이득:
- 윤리적 심사부터 출판까지 7단계 워크플로우로 컬렉션을 처리할 수 있으며 각 단계마다 사람이 체크포인트를 두고 있습니다.
- 초기 체크포인트가 오류(잘못된 날짜/이름)가 체인 전체에 전파되는 것을 방지하는 방법을 이해합니다.
- 검증 시 저장하지 않고 마스터 파일을 보존한다는 원칙을 적용하고, 전체 프로젝트에서 AI 활용을 선언하는 능력
이전 단원에서는 디지털화, 전사, 메타데이터, 스캐닝, 번역, 검증, 패턴 분석, 검색, 보존 및 윤리와 같은 개별 기술을 다루었습니다. 이 최종 장치는 모든 것을 결합합니다. 진정한 아카이브 프로젝트는 이러한 단계를 개별적으로 경험하는 것이 아니라 상호 연결된 워크플로로 경험합니다. 여기에서는 AI가 지원하지만 인간이 제어하는 프로세스를 단계별로 제어 체인을 통해 처음부터 끝까지 컬렉션을 처리하는 방법을 살펴보겠습니다.
목표는 AI를 “모든 단계를 가속화하지만 어떤 단계에서도 최종 발언권이 없는” 파트너로 자리매김하는 것입니다. 이 단원을 마치면 지저분한 문서 더미를 연구 준비가 되어 있고 검증되었으며 윤리적으로 깨끗한 컬렉션으로 변환하는 전체적인 방법이 남게 됩니다.
시나리오: 우리가 가진 것
250개의 문서 모음을 받았다고 가정해 보겠습니다. 일부는 인쇄된 문서(인쇄된 서신, 광고), 일부 원고(편지, 노트북), 다양한 날짜의 문서, 일부는 민감한 개인 데이터가 포함되어 있습니다. 목표: 이 컬렉션을 디지털화하고, 복사하고, 목록화하여 연구자들이 이용할 수 있도록 하는 것입니다. 그 과정을 7단계로 나누어 보겠습니다.
7단계 작업흐름
1단계 — 평가 및 윤리적 심사. 컬렉션을 먼저 알아보세요. 어떤 문서에 민감한 개인 데이터가 포함되어 있나요? 저작권 상태는 어떤가요? 문화적 감수성이 있는가? 이 스캐닝을 통해 클라우드 기반 AI 도구에 제공할 수 있는 문서와 폐쇄/승인된 환경에서만 처리할 문서가 결정됩니다. 이 단계를 건너뛰면 전체 프로젝트가 윤리적 위험에 처하게 됩니다.
2단계 — 디지털화. 문서를 고해상도(최소 300-400 DPI, 양호한 대비)로 스캔하십시오. 원본(마스터) 파일을 그대로 유지합니다. 모든 처리는 사본에 대해 수행됩니다.
3단계 — 텍스트 추출. 하드카피 문서에는 OCR을 적용하고 원고에는 HTR을 적용합니다. AI가 "안전한 교정" 지시를 통해 원시 출력을 정리하도록 합니다. 광학/인식 오류만 있고 내용 설명은 없고 읽을 수 없는 위치(?)입니다. 오스만/원고에 대한 대체 읽기 및 고문서 제어.
4단계 — 메타데이터 및 목록화. 각 문서에 대한 표준(Dublin Core/ISAD(G)) 메타데이터 초안을 작성합니다. "존재하지 않는 필드를 비워두세요"의 허가를 받았습니다. 주제 용어를 통제 목록에 매핑합니다. 문서를 통해 날짜와 이름을 확인하세요.
5단계 - 강화 및 패턴화. 엔터티(사람/장소/조직)를 추출하고, 정규화하고, 관계 및 타임라인 개요를 생성합니다. 문서의 각 패턴을 확인하세요. 인위적인 연결도 없고 연대기도 없습니다.
6단계 — 도구에 접근합니다. 수집을 위한 찾기 지원 개요를 생성합니다. 확인된 메모에만 기록 섹션을 기반으로 합니다. 액세스 제한(개인정보/저작권)을 명확하게 표시하세요.
7단계 - 검증, 선언 및 공개. 중요한 필드(날짜, 이름, 견적, 참조)를 마지막으로 확인하세요. AI 사용을 선언합니다. 전문가가 최종 승인을 내립니다. 컬렉션은 연구를 위해 공개됩니다.
