ChineseCharacterStudies(2026)Research01
CNUDH
Team A: 고준형, 곽대은, 황현성
목차
Contents
1. 연구목적
본 연구는 《說文解字》에 수록된 禾부 소전자형을 연구 대상으로 삼아, 각 글자의 직접구건과 구형모델을 분석하고 禾 구건이 자형 안에서 어떠한 표의 기능을 담당하는지 고찰하는 것을 목적으로 한다. 이를 통해 禾부자가 곡물, 생장, 수확, 저장, 조세, 단위 등의 의미범주로 분화되는 양상을 살피고, 한자의 자형 구성 원리와 고대 농경 사회의 의미 체계 및 사회·경제적 관념이 어떻게 연결되는지를 검토하고자 한다.
2. 연구이론
3. 연구대상
본 연구는 《설문해자(說文解字)》 화부(禾部)에 수록된 소전(小篆) 자형을 연구 대상으로 삼았다. 최종 분석 대상은 《설문해자》 화부의 본문에 수록된 중문(重文, 즉 고문·기자 등)을 제외하고, 부수자인 ‘禾’ 자체를 포함하여 총 87자의 정자(正字)로 확정하였다. 본 연구에서는 중복 수록되거나 분석에서 제외된 자형 없이 화부에 수록된 소전 자형 전수를 분석 대상으로 균일하게 다루었다.
4. 연구방법
1) 데이터셋 구축 절차
본 연구는 《說文解字》 禾部에 수록된 소전자형을 대상으로, 각 자형의 구조적 특성과 의미 체계를 분석하기 위한 정형 데이터셋을 구축하였다. 각 분석 대상 자형에 대해서는 자형 구조와 의미 분류를 체계적으로 정리하기 위하여 ① 한자, ② 직접구건(直接構件), ③ ‘禾’ 구건의 기능, ④ ‘禾’ 외 구건의 기능, ⑤ 구형(構形)모델, ⑥ 《說文解字》 기반 본의(本義), ⑦ 의미범주, ⑧ 의미층위의 총 8개 항목을 설정하였다.
데이터셋 구축은 먼저 《說文解字》 禾部의 분석 대상 글자를 확정하고, 각 글자를 하나의 독립적인 분석 단위로 정리하는 것에서 출발하였다. 이후 각 자형을 직접구건 단위로 분해하여 禾와 禾 외 구성요소를 구분하고, 각 구건이 자형 안에서 수행하는 역할을 표의기능, 시음기능 등으로 판정하였다. 이렇게 도출된 구건 기능의 결합 양상에 따라 각 자형의 구형모델을 의음합성자, 회의합성자 등으로 분류함으로써, 자형 구조의 형성 원리를 유형화하였다.
의미 분석에서는 《說文解字》의 풀이를 바탕으로 각 글자의 본의를 정리한 뒤, 이를 다시 의미범주와 의미층위로 구분하여 분류하였다. 의미범주는 곡물명, 생장, 저장, 수확, 단위, 조세 등 禾부자 내부에서 반복적으로 나타나는 세부 의미군을 기준으로 설정하였으며, 의미층위는 자연물, 생산활동, 사회제도, 추상개념 등 의미 확장의 상위 단계를 보여주는 항목으로 설정하였다. 이러한 분류 방식을 통해 개별 한자의 자형 구조와 의미 체계가 어떻게 연결되는지를 비교·분석할 수 있도록 하였다.
2) 온톨로지 설계
본 연구의 온톨로지는 《說文解字》 禾部 소전자형의 자형 구조와 의미 형식을 체계적으로 정리하고, 각 한자의 구성요소와 의미 범주를 지식 그래프 형태로 연결하기 위해 설계하였다. 특히 개별 자형의 직접구건, 구건 기능, 구형모델, 의미범주, 의미층위를 함께 다룰 수 있도록 하여, 자형 분석과 의미 분석이 분리되지 않고 하나의 구조 안에서 연계되도록 하는 데 목적이 있다. 이를 위해 주요 클래스는 Character, Component, Function, StructureModel, MeaningCategory, SemanticLayer의 여섯 범주로 설정하였다. Character는 개별 한자 자체를 나타내는 중심 클래스이며, Component는 禾와 禾 외 구건을 포함한 구성요소를 나타낸다. Function은 구건이 수행하는 표의기능, 시음기능, 회의기능 등을 표현하고, StructureModel은 회의합성자, 의음합성자 등 자형 결합 방식을 분류한다. MeaningCategory는 곡물명, 저장, 조세와 같은 의미 범주를, SemanticLayer는 자연물, 생산활동, 사회제도, 추상개념과 같은 상위 의미 층위를 담당한다.
