Busan Data Guide

📚 부산 지역 인문학 데이터 편찬 입문 가이드

『부산을 빛낸 인물』·『부산의 자연마을』 디지털 아카이브 구축

• 들어가며
• 전체 로드맵
• XML 태깅
• 데이터 구조
• 실전 예시
• ID 규칙
• 작업 프로세스
• 실습 스프레드시트
• Q&A

📖 들어가며: 우리가 만들 디지털 지식 창고

안녕하세요! 오늘은 『부산을 빛낸 인물』과 『부산의 자연마을』이라는 소중한 부산의 문화유산을 디지털 데이터로 변환하는 첫걸음을 함께 시작하려고 합니다.

📚 프로젝트 규모 및 팀 구성

작업 대상 자료

• 『부산의 자연마을』: 총 2,400페이지 (1,200페이지 × 2권)
• 『부산을 빛낸 인물』: 총 800페이지

👥 팀 구성 (총 24명)

A

자연마을 1팀

• 인원: 9명 (인문계 학생)
• 담당: 『부산의 자연마을』 1,200페이지
• 총괄: 디지털인문학센터 운영위원

B

자연마을 2팀

• 인원: 9명 (인문계 학생)
• 담당: 『부산의 자연마을』 1,200페이지
• 총괄: 디지털인문학센터 계약교수

C

부산을 빛낸 인물 팀

• 인원: 6명 (인문계 학생)
• 담당: 『부산을 빛낸 인물』 800페이지
• 총괄: 디지털인문학센터 운영위원

🔧 기술 지원팀 (이공계 학생 6명)

파이썬 스크립트 개발 및 XML 자동 변환 지원

왜 이 작업이 필요할까요?

책장에 꽂혀 있는 책은 한 번에 한 사람만 읽을 수 있지만, 디지털 데이터로 변환된 지식은:

• 💡 검색 가능: "1950년대 부산 영도구"라고 검색하면 관련된 모든 내용이 한눈에!
• 🔗 연결 가능: 인물과 장소, 사건이 서로 연결되어 새로운 통찰 발견
• 📊 분석 가능: 빈도, 패턴, 관계를 통해 보이지 않던 역사적 의미 발견
• 🌐 공유 가능: 전 세계 연구자들과 부산의 이야기를 나눌 수 있어요

🔥 전체 로드맵: 3단계 여정

1

데이터 편찬 (4-6주)

현재 단계

• PDF → 텍스트 추출
• 구조화 → CSV 정리
• 태깅 → XML 변환

목표: 원천 자료를 DB에 업로드 가능한 형태로 구조화

2

데이터 분석 (2-3주)

• 빈도 분석 & 키워드 추출
• 관계 파악
• 의미 해석

목표: 구축된 데이터에서 학문적 의미와 패턴 도출

3

데이터 설계 (2-3주)

• 온톨로지 설계
• 지식 그래프 구상
• 활용 방안 기획

목표: 플랫폼 구축을 위한 데이터 모델링

오늘의 초점: 1단계 데이터 편찬을 중심으로, 2-3단계의 개요를 함께 살펴볼게요!

🏷️ XML 태깅: 데이터에 의미 부여하기

CSV로 정리한 텍스트에 의미론적 태그(Semantic Tags)를 붙여서 컴퓨터가 "누가", "어디서", "언제" 같은 정보를 이해할 수 있게 만드는 작업입니다.

🎯 왜 XML 태깅이 필요한가요?

태깅 전 (일반 텍스트)

최치원은 857년에 경주에서 태어났다.

→ 컴퓨터는 그냥 글자로만 인식

태깅 후 (XML)

<persName>최치원</persName>은
<date when="857">857년</date>에
<placeName>경주</placeName>에서 태어났다.

→ 인물, 시간, 장소를 구분해서 인식!

📋 온톨로지 설계를 위한 5대 태깅 요소

기초 데이터 작업 단계에서는 다음 5가지 핵심 요소만 태깅합니다:

요소	XML 태그	설명	예시
1. 인명	<persName>	사람 이름	최치원, 정현석, 윤용구
2. 지명	<placeName>	장소, 지역, 건물명	영도구, 동래, 해운대, 부산항
3. 시간	<date>	날짜, 연도, 시대	1876년, 조선시대, 일제강점기
4. 서명	<title>	책, 문서, 작품명	동래부지, 경상도읍지
5. 기관명	<orgName>	단체, 조직, 관청	동래부, 부산부청, 동래향교

💡 왜 이 5가지인가요?

