본 자료는 목동서로영어학원에서 제작하였습니다 0505.co.kr
2026 9월 고3 모의고사 21번원문 + 단어
반 이름 날짜 
펼쳐 본 문장 0 / 7
문법 핵심핵심 어휘카드 탭 → 해석·단어·구조도·문법
ⓐ맞춤화의 두 사례: 검색 결과와 자동완성S1~S3
해석
소셜 미디어 회사들은 여러분을 사이트에 계속 머물게 하려고 애쓰거나, 여러분에게 유용한 결과를 전해 주려고 시도하고 있다.
📌 단어
work to V ≒ strive to V~하려고 애쓰다
keep A on siteA를 사이트에 머물게 하다 (on site = 현장에)
attempt to V ≒ try to V~하려고 시도하다
deliver → delivery전해 주다, 제공하다 → 전달, 배달
useful ↔ useless유용한 ↔ 쓸모없는
result결과, 결과물
📐 문장 구조도
Social media companies 소셜 미디어 회사들은(S) are working to keep you on site 여러분을 사이트에 머물게 하려고 애쓰고 있다(V①) or attempting to deliver results 혹은 결과를 전해 주려고 시도하고 있다(V② 병렬) useful to you. 여러분에게 유용한(형용사구 → results 수식) useful to you → results 후치수식 or 병렬 → are working / (are) attempting 소셜 미디어 회사들은 여러분을 사이트에 머물게 하려고 애쓰거나, 여러분에게 유용한 결과를 전해 주려고 시도하고 있다. [work to V / 형용사구 후치수식]
← 옆으로 밀어 구조도를 보세요 →
✏️ 문법
  1. work to V / attempt to V (목적의 to부정사)
    are working to keep ~ or attempting to deliver ~ = 머물게 하려고 애쓰거나 전해 주려고 시도하다 — 진행형 두 동사 병렬(are working / (are) attempting).
  2. 형용사구 후치수식
    results useful to you = 여러분에게 유용한 결과 — useful to you가 뒤에서 results를 꾸밈.
  3. keep + O + 전치사구
    keep you on site = 여러분을 사이트에 계속 두다(keep O + 장소).
💡 쉬운 풀이
【출발점 — 회사의 두 가지 목표: 붙잡기 + 챙겨주기】
유튜브나 인스타를 열면 왜 자꾸 다음 영상이 뜨고 좋아할 만한 글이 먼저 보일까? 회사가 노리는 게 두 가지이기 때문이다. 하나는 ‘나가지 말고 더 있어’(사이트에 머물게 하기), 다른 하나는 ‘이거 너한테 필요하지?’(유용한 결과 주기)다. 동네 편의점을 떠올려 보자. 주인은 손님이 오래 머물도록 시식 코너를 두고, 단골이 늘 사는 물건을 계산대 바로 앞줄에 놓는다. 손님은 ‘여기 편하네’ 하고 더 머물고, 필요한 걸 금방 찾는다. 소셜 미디어도 똑같다. 옛날 TV는 모두에게 같은 방송을 틀어 주었지만, 지금의 앱은 나를 붙잡고, 나에게 맞는 것을 골라 준다. 둘 다 결국 ‘너에게 맞춰 줄게’라는 말이고, 이 맞춤화가 글 전체의 출발점이다. 뒤에 나올 검색 결과와 자동완성이 모두 이 목표에서 나온다.
★ work to V = ~하려고 애쓰다 (work 다음에 to부정사면 ‘목적’!)
Social media companies are working소셜 미디어 회사들은 애쓰고 있다to keep you on site여러분을 사이트에 계속 머물게 하려고on site 사이트에or attempting to deliver results useful to you.또는 여러분에게 유용한 결과를 전해 주려고 시도하고 있다attempt to ~하려고 시도하다deliver 제공하다
전체 해석소셜 미디어 회사들은 여러분을 사이트에 계속 머물게 하려고 애쓰거나, 여러분에게 유용한 결과를 전해 주려고 시도하고 있다.
Social media companies are working to keep you on site or attempting to deliver results useful to you.
해석
여러분은 이러한 맞춤화(= 사용자를 붙잡아 두고 유용한 결과를 주려는 노력)가 검색 엔진의 결과에 반영된 것을 볼 수 있는데, 검색 엔진은 관련성을 최대한 높이려 한다. 즉, 뉴욕에서 ‘bakery(빵집)’를 검색하면 파리에서 검색할 때와는 다른 결과가 나와야 한다.
📌 단어
personalization → personalize / personal맞춤화, 개인화 → 개인 맞춤으로 만들다 / 개인의
see A reflected in BA가 B에 반영된 것을 보다
reflect → reflection반영하다, 비추다 → 반영, 반사
maximize ↔ minimize최대화하다 ↔ 최소화하다
relevance → relevant관련성 → 관련 있는
search for~을 검색하다, 찾다
return (results)(결과를) 내놓다, 돌려주다
different ~ than = different from~와 다른
📐 문장 구조도
You can see 여러분은 볼 수 있다(S+V) this personalization 이러한 맞춤화가(O) reflected in the results of search engines, 검색 엔진의 결과에 반영된 것을(O.C · 과거분사) which try to maximize relevance: 그것은 관련성을 최대화하려 한다(계속적 which절) searching for “bakery” in New York 뉴욕에서 ‘bakery’를 검색하는 것은(동명사 S) should return different results 다른 결과를 내놓아야 한다(V+O) than searching in Paris. 파리에서 검색하는 것과(비교 than) reflected ~ = personalization의 보어(5형식) which절 → search engines 보충 than ~ → different results 비교 여러분은 이러한 맞춤화가 검색 엔진의 결과에 반영된 것을 볼 수 있는데, 검색 엔진은 관련성을 최대화하려 한다. 즉, 뉴욕에서 ‘bakery’를 검색하면 파리에서 검색할 때와 다른 결과가 나와야 한다. [see + O + p.p. / 계속적 which]
← 옆으로 밀어 구조도를 보세요 →
✏️ 문법
  1. see + O + p.p. (지각동사 5형식)
    see this personalization reflected in ~ = 맞춤화가 ~에 반영된 것을 보다 — 맞춤화가 ‘반영되는’ 쪽이므로 과거분사 reflected.
  2. 계속적 용법 which
    search engines, which try to ~ = 검색 엔진은 ~하려 한다 — 콤마 뒤 which가 search engines를 보충 설명.
  3. 콜론(:) = 구체 예시
    콜론 뒤 searching for “bakery” in New York should return ~는 앞 내용의 실제 예시. 동명사 searching이 주어.
