디지털 역사학 vs 기존 역사학 (디지털 인문학 vs 기존 인문학)

올해 가장 오래 고민한 것은 디지털 역사학 자체가 아니었다.

오히려 내가 계속 고민했던 것은 "얼마나 넓게 볼 것인가",

그리고 "어디까지를 하나의 연구 단위로 볼 것인가"였다.

---

기존 역사학은 대체로 하나의 사건이나 인물, 혹은 특정 지역과 집단을 깊게 파고든다.

예를 들어 안재홍 연구라면 안재홍이라는 인물의 생애를 중심으로,

독립운동 연구라면 특정 조직이나 사건을 중심으로,

여성사 연구라면 특정 여성 집단의 경험을 중심으로 접근한다.

 

이 방식의 장점은 명확하다.

자료를 매우 깊게 읽을 수 있고,

개별 사례가 가진 역사적 맥락을 풍부하게 복원할 수 있다.

 

반면 한계도 존재한다.

우리가 중요하다고 생각한 인물과 사건만 보게 된다는 점이다.

---

반대로 디지털 역사학 혹은 인문학은 출발점이 다르다.

수십만 건,

수백만 건,

경우에 따라서는 수천만 건의 텍스트를 대상으로 한다.

 

개별 인물보다

사회 전체의 언어,

담론,

개념 구조의 변화를 보려 한다.

 

이와 관련하여 김병준 교수님과 전봉관 교수님 연구가 대표적이라고 할 수 있다.

https://uourstar.tistory.com/11

디지털 인문학 공부 : 김병준 교수님과 전봉관 교수님 2017년 논문과 2023년 논문 비교 분석과 제

 

2017년 연구에서는 문예지 비평 언어의 변동을 분석했고,

2023년 연구에서는「민족」「국민」「국가」라는 개념어의 의미 변화 자체를 추적했다.

개별 사건을 읽는 것이 아니라

거대한 텍스트 집합 속에서 의미 구조의 변화를 읽어낸 것이다.

---

처음에는 이런 방식이 굉장히 매력적으로 보였다.

왜냐하면 기존 인문학 혹은 역사학이 보지 못했던 것들을 발견할 수 있기 때문이다.

 

예를 들어 특정 여성 인물이 기존 연구에서는 단 한 번도 주목받지 못했더라도,

신문 기사 수십만 건을 분석하면 예상치 못한 위치에서 등장할 수 있다.

 

특정 독립운동 사건 역시 기존 연구가 다루지 않았더라도,

언론 담론 안에서는 상당한 비중을 차지하고 있었을 가능성이 있다.

 

즉,

디지털 인문학 혹은 역사학은

"이미 알려진 것"

보다

"아직 알려지지 않은 것"

을 발견하는 데 강점을 가진다.

---

하지만 여기서 문제가 발생한다.

데이터를 넓게 볼수록

인문학 혹은 역사학은 약해진다.

 

반대로 데이터를 좁게 볼수록

인문학 혹은 역사학은 강해지지만

디지털 방법론의 의미는 줄어든다.

---

예를 들어

1935년 특정 사건 하나만 분석한다고 가정해 보자.

 

신문 기사 몇십 건,

재판 기록 몇 건,

관련 인물 자료를 모두 읽을 수 있다.

 

이 경우 머신러닝이나 토픽 모델링은 거의 필요 없다.

전통적인 역사학 방법론이 훨씬 강력하다.

---

반대로

1920년부터 1945년까지

조선일보 전체를 분석한다고 가정해 보자.

 

이번에는 머신러닝이 필요해진다.

사람이 다 읽을 수 없기 때문이다.

 

그러나 이렇게 범위를 넓히면

개별 사건과 인물의 맥락은 희미해진다.

---

결국 디지털 역사학은

인문학 혹은 역사학을 대체하는 방법이 아니라

새로운 관찰 도구에 가깝다.

 

문제는 그 도구가 어느 층위에서 사용되어야 하는가이다.

---

 

지난 12월에는 여기까지 썼는데,

26년 6월에 아래의 글을 캡처로 추가했다.

->

공유 및 검토 목적이 어느 정도 달성된 듯하여, 관련 내용의 세부 구조는 비공개로 전환했습니다.

현재 분석 프레임워크와 연구 설계는 연구계획서 및 Git 저장소에서 별도 관리하고 있으며,

공개 글에서는 문제의식 중심으로만 소개합니다.