팁: 각 단계에 "인간 체크포인트"를 배치하세요. 전문가는 다음 단계로 넘어가기 전에 AI의 출력을 검증합니다. 이러한 체크포인트가 없으면 첫 번째 단계의 오류(잘못 읽은 날짜)가 체인 전체에 전파되어 결국 카탈로그, 패턴 및 가이드에 유출됩니다.
제어 체인 테이블
무대
AI의 직업
인간 검문소
1. 윤리심사
민감한 데이터 표시
설치 결정
2. 디지털화
(이미지 향상)
품질, 마스터 보호
3. 텍스트 추출
OCR/HTR + 보안 수정
이름/날짜/열람 확인
4. 메타데이터
표준안
현장 확인, 용어 매칭
5. 패턴
엔터티, 관계, 타임라인
문서의 유효성 검사
6. 액세스 도구
지원 초안 찾기
이력 및 제약조건 승인
7. 출시
—
최종 승인, 선언
세 개의 미니 케이스
사례 1 — 체인 오류가 발견되었습니다. 한 프로젝트의 3단계에서 문서 날짜가 "1888" 대신 "1868"로 표시되었습니다. 3단계 체크포인트에서 이 오류를 포착하지 못했다면 날짜는 카탈로그(4), 타임라인(5) 및 가이드(6)에 분산되어 있었을 것입니다. 체크포인트 덕분에 버그가 한곳에서 수정되었습니다. 교훈: 조기 점검은 오류가 체인 전체로 전파되는 것을 방지합니다.
사례 2 - 윤리적 심사를 통해 프로젝트가 저장되었습니다. 250개 문서 중 18개에는 살아있는 사람의 민감한 데이터가 포함되어 있었습니다. 1단계의 윤리적 심사에서 이러한 사실이 드러났습니다. 이 18개 문서는 폐쇄된 환경에서 처리되었으며 나머지는 표준 도구를 사용하여 처리되었습니다. 스캔을 건너뛰고 모두 클라우드에 업로드했다면 심각한 위반이 되었을 것입니다. 교훈: 윤리 심사는 첫 번째 단계이지 나중에 추가되는 수정 사항이 아닙니다.
사례 3 - 시간과 노력. 기존 방법을 사용하면 250개 문서 모음을 완전히 처리하는 데 약 8~10개월이 걸립니다. AI가 지원하는 체크포인트 워크플로를 사용하면 프로세스가 약 3개월로 단축되었습니다. 하지만 절감 효과는 “AI가 모든 것을 했다”가 아니라 “AI가 기계적인 작업을 수행하고 인간의 검증에 중점을 두었다”에서 비롯되었습니다. 검증에 소요되는 시간은 줄어들지 않았습니다. 기계 작업에 소요되는 시간이 감소했습니다.
복사 가능한 템플릿 4개
1) 프로젝트 초기 계획:
나는 [숫자]개의 문서 모음을 가지고 있습니다: [인쇄물/원고 혼합], [마침표], 그 중 일부에는 민감한 데이터가 포함될 수 있습니다. 이 컬렉션을 디지털화하고 분류하기 위한 7단계 작업 흐름 계획을 만듭니다. 각 단계에서 AI의 작업과 인간 체크포인트를 지정합니다. 윤리심사를 먼저 해보세요.
2) 단계 전환 체크리스트:
[무대 이름] 무대를 마쳤어요. 다음 단계로 넘어가기 전에 확인해야 할 중요한 사항의 체크리스트를 생성합니다. 어떤 사실(날짜/이름/참조)을 확인해야 하며, 어떤 오류가 체인 위로 전파될 수 있습니까? 최종 승인을 받았습니다. 체크리스트를 주시네요.
3) 엔드 투 엔드 품질 관리:
다음은 처리된 문서의 모든 레이어(녹화, 메타데이터, 추출된 자산)입니다. 레이어 간 그림의 개념: 필사본의 날짜가 메타데이터와 일치합니까? 개체가 실제로 텍스트에 존재합니까? 정정의 부과 불일치 목록을 생성합니다. 레이어: [여기]
4) 프로젝트 종료 및 선언:
이번 컬렉션 프로젝트에서는 [list] 단계에서 AI를 사용했습니다. 프로젝트 문서화의 경우: (1) 어떤 단계에서 어떤 AI 지원이 사용되었는지, (2) 인간 검증이 어떻게 이루어졌는지, (3) 어떤 한계/제약이 있는지 — 정직한 마무리 메모와 이를 포함하는 AI 사용 설명 초안을 작성합니다.