  4. different ~ than
    different results than searching in Paris = 파리에서 검색하는 것과 다른 결과 — different from과 같은 뜻(미국식).
💡 쉬운 풀이
【맞춤화의 예 ① — 검색 결과: 같은 단어, 다른 답】
앞부분은 ‘회사들의 그 맞춤 노력이 검색 결과에 그대로 드러난다’는 말이고, 콜론 뒤는 그 증거다. 서울에서 ‘치킨집’을 검색하면 우리 동네 가게가 뜨고, 부산에서 검색하면 부산 가게가 뜬다. 뉴욕 사람이 ‘bakery’를 치면 맨해튼 베이글 가게, 파리 사람이 치면 바게트 가게가 나와야 ‘잘 찾아준 것’이다. 만약 파리에 있는 사람에게 뉴욕 빵집을 보여 준다면, 정확한 정보이긴 해도 그 사람에게는 쓸모가 없다. 옛날 종이 전화번호부는 누가 펴도 같은 페이지였지만, 검색 엔진은 사람마다 다른 페이지를 보여 준다. 이것이 ‘관련성 최대화’ = 나에게 딱 맞는 답을 찾아 주기다. 검색 엔진이 ‘관련성을 최대한 높이려 한다’는 말은 결국 ‘너에게 진짜 도움이 되는 것만 앞에 놓겠다’는 뜻이고, S1의 ‘유용한 결과 주기’가 실제로 돌아가는 첫 번째 모습이다.
★ see + O + p.p. = O가 ~된 것을 보다 (O가 당하는 쪽이면 과거분사!)
You can see this personalization reflected여러분은 이러한 맞춤화가 반영된 것을 볼 수 있다personalization 맞춤화reflect 반영하다in the results of search engines,검색 엔진의 결과에search engine 검색 엔진which try to maximize relevance:검색 엔진은 관련성을 최대한 높이려 한다maximize 최대화하다relevance 관련성searching for “bakery” in New York뉴욕에서 ‘bakery(빵집)’를 검색하면should return different results다른 결과가 나와야 한다return 내놓다than searching in Paris.파리에서 검색할 때와는
전체 해석여러분은 이러한 맞춤화(= 사용자를 붙잡아 두고 유용한 결과를 주려는 노력)가 검색 엔진의 결과에 반영된 것을 볼 수 있는데, 검색 엔진은 관련성을 최대한 높이려 한다. 즉, 뉴욕에서 ‘bakery(빵집)’를 검색하면 파리에서 검색할 때와는 다른 결과가 나와야 한다.
You can see this personalization reflected in the results of search engines, which try to maximize relevance: searching for “bakery” in New York should return different results than searching in Paris.
해석
자동완성의 작은 예측 텍스트 힌트 같은 기능들 역시, 검색어를 다듬어 주는 제안을 함으로써 관련성을 최대한 높이려 한다. 예를 들어 ‘cats(고양이)’를 입력하면 사용자에게 ‘cats movie(고양이 영화)’나 ‘cats that don’t shed(털이 안 빠지는 고양이)’를 띄워 줄 수 있다.
📌 단어
feature기능, 특징
predictive → predict / prediction예측하는 → 예측하다 / 예측
cue ≒ hint, signal힌트, 신호, 단서
autocomplete자동완성
look to V ≒ seek to V~하려고 하다 (‘보다’ 아님)
refinement → refine다듬기, 세분화 → 다듬다, 정제하다
prompt A with BA에게 B를 띄우다·제시하다
shed(털이) 빠지다; (눈물·피를) 흘리다 (헛간 shed와 동철이의어)
📐 문장 구조도
Features 기능들은(S) like the little predictive-text cues of autocomplete 자동완성의 작은 예측 텍스트 힌트 같은(전치사구 → Features 수식) also look to maximize relevance 역시 관련성을 최대화하려 한다(V+O) by suggesting refinements: 다듬어 주는 제안을 함으로써(수단 by V-ing) typing in “cats” ‘cats’를 입력하는 것은(동명사 S) might prompt the user with 사용자에게 띄워 줄 수 있다(V) “cats movie” or “cats that don’t shed.” ‘cats movie’나 ‘털이 안 빠지는 cats’를(O · that절 수식) like ~ → Features 수식 by suggesting ~ → look to maximize 수단 prompt A with B 자동완성의 작은 예측 텍스트 힌트 같은 기능들 역시 다듬어 주는 제안을 함으로써 관련성을 최대화하려 한다. 예를 들어 ‘cats’를 입력하면 사용자에게 ‘cats movie’나 ‘cats that don’t shed’를 띄워 줄 수 있다. [look to V / by V-ing / 관계사 that]
← 옆으로 밀어 구조도를 보세요 →
✏️ 문법
  1. 전치사 like (~같은)
    Features like the little predictive-text cues of autocomplete = 자동완성의 작은 예측 텍스트 힌트 같은 기능들 — like는 ‘좋아하다’가 아니라 ‘~같은’(전치사).
  2. look to V (~하려고 하다)
    look to maximize relevance = 관련성을 최대화하려 하다 — S2의 try to maximize와 같은 뜻.
  3. by + V-ing (수단)
    by suggesting refinements = 다듬어 주는 제안을 함으로써.
  4. 주격 관계대명사 that
    cats that don’t shed = 털이 빠지지 않는 고양이 — that절이 cats를 수식. 선행사 복수 → don’t.
💡 쉬운 풀이
【맞춤화의 예 ② — 자동완성: 질문을 다듬어 주기】
검색창에 ‘고양’까지만 쳐도 회색 글씨로 후보가 줄줄이 뜨는 것, 그게 이 문장의 ‘예측 텍스트 힌트’다. 앞부분은 ‘이 기능도 목표는 관련성 높이기’라는 말이고, 뒤에 붙은 예시는 ‘cats’라고 치면 ‘고양이 영화’, ‘털 안 빠지는 고양이’가 뜬다는 뜻이다. 문구점 직원이 “연필이요? 샤프심이요, 색연필이요?” 하고 되물어서 손님이 진짜 원하는 걸 좁혀 주는 것과 같다. 손님이 ‘연필’이라는 한 단어만 말해도 직원은 그 뒤에 숨은 진짜 필요를 짐작해서 선택지를 내민다. S2의 검색 결과가 답을 골라 주는 것이라면, 자동완성은 질문을 다듬어 주는 것이다. 답을 찾기 전에 질문부터 정확하게 만들어 주니, 학생이 ‘cats’만 치고 헤매는 시간이 줄어든다. 둘 다 결국 ‘너에게 관련 있는 것’을 찾으려는 같은 목표이고, 이 자동완성이 글의 마지막까지 이어지는 핵심 소재다.
