[국회직 9급 정보학개론] 25년 1회차 기출문제 정답·해설 페이지

Bronze OA에 대한 설명이 옳다. 출판사 웹사이트에서 무료로 읽을 수 있지만 개방 라이선스가 없어 공유·재사용이 허용되지 않는 유형이다.
오픈액세스는 공개 경로에 따라 Gold·Green·Bronze로, 허용 범위에 따라 Gratis(무료 접근)와 Libre(재사용까지 허용)로 구분한다.
Gold OA: 셀프 아카이빙이 아니라 OA 학술지 게재 방식이다. 리포지터리 셀프 아카이빙은 Green OA의 특징이다.
Gratis OA: 가격 장벽만 없앤 무료 접근이며 재사용 허가까지 포함하지 않는다.
Green OA: OA 학술지 게재와 논문처리비용 부과는 Gold OA의 특징이다. Green OA는 저자의 셀프 아카이빙을 가리킨다.
Libre OA: 접근비용 장벽뿐 아니라 저작권·이용허락 장벽 일부도 제거해 재사용을 허용한다. 비용 장벽만 제거한 것은 Gratis OA이다.

옳지 않은 연결은 지리정보 – CSDGM, GILS이다. CSDGM은 지리공간 메타데이터 표준이 맞지만, GILS는 정부 정보의 소재를 안내하기 위한 표준이다.
따라서 GILS는 지리정보 전용 스키마로 묶을 수 없다.
교육 – GEM, KEM, LOM: 모두 교육 자원·학습 객체를 기술하는 스키마이다.
도서관 – MARC, MODS, TEI Headers: 서지 기술과 텍스트 자료 기술에 쓰이는 스키마이다.
멀티미디어 – MPEG-7, PBCore: 멀티미디어 내용과 방송·시청각 자료를 기술하는 표준이다.
박물관 – CCO, CDWA, VRA: 미술품·문화유물과 그 이미지를 기술하는 표준이다.

동시출현분석의 설명으로 옳지 않은 것은 동시인용빈도를 활용한다는 내용이다.
동시인용빈도는 두 문헌이 다른 문헌에 함께 인용된 횟수로, 인용분석 계열인 동시인용분석의 지표이다. 동시출현분석은 단어나 저자처럼 문헌 안의 단위가 함께 나타나는 빈도를 분석한다.
지적 구조 파악: 함께 나타나는 단위의 연결망으로 학문의 구조를 파악한다.
분석 유형: 동시출현단어분석과 공저자분석이 대표적이다.
주제 영역 식별: 단어의 동시출현으로 주제 영역과 주제 간 관련성을 찾을 수 있다.
협력 관계 조사: 공저자분석으로 연구자 간 협력 관계를 분석한다.

텍스트 마이닝 분석기법이 아닌 것은 메타분석이다.
메타분석은 같은 주제의 선행 연구 결과를 통계적으로 종합하는 연구 방법으로, 텍스트의 언어 자료에서 패턴을 추출하는 기법이 아니다.
감성분석: 텍스트에 나타난 긍정·부정의 태도나 감정을 판별한다.
군집분석: 내용이 유사한 문서나 단어를 묶는다.
토픽모델링: 문서 집합에 잠재된 주제를 추출한다.
단어빈도분석: 단어의 출현 빈도로 텍스트의 주요 내용을 파악한다.

옳지 않은 것은 키워드 색인이 한 세트의 용어들로 색인어를 구성한다는 설명이다.
후조합 방식의 키워드 색인에서는 개별 단어 하나하나가 색인어가 되고, 용어의 조합은 탐색 시점에 이루어진다. 여러 용어를 묶어 하나의 색인어로 만드는 것은 전조합 색인의 특징이다.
컴퓨터 검색 시스템: 대부분 키워드를 이용한 후조합 색인을 채택한다.
전조합의 조합 시점: 탐색 이전에 색인 작성자가 조합하며 열거식 분류가 대표적이다.
전조합의 복합 주제 표현: 복합 주제를 하나의 색인어로 나타내 한 번의 검색으로 직접 접근할 수 있다.
후조합의 단위 개념: 문헌을 단위 개념으로 색인하고 탐색할 때 조합해 검색한다.