약한 프롬프트 / 강한 프롬프트
약함:
이 컬렉션을 AI로 철저하게 처리하고 연구에 사용할 수 있도록 준비하세요.
단 한 번의 "무엇이든 하라"는 지시는 윤리적 심사, 체크포인트, 검증을 우회합니다. 오류는 체인을 따라 전파됩니다.
강한:
각 단계마다 인간 체크포인트가 있는 이 컬렉션에 대한 7단계 워크플로를 설정합니다. 1단계는 윤리/개인정보 심사라고 하겠습니다. 각 단계에서 AI가 생성한 출력은 다음 단계로 이동하기 전에 검증됩니다. 중요한 사실(날짜/이름/참조)을 표시하십시오. 어떤 단계에서도 AI가 최종 결정권을 갖지 않습니다.
차이점: 단계적 구조, 윤리 우선순위, 체크포인트 및 "최종 결정권은 사람에게 있습니다" 원칙은 전체 프로젝트를 안전하고 방어 가능하게 만듭니다.
일반적인 실수
- 윤리심사를 끝까지 남겨둡니다. 개인 정보 보호/저작권 검색이 첫 번째 단계입니다. 나중에 추가하면 위반이 이미 발생한 것입니다.
- 체크포인트 우회. 확인되지 않은 오류는 체인 전체에 퍼집니다.
- 마스터 파일을 보호하지 않습니다. 원본을 그대로 보관하지 않을 경우 반품이 불가능합니다.
- 확인 중 저장 중입니다. AI는 기계 작업을 단축합니다. 검증 시간이 단축되면 품질이 저하됩니다.
- AI 사용을 선언하지 않았습니다. 투명성은 컬렉션의 과학적 신뢰성의 일부입니다.
요약하면
엔드투엔드 아카이브 프로젝트는 개별 기술을 윤리적 스캐닝, 디지털화, 텍스트 추출, 메타데이터, 패턴, 검색 도구 및 출판과 같은 제어 체인에 연결합니다. 각 단계에서 AI는 기계적 작업 속도를 높입니다. 각 단계에서 인간 체크포인트가 최종 결정권을 가집니다. 윤리적 심사가 첫 번째 단계로, 마스터 파일을 보호하고, 오류가 조기에 발견되어 체인으로 확산되지 않도록 하고, AI 사용을 정직하게 선언합니다. AI가 모든 일을 하는 것이 아니라 인간이 기계적인 작업에서 벗어나 검증에 집중함으로써 절감 효과가 나타난다. AI가 가속화됩니다. 인간은 역사의 정확성과 완전성을 보장합니다.
응용과제
소규모 컬렉션(10-20개 문서, 자신의 자료 또는 샘플 세트)을 선택하십시오. "프로젝트 시작 계획" 템플릿을 사용하여 7단계 워크플로를 만듭니다. 이 흐름을 통해 윤리적 스캔, 텍스트 추출, 메타데이터 및 패턴 레이어라는 두 개 이상의 문서를 실행합니다. '단계 전환 체크리스트'로 각 단계를 확인하세요. 마지막으로 "프로젝트 종료 및 설명" 템플릿을 사용하여 AI 사용을 문서화합니다. 초기 체크포인트에서 어떤 오류가 발견되었는지 확인하세요.
체크리스트
- [ ] 1단계에서 윤리/개인정보 심사를 진행했습니다.
- [ ] 마스터 파일을 그대로 유지했습니다.
- [ ] 각 단계마다 휴먼 체크포인트를 배치했습니다.
- [ ] 중요한 사실이 체인에 전파되기 전에 확인했습니다.
- [ ] 프로젝트 종료 시 AI 활용을 선언했습니다.
모듈 시험
1. 역사와 아카이빙 분야에서 인공지능의 가장 적절한 포지셔닝은 무엇인가?
- A) AI는 요약, 편집 및 제도 도구입니다. 댓글, 출처 비평, 최종 책임은 전문가에게 있습니다 ✔
- 나) 역사가처럼 인공지능이 스스로 문서의 진위 여부와 의미를 판단할 수 있다.
- 다) 인공지능은 텍스트 번역에만 작동하며, 다른 아카이브 작업과는 아무런 관련이 없습니다.
- 라) 인공지능은 언제나 인간보다 더 공정하기 때문에 역사적 해석은 인공지능에게 맡겨야 한다.