★ look to V = ~하려고 하다 (look at ‘보다’와 구별!)
Features like the little predictive-text cues of autocomplete자동완성의 작은 예측 텍스트 힌트 같은 기능들도feature 기능predictive 예측하는cue 힌트autocomplete 자동완성also look to maximize relevance관련성을 최대한 높이려 한다look to ~하려고 하다maximize 최대화하다relevance 관련성by suggesting refinements:검색어를 다듬어 주는 제안을 함으로써suggest 제안하다refinement 다듬기typing in “cats”‘cats(고양이)’를 입력하면might prompt the user사용자에게 띄워 줄 수 있다prompt 띄워 주다with “cats movie” or “cats that don’t shed.”‘cats movie(고양이 영화)’나 ‘cats that don’t shed(털이 안 빠지는 고양이)’를shed (털이) 빠지다
전체 해석자동완성의 작은 예측 텍스트 힌트 같은 기능들 역시, 검색어를 다듬어 주는 제안을 함으로써 관련성을 최대한 높이려 한다. 예를 들어 ‘cats(고양이)’를 입력하면 사용자에게 ‘cats movie(고양이 영화)’나 ‘cats that don’t shed(털이 안 빠지는 고양이)’를 띄워 줄 수 있다.
Features like the little predictive-text cues of autocomplete also look to maximize relevance by suggesting refinements: typing in “cats” might prompt the user with “cats movie” or “cats that don’t shed.”
ⓑ자동완성의 정체: 축적된 집단 데이터S4~S5
해석
자동완성 제안은 축적된 사용자 행동에 대한 알고리즘의 이해를 들여다볼 기회를 준다. 즉, 주요 소셜 미디어 알고리즘이 작동하는 방식에서 엄청나게 중요한 부분을 보여 준다.
📌 단어
offer a look into~을 들여다볼 기회를 주다
algorithm알고리즘 (문제를 푸는 계산 절차)
accumulate → accumulated / accumulation축적하다 → 축적된 / 축적
behavior ≒ conduct행동
immensely ≒ extremely, hugely엄청나게
key (adj.)핵심적인, 주요한
work (v.)작동하다 (여기서는 ‘일하다’ 아님)
📐 문장 구조도
Autocomplete suggestions 자동완성 제안은(S) offer a look into ~을 들여다볼 기회를 준다(V+O) the algorithm’s understanding of accumulated user behavior 축적된 사용자 행동에 대한 알고리즘의 이해(into의 목적어) — an immensely important part — 엄청나게 중요한 부분(동격 명사구) of how key social media algorithms work. 주요 소셜 미디어 알고리즘이 작동하는 방식의(of + how절) 동격 — an important part = the algorithm’s understanding of how절 → part 수식 자동완성 제안은 축적된 사용자 행동에 대한 알고리즘의 이해를 들여다볼 기회를 주는데, 이는 주요 소셜 미디어 알고리즘이 작동하는 방식에서 엄청나게 중요한 부분이다. [대시 동격 / how절]
← 옆으로 밀어 구조도를 보세요 →
✏️ 문법
  1. 대시(—) 동격 보충
    — an immensely important part of ~ = 앞의 ‘알고리즘의 이해’를 다시 설명하는 동격 명사구.
  2. 과거분사 accumulated 수식
    accumulated user behavior = 축적된 사용자 행동 — 행동이 ‘쌓인’ 것이므로 과거분사.
  3. how + S + V 명사절
    how key social media algorithms work = 주요 소셜 미디어 알고리즘이 작동하는 방식 — 전치사 of의 목적어.
💡 쉬운 풀이
【자동완성의 정체 — 쌓인 행동을 읽은 결과】
자동완성 후보는 아무렇게나 나오는 게 아니다. 수많은 사람이 지금까지 뭘 검색했는지를 알고리즘이 ‘기억’해 두었다가 그걸 바탕으로 띄우는 것이다. 단골 카페 사장이 “늘 드시던 걸로?” 하고 묻는 것과 같다. 그동안 손님이 뭘 시켰는지 쌓아 둔 기억으로 다음 주문을 맞히는 것이다. 처음 온 손님에게는 이런 말을 할 수 없다. 기억이 없기 때문이다. 자동완성도 마찬가지로, 쌓인 검색 기록이 없으면 후보를 띄울 수 없다. 우리 눈에는 회색 글씨 두 줄이지만, 그 뒤에는 수억 번의 검색 기록이 있다. 대시(—) 뒤는 ‘이 쌓인 행동을 읽는 능력이 알고리즘 작동에서 엄청나게 중요하다’는 보충 설명이다. 즉 자동완성은 겉으로는 작은 편의 기능이지만, 속으로는 쌓인 행동을 읽어 내는 일이라는 소셜 미디어 알고리즘의 심장부를 보여 주는 창문이라는 말이다.
★ offer a look into = ~을 들여다볼 기회를 주다 (look = 명사 ‘들여다봄’)
Autocomplete suggestions offer a look자동완성 제안은 들여다볼 기회를 준다offer a look into ~을 들여다보게 하다suggestion 제안into the algorithm’s understanding of accumulated user behavior축적된 사용자 행동에 대한 알고리즘의 이해를algorithm 알고리즘accumulate 축적하다— an immensely important part그것은 엄청나게 중요한 부분이다immensely 엄청나게of how key social media algorithms work.주요 소셜 미디어 알고리즘이 작동하는 방식에서key 주요한
전체 해석자동완성 제안은 축적된 사용자 행동에 대한 알고리즘의 이해를 들여다볼 기회를 준다. 즉, 주요 소셜 미디어 알고리즘이 작동하는 방식에서 엄청나게 중요한 부분을 보여 준다.
Autocomplete suggestions offer a look into the algorithm’s understanding of accumulated user behavior — an immensely important part of how key social media algorithms work.
해석
결과물(= 검색 결과와 자동완성 제안)은 개인 맞춤형이지만, 데이터 세트는 거대하며, 플랫폼들은 방대한 양의 사용자 정보 전체에서 유사점을 캐내고 있다.
