현하는 활동이다.

• 정보생산: 저자나 연구자 등이 새로운 정보를 만들어 내는 단계이다.
• 정보축적: 조직된 정보를 저장 매체나 데이터베이스에 보관하는 단계이다.
• 정보검색: 이용자의 요구에 맞는 정보를 저장된 자료에서 찾아내는 단계이다.

행이 문서, 열이 용어라는 설명이 틀렸다.

용어-문헌 행렬은 이름 그대로 일반적으로 행에 용어, 열에 문헌을 배치하고, 셀에 해당 문헌에서의 용어 빈도를 넣는다.

• 용어 빈도의 행렬 표현: 문서 컬렉션의 각 문서에 등장하는 용어 빈도를 행렬로 나타낸다는 설명은 옳다.
• 문서 간 유사도 계산의 기초: 문서를 나타내는 벡터를 비교할 수 있으므로 유사도 계산의 기초 자료가 된다.
• 갱신 부담: 문서가 추가되거나 삭제되면 행렬도 함께 고쳐야 하는 단점이 있다.

스트레스·대처이론으로 정보원 이용의 차이를 설명한다는 내용이 틀렸다.

윌슨의 모형에서 어떤 정보원이 더 많이 이용되는지를 설명하는 것은 위험·보상이론이다. 스트레스·대처이론은 어떤 필요는 정보추구로 이어지고 어떤 필요는 그렇지 않은 이유를 설명한다.

• 다른 분야 이론의 접목: 심리학 등의 이론을 끌어와 정보추구의 복잡한 맥락을 강조했다.
• 사회학습이론: 자기효능감 개념을 통해 목표의 성취 여부를 설명하고자 했다.
• 촉진 메커니즘: 정보추구를 시작하게 하는 동기요인으로 제시되었다.

IPv6의 주소 길이를 256비트라고 한 설명이 틀렸다.

IPv6는 IPv4의 주소 부족을 해소하기 위해 개발된 체계로, 주소 길이는 128비트이다.

• IPv4 주소 구성: 점으로 구분된 4개의 옥텟, 즉 32비트로 표현한다.
• 혼용 현황: 두 체계는 현재 함께 쓰이고 있다.
• 표준 채택: IPv6는 인터넷 표준으로 채택되어 있다.

설명에 해당하는 것은 Shibboleth이다.

Shibboleth는 오픈소스 기반의 연합 인증 솔루션으로, 이용자가 소속 기관에서 인증받으면 기관 간에 인증 정보를 안전하게 주고받아 외부 자원도 이용할 수 있게 한다.

• LDAP: 네트워크 디렉터리 정보에 접근하기 위한 프로토콜로, 기관 간 연합 인증 솔루션이 아니다.
• DRM: 디지털 콘텐츠의 이용 권한을 관리하고 보호하는 기술이다.
• PKI: 공개키와 인증서를 관리해 암호화와 전자서명을 지원하는 기반 구조이다.

포괄중심성은 네트워크 분석의 중심성 지표가 아니다.

대표적인 중심성 지표는 연결중심성, 매개중심성, 근접중심성이며, 고유벡터중심성 등이 함께 쓰인다.

• 연결중심성: 한 노드에 직접 연결된 다른 노드의 수를 본다.
• 매개중심성: 한 노드가 다른 노드들 사이의 최단 경로에서 다리 역할을 하는 정도를 본다.
• 근접중심성: 한 노드가 다른 모든 노드와 얼마나 가까운 거리에 있는지를 본다.

인공지능 구현이 지도학습에 의존한다는 설명이 틀렸다.

기계학습에는 지도학습 외에도 비지도학습과 강화학습 등이 있으며, 인공지능은 이들을 포함한 다양한 방식으로 구현된다.

• 영역 구분: 데이터사이언스는 데이터 관리 영역과 기계학습 영역으로 나누어 볼 수 있다.
• 사람의 개입: 데이터사이언스 프로세스에는 사람이 참여해 통제하고 조절할 수 있다.
• 빅데이터 포함: 대용량, 다양성, 빠른 속도의 특징을 가진 빅데이터도 다룬다.

메타 검색엔진의 옳은 설명은 자체 검색기능 없이 여러 검색엔진을 연계한다는 것과 많은 양의 정보를 검색할 수 있다는 것이다.