관계는 각 클래스 사이의 분석 목적이 분명하게 드러나도록 설정하였다. hasComponent는 하나의 Character가 어떤 Component로 구성되는지를 연결하는 관계이며, hasSemanticFunction은 특정 구성요소가 자형 안에서 어떤 의미 기능을 수행하는지를 나타낸다. hasPhoneticFunction은 구성요소가 음가 단서를 제공하는 경우를 연결하는 관계로, 禾 외 구건의 역할을 표현하는 데 사용된다. hasStructureModel은 각 Character가 어떤 구형모델에 해당하는지 연결하고, hasMeaningCategory와 hasSemanticLayer는 문자 의미가 중간 수준의 범주와 상위 층위에 어떻게 연결되는지를 보여준다.
이와 같은 온톨로지 설계를 통해 본 연구는 첫째, 각 자형이 어떤 구성요소로 이루어져 있는지, 둘째, 각 구성요소가 표의·시음·회의 등의 기능 중 무엇을 담당하는지, 셋째, 그 결합 결과가 어떤 구형모델로 나타나는지, 넷째, 해당 자형이 어떤 의미범주와 의미층위에 속하는지를 함께 분석할 수 있다. 다시 말해, 본 온톨로지는 禾부 소전자형의 구조적 구성과 의미 분포를 연결하여, 문자별 특성과 문자군 전체의 의미 경향을 함께 검토할 수 있도록 하는 분석 틀이다.
3) 지식그래프 시각화 방법
시각화를 위해서는 먼저 노드 리스트와 엣지 리스트를 분리하여 작성하였다. 노드 리스트에는 한자(Character), 구성요소(Component), 기능(Function), 구형모델(StructureModel), 의미범주(MeaningCategory), 의미층위(SemanticLayer)를 각각 별도의 노드 유형으로 구분하여 입력하였다. 엣지 리스트에는 Source, Relation, Target을 설정하고, 한자와 구성요소, 구성요소와 기능, 한자와 구형모델, 한자와 의미범주, 한자와 의미층위를 연결하도록 구성하였다.
이후 yEd를 활용하여 클래스와 관계 유형이 구분되도록 시각화하였다. 노드는 유형별로 서로 다른 형태와 색상으로 표시하여 한자, 구성요소, 기능, 구형모델, 의미범주, 의미층위를 직관적으로 식별할 수 있도록 하였다. 엣지는 Relation 속성에 따라 구분하여, 문자 구조, 기능, 의미 정보가 각각 어떤 방식으로 연결되는지를 한눈에 파악할 수 있도록 설계하였다.
또한 그래프의 전체 배치는 중심 개념인 禾를 기준으로 관련 한자와 구성요소가 주변에 연결되는 네트워크 구조로 구성하였다. 이를 통해 개별 한자의 구조적 관계뿐 아니라, 동일한 구성요소와 의미 정보를 공유하는 문자군의 연결 양상도 함께 확인할 수 있도록 하였다.
5.연구데이터
Google Spreadsheet
6. 연구결과
1. 구형모델 분포 및 수치 분석 본 연구에서 『설문해자』에 기반하여 구축한 '禾(벼 화)' 부수 자군 데이터셋(총 13개 자형)을 한자 구형학 이론에 따라 분석한 결과, 자형의 결합 모델은 고도의 편중성과 체계성을 나타냈다. 전체적인 통계 수치는 다음과 같다.
구형 모델 (構形模式) 해당 한자 자형 글자 수 비율 (%) 의음합성자 (義音合成字) 稿, 稼, 種, 植, 種, 稙, 穉, 稹, 稠, 概, 稀 11자 84.6% 회의합성자 (會意合成字) 秀 1자 7.7% 기타 (독체 표의자) 禾 1자 7.7% 합계 - 13자 100% 수치 분석 및 의의: 분석 결과 전체 자형의 84.6%가 '의음합성자(전통적 형성 구조)' 모델에 집중되어 있음이 확인되었다. 이는 고대 중국인들이 '禾' 부수 자군을 확장해 나갈 때, 발음을 담당하는 '시음구건(家, 童, 重 등)'을 결합하여 새로운 글자를 생성하는 방식을 압도적으로 선호했음을 증명한다. 즉, '禾' 자군은 무작위로 형성된 것이 아니라 기호의 효율성과 생산성을 극대화한 구형학적 시스템 하에 설계되었음을 수치적으로 입증한다.
2. 의미범주 분류에 따른 사유 체계 분석 본 연구는 설문해자의 자원 해석을 바탕으로, 표의구건 '禾'가 지닌 '곡물·농업'이라는 의미 핵심이 어떻게 파생되었는지 추적하기 위해 [물리적 본질 ➔ 인간의 생산 활동 ➔ 추상적 가치화]라는 3단계 기준으로 의미범주를 분류하였다. 그 결과는 다음과 같다.
