AI 시대 중국 고전문학 연구의 새로운 방법론 탐색

김준연

추천

검색

자료유형: 학술저널

저자정보: 김준연 (고려대학교)

저널정보: 한국중국어문학회 중국문학 중국문학 제106권

발행연도: 2021.1

수록면: 1 - 28 (28page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본고는 ‘AI 시대’에 대응해 중국 고전문학 연구에서 새로운 방법론을 모색해볼 다섯 가지 세부 분야를 검토한 것이다. 전산비평은 코퍼스 문체론을 주요 방법론으로 삼아 문학 텍스트를 이해하고자 하는 시도이다. 프랑코 모레티가 ‘멀리서 읽기’로 표현한 거시적 관점에서의 고찰이나 어휘 수준의 탐색에서 모두 효과를 기대할 만하다. 빅데이터는 데이터 마이닝 기법을 통해 유의미한 정보를 발굴하고자 할 때 유용해 보인다. 네트워크 분석과 연결 지을 때 더 좋은 결과가 기대된다. 인공지능은 ‘Word2Vec’과 같은 텍스트 처리 모델을 이용해 共起語 분석에서 장점을 발휘한다. 문장 유사도 분석을 응용하면 異本 텍스트 간의 비교나 작가들의 계보 작성에 도움을 얻을 수 있을 것이다. 기계번역은 아직 원전 텍스트와 주석서의 안정적인 독해를 기대할 만한 수준은 아닌 것으로 판단된다. 그러나 현대어로 된 2차 자료를 섭렵하는 과정에서 언어의 장벽을 낮추는 데 기여할 것으로 보인다. 정보시각화 분야에서는 ‘GIS 기반 문학지도’와 ‘인포그래픽’ 모두 아직 국내 중국 고전문학 연구에서 활성화되지 않은 것으로 여겨진다. 중국 고전문학 교육 분야와 연계해 더 활발한 탐색과 시도가 진행되기를 기대한다.

This study was conducted to suggest how Chinese classical literature researchers should respond the time when the words "fourth industrial revolution" and "AI era" became hot issues around the world. Although it is not yet clear what the meaning of the fourth industrial revolution is, many people are emphasizing the importance of "big data" and "artificial intelligence." We need to collect 'data' and process 'information' to create 'knowledge' and provide 'better understanding' for our research. For this reason, I think that the researchers in Chinese classical literature also should adapt well to the AI era and find innovative methodologies. In this paper, I reviewed five detailed areas to explore new methodologies in Chinese classical literature research. Computational criticism is an attempt to understand literary texts using corpus stylistics as the main methodology. Both in terms of macro-views expressed by Franco Moretti as "distant reading" and in vocabulary-level exploration are expected to be effective. Big data seems useful when trying to find meaningful information through data mining techniques. Better results are expected when linked to network analysis. Artificial intelligence can find advantages in co-occurrence analysis using text processing models such as 'Word2Vec'. The application of sentence similarity analysis will help with comparison between different versions and the creation of the authors' genealogy. Machine translation is not yet expected to be stable reading of original texts and annotations. However, it is expected to contribute to lowering the language barrier in the process of obtaining secondary data in modern languages. Information visualization does not seem to have been activated in both GIS-based literature maps and infographics fields. I hope that more active exploration and attempts will be carried out in conjunction with the field of Chinese classical literature education. However, it is not desirable to overlook the fact that using computers in Chinese classical literature research is ultimately researchers. In other words, discovering research problems and finding solutions is human, not AI. In order to find a research problem, researchers must first read the target texts meticulously. If we have determined that "calculation" is necessary to solve research problems, it is better to find the optimal and best solution with the help of a computer expert than to solve it by ourselves.

#중국 고전문학 #전산비평 #빅데이터 #인공지능 #기계번역 #정보시각화

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김준연

소속기관 고려대학교

주요연구분야 인문학 > 어문학 > 중국어와문학

논문수 16 이용수 196

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)