네 기능에 전부 쓰이는 핵심요소는 저자와 자원명이므로 ㄴ, ㄹ 조합이 맞다.
이용자는 저자와 자원명으로 자원을 찾고, 다른 자원과 구별하고, 원하는 것인지 판단하며, 입수를 요청한다. 그래서 두 요소는 네 과업 전체에 걸친다. 나머지 세 요소는 일부 과업에만 쓰이므로 ㄴ, ㄹ 조합만 성립한다.
ㄱ 날짜(X): 판본 구별과 최신성 판단에 유용하지만 그것만으로 자원을 찾거나 입수하기는 어렵다.
ㄴ 저자(O): 네 과업 모두에서 자원을 찾고 구별하고 판단하고 입수하는 근거가 된다.
ㄷ 주제(X): 찾기와 고르기에 핵심이지만 같은 주제의 자원이 많아 개별 자원을 특정하지 못한다.
ㄹ 자원명(O): 네 과업 모두에 쓰이는 대표적인 요소이다.
ㅁ 자원식별자(X): 특정 자원을 가리키는 데 강하지만 내용을 보고 고르는 판단에는 정보를 주지 못한다.

OAIS의 보존기술정보(PDI) 유형에 해당하는 것은 맥락정보, 참조정보, 출처정보이다.
보존기술정보는 내용정보를 장기 보존하는 데 필요한 정보로, 참조·맥락·출처·고정성 정보 등으로 구성된다. <보기>에서 옳은 지문은 ㄱ, ㄴ, ㄷ뿐이므로 ㄱ, ㄴ, ㄷ 조합만 성립한다.
ㄱ 맥락정보(O): 해당 정보가 주변 환경과 맺는 관계를 나타낸다.
ㄴ 참조정보(O): 자원을 식별하는 식별자 등의 정보이다.
ㄷ 출처정보(O): 자원의 생성·이력·관리 과정을 나타낸다.
ㄹ 행위주체자정보(X): OAIS의 보존기술정보 유형이 아니다.
ㅁ 관리메타데이터정보(X): 메타데이터의 일반 유형 명칭이며 보존기술정보 유형이 아니다.
ㅂ 기술메타데이터정보(X): 역시 메타데이터의 일반 유형 명칭이다.

KISTI가 운영하는 연구데이터 공유·관리 플랫폼은 DataON이다.
DataON은 연구데이터의 등록·검색·공유를 지원하는 국가 연구데이터 플랫폼이다.
dCollection: 대학의 학위논문 등을 수집·공유하는 KERIS의 시스템이다.
OAK: 국립중앙도서관이 추진하는 오픈액세스 코리아 사업·리포지터리이다.
RISS: KERIS가 운영하는 학술연구정보서비스이다.
ScienceON: KISTI가 운영하지만 논문·특허 등 과학기술정보를 통합 제공하는 서비스이다.

섀넌 정보이론의 설명으로 옳은 지문은 ㄴ, ㄹ, ㅁ이다.
정보이론에서 정보량은 불확실성(엔트로피)의 크기로 측정한다. 옳은 지문이 이 셋뿐이므로 ㄴ, ㄹ, ㅁ 조합만 성립한다.
ㄱ 정보량과 엔트로피의 반비례(X): 불확실성이 클수록 정보량이 크므로 비례 관계이다.
ㄴ 비트 단위 표기(O): 정보의 단위로 비트를 쓴다.
ㄷ 선택 후 불확실성 강화(X): 정보를 선택하면 불확실성은 줄어든다.
ㄹ 무작위성과 불확실성(O): 정보량이 많다는 것은 무작위성과 불확실성이 크다는 뜻이다.
ㅁ 의미론적 측면 배제(O): 의미보다 신호의 효율적 전송 문제에 집중한다.