[禾 부수 자군의 의미 확장 3단계 도식] ① 식물·자연물 본질 (禾, 稀 등) ➔ ② 농업 생산 활동 (稼, 稿 등) ➔ ③ 추상적 가치화 (秀, 種 등) 범주 1: 식물 및 자연물의 본질 범주 (약 23%)
분석: 곡물의 구조나 생태적 상태 자체를 물리적으로 묘사한 자군이다. 기준 자형인 禾(벼 화, 훌륭한 곡식)를 필두로, 곡식이 듬성듬성 자란 상태를 뜻하는 稀(드물 희) 등이 이 범주에 속한다.
범주 2: 농업 기술 및 생산 활동 범주 (약 54%)
분석: 전체 데이터에서 가장 높은 비중을 차지한 범주로, 인간이 곡물을 매개로 행하는 노동과 생산 가공 행위를 담고 있다. 곡식을 땅에 심는 행위인 稼(심을 가), 곡식을 수확하여 창고에 보관하는 형태의 稿(원고 고/볏짚 고), 일찍 심는 행위인 稙(일찍 심은 벼 직) 등이 포함된다. 이는 '禾' 자군의 발달이 고대 농경 사회의 기술적 발전 및 노동 맥락과 직결되어 있음을 보여준다.
범주 3: 사유의 추상화 및 가치화 범주 (약 23%)
분석: 식물의 생태적 특징에서 착안하여 인간 사회의 추상적 가치나 개념으로 확산된 자군이다. 이삭이 돋아나는 모습에서 '우수함·빼어남'으로 의미가 확장된 秀(빼어날 수), 다음 농사를 위해 남겨둔 무겁고 중요한 씨앗에서 '종류·식별'의 개념으로 확장된 種(씨 종) 등이 대표적이다.
3. 종합 결론 데이터셋_A조_최종본 분석을 통해 도출된 최종 결론은 다음과 같다.
첫째, '禾' 부수 자군은 구형학적으로 '의음합성 모델'이라는 일관된 규칙성(84.6%)을 가지고 체계적으로 증식되었다. 둘째, 의미론적으로는 단순한 식물(자연물)의 묘사에 그치지 않고, 농업이라는 '생산 활동' 맥락을 거쳐 인간 사회의 '추상적 가치 선별'로 의식이 확장되는 인지적 발달 과정을 명확히 투영하고 있다.
결과적으로 한자 구형학 이론과 데이터 온톨로지 설계를 통해 복잡한 한자 자군을 분석한 본 시도는, 전통 문자학의 자원 해석을 과학적·통계적 지표로 증명해 냈다는 점에서 높은 학술적 타당성을 지닌다.
연구후기
황현성
나름 컴퓨터를 응용해서 문제 수행을 하는데 있어서 자부심을 가지고 있었는데 이번 연구를 통해서 한없이 부족함을 뼈저리게 느꼈다. AI 없이는 노드, 엣지리스트를 일일이 수작업 하기에는 너무 많은 시간이 소요되고, 오류도 발생할 수 있음을 느끼고 AI 활용의 중요성을 느꼈다. 또, yed 프로그램으로 시각화 그래프를 직접 만들어봄으로써, 연구 목적과 방향에 따른 레이아웃의 중요성도 깨달았다.
고준형
엑셀 시트에 정리된 '禾(벼 화)' 부수 한자 데이터를 yEd 프로그램으로 옮겨 그래프로 만드는 작업은 생각보다 많은 시행착오가 따랐다.하지만 과정대로 하다보니 텍스트 표로 볼 때는 잘 와닿지 않던 한자들의 뿌리와 형성 과정이 한눈에 입체적으로 들어왔다. 디지털 툴을 다루는 과정에서 우리 조원이 많이 고생 했고,잘 알려줘서 인문학 데이터를 구조화하고 시각적 성과물로 만들어 낸 것 같다
곽대은
프로젝트 시작 전, 이 연구에 대해 교수님께서 해 주신 설명은 이해가 잘 되었다. 그러나 실제로 『설문해자』의 한자 자형을 데이터로 구축하려니 구조가 훨씬 복잡했고 초반에 혼란이 컸다. 자형의 계통과 구성 요소를 노드와 엣지로 전환하는 과정에서 기준을 정하고 일관되게 정리하는 데 시간이 많이 소요되었다. 다행히 AI를 적절히 활용해 데이터 정리와 구조화 속도를 높일 수 있었다. yEd로 시각화 하는 단계에서는 노드 배치, 관계선 처리, 레이아웃 옵션 설정 등 여러 오류들이 발생했지만 이를 하나씩 해결해 나가는 과정에서 뿌듯함을 느꼈고 문제 해결 능력이 많이 늘었다고 느낀다. 또한 이번 연구를 통해 禾부수의 구조적 특징과 의미를 명확히 이해하게 되어서 의미가 깊다. 앞으로 비슷한 연구를 할 때는 초기 설계와 기준 설정에 더 신경 써야겠다고 생각했다
참고자료
주석