17-19세기 한국 사망력의 계절적 패턴과 그 장기 추이 : 족보 자료의 활용

백광열

doi:10.31693/KJPS.2023.12.46.4.3

추천

검색

질문

자료유형: 학술저널

저자정보: 백광열 (서울대)

저널정보: 한국인구학회 한국인구학 한국인구학 제46권 제4호

발행연도: 2023.12

수록면: 51 - 81 (31page)

DOI: 10.31693/KJPS.2023.12.46.4.3

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

이 글은 족보 자료에 기재된 출생, 사망 정보를 활용하여 17-19세기 한국의 계절(월)별 사망 분포와 그것의 특성에 대해 살펴본 것이다. 전근대 한국인은 과연 어느 계절에 어떤 요인으로 인해 가장 많이 사망하였으며, 그것의 시기적 변화는 어떠하였는가. 여기에 남/녀 차이, 사망자의 사망연령(수명) 차이라는 요인의 관련도 살펴보았다. 이를 통해 사망력과 사회적 요인의 복합적 작용을 살펴보고자 하였다. 사용한 족보는 1900~1902년 간행된 전주이씨의 대동보인 《선원속보》이다. 분석 결과, 이 시기 계절 사망의 전체적 특성은 시기적으로는 2월의 사망자가 가장 많고 다음으로 8월에 작은 상승기가 있는 형태였다. 이는 사망에 대해서 식량보다는 기온이라는 ‘전형적’ 요인의 영향이 컸고 전염병 등 외부 요소의 영향도 일부 있었음을 의미한다. 계절 사망은 시기 변화에 따라 다양한 면모를 보이며 변화해 갔다. 이는 시기별 사회구조의 변화와 관계가 있을 것으로 생각된다. 남/녀별 패턴은 유사했다. 이는 서구 연구에서도 지적된 바 있다. 하지만 여성의 사망이 남성의 그것보다 계절 변화에 더 민감했다는 점은 의미심장하다. 노령 사망이 젊은 사망보다 기온이라는 전형적 요인에 대해 더 민감한 양상을 보인 반면, 젊은 사망의 경우 기온 이외의 다양한 요인에 반응하고 또한 연중 사망 계절이 더 고르게 퍼져 있었다. 이 역시 서구 전근대 사회의 연구에서도 일반적으로 볼 수 있는 현상이다. 그러나 전근대 한국 노령층에게는 전염병의 영향도 적었다는 근거는 없다. 사망률이 최고 수준을 기록한 시기들에 있어서는 전염병 같은 자연재해가 큰 영향을 주었다는 점도 확인하였다.

This article examines the distribution of deaths by season (month) and its characteristics in Korea from the 17th to the 19th centuries using birth and death information recorded in genealogy data. In what season and due to what factors did the pre-modern Koreans die the most, and what were the changes over time? Here, we also looked at the relationship between factors such as differences between men and women and differences in the age of death (life expectancy) of the deceased. Through this, we attempted to examine the complex effects of mortality and social factors. The genealogy used is 《Seonwonsokbo璿源續譜》, the comprehensive genealogy of the Jeonju Lee clan, published between 1900 and 1902. As a result of the analysis, the overall characteristics of seasonal deaths during this period were as follows. There were the highest number of deaths in February, a small rise in August. This means that the ‘typical’ factor such as temperature had a greater influence on death than food, and that there was also some influence from external factors such as infectious diseases. Seasonal death showed various aspects and changed according to the change of time. This is thought to be related to changes in social structure over time. The patterns for men and women were similar. This has also been pointed out in Western studies. However, it is significant that women"s deaths were more sensitive to seasonal changes than men"s. While older deaths were more sensitive to the typical factor of temperature than younger deaths, young deaths responded to a variety of factors other than temperature and were more evenly distributed across death seasons throughout the year. This is also a phenomenon commonly seen in studies of Western pre-modern society. However, there is no evidence that infectious diseases had less of an impact on the elderly in pre-modern Korea. It was also confirmed that natural disasters such as epidemics had a significant impact in the periods when mortality rates were at their highest.

#사망력 #계절 패턴 #장기 추이 #조선 후기 #선원속보 #전염병 #Mortality #Seasonality #Long-term trends #Late Joseon Dynasty #《Seonwonsokbo璿源續譜》 #Infectious Diseases

Ⅰ. 서론
Ⅱ. 자료와 방법
Ⅲ. 17-19세기 계절(월) 사망 패턴의 장기 추이
Ⅳ. 계절(월)별 사망 패턴 차이의 구성 요소 : 성별, 사망 연령(수명)의 경우
Ⅴ. 사망률과 사망 계절(월) 분포의 미시적 양상 : 전염병과의 관계에 대한 1815년 사례를 중심으로
Ⅵ. 요약 및 결론
참고문헌

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

백광열

소속기관 서울대학교

주요연구분야 사회과학 > 사회학 > 사회학 일반 인문학 > 기타 인문학

논문수 3 이용수 142

이 논문과 함께 이용한 논문

From Data to Agents: 한국 디지털 역사학의 현주소와 AI 시대의 역사학

이상동 , 박충식 HOMO MIGRANS 2020 .05

과거의 재현에서 시뮬레이션으로: 계산 역사학(Computational History)의 가능성에 관한 소고

양재혁 HOMO MIGRANS 2020 .05

특정지역인의 DNA와 해프로그룹 유전자족보의 계층화

류광렬 한국정보통신학회 종합학술대회 논문집 2019 .10

조선시대 족보(族譜)에 게재된 산도(山圖)의 특성과 지형표현 : 『기계유씨족보(杞溪兪氏族譜)』 와 『潘南朴氏世譜』를 중심으로

이형윤 , 성동환 한국지역지리학회지 2011 .02

창덕궁의 역사적 전개와 전통입지과정

박정해 국학연구 2014 .06

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-089239238

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

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)