디지털 인문학 공부 : 김병준 교수님과 전봉관 교수님 2023년·2024년 논문과 디지털 데이터의 확장

이번 글에서는 김병준 교수님과 전봉관 교수님이 참여하신 2023년과 2024년 논문을 읽으며 느낀 점을 정리하고자 합니다.

앞선 글들에서는 주로 텍스트 데이터 분석과 관련된 논문을 다루었는데,

이번에 읽은 논문들은 디지털 인문학이 단순히 텍스트 분석에만 머무르지 않는다는 점을 보여주었습니다.

오히려

"무엇을 데이터로 만들 수 있는가"

라는 질문 자체를 다시 생각하게 만든 논문들이었습니다.

---

1> 논문 제목과 링크

2023년 논문

The Korean Speech Recognition Sentences: A Large Corpus for Evaluating Semantic Context and Language Models

by Minsu Song, Byungjun Kim, and Jang Hyun Kim

이 논문은 한국어 음성 인식 및 언어 모델 평가를 위한 대규모 문장 코퍼스(Corpus) 구축 연구를 다루고 있습니다.

https://pubmed.ncbi.nlm.nih.gov/37672785/

The Korean Speech Recognition Sentences: A Large Corpus for Evaluating Semantic Context and Language Experience in Speech Percep

 

2024년 논문

Automatic Detection of Four-Panel Cartoon

by Kyeo Re Lee, Byungjun Kim, and Jang Hyun Kim

https://pure.kaist.ac.kr/en/publications/automatic-detection-of-four-panel-cartoon-in-large-scale-korean-d/

Automatic Detection of Four-Panel Cartoon in Large-Scale Korean Digitized Newspapers using Deep Learning

 

이 논문은 컴퓨터 비전 기술을 활용하여 일제강점기 신문에서 네 컷 만화를 자동으로 탐지하는 연구를 다루고 있습니다.

 

---

 

2> 논문 분석

논문 1 : 한국어 음성 인식 문장 코퍼스 구축 (2023)

핵심

• 대규모 한국어 문장 수집
• 언어 모델 평가용 데이터셋 구축
• 의미적 맥락(Semantic Context) 고려
• 음성 인식 정확도 평가
• AI 언어 모델 활용

즉,

한국어 처리 성능 개선 언어 모델 평가 대규모 데이터셋 구축 언어 자료 수집

 

이 논문을 읽으며 느낀 점은 좋은 분석 이전에 좋은 데이터셋이 먼저 필요하다는 사실이었습니다. 연구 결과보다도 어떤 방식으로 데이터를 구축하고 정제했는지가 더 인상적으로 다가왔습니다.

특히 디지털 인문학에서는 새로운 분석 기법을 만드는 것만큼, 새로운 데이터셋을 만드는 일 자체가 연구가 될 수 있다는 점을 다시 확인하게 되었습니다.

논문 2 : 네 컷 만화 자동 탐지 (2024)

이 논문은 저에게 훨씬 더 충격적으로 다가왔습니다. 왜냐하면 텍스트가 아닌 이미지 자체를 데이터셋으로 만들고 있었기 때문입니다.

핵심

• 조선일보 1920~1940 기사 이미지 수집
• 신문 이미지 47,777건 확보
• YOLOv5 딥러닝 모델 활용
• 네 컷 만화(Four-Panel Cartoon) 자동 탐지
• 1,040개 만화 객체 발견
• 메타데이터 구축 및 공개

즉,

문화사 연구 활용 데이터셋 구축 만화 자동 탐지 컴퓨터 비전 활용 신문 이미지

 

이 논문을 읽으며 느낀 점은 좋은 분석 이전에 좋은 데이터셋이 먼저 필요하다는 사실이었습니다. 연구 결과보다도 어떤 방식으로 데

특히 연구진은 47,777장의 신문 이미지 파일을 수집한 뒤, 딥러닝 모델을 이용해 1,040개의 네 컷 만화를 자동 검출하고, 발행일·URL·기사 정보 등을 포함한 데이터셋까지 구축하였습니다.

저는 이 논문을 읽으며 "신문 속 그림도 데이터가 될 수 있구나."라는 생각을 처음 하게 되었습니다.

3> 두 논문의 공통점

개인적으로는 두 논문이 모두 "원천 자료를 체계적인 디지털 데이터셋으로 구축한다"는 점에서 연결된다고 생각했습니다.

 

공통적으로

• 방대한 로우 데이터(Raw Data) 수집
• 디지털 정제 및 구조화
• 모델을 통한 평가 및 탐지
• 후속 연구를 위한 기반 마련

즉,

• 학술적 활용 구조화
• 데이터셋 구축
• 디지털 정제 및 가공
• 자료 수집

라는 흐름은 동일합니다.