메타 검색엔진은 질의를 여러 검색엔진에 보낸 뒤 결과를 모아 보여 주므로, 검색 범위는 넓지만 중복과 응답 지연이 생기기 쉽다.

• 데이터 중복도가 적다는 설명: 여러 엔진의 결과에 같은 문서가 겹치므로 오히려 중복이 생기기 쉽다.
• 검색 속도가 빠르다는 설명: 여러 엔진의 응답을 받아 통합해야 하므로 빠르다고 할 수 없다.

BERT를 이미지 생성 모델로 든 설명만 틀렸고 나머지 세 문장은 옳다.

BERT는 문장의 맥락을 학습하는 자연어 처리 언어 모델이므로 이미지 생성 모델이 아니다.

• 머신러닝 활용: 생성형 인공지능은 머신러닝 알고리즘을 기반으로 한다.
• 유사 콘텐츠 생성: 학습 데이터를 바탕으로 비슷한 콘텐츠를 새로 만들어 내는 기술이다.
• 활용 모델: 대형 언어모델이나 이미지 생성 모델을 활용한다.

설명에 해당하는 기술은 검색 증강 생성(RAG)이다.

RAG는 질문과 관련된 외부 문서를 검색해 언어모델에 함께 제공함으로써, 환각현상을 줄이고 답변의 정확도를 높인다.

• 자연어 기반 코드 생성 모델: 자연어 설명을 프로그램 코드로 바꾸는 모델이다.
• 언어 생성 모델: 텍스트를 생성하는 모델 일반을 가리키며, 외부 데이터 검색 결합이 핵심이 아니다.
• 트랜스포머 모델: 어텐션 기반의 신경망 구조를 뜻하며, 외부 데이터 활용 기술이 아니다.

설명에 해당하는 서비스는 ScienceON이다.

ScienceON은 KISTI가 과학기술정보, 연구데이터, 정보분석서비스, 연구인프라를 연계·융합해 제공하는 지식인프라 서비스이다.

• DataON: 연구데이터의 공유와 활용에 초점을 둔 플랫폼이다.
• AccessON: 오픈액세스 학술지 논문의 유통과 이용에 초점을 둔 플랫폼이다.
• NTIS: 국가 연구개발 사업과 과제, 성과 정보를 제공하는 서비스이다.

클러스터 수가 사전 지정 없이 자동으로 결정된다는 설명이 틀렸다.

K-평균 클러스터링은 군집 수 K를 미리 지정해야 하므로, 문헌 클러스터링 전반에 자동 결정이 성립하지 않는다.

• 문서 그룹화: 유사한 주제나 내용의 문서를 묶는 기법이라는 설명은 옳다.
• 활용 분야: 텍스트 마이닝과 정보 검색에서 주로 쓰인다.
• 대표 기법: K-평균 클러스터링과 계층적 클러스터링이 포함된다.

저작자표시-변경금지를 나타내는 표시는 CC BY-ND이다.

BY는 저작자표시, NC는 비영리, ND는 변경금지, SA는 동일조건변경허락을 뜻한다.

• CC BY-NC: 저작자표시-비영리를 뜻한다.
• CC BY-SA: 저작자표시-동일조건변경허락을 뜻한다.
• CC BY-NC-SA: 저작자표시-비영리-동일조건변경허락을 뜻한다.

크롤러를 검색 엔진 자체라고 한 설명이 틀렸다.

크롤러는 웹 문서를 찾아다니며 수집하는 프로그램으로, 수집, 색인, 검색 기능으로 이루어진 검색 엔진의 구성 요소이다.

• 정보의 데이터베이스화: 주기적으로 찾은 정보를 데이터베이스로 만드는 역할을 담당한다.
• 자동화된 제어: 사람이 일일이 조작하지 않고 자동화된 방식으로 동작한다.
• 봇이라는 별칭: 봇이라고도 불리며 웹 정보를 자동으로 찾아 수집한다.

IF는 지난 2년간 발표 논문의 인용 횟수를 지난 2년간 발표 논문 수로 나눈 값이다.

즉 학술지 논문이 평균 몇 번 인용되었는지를 최근 2년이라는 기간 기준으로 나타내는 지표이다.