옳지 않은 것은 A의 역문헌빈도를 0.8로 계산한 내용이다.
역문헌빈도는 전체 문헌 수를 해당 용어의 문헌빈도로 나눈 값이다.
로그를 적용하지 않으면 $\dfrac{5}{4} = 1.25$이므로 1.25가 된다. 0.8은 분자와 분모를 뒤집은 값이다.
색인어 가중치: 단어빈도와 역문헌빈도를 조합해 계산한다.
역문헌빈도의 성격: 문헌빈도가 낮은 단어일수록 높은 가중치를 받는다.
단어빈도 정규화: 문헌 길이 등의 영향을 보정한 빈도를 쓰기도 한다.
단어빈도의 근거: 문헌에 자주 나오는 단어가 그 문헌의 주제를 잘 나타낸다고 본다.

옳은 지문은 ㄱ, ㄴ, ㄹ이다.
통제어는 용어를 표준화해 일관성을 높이고, 자연어는 표현이 자유롭지만 동의어·유사어 누락이 생기기 쉽다. 틀린 지문은 ㄷ뿐이므로 ㄱ, ㄴ, ㄹ 조합만 성립한다.
ㄱ 모호성 해결(O): 통제어는 동형이의어와 동의어를 통제한다.
ㄴ 관련 개념 검색(O): 시소러스의 상위어·하위어 관계를 활용할 수 있다.
ㄷ 관련 개념 누락 최소화(X): 자연어는 어휘 통제가 없어 관련 개념 누락이 생기기 쉽다.
ㄹ 새로운 개념 표현(O): 자연어는 소셜 태깅처럼 신조어를 바로 표현할 수 있다.

옳지 않은 것은 2편을 생산한 저자가 약 500명이라는 내용이다. 지문은 로트카 법칙이며 계산 결과는 약 300명이다.
한 편을 생산한 저자 수: $2000 \times 0.6 = 1200$
2편을 생산한 저자 수: $1200 \times \dfrac{1}{2^2} = 300$, 즉 약 300명이다.
역제곱 법칙: 논문 수의 제곱에 반비례하므로 로트카의 역제곱 법칙이라 부른다.
1926년 조사: 로트카가 화학자와 물리학자의 논문 건수를 분석했다.
활용: 여러 학문 분야의 저자 생산성 분석과 예측에 활용된다.
적용 가능성: 학문 분야와 연구 방식에 따라 적합도를 두고 다양한 의견이 있다.

옳지 않은 것은 수확 방식이 분산검색보다 최신의 정보를 검색할 수 있다는 설명이다.
OAI-PMH는 메타데이터를 미리 수확해 모아 두므로 수확 주기만큼 최신성이 뒤처질 수 있다. 검색 시점에 각 저장소를 직접 조회하는 분산검색이 최신성 면에서 유리하다.
SP와 DP: 서비스 제공자가 데이터 제공자의 메타데이터를 수확하는 구조이다.
더블린 코어 채택: 단순한 메타데이터를 기본으로 해 구현 비용이 상대적으로 낮다.
HTTP·XML 통신: HTTP 요청에 XML 레코드로 응답하는 단순한 형식이다.
수확검색 방식: 기술 장벽이 낮고 저장소 간 정보 공유가 쉽다.

옳지 않은 것은 SNIP을 사회적 영향력 지수로 설명한 내용이다.
SNIP은 분야별 인용 관행의 차이를 보정한 학술지 인용 지표이다. 소셜미디어·언론 노출을 기반으로 측정하는 것은 알트메트릭스의 특징이다.
CNCI: 실제 인용 횟수를 같은 문서 유형·출판 연도·주제 영역의 기대 인용률로 나눈 지수이다.
Eigenfactor: 학술지의 상대적 영향력을 평가한다.
JIF: 일정 기간 특정 학술지 게재 논문의 평균 피인용 횟수이다.
SJR: SCOPUS 정보를 활용한 학술지 영향력 지수이다.

