01. 연구 (3) 북한 매체 담론 분석 03 나에게 있어 이 연구의 의미

이번 시리즈를 정리하면서 가장 많이 들었던 생각은,

이 연구가 나를 가장 많이 바꾼 연구였다는 점이다.

 

25년 12월 완성본을 지금 읽어 보면 부족한 부분이 많다.

 

논리도 거칠고, 과장된 표현도 있었고,

실제로 구현하지 못한 내용도 적지 않았다.

 

그럼에도 나는 이 연구를 지금도 매우 중요한 연구라고 생각한다.

 

왜냐하면 이후 수행한 원전 정책 담론 연구와 일제강점기 담론 연구의 출발점이

모두 여기에서 시작되었기 때문이다.

 

무엇보다 이 연구를 통해 내 연구 질문은 처음부터 거의 변하지 않았다는 사실을 새삼 확인하게 되었다.

 

나는 2024년에 처음 디지털 인문학 프로젝트를 시작했을 때부터,

신문을 이용하여 담론을 구조적으로 분석하고 싶었다.

그리고 최종 목표 역시 처음부터 일제강점기 신문이었다.

 

달라진 것은 연구 질문이 아니라,

그 연구 질문에 도달하기 위해 거쳐 간 과정이었다.

 

일제강점기 자료를 바로 분석하기 어려웠기 때문에

현대 자료를 이용하여 분석 구조를 먼저 설계했고,

원전 정책 담론 연구를 통해 실제 구현을 경험한 뒤,

다시 일제강점기 연구로 돌아오게 된 것이다.

(애초에 이것도 결국 같은 궤적에 있는 걸까?)

 

지금 돌아보면 세 연구는 서로 다른 프로젝트가 아니라,

하나의 연구 질문을 단계적으로 구현한 과정이었다.

---

또 하나 이 연구가 남긴 것은 머신러닝과 AI를 바라보는 관점의 변화였다.

2025년 당시에는 Hugging Face와 같은 공개 라이브러리 플랫폼이 보편화되고 있었고,

나 역시 기존 모델을 연구에 적용하면 상당 부분을 해결할 수 있을 것이라고 생각했다.

(AI 현황을 잘 모르는 분들도 있을 듯하여 관련 출처를 가져왔다.)

 

Hugging Face의 오픈소스 현황 분석에 따르면, 오픈소스 AI 생태계의 활동은 사용자, 모델, 데이터셋 저장소 수 모두 거의 두 배 수준으로 증가하면서 빠르게 성장하고 있고, 수동적인 소비 구조에서 적극적인 참여 중심 구조로 변화하고 있는 것으로 나타났습니다. 2025년 기준 허깅페이스의 사용자 수는 약 1,300만 명, 공개 모델 수는 200만 개 이상, 공개 데이터셋은 50만 개 이상으로 확대되었습니다. 사용자들은 단순 모델 소비에서 벗어나 파인튜닝 모델, 어댑터, 벤치마크, 애플리케이션 등 파생 산출물 더 많이 생성하고 있는데, 이는 오픈소스 AI 활용 방식이 단순 사용에서 생성 및 확장 중심으로 변화하고 있음을 보여줍니다.

 

출처 : https://www.oss.kr/pages/11/4504

 

2025년 10월 기준 월간 다운로드 1억 1,350만 건, 누적 다운로드 16억 건을 기록했으며, Keras·LangChain·YOLO 등 20만 개 이상의 GitHub 저장소와 3,000개의 PyPI 패키지가 huggingface_hub에 의존한다.
(원문을 한국어로 썼다.)

출처 : https://huggingface.co/blog/huggingface-hub-v1

huggingface_hub v1.0: Five Years of Building the Foundation of Open Machine Learning

 

 

지금도 이 생각 자체는 크게 달라지지 않았다.

오히려 현재의 연구 환경에서는,

BERT나 KoBERT 같은 언어모델을 처음부터 다시 만드는 것보다,

이미 공개된 모델을 연구 목적에 맞게 검증하고 보완하는 편이 훨씬 현실적이라고 생각한다.

 

예를 들어 지금 내가 사용하는 형태소 분석기 역시 처음부터 직접 만든 것이 아니다.

김병준 교수님의 토크나이저를 연구 목적에 맞게 검증하고,

전처리 과정을 수정하며,

필요한 부분을 직접 보완해서 사용하고 있다.

 

Hugging Face 역시 마찬가지다.

 

중요한 것은 새로운 모델을 만드는 일이 아니라,

어떤 모델을 어떤 연구 질문에 어떻게 적용할 것인지,

그리고 그 결과를 어디까지 해석할 수 있는지를 설명하는 일이다.

 

이 연구를 하면서 가장 크게 깨달은 것도 바로 이 점이었다.

 

예전에는

'좋은 모델을 쓰면 좋은 연구가 된다.'

고 생각했다.

 

하지만 지금은 오히려 반대로 생각한다.

 

좋은 모델은 어디까지나 좋은 도구일 뿐이다.

 

연구의 엄밀성은 모델이 아니라,

데이터를 어떻게 구축했는지,

분석 절차를 어떻게 설계했는지,

그리고 결과를 어디까지 주장할 것인지를 스스로 통제하는 데에서 나온다.

 

그래서 이후 연구에서는 내가 직접 해당 내역을 확립한 후 

AI를 통해 검토하며 내가 직접 다시 쓰는 방식을 선택하게 되었다.

(애초에 기존 12월 연구계획서에도 머신러닝 있는 부분 제외하고는 이 방식을 사용했다지만,
지난 글에도 나오듯 이 일부의 항목 때문에 연구의 가치가 사라진다는 걸 체감하여

이후부터는 더 조심하게 되었다.)

 

실제로 원전 정책 담론 연구와 일제강점기 담론 연구를 보면,

연구의 확장 가능성을 과장하기보다

한계를 먼저 설명하려고 노력한 흔적이 곳곳에 남아 있다.

이 역시 모두 이 연구에서 얻은 교훈이었다.

 

돌이켜 보면,

2025년 12월 연구계획서는 완성도 측면에서 매우 부족했다.

솔직히 말해서, 연구계획서라기보다는

시행착오가 그대로 남아 있는 기록에 가까웠다.

 

하지만 연구자의 성장은 완성된 결과보다,

어떤 시행착오를 겪었고,

그 시행착오를 어떻게 수정했는가에 더 많이 영향받는다고 생각한다.

 

그런 의미에서 북한 매체 담론 연구는

내가 처음으로 연구 질문을 끝까지 붙잡고,

데이터베이스와 자연어처리,

머신러닝,

그리고 역사학을 하나의 구조 안에서 연결해 보려고 했던 첫 번째 연구였다.

 

그래서 지금도 나는 이 연구를,

이후의 모든 연구를 가능하게 만든 출발점으로 기억하고 있다.

 

추신. 예전 글 보면 풋내가 난다.