본 논문은 생성형 인공지능(AI)의 발전으로 인해 중요성이 증대된 학술 도서관의 메타데이터 모델링 문제를 다룬다. 기존의 소수 핵심 메타데이터 모델만으로 모든 정보 서비스에 충분하다는 기존 관점과 달리, 본 논문은 메타데이터 모델의 재사용성, 상호 운용성 문제는 다양한 도메인의 이질성으로 인한 개념적 얽힘 때문이라고 주장한다. 이를 해결하기 위해, 지각에서 의도적 정의까지 5가지 기능적으로 연관된 표현 수준으로 구성된 온톨로지 기반의 새로운 메타데이터 모델링 방법을 제시한다. 각 수준의 표현 다양성을 고려하여 생성형 AI 기반의 인간-대규모 언어 모델(LLM) 협업을 통해 각 표현 수준의 얽힘을 해소하고 개념적으로 분리된 메타데이터 모델을 생성하는 접근 방식을 제안한다. 암 정보를 다루는 도서관의 사례를 통해 주장을 뒷받침한다.
