소설의 언어를 데이터로 읽는다는 것 -'한국현대문학데이터분석연구' 강의 사례를 기반으로-

전성규

doi:https://doi.org/10.31310/HUM.084.01

추천

검색

자료유형: 학술저널

저자정보: 전성규 (성균관대학교 동아시아학술원)

저널정보: 성균관대학교 인문학연구원(구 성균관대학교 인문과학연구소) 인문과학 인문과학 제84호

발행연도: 2022.2

수록면: 5 - 37 (33page)

DOI: https://doi.org/10.31310/HUM.084.01

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

이 글은 이인직 신소설을 분석 대상으로 하여 디지털 인문학의 연구방법을 탐색해 본 한 학기 강의 사례를 기반으로 문학 텍스트를 데이터로읽는다는 것의 의미에 대해 논의해 보았다. 문학 텍스트의 언어처리는 내러티브라는 자질 때문에 비문학 텍스트 분석에서 주로 사용되는 ‘단어’ 중심의 언어처리 방법이 적용되기에는 무리가 있다. 문학 특히 소설 텍스트의 언어처리는 단어나 개념 단위가 아니라 적어도 절 이상의 수준, 문장과 문단 사이의 단위로 이루어져야 할 필요가 있다. 이 글에서는 롤랑바르트가 『S/Z』에서 『사라진』을 561개의 독해단위(lexis)로 분절한 것처럼, 소설 텍스트를 의미단위로 분절하여 분석하는 것을 제안해 본다. 의미단위를 기준으로 한 분석은 메타언어적 데이터 표현과 의미 수행적인 데이터 표현으로 나눠서 설명할 수 있다. 메타언어적 데이터 표현은 의미단위를 개념화하거나 특정한 분류체계 아래서 범주화하는 것으로 데이터의 단순성, 추상적 표현에 기여한다. 하지만 의미의 연쇄과정을 반영하기에는 무리가 있어 소설의 플롯을 따라가며 의미단위를 실제적인 분석 대상으로 간주할 방법이 필요하다. 그것이 의미 수행적인 데이터 표현방법이다. 텍스트의 의미단위는 텍스트를 독해하는 자가 결정한다. 추출된 의미단위는 그 의미를 구성하는 세부요소로 다시 절단된다. 이는 의미를 형성하는 관계망을 다시 짜보는 일이다. 의미단위의 관계망은 데이터 세트로 표현되는데 이 데이터 세트의 흐름은 소설의 플롯을 따라가는 것이지만 주제화되어 있기 때문에 소설이 내포한 다른 서사의 양상을 보여준다. 그러한 의미에서 의미 수행적인 데이터 표현은 바르트가 말한 것과 같이 텍스트를 독자 자신의 텍스트로 재생산하는 “쓰여지는(scriptible)” 텍스트가 된다. 텍스트를 분절하고 분절된 단위를 흩트려 관계망을 다시 짜보는 일은 텍스트를 비선형적으로 독해하는 작업이다. 여기서 텍스트는 총체성도 외부성도 상실한다. 이러한 텍스트의 이미지는 네트워크의 그것과 닮아있다. 네트워크는 들어가는 특정한 입구도 출구도 없으며 쪼개어진 단위들은 파편적 질서를 갖는다. 하지만 형식성, 봉쇄성, 군집성, 폐쇄성 또한 네트워크의 중요한 특징이다. 또한 서사에 기반한 네트워크는 시간성을 띨 필요가 있다. 비선형성이 강한 네트워크는 시간성을 담는 것에는 소극적이지만 문학연구를 위해 서사성을 반영한 네트워크의 모델에 대한 논의가 요청된다.

This article discusses the meaning of reading literary texts as data based on the case of a lecture at a semester that explored the research method of digital humanities using Lee In-jik’s “new novel (sinsoseol)” as a target of analysis. Because linguistic processing of literary texts have a narrative characteristic, it is difficult to apply the same method being applied to non-literary texts to a literary text analysis. Linguistic processing of literature, especially the text of novel, needs to be made not in terms of words or concepts, but at least at the level of verses and between sentences and paragraphs. In this article, I propose to analyze the novel text by segmenting it into semantic units, just as Roland Barthes segmented ‘Sarrasine’ into 561 reading comprehension units in S/Z. Analysis based on semantic units can be divided into metalinguistic data representation and semantic performance data representation. The former conceptualizes semantic units or categorizes them under a specific classification system, contributing to the simplicity and abstract expression of data. However, it is difficult to reflect the chain process of meaning, so it is necessary to follow the plot of the novel and consider the semantic unit as an actual analysis object. That is a semantic performance-based data representation method. The semantic unit of the text is determined by the reader of the text. The extracted semantic unit is further cut into detailed elements that make up the meaning. It is a matter of reframing the network of relationships that form meaning. Because the network of semantic units is expressed as a data set, and the flow of this data set follows the plot of the novel, it shows the different narrative aspects of the novel. Therefore, extracting the semantic unit is also a task that unfolds the researcher’s reading comprehension of the text. In that sense, a semantic performance data representation is a “scriptable” text that Barthes spoke. Segmenting the text and restructuring the relational network by scattering the segmented units are a non-linear reading of the text. Here, the text loses both totality and externality. The image of these texts resembles that of the network. The network has no specific entrance or exit, and the divided units have a fragmented order. However, formality, blockade, clustering, and closure are also important characteristics of networks. In addition, narrative-based networks have temporality. A network with strong nonlinearity is passive in containing temporality. but I suggest that a little more discussion on the model of the network that reflects the narrative is needed for literary research.

#문학어 #내러티브 #의미단위 #데이터 세트 #“쓰여지는 텍스트” #네트워크 #미시적 읽기 #Literary Language #Narrative #Data Set #Semantic Unit #Data Set #“Scriptable Text” #Network #Micro Reading

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

전성규

소속기관 성균관대학교 동아시아학술원

주요연구분야 인문학 > 인문학 일반

논문수 1 이용수 33

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)