[법원직 9급 전산·사서 정보학개론] 24년 1회차 기출문제 정답·해설 페이지

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.