디지털 방법론 공부 : 김병준 교수님 2021, 2023년 논문 공부

제가 최근 김병준 교수님과 전봉관 교수님 논문으로 공부를 시작했는데,

분야가 조금 다르다 보니 모든 논문을 공부하긴 어렵다 생각했고,

9월부터 다시 해야 할 일들이 있어서 최대 10개를 정해서 공부하게 되었습니다.

 

김병준 교수님께서 전봉관 교수님 그리고 이원재 교수님과 함께 연구하신 논문은 지난 글에 소개했고,

이번 글에서는 김병준 교수님의 2021년과 2023년 논문 2개를 먼저 다루겠습니다.

 

---

본론.

 

제가 앞선 글들에서 김병준 교수님 논문을 몇 편 소개했는데,

이번 글에서는 현대 데이터를 활용한 두 논문을 함께 정리해 보고자 합니다.

 

저는 그동안 여러 차례 말씀드린 것처럼 디지털 역사학에 관심이 많지만,

역사 자료만으로는 데이터 구축 자체가 쉽지 않다는 문제를 계속 경험하고 있었습니다.

 

그래서

"역사 연구에 적용할 수 있는 디지털 (인문학) 방법론은 무엇이 있을까?"

라는 관점에서 논문을 읽게 되었습니다.

---

1> 논문 제목과 링크

2021년 논문

Structural Topic Model Analysis of Mask-Wearing Issue Using International News Big Data
by Kyeo Re Lee,Byungjun Kim,Dongyan Nan and Jang Hyun Kim 
Int. J. Environ. Res. Public Health 2021, 18(12), 6432; https://doi.org/10.3390/ijerph18126432
Submission received: 21 April 2021 / Revised: 10 June 2021 / Accepted: 11 June 2021 / Published: 14 June 2021
(This article belongs to the Special Issue Urban and Public Policy against COVID-19)

https://www.mdpi.com/1660-4601/18/12/6432

Structural Topic Model Analysis of Mask-Wearing Issue Using International News Big Data

 

---

2023년 논문

 

Articles

News big data analysis of international start-up innovation discourses through topic modelling and network analysis: comparing East Asia and North America

Kyeo Re Lee,Jang Hyun Kim,Jaeyeon Jang,Jeewoo Yoon,Dongyan Nan,Yonghwan Kim, Byungjun Kim

Pages 581-603 | Published online: 19 Oct 2022

https://www.tandfonline.com/doi/abs/10.1080/19761597.2022.2134154

News big data analysis of international start-up innovation discourses through topic modelling and network analysis: comparing E

 

---

2> 논문 분석

논문 1 : 마스크 착용 이슈 분석 (2021)

핵심

• 국제 뉴스 데이터 수집
• 토픽 모델링
• STM(Structural Topic Model)
• 국가별 담론 비교
• 코로나19 시기 변화 분석

즉

대규모 뉴스 데이터
↓
토픽 추출
↓
국가별 담론 차이 분석
↓
사회적 의미 해석

당시 저는 LDA 정도만 들어본 상태였는데,

STM이라는 방법론을 처음 알게 되었습니다.

단순히 "무슨 토픽이 있는가"를 보는 것이 아니라

국가나 시기 같은 조건과 토픽을 연결해서 분석할 수 있다는 점이 인상적이었습니다.

---

논문 2 : 스타트업 혁신 담론 분석 (2023)

핵심

• 국제 뉴스 데이터 수집
• 토픽 모델링
• 의미 네트워크 분석
• 동아시아와 북미 비교
• 혁신 담론 구조 분석

즉

대규모 뉴스 데이터
↓
토픽 추출
↓
핵심 개념 연결망 분석
↓
지역별 혁신 담론 비교

이 논문은 단순히 토픽만 보는 것이 아니라,

토픽 안에서 어떤 단어들이 서로 연결되는지까지 분석했다는 점이 특징적이었습니다.

특히

"동아시아에서는 혁신을 어떻게 이야기하는가"

"북미에서는 혁신을 어떻게 이야기하는가"

를 비교하는 방식이 흥미로웠습니다.

---

3> 두 논문의 공통점

개인적으로는 두 논문이 모두

"사회적 담론을 데이터로 분석한다"

는 점에서 연결된다고 생각했습니다.

공통적으로

• 뉴스 빅데이터 활용
• 텍스트 마이닝
• 토픽 모델링
• 사회적 의미 해석

이라는 구조를 가지고 있습니다.

즉

뉴스 기사
↓
텍스트 데이터화
↓
토픽 추출
↓
사회적 담론 해석

이라는 흐름은 동일합니다.

---

4> 두 논문의 차이점

반면 분석 깊이는 조금 다르게 보였습니다.

2021

관심

어떤 토픽이 존재하는가

↓

국가별로 어떻게 다른가

---

2023

관심

어떤 토픽이 존재하는가

↓

토픽 내부의 개념들이
어떻게 연결되는가

↓

지역별 담론 구조는
어떻게 다른가

즉

토픽 자체보다

담론 구조를 더 깊게 들여다보는 방향으로 확장된 느낌을 받았습니다.

---

5> 왜 이 논문들이 인상 깊었는가

사실 저는 원래 독립운동사와 교육사에 관심이 있었습니다.

그런데 현실적으로는

• 데이터 확보가 어렵고
• OCR 품질 문제가 있고
• 연구자가 직접 데이터셋을 만들어야 하는 경우가 많았습니다.

반면 이 논문들은

현대 뉴스 데이터를 활용하여

디지털 인문학 방법론 자체를 학습하고 실험할 수 있다는 점을 보여주었습니다.

그래서 당시 저는

"역사 연구를 하고 싶다면,
먼저 디지털 인문학 방법론부터 익히는 것도 좋은 경로가 될 수 있겠다."

라는 생각을 하게 되었습니다.

---

6> 이 논문들이 제 연구 방향에 미친 영향

저는 일제강점기 연구에 많은 관심을 갖고 있고,

뚜렷한 문제의식을 지니고 있지만,

일제강점기 자료를 바로 분석하기에는 데이터 구축 역량이 부족합니다.

그래서 먼저

• 뉴스 빅데이터 분석
• 토픽 모델링
• 의미 네트워크 분석
• 시계열 담론 분석

같은 방법론을 익히고,

이후 역사 연구에 적용하고자 합니다.

 

읽어주셔서 감사합니다.

---