📌 단어
output ↔ input출력물, 결과물 ↔ 입력
personalized개인 맞춤형의
data set데이터 세트 (자료 묶음)
massive ≒ huge, vast거대한, 엄청난
platform플랫폼 (서비스 기반)
mine for~을 캐내다, 찾아내다 (광산 mine에서 온 비유)
similarity ↔ difference유사점 ↔ 차이점
vast quantities of방대한 양의
📐 문장 구조도
The outputs 결과물은(S①) are personalized, 개인 맞춤형이다(V① 수동) but the data sets are massive, 그러나 데이터 세트는 거대하다(S②+V②+C) and the platforms 그리고 플랫폼들은(S③) are mining for similarities 유사점을 캐내고 있다(V③+O) across vast quantities of user information. 방대한 양의 사용자 정보 전체에서(M) but 대비 → personalized ↔ massive across ~ → mining 범위 결과물은 개인 맞춤형이지만, 데이터 세트는 거대하며, 플랫폼들은 방대한 양의 사용자 정보 전체에서 유사점을 캐내고 있다. [but/and 3절 병렬 / 수동태]
← 옆으로 밀어 구조도를 보세요 →
✏️ 문법
  1. but ~ , and ~ 3절 병렬
    The outputs are ~, but the data sets are ~, and the platforms are ~ = 세 개의 절이 but·and로 이어짐 — 개인(작음) vs 데이터(큼)의 대비.
  2. 수동태 are personalized
    The outputs are personalized = 결과물이 개인 맞춤화되어 있다 — 결과물이 ‘맞춤화되는’ 쪽.
  3. across (~ 전체에 걸쳐)
    across vast quantities of user information = 방대한 양의 사용자 정보 전체에 걸쳐.
💡 쉬운 풀이
【반전 — ‘내 맞춤’의 재료는 수백만 명의 데이터】
‘내 맞춤 결과’라고 해서 알고리즘이 나 한 사람만 들여다보는 건 아니다. 옷 가게 점원이 손님 한 명의 취향을 맞힐 때, 실은 그동안 온 수천 명 손님 중 ‘이 손님과 비슷한 사람들’이 뭘 샀는지를 떠올려 추천하는 것과 같다. 20대 여성 손님이 들어오면 ‘요즘 20대 손님들이 많이 찾는 게 이거였지’ 하고 꺼내는 식이다. 겉으로는 나 하나를 위한 1:1 맞춤이지만, 속으로는 수백만 명의 정보에서 ‘닮은꼴’을 찾아내는 작업이다. 여기서 but이 중요하다. 앞은 ‘결과는 개인용(작음)’, 뒤는 ‘재료는 거대한 데이터(큼)’라는 반대 방향의 말을 붙여, 맞춤이라는 겉모습과 집단 데이터라는 속사정을 대비시킨다. 그래서 개인 맞춤은 사실 집단의 패턴에서 나온다. 이 ‘겉은 개인, 속은 집단’이라는 반전이 마지막 문장의 ‘거울’로 이어진다.
★ mine for = ~을 캐내다 (광산에서 캐듯 데이터에서 찾아내기)
The outputs are personalized,결과물은 개인 맞춤형이다output 결과물personalized 개인 맞춤형의but the data sets are massive,하지만 데이터 세트는 거대하다data set 데이터 세트massive 거대한and the platforms are mining for similarities그리고 플랫폼들은 유사점을 캐내고 있다mine for ~을 캐내다similarity 유사점across vast quantities of user information.방대한 양의 사용자 정보 전체에서vast 방대한quantity 양
전체 해석결과물(= 검색 결과와 자동완성 제안)은 개인 맞춤형이지만, 데이터 세트는 거대하며, 플랫폼들은 방대한 양의 사용자 정보 전체에서 유사점을 캐내고 있다.
The outputs are personalized, but the data sets are massive, and the platforms are mining for similarities across vast quantities of user information.
ⓒ작동 원리와 결론: 사회의 거울S6~S7
해석
만약 여러분 근처에 있거나 여러분과 비슷한 아주 많은 사용자들이 여러분이 시작한 그 검색을 특정 단어들로 완성한다면, 자동완성 알고리즘은 그것(= 많은 사람이 같은 단어로 검색을 마쳤다는 사실)을 고려하여, 그 단어들(= 다른 사용자들이 쓴 특정 단어들)을 여러분에게 제안할 가능성이 더 높아질 수 있다.
📌 단어
a whole lot of ≒ a great many아주 많은
near ↔ far from~ 근처의 ↔ ~에서 먼
similar to ↔ different from~와 비슷한 ↔ ~와 다른
complete → completion완성하다 → 완성
specific ↔ general특정한, 구체적인 ↔ 일반적인
take A into accountA를 고려하다 (account = 계좌 아님)
be likely to V → likelihood~할 가능성이 있다 → 가능성
📐 문장 구조도
If a whole lot of users 만약 아주 많은 사용자들이(조건절 S) near you or similar to you 여러분 근처에 있거나 여러분과 비슷한(→ users 수식) complete the search 그 검색을 완성한다면(조건절 V+O) that you’ve begun 여러분이 시작한(목적격 관계사절 → search 수식) with specific words, 특정 단어들로(M) the autocomplete algorithm 자동완성 알고리즘은(주절 S) takes that into account 그것을 고려한다(V①) and may be more likely to suggest them to you. 그리고 그것들을 여러분에게 제안할 가능성이 더 높을 수 있다(V② 병렬) near ~ / similar to ~ → users 수식 that절 → the search 수식 If절 → 주절 조건 and 병렬 → takes / may be 만약 여러분 근처에 있거나 여러분과 비슷한 아주 많은 사용자들이 여러분이 시작한 그 검색을 특정 단어들로 완성한다면, 자동완성 알고리즘은 그것을 고려하여 그 단어들을 여러분에게 제안할 가능성이 더 높아질 수 있다. [If 조건절 / 관계사 that / take A into account]
← 옆으로 밀어 구조도를 보세요 →
✏️ 문법
  1. If 조건절 + 주절
    If a whole lot of users ~ complete ~, the autocomplete algorithm takes ~ = 만약 ~한다면, 알고리즘은 ~한다 — 조건절은 현재시제.
  2. 목적격 관계대명사 that
    the search that you’ve begun = 여러분이 시작한 그 검색 — that절이 search를 수식(that 뒤 목적어 자리 비어 있음).
  3. 현재완료 you’ve begun
    you’ve begun = 여러분이 (이미) 시작해 놓은 — 시작해서 지금 진행 중.
  4. be more likely to V
    may be more likely to suggest them = 그것들을 제안할 가능성이 더 높을 수 있다.