질의에 따라 검색되는 문헌은 d1, d2, d3이다.
단어빈도가 1 이상이면 그 용어가 있고 0이면 없는 것으로 보고, 두 괄호 중 하나라도 참이면 검색된다.
d1: data와 media가 모두 있어 앞 괄호가 참이므로 검색된다.
d2: data와 media가 모두 있어 앞 괄호가 참이므로 검색된다.
d3: media가 없어 앞 괄호는 거짓이지만, literacy가 있고 reading이 없어 뒤 괄호가 참이므로 검색된다.
d4: data가 없어 앞 괄호가 거짓이고, literacy도 없어 뒤 괄호도 거짓이므로 검색되지 않는다.

옳지 않은 것은 특정 패싯 우선탐색이 초보자에게 유용하다는 설명이다.
이 방법은 여러 개념 중 가장 구체적인 패싯을 먼저 탐색하므로, 어떤 패싯이 핵심인지 판단할 주제 지식과 탐색 경험이 필요하다.
블록 만들기: 탐색 과제를 개념별로 나누어 단순화한다.
눈덩이 굴리기: 찾은 결과를 단서로 탐색 결과를 늘려 재현율을 높인다.
점진 분할: 넓게 시작해 제한 기법으로 범위를 좁혀 간다.
신속/편의 지향법: 별도 탐색 기능 없이 용어를 입력해 바로 검색한다.

벡터공간모델의 설명은 ㄱ, ㄴ, ㄷ, ㄹ, ㅁ 모두 옳다.
이 모델은 문헌과 질의를 벡터로 나타내고 코사인 유사도로 순위를 매긴다. 틀린 지문이 없으므로 전부를 고른 조합만 성립한다.
ㄱ 용어의 차원 표현(O): 문헌과 질의의 용어가 벡터 공간의 차원이 된다.
ㄴ 이진 가중치의 대안(O): 불리언 모델의 이진 판단을 가중치로 보완한다.
ㄷ 설튼의 대수 모델(O): 설튼이 대수적 이론을 바탕으로 제안했다.
ㄹ 코사인 값과 유사도(O): 사이각이 작아 코사인 값이 클수록 유사도가 크다.
ㅁ 부분 일치 검색(O): 색인어와 질의어에 가중치를 주어 부분 일치 문헌도 검색한다.

옳지 않은 것은 클러스터링을 지도학습으로 설명한 내용이다.
클러스터링은 정답 레이블 없이 데이터의 유사성으로 그룹을 만드는 대표적인 비지도학습 방법이다.
비지도학습: 출력 값 없이 입력 값만으로 학습한다.
지도학습: 입력 값과 출력 값을 함께 사용해 학습한다.
딥러닝: 인공신경망 구조로 데이터 표현을 학습한다.
강화학습: 누적 보상이 최대가 되는 행동을 학습한다.

옳지 않은 것은 스몰(Small)의 업적으로 제시된 통계적 색인어 선정 방식이다.
단어의 통계적 특성으로 색인어를 선정하는 방식은 룬(Luhn)이 제시했다. 스몰은 동시인용분석을 제안한 학자로 알려져 있다.
토브: 유니텀과 불리언 논리를 결합해 정보검색의 기초를 마련했다.
스팍 존스: 역문헌빈도를 이용한 단어 가중치 방식을 제안했다.
설튼: SMART 시스템으로 벡터공간모델과 적합성 피드백을 실험했다.
가필드: ISI를 설립한 인용색인의 선구자이다.

㉠의 재현율은 45%, ㉡의 정확률은 25%이다.
재현율은 검색된 적합 문헌 수를 총 적합 문헌 수로, 정확률은 검색된 적합 문헌 수를 검색 결과 수로 나눈 값이다.
A 시스템의 검색된 적합 문헌: $15 \times 0.6 = 9$
A 시스템의 재현율: $\dfrac{9}{20} = 0.45$
B 시스템의 검색된 적합 문헌: $20 \times 0.4 = 8$
B 시스템의 정확률: $\dfrac{8}{32} = 0.25$