이 5가지 요소는 지역 인문학 온톨로지의 핵심 구성 요소입니다:

• 인명 + 지명 → "누가 어디서 활동했는가"
• 인명 + 시간 → "언제 살았는가"
• 지명 + 시간 → "특정 시기의 지역 특성"
• 서명 + 기관명 → "출전 및 기록 맥락"

이러한 관계망을 통해 지식 그래프(Knowledge Graph)를 구축할 수 있습니다!

🔍 태깅 실전 예시

예시 1: 『부산을 빛낸 인물』

원문:

최치원은 857년(헌안왕 원년)에 신라의 서울 경주에서 태어났다. 868년(경문왕 8)에 12세의 나이로 당나라에 들어갔다.

태깅 결과:

<p> <persName ref="per_101_001">최치원</persName>은 <date when="857">857년</date> (<date>헌안왕 원년</date>)에 <orgName>신라</orgName>의 서울 <placeName>경주</placeName>에서 태어났다. <date when="868">868년</date> (<date>경문왕 8</date>)에 12세의 나이로 <placeName>당나라</placeName>에 들어갔다. </p>

예시 2: 『부산의 자연마을』

원문:

영도구 동삼동은 조선시대에는 절영도의 일부였다. 1876년 개항 이후 일본인들이 거주하기 시작했으며, 1942년 부산부에 편입되었다.

태깅 결과:

<p> <placeName type="구">영도구</placeName> <placeName type="동">동삼동</placeName>은 <date period="조선시대">조선시대</date>에는 <placeName>절영도</placeName>의 일부였다. <date when="1876">1876년</date> 개항 이후 일본인들이 거주하기 시작했으며, <date when="1942">1942년</date> <orgName>부산부</orgName>에 편입되었다. </p>

👥 역할 분담: 인문계 ↔ 이공계 협업

📝

인문계 학생 (18명) - 요소 식별

역할: 텍스트를 읽고 태깅할 요소 표시하기

방법:

1. 스프레드시트의 text_original 열 읽기
2. 5가지 요소를 형광펜 방식으로 표시
   • 🟡 인명: [P]최치원[/P]
   • 🔵 지명: [L]경주[/L]
   • 🟢 시간: [D]857년[/D]
   • 🟠 서명: [T]동래부지[/T]
   • 🟣 기관: [O]부산부[/O]
3. 새 열 text_tagged에 표시된 텍스트 입력

예시:

[P]최치원[/P]은 [D]857년[/D]에 [L]경주[/L]에서 태어났다.

💻

이공계 학생 (6명) - 자동 변환

역할: 파이썬 스크립트로 [P] 표시를 <persName> XML 태그로 자동 변환

방법:

1. CSV 파일 읽기 (text_tagged 열)
2. 정규식(regex)으로 마커 → XML 태그 변환
   • [P]...[/P] → <persName>...</persName>
   • [L]...[/L] → <placeName>...</placeName>
   • [D]...[/D] → <date>...</date>
3. XML 파일로 출력

파이썬 스크립트 예시:

import re import pandas as pd def convert_to_xml(tagged_text): # [P]...[/P] → <persName>...</persName> text = re.sub(r'\[P\](.*?)\[/P\]', r'<persName>\1</persName>', tagged_text) # [L]...[/L] → <placeName>...</placeName> text = re.sub(r'\[L\](.*?)\[/L\]', r'<placeName>\1</placeName>', text) # [D]...[/D] → <date>...</date> text = re.sub(r'\[D\](.*?)\[/D\]', r'<date>\1</date>', text) # [T]...[/T] → <title>...</title> text = re.sub(r'\[T\](.*?)\[/T\]', r'<title>\1</title>', text) # [O]...[/O] → <orgName>...</orgName> text = re.sub(r'\[O\](.*?)\[/O\]', r'<orgName>\1</orgName>', text) return text # CSV 읽기 df = pd.read_csv('busan_data.csv') # XML 변환 df['text_xml'] = df['text_tagged'].apply(convert_to_xml) # XML 파일 저장 with open('output.xml', 'w', encoding='utf-8') as f: f.write('<?xml version="1.0" encoding="UTF-8"?>\n') f.write('<teiCorpus>\n') for _, row in df.iterrows(): f.write(f' <p id="{row["id"]}">{row["text_xml"]}</p>\n') f.write('</teiCorpus>')

🔄 협업 워크플로우

1단계: 인문계 학생 작업

스프레드시트에 태깅 마커 표시 (1~2주)

→ text_tagged 열 완성

2단계: 이공계 학생 작업

파이썬 스크립트로 일괄 변환 (1~2일)