설명: 인공지능; 텍스트 초안을 편집, 스캔, 번역 및 생성하는 보조자입니다. 출처비판, 해석, 원인규명, 최종결정은 전문가의 몫입니다. 확인되지 않은 출력은 조작된 소스, 잘못된 날짜 또는 시대착오로 이어질 수 있습니다.
2. 역사연구에서 인공지능이 만들어내는 환각은 무엇인가?
- 가) 인공지능은 문서를 매우 느리게 처리한다
- 나) 인공지능은 존재하지 않는 출처, 명언, 사건 등을 실제처럼 조작한다 ✔
- 다) 문서가 물리적으로 훼손된 경우
- D) 아카이브 카탈로그가 최신이 아닙니다.
설명: 환각은 인공 지능이 실제로 존재하지 않는 정보, 출처, 인용문 또는 사건을 자신있게 조작하는 경우를 말합니다. 비록 그 형태는 완벽해 보이지만 그 내용은 실제가 아닙니다. 따라서 모든 참고 카탈로그에서 모든 인용은 원본 출처에서 확인되어야 합니다.
3. 인공 지능으로 OCR 출력을 수정하는 가장 좋은 방법은 무엇입니까?
- A) 글이 유창하고 아름다워지도록 요구하며, 빠진 부분을 논리적으로 완성하도록 요구한다.
- B) 상황에 따라 모든 숫자와 날짜를 수정할 수 있도록 허용
- 다) 광학인식 오류만 수정해달라고 하고, 읽을 수 없는 부분은 [?] 남겨두고 숫자/날짜는 바꾸지 말라고 ✔
- D) 학생에게 읽을 수 없는 단어를 가장 가능성이 높은 추측으로 채우도록 요청합니다.
설명: OCR 수정의 황금률은 명백한 광학 인식 오류(예: rn에서 m, l에서 1)만 수정하는 것입니다. 텍스트의 내용을 해석하거나 완성하지 않습니다. 읽을 수 없는 부분은 [?]로 표시됩니다. 숫자와 날짜는 변경되지 않으며 이미지로 확인됩니다.
4. 오스만어 텍스트에 모음이 표기되지 않은 단어를 읽을 때 인공지능에게 무엇을 질문해야 합니까?
- A) 단일의 정확한 판독값을 제공하여 작업 속도를 높입니다.
- 나) 의미를 가장 유창하게 표현할 수 있는 단어를 선택하고 빈칸 채우기
- 다) 자신의 일반 지식을 바탕으로 읽을 수 없는 부분을 완성한다.
- D) 확정적인 판독을 강요하는 대신 가능한 판독 대안을 제시하고 모호한 영역을 표시함 ✔
설명: 오스만 터키어에서는 단모음을 대부분 쓰지 않습니다. 단일 모음/문자 차이(abul 및 kabul, wali 및 vali)로 인해 의미가 완전히 변경됩니다. 그러므로 확정적인 독해를 강요하기보다는 가능한 대안을 질문하고, 읽을 수 없는 부분은 보존해야 하며, 최종 결정은 고문서학자에게 맡겨야 한다.
5. AI가 초안 메타데이터(카탈로그 레코드)를 생성할 때 환각을 방지하는 가장 효과적인 방법은 무엇입니까?
- A) 문서에 포함되지 않은 경우 해당 필드를 공백으로 남겨둘 수 있는 권한을 명시적으로 부여합니다. ✔
- B) 모든 필드를 작성하고 불완전한 상태로 두지 않도록 요청합니다.
- 다) 날짜가 기재되지 않은 문서의 내용을 토대로 날짜 추정
- D) 인공지능이 참조 코드를 생성하도록 허용
설명: 채우기 압력을 가하면 AI는 문서에 없는 날짜나 작성자를 추측하여 문서를 구성하게 됩니다. 이에 대한 가장 강력한 방어책은 해당 필드가 문서에 없는 경우 해당 필드를 비워 둘 수 있는 권한을 명시적으로 부여하는 것입니다. 또한 주제 용어는 통제된 어휘에 매핑됩니다.
6. 인공지능이 생산한 문서 요약은 역사 연구에서 어떻게 위치해야 하는가?