• 전체 인용 횟수를 전체 논문 수로 나눈 식: 분자와 분모의 방향은 맞지만 지난 2년이라는 기간 한정이 없다.
• 전체 논문 수를 전체 인용 횟수로 나눈 식: 기간 한정이 없고 분자와 분모도 뒤집혔다.
• 지난 2년간 논문 수를 지난 2년간 인용 횟수로 나눈 식: 기간은 맞지만 분자와 분모가 뒤집혔다.

학술잡지는 2차 정보원이 아니라 1차 정보원이다.

학술잡지는 연구 결과를 처음 공표하는 원문 자료이고, 2차 정보원은 1차 정보를 정리·가공해 찾아가도록 돕는 자료이다.

• 서지: 자료의 서지사항을 모아 정리한 2차 정보원이다.
• 데이터베이스: 정보를 수집·가공해 검색할 수 있게 구축한 2차 정보원으로 분류된다.
• 색인: 자료 속 정보의 위치를 알려 주는 2차 정보원이다.

더빈의 의미형성이론의 세 핵심 개념은 상황, 격차, 이용·도움이다.

이용자는 특정 상황에서 이해의 격차를 만나고, 이를 메우려 정보를 찾아 이용하며 도움을 얻는다.

• 상황 - 이용·도움 - 탐색: 탐색이 아니라 격차가 핵심 개념이다.
• 정보 - 이용·도움 - 격차: 출발점은 정보가 아니라 상황이다.
• 정보 - 이용·도움 - 탐색: 상황과 격차가 모두 빠져 있다.

identifier에 IP를 연결한 것이 올바르지 않다.

identifier의 인코딩 스킴은 URI이며, IP는 네트워크상의 장치를 가리키는 주소일 뿐 자원 식별자를 표기하는 스킴이 아니다.

• date - W3CDTF: 날짜와 시간의 표기 형식을 정한 스킴이다.
• format - IMT: 인터넷 미디어 타입으로 자원의 형식을 나타낸다.
• subject - LCSH, MeSH: 주제어를 통제하는 주제명표목표이다.

셀프 아카이빙을 실버 OA라고 한 설명이 틀렸다.

저자가 논문을 기관 리포지터리나 주제별 아카이브 같은 디지털 저장소에 직접 올리는 방식은 그린 OA이다.

• 골드 OA의 비용 부담: 저자나 소속 기관이 논문출판비용을 부담하는 방식이 대표적이다.
• 골드 OA의 즉시 공개: 출판과 동시에 원문을 이용할 수 있다.
• 기계가독형 포맷: 학술지 원문은 PDF 외에 XML 등의 기계가독형 포맷으로도 공개되는 추세이다.

브라우징 검색에서 우연한 발견이 불가능하다는 설명이 틀렸다.

브라우징은 자료를 훑어보며 탐색하는 방식이어서, 뜻밖의 유용한 정보를 만나는 우연한 발견(Serendipity)이 대표적인 장점이다.

• 불명확한 주제: 주제가 명확히 정의되지 않았을 때 정보를 얻는 데 활용한다.
• 설명하기 어려운 정보: 질의로 표현하기 어려운 정보를 찾는 데 활용한다.
• 적합정보 선별: 적합정보와 부적합정보가 섞인 자료에서 올바른 정보를 골라내는 데 활용한다.

빈칸은 ㄱ 자원 중심적, ㄴ 상황 중심적, ㄷ 구문 의존적, ㄹ 의미 의존적이다.

전통적 메타데이터는 자원 자체의 기술과 XML 같은 구조화된 구문에 치중한다. 차세대 메타데이터는 RDF를 바탕으로 정보가 쓰이는 상황과 의미 관계까지 표현한다.

• ㄱ 상황 중심적, ㄴ 자원 중심적, ㄷ 구문 의존적, ㄹ 의미 의존적인 조합: 요소의 비중이 서로 뒤바뀌었다.
• ㄱ 자원 중심적, ㄴ 상황 중심적, ㄷ 의미 의존적, ㄹ 구문 의존적인 조합: 유연성 항목이 서로 뒤바뀌었다.
• ㄱ 상황 중심적, ㄴ 자원 중심적, ㄷ 의미 의존적, ㄹ 구문 의존적인 조합: 요소의 비중과 유연성이 모두 뒤바뀌었다.