→ XML 파일 생성

3단계: 검수 및 수정

팀 총괄이 XML 파일 검토 후 피드백

→ 필요시 재작업

⚠️ 태깅 시 주의사항

• 일관성 유지: 같은 대상은 항상 같은 방식으로 태깅
• 중첩 금지: [P][L]김해[/L][/P] (X) → 하나만 선택
• 불확실하면 표시 안 함: 확실한 것만 태깅
• 속성 추가 가능: [L type="구"]영도구[/L]

📊 태깅 진도 체크리스트

• 5가지 요소(인명/지명/시간/서명/기관)를 구분할 수 있나요?
• 마커 표기법([P], [L], [D], [T], [O])을 이해했나요?
• 스프레드시트에 text_tagged 열을 추가했나요?
• 샘플 10개 문단을 태깅해보았나요?
• 팀원들과 태깅 기준을 통일했나요?

📊 우리 팀 데이터 구조 이해하기

우리가 사용하는 구글 시트는 18개의 필드(열)로 구성되어 있어요. 각 필드가 왜 필요한지 함께 살펴볼까요?

💡 작업 단계별 사용 필드

• 1단계 (기본 입력): id, book_title, person_id, text_original, text_type
• 2단계 (XML 태깅): text_tagged (새로 추가!)
• 3단계 (자동화): 이공계 학생이 text_tagged → XML 변환

🔑 핵심 필드 설명

필드명	예시	설명	작업자가 할 일
id	txt_10001	텍스트 고유 번호	필수 반드시 부여 (중복 금지!)
book_id	lightuppeople01	책 식별자	책마다 고정값 사용
book_title	부산을_빛낸_인물	책 제목	언더바(_)로 연결
sub_title	20세기_이전_인물편	부제목	있는 경우만 입력
publisher	부산광역시_문화유산과_시사편찬실	발행처	책 정보 그대로
pub_date	2004.06	출판일	YYYY.MM 형식
chapter	001	장 번호	3자리 숫자 (001, 002...)
page	005	페이지	3자리 숫자 (005, 006...)
person_id	per_101_001	인물 고유 번호	필수 새 인물마다 부여
name_ko	최치원	인물 한글 이름	정확하게 입력
name_ch	崔致遠	인물 한자 이름	있는 경우만 입력
topic	해운대의_유래	소주제	섹션 제목 그대로
author	정경주_경성대교수	글쓴이	이름_소속 형식
text_original	(본문 내용)	원문 텍스트	필수 가장 중요!
text_type	normal / citation / poem	텍스트 유형	필수 반드시 구분
relation_note	txt_10008	관련 텍스트 ID	연결된 경우만
img_caption	최치원_영정	이미지 설명	이미지 있을 때만
remark	번역문 / 원문	비고	필요시 메모

📖 실전 예시로 배우기

사례 1: 일반 텍스트 처리하기

PDF 원문 (5페이지)

해운대의 유래 사람은 땅의 정기를 받아 태어나고, 땅은 사람으로 인하여 이름을 얻게 된다. 한반도 동남쪽 끝 바닷가의 한 모퉁이에 있는 해운대는 천년 전 신라의 학사 최치원이 머물며 자취를 남긴 곳이다.

스프레드시트 입력 결과

id	book_title	chapter	page	person_id	name_ko	topic	text_type
txt_10001	부산을_빛낸_인물	001	005	per_101_001	최치원	해운대의_유래	normal

💡 체크포인트

• ✅ id는 연속된 번호: txt_10001, txt_10002, txt_10003...
• ✅ person_id는 새 인물 등장시에만 변경
• ✅ 한 문단 = 한 행: 문단 단위로 나누어 입력
• ✅ text_type은 'normal': 일반 서술 텍스트

사례 2: 인용문(citation) 처리하기

PDF 원문 (6페이지)

제 나이 열 두살 때 집을 떠나 서쪽으로 갔습니다. 배를 탈 적에 돌아가신 아버지께서 타이르시기를, '십 년 안에 진사(進士)에 급제하지 못하면 내 아들이라 하지 말라. 나도 아들을 두었다 아니하리라. 가라! 부지런히 하여 네 힘을 게을리 말라'고 하셨습니다.

스프레드시트 입력 결과

id	text_original	text_type	relation_note
txt_10006	(최치원이 쓴 글 중에서)	normal
txt_10007	제 나이 열 두살 때 집을 떠나... 게을리 말라'고 하셨습니다.	citation	txt_10006

💡 체크포인트

• ✅ text_type을 'citation'으로: 직접 인용문임을 표시
• ✅ relation_note 활용: 앞 문장(txt_10006)과 연결됨을 표시
• ✅ 따옴표 포함: 원문의 인용 부호 그대로 유지

사례 3: 시(poem) 처리하기 - 가장 까다로운 부분!