- 가) 직접적으로 인용할 수 있는 신뢰성 있는 증거로서
- B) 실제 문서로 안내하는 검색 지도로서; 증거는 원본 문서에서 가져옵니다 ✔
- 다) 문서 자체를 대체할 수 있는 적절한 자원으로서
- 라) 문서로 돌아가지 않고도 연구에 사용할 수 있는 텍스트로
설명: 요약은 증거가 아닌 발견 지도입니다. 이 문서에는 다음과 같은 내용이 있습니다. 가서 살펴보세요. 문서에 적힌 내용이 정확히 무엇인지는 나와 있지 않습니다. 사건, 인용문 또는 데이터가 연구에 포함되어야 하는 경우 원본 문서에서 그대로 가져와야 합니다.
7. 출판을 위해 역사적 문서를 번역할 때 시대착오를 피하는 적절한 방법은 무엇입니까?
- A) 모든 기간 용어를 현재와 가장 가까운 용어로 대체
- B) 텍스트를 최대한 유창하고 현대적으로 전달하기 위해
- 다) 기간명, 기관명을 고유하게 두고 설명을 추가한다 ✔
- D) 현재 사용법에 맞게 고유명사 적용
설명: 시대착오주의는 한 시대에서 다른 시대로 요소를 잘못 전달하는 것입니다. 시대명, 기관명, 개인명 등을 오늘날의 용어로 바꾸면 독자는 그 시대에 속하지 않는 세계로 이동하게 된다. 올바른 방법은 기간 용어를 유지하고 그 옆에 설명을 추가하는 것입니다.
8. 인공지능이 제공한 아카이브 참조(펀드명, 파일번호)가 진짜인지 어떻게 확인할 수 있나요?
- A) 형식이 정확해 보이기 때문에 참조를 신뢰합니다.
- B) 참조가 올바른지 AI에게 다시 묻습니다.
- 다) 참고자료가 설득력 있고 상세하기 때문에 사실로 받아들인다.
- 라) 아카이브 카탈로그 또는 신뢰할 수 있는 출처에서 직접 찾아보고 검증함으로써 ✔
설명: 인공 지능은 형태는 완벽하지만 실제로는 존재하지 않는 참조를 생성할 수 있습니다. 가상 참조는 실제 참조와 동일한 형식입니다. 참조가 존재한다는 것을 증명하는 유일한 방법은 원본 소스가 있는 곳(아카이브 카탈로그, 도서관)에서 해당 참조를 찾는 것입니다.
9. 인공지능으로 패턴 분석(NER, 네트워크, 타임라인)을 수행할 때 발견된 패턴은 어떻게 평가해야 합니까?
- A) 문서에서 검증이 필요한 가설로서 결과가 아닌 시작점 ✔
- 나) 검증이 필요하지 않은 확정적인 소견으로서
- 다) 수치적이므로 논란의 여지가 없는 객관적 사실이다.
- 라) 인공지능을 발견했기 때문에 직접 연구에 투입할 수 있는 결과
설명: 모든 패턴은 증거가 아니라 가설입니다. 엔터티는 소스에 연결되어야 하며, 다른 철자(동일한 사람/장소)는 사람의 승인을 받아 정규화되어야 하며, 숫자는 누락된 데이터 및 샘플링 편향에 대해 질문해야 하며, 날짜가 없는 이벤트는 연대순으로 정리해서는 안 됩니다.
10. 검색 도구의 전기/기관 역사 섹션에 특별한 주의가 필요한 이유는 무엇입니까?
- A) 이 부분은 중요하지 않으며 검증 없이 게시될 수 있습니다.
- 나) 이 부분에는 인공지능이 조작된 사건, 허위 날짜, 제목 등을 추가할 수 있으므로 검증된 출처에만 의존해야 합니다 ✔
- 다) 인공지능은 이력 작성에 실수가 없기 때문에 안전하게 사용할 수 있다.
- D) 이 섹션은 연구자만 작성하며, 기록 보관자는 관심이 없습니다.
설명: 역사 섹션은 환각이 가장 자주 발생하는 곳입니다. AI는 사람이나 기관에 대한 일반 정보에서 유창한 텍스트를 작성하는 동안 존재하지 않는 사건, 잘못된 날짜 및 조작된 제목을 삽입할 수 있습니다. 이 섹션은 검증된 출처만을 기반으로 해야 합니다.
11. 인공지능은 참고(상담) 서비스에서 연구자의 사실 질문에 어떻게 답해야 할까요?
- A) 질문에 대한 답변은 직접적으로, 확실한 사실로서 기재되어야 합니다.
- 나) 믿을 수 있는 날짜나 이름을 작성하여 연구자에게 전달해야 한다.