분석을 위한 '재료'를 디지털 인문학적 관점에서 어떻게 과학적으로 설계하고 만들어내는가에 초점이 맞춰져 있습니다.

 

4> 두 논문의 차이점

 

반면 연구 대상의 매체와 접근 방식은 크게 다르게 보였습니다.

• 2023
  • 대상 : 텍스트/언어 (Text)
  • 관심 : 한국어 문장 수집의미적 맥락 고려언어 모델의 성능 평가 데이터화
• 2024
  • 대상 : 이미지/시각 자료 (Image)
  • 관심 : 역사적 신문 이미지 수집컴퓨터 비전(AI) 자동 탐지시각 사료의 데이터셋 구축

즉, 비정형 텍스트 중심의 데이터 구축에서 한 걸음 더 나아가, 

시각적 이미지 자료까지 자동화된 기법으로 데이터화하는 방향으로 확장된 느낌을 받았습니다.

 

---

5> 왜 이 논문들이 인상 깊었는가

저는 특히 2024년 논문이 인상 깊었습니다.

 

이전까지 저는 디지털 인문학이라고 하면

주로 텍스트를 분석하는 분야라고 생각했거든요.

 

실제로 제가 읽었던 논문들도

TF-IDF

토픽 모델링

워드 임베딩

등 텍스트 중심 연구가 많았습니다.

 

그런데 2024년 논문은

신문 속 그림 자체를 데이터로 변환하여 연구할 수 있다는 점을 보여주었습니다.

 

즉,

 

텍스트 데이터

↓

분석

 

이라는 기존 접근에서

 

이미지 데이터

↓

분석

 

이라는 새로운 가능성을 보여준 것입니다.

---

특히 이 논문을 읽으면서

"디지털 인문학은 자료를 분석하는 학문인 동시에

자료를 데이터셋으로 구축하는 학문이기도 하구나."

라는 생각을 하게 되었습니다.

---

6> 이 논문들이 제 연구 방향에 미친 영향

저는 독립운동사와 교육사에 관심이 많습니다.

그런데 일제강점기 연구를 하다 보면

기사 텍스트뿐 아니라

삽화, 만화, 사진, 광고 등도 중요한 사료로 등장합니다.

---

그래서 이전까지는

"텍스트만 분석할 수 있으면 충분하지 않을까?"

라고 생각했는데,

2024년 논문을 읽으면서 생각이 바뀌었습니다.

---

신문 이미지

↓

AI 탐지

↓

데이터셋 구축

↓

역사 연구

라는 과정도 가능하다는 것을 알게 되었기 때문입니다.

---

또한 이 논문과 연결하여

전봉관 교수님 연구진이 복원한 《멍텅구리》도 흥미롭게 읽었습니다.

 

《 멍텅구리》는 1924년 조선일보에 연재된 한국 최초의 신문 네 컷 만화를 복원한 책으로,

원본 만화뿐 아니라 문화사적 해설까지 함께 담고 있는데,

800페이지 넘는 걸 한 번에 몰아 보니까 그나마 괜찮더라고요?

 

(솔직히 한두 개 읽을 때는 옥매가 너무 불쌍하고, 바람이는 그냥 그 정도면 귀엽고,

멍텅이는 진짜 이해하기 힘든 인간상이었어요.........

제가 존경하는 민세 안재홍 선생께서 당시 어떤 생각으로 멍텅이를 바라본 건지는 이해할 수 있지만,

옥매 대할 때 생각해 보면 화딱지가 나요........)

 

아무튼 제가 어릴 적부터 전봉관 교수님 저서를 거의 다 읽었고,

최근 또 저서가 나와서 읽게 된 건데,

공부한다는 생각으로 다시 보니 괜찮았습니다.

저희 학교에 전 교수님 책 많이 있어서 있는 건 다시 다 봤어요.

 

---

다시 본론으로 돌아와서,

저는 위 논문과 《멍텅구리》를 통해

디지털 인문학은 단순히 컴퓨터를 활용하는 학문이 아니라,

과거 자료를 새롭게 발견하고 복원하는 과정과도 연결될 수 있다는 점을 배울 수 있었습니다.

---

결론적으로

2023년 논문은

"좋은 연구를 위해서는 좋은 데이터셋이 필요하다."

는 점을 보여주었고,

2024년 논문은

"텍스트뿐 아니라 이미지도 데이터셋이 될 수 있다."

는 점을 보여주었습니다.

---

 

읽어주셔서 감사합니다.