💡 쉬운 풀이
【작동 원리 — 나와 닮은 사람들의 선택이 나에게 온다】
앞부분은 ‘내 근처에 살거나 나와 비슷한 사람들이 내가 치기 시작한 검색을 어떤 단어로 끝냈다면’이라는 조건이고, 뒷부분은 ‘알고리즘이 그걸 참고해서 나에게도 그 단어를 먼저 띄운다’는 결과다. 내가 ‘목동’까지만 쳤는데 ‘목동 맛집’이 뜨는 이유가 바로 이것이다. 목동 사람 수천 명이 ‘목동’ 뒤에 ‘맛집’을 붙여 검색을 끝냈으니, 알고리즘은 ‘이 동네 사람은 이걸 찾는구나’ 하고 나에게도 내미는 것이다. 학교 앞 문구점 아저씨가 “이 반 애들은 다 이 노트 사더라” 하며 먼저 꺼내 주는 것과 같다. 아저씨는 내 마음을 읽은 게 아니라, 우리 반 친구들이 뭘 샀는지 기억해 둔 것뿐이다. 내가 원한 게 아니라 나와 닮은 사람들이 원한 것이 나에게 제안된다. S5의 ‘닮은꼴 찾기’가 실제로 돌아가는 모습이며, ‘근처의 사람’과 ‘비슷한 사람’ 두 기준이 곧 알고리즘이 나의 닮은꼴을 고르는 잣대다.
★ take A into account = A를 고려하다 (account는 ‘계좌’ 아님!)
If a whole lot of users near you or similar to you만약 여러분 근처에 있거나 여러분과 비슷한 아주 많은 사용자들이a whole lot of 아주 많은complete the search that you’ve begun여러분이 시작한 그 검색을 완성한다면complete 완성하다with specific words,특정 단어들로specific 특정한the autocomplete algorithm takes that into account자동완성 알고리즘은 그것을 고려한다autocomplete 자동완성take into account 고려하다and may be more likely to suggest them to you.그리고 그 단어들을 여러분에게 제안할 가능성이 더 높아질 수 있다be likely to ~할 가능성이 크다
전체 해석만약 여러분 근처에 있거나 여러분과 비슷한 아주 많은 사용자들이 여러분이 시작한 그 검색을 특정 단어들로 완성한다면, 자동완성 알고리즘은 그것(= 많은 사람이 같은 단어로 검색을 마쳤다는 사실)을 고려하여, 그 단어들(= 다른 사용자들이 쓴 특정 단어들)을 여러분에게 제안할 가능성이 더 높아질 수 있다.
If a whole lot of users near you or similar to you complete the search that you’ve begun with specific words, the autocomplete algorithm takes that into account and may be more likely to suggest them to you.
해석
그 결과(= 자동완성 제안)는 수백만 건의 검색과 관련된 데이터에서 나온 것이므로, 자동완성은 어떤 의미에서 사회에 거울을 비추고 있는 셈이다.
📌 단어
since (이유)~이므로, ~때문에
be derived from ≒ come from~에서 나오다, 유래하다
related to ≒ connected with~와 관련된
millions of수백만의
in a sense어떤 의미에서는
hold a mirror up to~을 있는 그대로 비추다, 반영하다
society → social사회 → 사회의
📐 문장 구조도
Since the results 그 결과는 ~이므로(이유절 S) are derived from data 데이터에서 나온다(이유절 V) related to millions of searches, 수백만 건의 검색과 관련된(과거분사 → data 수식) autocomplete 자동완성은(주절 S) is, in a sense, holding 어떤 의미에서 비추고 있다(V · 삽입구) a mirror up to society. 사회에 거울을(O) related to ~ → data 후치수식 Since절(이유) → 주절 hold a mirror up to (V-O) 그 결과는 수백만 건의 검색과 관련된 데이터에서 나오므로, 자동완성은 어떤 의미에서 사회에 거울을 비추고 있는 셈이다. [Since 이유절 / 과거분사 related]
← 옆으로 밀어 구조도를 보세요 →
✏️ 문법
  1. Since 이유 접속사
    Since the results are derived from ~ = 결과가 ~에서 나오므로 — ‘~이후로’가 아니라 이유의 since.
  2. 과거분사 related 후치수식
    data related to millions of searches = 수백만 건의 검색과 관련된 데이터 — related to가 뒤에서 data를 꾸밈.
  3. 삽입구 in a sense
    autocomplete is, in a sense, holding ~ = 어떤 의미에서 — 콤마로 끊어 넣은 삽입 표현.
  4. 현재진행 is holding
    is holding a mirror up to society = 사회에 거울을 비추고 있다 — 지금도 계속 그렇게 하는 중.
💡 쉬운 풀이
【결론 — 자동완성은 개인 맞춤이자 사회의 거울】
자동완성 창에 뜨는 말들을 잘 보면 그 시대 사람들이 뭘 궁금해하는지가 보인다. 2020년 초에 ‘마스크’를 치면 ‘마스크 재고’, ‘마스크 5부제’가 떴던 것처럼, 사회 전체의 걱정이 검색창에 그대로 비쳤다. 수능 전날 ‘수능’을 치면 ‘수능 날씨’, ‘수능 시간표’가 뜨는 것도 같은 원리다. 그 후보들은 내 머리에서 나온 게 아니라 수백만 명의 궁금증이 모여 만든 얼굴이다. 앞부분 ‘Since ~’는 이유다. 결과가 수백만 건의 검색에서 나오기 때문이라는 것이고, 뒷부분은 그래서 자동완성이 사회를 비추는 거울이 된다는 결론이다. 거울이 내 얼굴을 꾸미지 않고 그대로 보여 주듯, 자동완성은 사회가 지금 무엇을 찾고 있는지를 그대로 보여 준다. 그래서 자동완성은 나를 위한 맞춤 도구이면서 동시에 사회의 거울이다. ‘in a sense(어떤 의미에서)’를 붙인 것은 진짜 거울은 아니지만 비유로 그렇다는 뜻이다. 이 글의 결론이자 밑줄 표현의 뜻이다.
★ hold a mirror up to = ~을 있는 그대로 비추다 (사회의 모습을 반영한다는 비유)
Since the results are derived그 결과는 나온 것이므로derive from ~에서 나오다from data related to millions of searches,수백만 건의 검색과 관련된 데이터에서related to ~와 관련된autocomplete is, in a sense,자동완성은 어떤 의미에서in a sense 어떤 의미에서holding a mirror up to society.사회에 거울을 비추고 있는 셈이다hold a mirror up to ~에 거울을 비추다
전체 해석그 결과(= 자동완성 제안)는 수백만 건의 검색과 관련된 데이터에서 나온 것이므로, 자동완성은 어떤 의미에서 사회에 거울을 비추고 있는 셈이다.