- 다) 사실을 직접적으로 제공하기보다는 연구자에게 관련 컬렉션과 출처를 알려주어야 합니다 ✔
- 라) 연구자가 출처를 찾아갈 필요가 없도록 완전한 답변을 제공해야 한다.
설명: 참고 서비스에서 인공지능은 직접적인 사실 답변을 제공하는 것이 아니라, 연구자를 출처로 안내해야 합니다. 왜냐하면 인공지능이 제시하는 직접적인 사실에 입각한 답변은 조작될 수도 있고, 연구자가 이를 출처로 착각할 수도 있기 때문입니다. "답은 이것이다"라고 말하는 대신 "이 컬렉션에 있는 이 문서들을 보세요"라고 말해야 합니다.
12. 손상된 문서 이미지를 인공지능으로 처리할 때 허용되는 작업과 반대되는 작업은 무엇입니까?
- A) 부족한 부분 채우기를 포함해 모든 작업이 무료입니다.
- B) 어떠한 조치도 취해서는 안 되며, 이미지를 절대 만져서도 안 됩니다.
- 다) 부족한 부분을 채워주는 것은 문서를 완성하는 가장 중요한 작업이다.
- D) 대비/잡음과 같은 가독성 조작이 허용됩니다. 추측으로 부족한 부분을 채워가는게 불편해요 ✔
설명: 가독성을 향상시키는 프로세스(대비, 조명, 노이즈 감소)는 내용을 변경하지 않으므로 허용됩니다. 그러나 누락되거나 읽을 수 없는 부분을 추측으로 채우는 것은 문서에 없는 것, 즉 역사적 위조를 생산할 위험이 있습니다. 원본은 보존되고 거래가 기록됩니다.
13. 민감한 개인 데이터가 포함된 보관 문서를 처리하기 전에 무엇을 해야 합니까?
- A) 필요한 경우 개인 정보 검색 및 익명화 또는 비공개/승인 도구 사용 ✔
- 나) 아무 생각 없이 문서를 공공차량에 직접 올리는 행위
- C) 효율성을 위해 개인정보 보호 문제를 무시함
- D) 효율성을 위한 접근 제한 극복
공개: 살아있는 사람(건강, 종교, 민족, 주소)을 식별하는 민감한 데이터가 포함된 문서를 공개 클라우드 기반 도구에 업로드하는 것은 심각한 개인 정보 보호 위반이 될 수 있습니다. 개인 정보 보호 검사를 먼저 수행해야 하며, 필요한 경우 익명화 또는 폐쇄/승인된 도구를 사용해야 합니다.
14. 엔드투엔드 아카이브 프로젝트에서 휴먼 체크포인트의 주요 목적은 무엇입니까?
- 가) 인공지능의 작업 속도를 늦추고 프로젝트를 지연시키는 행위
- B) 한 단계의 오류(잘못된 날짜/이름)가 모든 후속 단계에 연결되는 것을 방지하기 위해 ✔
- 다) 인간의 노동력을 늘리고 자동화를 완전히 포기함
- D) 인공 지능이 최종 결정권을 갖도록 보장
설명: 각 단계의 인간 체크포인트는 다음 단계로 넘어가기 전에 AI의 출력이 검증되도록 보장합니다. 이것이 없으면 첫 번째 단계의 오류(잘못 읽은 날짜)가 카탈로그, 패턴 및 가이드를 통해 체인 위로 전파됩니다. 조기 점검을 통해 한 곳에서 오류를 수정할 수 있습니다.
15. 인문사회과학 분야에서 인공지능을 활용하는데 있어서 투명성과 진정성은 무엇을 요구하는가?
- 가) 인공지능의 사용을 비밀로 유지하여 누구도 알 수 없도록 한다.
- 나) 인공지능이 생산하는 모든 텍스트를 자신의 독창적인 아이디어로 표현하기 위해
- 다) 인공지능의 활용을 솔직하게 선언하고, 그 결과물을 자신의 독창적인 저작물로 제시하지 않을 것 ✔
- D) 방법을 설명하지 않고 결과만 공유
설명: 투명성에는 인공 지능의 도움을 받아 전사, 메타데이터 또는 번역이 생성되었음을 기록하는 것이 포함됩니다. 독창성은 인공지능이 작성한 댓글을 자신의 독창적인 아이디어로 제시하지 않는 것을 의미합니다. 이는 후속 연구자의 검증과 학문적 진실성을 위해 필수적입니다.