Since the results are derived from data related to millions of searches, autocomplete is, in a sense, holding a mirror up to society.
📖 자동완성이 비추는 사회 — 통합 요약
🌱 CORE MESSAGE — 전체 글의 메시지
검색 결과와 자동완성은 나에게 맞춘 결과를 주지만, 그 재료는 수백만 명의 검색 데이터다.
자동완성은 개인 맞춤 도구이자, 사회가 무엇을 찾는지 비추는 거울이다
🔑 자동완성의 두 얼굴
① 겉 — 개인 맞춤 (personalized)
뉴욕의 ‘bakery’ ≠ 파리의 ‘bakery’. ‘cats’를 치면 ‘cats movie’ 제안. 나에게 관련 있는 것을 찾아 준다.
=
② 속 — 집단 데이터 (massive data sets)
내 근처·나와 비슷한 수많은 사용자가 완성한 검색어를 알고리즘이 고려해 나에게 제안. 수백만 검색의 유사점을 캐낸 결과.
💡 밑줄 의미: holding a mirror up to society = 자동완성 제안은 수백만 명의 검색에서 나오므로, 사회가 지금 무엇을 궁금해하는지를 그대로 반영한다.
📐 글 전체 흐름 — 단락 ⓐ·ⓑ·ⓒ
ⓐ
ⓐ — 맞춤화의 두 사례: 검색 결과와 자동완성 (S1~S3)
소셜 미디어 회사는 사용자를 붙잡아 두거나 유용한 결과를 주려 한다. 이 맞춤화는 검색 엔진(뉴욕 vs 파리의 ‘bakery’)과 자동완성(‘cats’ → ‘cats movie’)에서 관련성 최대화로 나타난다.
▷ 문법: work to V · see + O + p.p. · 계속적 용법 which · look to V · by V-ing
ⓑ
ⓑ — 자동완성의 정체: 축적된 집단 데이터 (S4~S5)
자동완성은 축적된 사용자 행동에 대한 알고리즘의 이해를 보여 준다. 결과는 개인 맞춤이지만 데이터 세트는 거대하며, 플랫폼은 방대한 사용자 정보에서 유사점을 캐낸다.
▷ 문법: 대시 동격 · 과거분사 accumulated · how절 · but/and 병렬 · 수동태
ⓒ
ⓒ — 작동 원리와 결론: 사회의 거울 (S6~S7)
내 근처·나와 비슷한 많은 사용자가 특정 단어로 검색을 완성하면 알고리즘이 그것을 고려해 나에게 제안한다. 결과가 수백만 검색 데이터에서 나오므로, 자동완성은 사회를 비추는 거울이다.
▷ 문법: If 조건절 · 목적격 관계사 that · take A into account · Since 이유절 · 과거분사 related
🎯 수능 유형별 통합 정답
함축 의미 (밑줄)holding a mirror up to society = 자동완성 제안이 수많은 사람의 검색 경향(사회의 관심사)을 그대로 반영한다
제목 (Title)Personalized on the Surface, Collective Underneath: What Autocomplete Reveals
주제 (Theme)개인 맞춤형 검색·자동완성이 실제로는 방대한 집단 데이터에서 나와 사회를 반영한다는 것
요지 (Main Idea)자동완성은 나에게 맞춘 제안처럼 보이지만, 수백만 명의 검색 데이터에서 유사점을 찾아낸 결과이므로 사회의 관심사를 비추는 거울이다.
연결어 흐름맞춤화(S1) → 예시 검색(S2) · also 자동완성(S3) → 정체(S4) → but 데이터는 거대(S5) → If 작동 원리(S6) → Since 결론: 거울(S7)
📝 핵심 표현 10
keep A on site = A를 사이트에 머물게 하다 [ⓐ]
see A reflected in B = A가 B에 반영된 것을 보다 [ⓐ]
maximize relevance = 관련성을 최대화하다 [ⓐ]
look to V = ~하려고 하다 [ⓐ]
offer a look into = ~을 들여다볼 기회를 주다 [ⓑ]
accumulated = 축적된 [ⓑ]
mine for similarities = 유사점을 캐내다 [ⓑ]
take A into account = A를 고려하다 [ⓒ]
be derived from = ~에서 나오다 [ⓒ]
hold a mirror up to = ~을 있는 그대로 비추다 [ⓒ]
💎 글의 핵심 (Final Point)
“The outputs are personalized, but the data sets are massive — autocomplete is holding a mirror up to society.”
결과는 나에게 맞춰져 있지만 그 재료는 수백만 명의 데이터 — 자동완성은 사회를 비추는 거울이다.
Tier 1 어법 핵심
Tier 2 어법
Tier 3 어휘·구문
Tier 4 구조 분석
📘 2026 9월 고3 21번 — 문법분석 (7문장)
문장 01 · work to V / 형용사구 후치수식
Social media companies are working to keep you on site or attempting to deliver results useful to you.
소셜 미디어 회사들은 여러분을 사이트에 계속 머물게 하려고 애쓰거나, 여러분에게 유용한 결과를 전해 주려고 시도하고 있다.
Tier 1
work to V / attempt to V (목적의 to부정사)
are working to keep ~ or attempting to deliver ~ — 진행형 두 동사 병렬. ✗ attempting deliver → ✓ attempting to deliver
Tier 2
형용사구 후치수식
results useful to you = 여러분에게 유용한 결과 — 형용사구가 명사 뒤에서 수식.
Tier 3
keep A on site
keep you on site = 여러분을 사이트에 계속 머물게 하다.
문장 02 · see + O + p.p. / 계속적 용법 which / different ~ than
You can see this personalization reflected in the results of search engines, which try to maximize relevance: searching for “bakery” in New York should return different results than searching in Paris.
여러분은 이러한 맞춤화가 검색 엔진의 결과에 반영된 것을 볼 수 있는데, 검색 엔진은 관련성을 최대한 높이려 한다. 즉, 뉴욕에서 ‘bakery(빵집)’를 검색하면 파리에서 검색할 때와는 다른 결과가 나와야 한다.
Tier 1
see + O + p.p. (지각동사 5형식)
see this personalization reflected in ~ — 맞춤화가 ‘반영되는’ 쪽 → 과거분사. ✗ reflecting → ✓ reflected
Tier 1
계속적 용법 which
search engines, which try to maximize relevance — 콤마 뒤 which = and they. ✗ , that try → ✓ , which try
Tier 2
동명사 주어 + 수 일치
searching for “bakery” in New York should return ~ — 동명사구가 주어(단수 취급).
Tier 3
different ~ than
different results than searching in Paris = different from과 같은 뜻(미국식).
문장 03 · 전치사 like / look to V / by V-ing / 관계사 that
Features like the little predictive-text cues of autocomplete also look to maximize relevance by suggesting refinements: typing in “cats” might prompt the user with “cats movie” or “cats that don’t shed.”
자동완성의 작은 예측 텍스트 힌트 같은 기능들 역시, 검색어를 다듬어 주는 제안을 함으로써 관련성을 최대한 높이려 한다. 예를 들어 ‘cats(고양이)’를 입력하면 사용자에게 ‘cats movie(고양이 영화)’나 ‘cats that don’t shed(털이 안 빠지는 고양이)’를 띄워 줄 수 있다.
Tier 1
by + V-ing (수단)
by suggesting refinements = 다듬어 주는 제안을 함으로써. ✗ by suggest → ✓ by suggesting
Tier 1
주격 관계대명사 that + 수 일치
cats that don’t shed — 선행사 cats(복수) → don’t. ✗ doesn’t shed → ✓ don’t shed
Tier 2
look to V (~하려고 하다)
look to maximize relevance = 관련성을 최대화하려 하다 — look at(보다)과 구별.
Tier 3
전치사 like (~같은)
Features like the little predictive-text cues = ~같은 기능들 — 동사 like(좋아하다)가 아님.
문장 04 · 대시 동격 / 과거분사 accumulated / how절
Autocomplete suggestions offer a look into the algorithm’s understanding of accumulated user behavior — an immensely important part of how key social media algorithms work.
자동완성 제안은 축적된 사용자 행동에 대한 알고리즘의 이해를 들여다볼 기회를 준다. 즉, 주요 소셜 미디어 알고리즘이 작동하는 방식에서 엄청나게 중요한 부분을 보여 준다.
Tier 1
과거분사 accumulated 수식
accumulated user behavior — 행동이 ‘쌓인’ 것 → 과거분사. ✗ accumulating → ✓ accumulated
Tier 1
how + S + V 명사절 (전치사 목적어)
of how key social media algorithms work — how절이 of의 목적어. ✗ how do algorithms work → ✓ how algorithms work
Tier 2
대시(—) 동격
— an immensely important part of ~ = 앞의 ‘알고리즘의 이해’를 다시 설명하는 명사구.
Tier 3
offer a look into
offer a look into ~ = ~을 들여다볼 기회를 주다.
문장 05 · but/and 3절 병렬 / 수동태 / across
The outputs are personalized, but the data sets are massive, and the platforms are mining for similarities across vast quantities of user information.
결과물은 개인 맞춤형이지만, 데이터 세트는 거대하며, 플랫폼들은 방대한 양의 사용자 정보 전체에서 유사점을 캐내고 있다.
Tier 1
수동태 are personalized
The outputs are personalized — 결과물이 ‘맞춤화되는’ 쪽. ✗ are personalizing → ✓ are personalized
Tier 2
but ~, and ~ 3절 병렬
The outputs are ~, but the data sets are ~, and the platforms are ~ — 개인(작음) vs 데이터(큼)의 대비 구조.
Tier 3
mine for / across
mining for similarities across vast quantities of ~ = 방대한 양의 ~ 전체에서 유사점을 캐내다.
문장 06 · If 조건절 / 목적격 관계사 that / take A into account
If a whole lot of users near you or similar to you complete the search that you’ve begun with specific words, the autocomplete algorithm takes that into account and may be more likely to suggest them to you.
만약 여러분 근처에 있거나 여러분과 비슷한 아주 많은 사용자들이 여러분이 시작한 그 검색을 특정 단어들로 완성한다면, 자동완성 알고리즘은 그것을 고려하여, 그 단어들을 여러분에게 제안할 가능성이 더 높아질 수 있다.
Tier 1
목적격 관계대명사 that
the search that you’ve begun — that 뒤 begun의 목적어 자리가 비어 있음. ✗ the search what you’ve begun → ✓ that you’ve begun
Tier 1
If 조건절 현재시제
If ~ users ~ complete the search ~, the algorithm takes ~ — 조건절은 현재시제, 주어 users(복수) → complete. ✗ completes → ✓ complete
Tier 2
be more likely to V
may be more likely to suggest them to you = 그것들을 제안할 가능성이 더 높을 수 있다.
Tier 3
take A into account
takes that into account = 그것을 고려하다.
문장 07 · Since 이유절 / 과거분사 related / 삽입구
Since the results are derived from data related to millions of searches, autocomplete is, in a sense, holding a mirror up to society.
그 결과는 수백만 건의 검색과 관련된 데이터에서 나온 것이므로, 자동완성은 어떤 의미에서 사회에 거울을 비추고 있는 셈이다.
Tier 1
과거분사 related 후치수식
data related to millions of searches — 데이터가 ‘관련되는’ 쪽 → 과거분사. ✗ data relating to → ✓ data related to
Tier 2
Since 이유 접속사
Since the results are derived from ~ = ~에서 나오므로 — ‘~이후로’가 아닌 이유의 since.
Tier 3
삽입구 in a sense
autocomplete is, in a sense, holding ~ = 어떤 의미에서 — 콤마 삽입 표현.
Tier 3
hold a mirror up to
holding a mirror up to society = 사회를 있는 그대로 비추다(반영하다).
01  ·  Social media companies are working to keep you on site or attempting to deliver results useful to you.
Social media companies 소셜 미디어 회사들은(S) are working to keep you on site 여러분을 사이트에 머물게 하려고 애쓰고 있다(V①) or attempting to deliver results 혹은 결과를 전해 주려고 시도하고 있다(V② 병렬) useful to you. 여러분에게 유용한(형용사구 → results 수식) useful to you → results 후치수식 or 병렬 → are working / (are) attempting 소셜 미디어 회사들은 여러분을 사이트에 머물게 하려고 애쓰거나, 여러분에게 유용한 결과를 전해 주려고 시도하고 있다. [work to V / 형용사구 후치수식]
work to V~하려고 애쓰다useful to~에 유용한
02  ·  You can see this personalization reflected in the results of search engines, which try to maximize relevance: searching for “bakery” in New York should return different results than searching in Paris.
You can see 여러분은 볼 수 있다(S+V) this personalization 이러한 맞춤화가(O) reflected in the results of search engines, 검색 엔진의 결과에 반영된 것을(O.C · 과거분사) which try to maximize relevance: 그것은 관련성을 최대화하려 한다(계속적 which절) searching for “bakery” in New York 뉴욕에서 ‘bakery’를 검색하는 것은(동명사 S) should return different results 다른 결과를 내놓아야 한다(V+O) than searching in Paris. 파리에서 검색하는 것과(비교 than) reflected ~ = personalization의 보어(5형식) which절 → search engines 보충 than ~ → different results 비교 여러분은 이러한 맞춤화가 검색 엔진의 결과에 반영된 것을 볼 수 있는데, 검색 엔진은 관련성을 최대화하려 한다. 즉, 뉴욕에서 ‘bakery’를 검색하면 파리에서 검색할 때와 다른 결과가 나와야 한다. [see + O + p.p. / 계속적 which]
see A reflectedA가 반영된 것을 보다which(계속적)= and they
03  ·  Features like the little predictive-text cues of autocomplete also look to maximize relevance by suggesting refinements: typing in “cats” might prompt the user with “cats movie” or “cats that don’t shed.”
Features 기능들은(S) like the little predictive-text cues of autocomplete 자동완성의 작은 예측 텍스트 힌트 같은(전치사구 → Features 수식) also look to maximize relevance 역시 관련성을 최대화하려 한다(V+O) by suggesting refinements: 다듬어 주는 제안을 함으로써(수단 by V-ing) typing in “cats” ‘cats’를 입력하는 것은(동명사 S) might prompt the user with 사용자에게 띄워 줄 수 있다(V) “cats movie” or “cats that don’t shed.” ‘cats movie’나 ‘털이 안 빠지는 cats’를(O · that절 수식) like ~ → Features 수식 by suggesting ~ → look to maximize 수단 prompt A with B 자동완성의 작은 예측 텍스트 힌트 같은 기능들 역시 다듬어 주는 제안을 함으로써 관련성을 최대화하려 한다. 예를 들어 ‘cats’를 입력하면 사용자에게 ‘cats movie’나 ‘cats that don’t shed’를 띄워 줄 수 있다. [look to V / by V-ing / 관계사 that]
look to V~하려고 하다by V-ing~함으로써
04  ·  Autocomplete suggestions offer a look into the algorithm’s understanding of accumulated user behavior — an immensely important part of how key social media algorithms work.
Autocomplete suggestions 자동완성 제안은(S) offer a look into ~을 들여다볼 기회를 준다(V+O) the algorithm’s understanding of accumulated user behavior 축적된 사용자 행동에 대한 알고리즘의 이해(into의 목적어) — an immensely important part — 엄청나게 중요한 부분(동격 명사구) of how key social media algorithms work. 주요 소셜 미디어 알고리즘이 작동하는 방식의(of + how절) 동격 — an important part = the algorithm’s understanding of how절 → part 수식 자동완성 제안은 축적된 사용자 행동에 대한 알고리즘의 이해를 들여다볼 기회를 주는데, 이는 주요 소셜 미디어 알고리즘이 작동하는 방식에서 엄청나게 중요한 부분이다. [대시 동격 / how절]
offer a look into들여다볼 기회를 주다how S V~하는 방식
05  ·  The outputs are personalized, but the data sets are massive, and the platforms are mining for similarities across vast quantities of user information.
The outputs 결과물은(S①) are personalized, 개인 맞춤형이다(V① 수동) but the data sets are massive, 그러나 데이터 세트는 거대하다(S②+V②+C) and the platforms 그리고 플랫폼들은(S③) are mining for similarities 유사점을 캐내고 있다(V③+O) across vast quantities of user information. 방대한 양의 사용자 정보 전체에서(M) but 대비 → personalized ↔ massive across ~ → mining 범위 결과물은 개인 맞춤형이지만, 데이터 세트는 거대하며, 플랫폼들은 방대한 양의 사용자 정보 전체에서 유사점을 캐내고 있다. [but/and 3절 병렬 / 수동태]
mine for~을 캐내다across~ 전체에 걸쳐
06  ·  If a whole lot of users near you or similar to you complete the search that you’ve begun with specific words, the autocomplete algorithm takes that into account and may be more likely to suggest them to you.
If a whole lot of users 만약 아주 많은 사용자들이(조건절 S) near you or similar to you 여러분 근처에 있거나 여러분과 비슷한(→ users 수식) complete the search 그 검색을 완성한다면(조건절 V+O) that you’ve begun 여러분이 시작한(목적격 관계사절 → search 수식) with specific words, 특정 단어들로(M) the autocomplete algorithm 자동완성 알고리즘은(주절 S) takes that into account 그것을 고려한다(V①) and may be more likely to suggest them to you. 그리고 그것들을 여러분에게 제안할 가능성이 더 높을 수 있다(V② 병렬) near ~ / similar to ~ → users 수식 that절 → the search 수식 If절 → 주절 조건 and 병렬 → takes / may be 만약 여러분 근처에 있거나 여러분과 비슷한 아주 많은 사용자들이 여러분이 시작한 그 검색을 특정 단어들로 완성한다면, 자동완성 알고리즘은 그것을 고려하여 그 단어들을 여러분에게 제안할 가능성이 더 높아질 수 있다. [If 조건절 / 관계사 that / take A into account]
take A into accountA를 고려하다be likely to~할 가능성이 있다
07  ·  Since the results are derived from data related to millions of searches, autocomplete is, in a sense, holding a mirror up to society.
Since the results 그 결과는 ~이므로(이유절 S) are derived from data 데이터에서 나온다(이유절 V) related to millions of searches, 수백만 건의 검색과 관련된(과거분사 → data 수식) autocomplete 자동완성은(주절 S) is, in a sense, holding 어떤 의미에서 비추고 있다(V · 삽입구) a mirror up to society. 사회에 거울을(O) related to ~ → data 후치수식 Since절(이유) → 주절 hold a mirror up to (V-O) 그 결과는 수백만 건의 검색과 관련된 데이터에서 나오므로, 자동완성은 어떤 의미에서 사회에 거울을 비추고 있는 셈이다. [Since 이유절 / 과거분사 related]
be derived from~에서 나오다hold a mirror up to~을 비추다
SCORE
0 / 0
SCORE
0 / 0
① 괄호 안에서 알맞은 것 고르기 선택 후 → 하단 최종확인
② 어법상 틀린 부분 찾아 고치기 틀린 단어 클릭 → 하단 최종확인
③ 빈칸에 알맞은 어형으로 쓰기 입력 후 → 하단 최종확인
🔒 목동서로영어학원 재원생에게만 제공됩니다.
해당 자료는 수업 중 별도 제공됩니다.
🔒 목동서로영어학원 재원생에게만 제공됩니다.
해당 자료는 수업 중 별도 제공됩니다.