PDF 원문 (11페이지) - 정서의 시

狂奔疊石吼重巒 人語難分咫尺間 常恐是非聲到耳 故敎流水盡籠山 (번역) 미친 물 바위 치며 겹겹 산을 뒤흔드니 지척 사이에도 사람 소리 모르겠네.

스프레드시트 입력 결과 - 원문과 번역문을 분리!

id	person_id	name_ko	text_original	text_type	relation_note	remark
txt_10013	per_101_002	정서	狂奔疊石吼重巒 / 人語難分咫尺間 / 常恐是非聲到耳 / 故敎流水盡籠山	poem	txt_10014	원문
txt_10014	per_101_002	정서	미친 물 바위 치며 겹겹 산을 뒤흔드니 / 지척 사이에도 사람 소리 모르겠네. / 세상의 시비 소리 들릴까 두려워서 / 짐짓 흐르는 물로 산을 온통 가두었네.	poem	txt_10013	번역문

💡 체크포인트

• ✅ 한문 원문과 번역문 = 2개 행: 별도로 입력!
• ✅ 연(구절) 구분은 슬래시(/): 狂奔疊石吼重巒 / 人語難分咫尺間
• ✅ relation_note로 연결: 원문과 번역이 서로를 가리킴
• ✅ remark에 명시: '원문' 또는 '번역문'

사례 4: 가사(歌辭) 처리하기

PDF 원문 (19페이지) - <삼진작 三眞勺>

내 님믈 그리와 우니다니 山졉동새 난 이슷요이다 아니시며 거츠르신 아으 잔월효성(殘月曉星)이 아시리이다 (번역) 내 임을 그리워하여 울고 있더니 두견새와 나와는 비슷합니다 그려

💡 체크포인트

• ✅ 고어도 poem으로 처리: 가사는 시(poem)로 분류
• ✅ remark에 작품명: 가사 제목 명시
• ✅ 특수문자 처리: 깨진 부분은 !! 나 -- 로 표시

🔢 ID 부여 규칙 마스터하기

1. 텍스트 ID (id) 규칙

txt_10001, txt_10002, txt_10003...

규칙

• 형식: txt_ + 5자리 숫자
• 시작: 10001부터 시작
• 연속성: 중간에 번호를 건너뛰지 않음
• 고유성: 전체 데이터베이스에서 중복되면 안 됨!

⚠️ 흔한 실수

❌ 잘못된 예시

• txt_1 (자릿수 부족)
• txt_100001 (자릿수 초과)
• txt_10001을 두 번 사용 (중복)

✅ 올바른 예시

• txt_10001
• txt_10002
• txt_10003

2. 인물 ID (person_id) 규칙

per_101_001, per_101_002, per_102_001...

규칙

• 형식: per_ + 책번호(3자리) + _ + 인물번호(3자리)
• 책번호:
  • 101 = 『부산을 빛낸 인물』 권1
  • 102 = 『부산을 빛낸 인물』 권2
  • 201 = 『부산의 자연마을』 권1
• 인물번호: 책 내에서 등장 순서대로 001부터 부여

실전 예시

상황	person_id	설명
최치원이 5페이지에서 처음 등장	per_101_001	첫 번째 인물
정서가 11페이지에서 처음 등장	per_101_002	두 번째 인물
최치원이 다시 15페이지에 등장	per_101_001	동일 ID 재사용!

💡 팁

• 📌 인물 등장 순서대로 번호 부여: 페이지 순서가 아니라 등장 순서
• 📌 같은 인물은 같은 ID: 여러 페이지에 등장해도 ID는 하나
• 📌 엑셀 필터 활용: 이미 부여된 인물 ID 확인하기

🛠️ 단계별 작업 프로세스

STEP 1: PDF에서 텍스트 추출

방법 1: Adobe Acrobat (추천)

1. PDF 파일 열기
2. 편집 → 복사할 텍스트 선택
3. 마우스 드래그로 문단 선택
4. Ctrl+C (복사)
5. 메모장/VS Code에 붙여넣기

방법 2: 온라인 도구

• Smallpdf: https://smallpdf.com/kr/pdf-to-text
• iLovePDF: https://www.ilovepdf.com/ko/pdf_to_text

⚠️ 추출 전 체크리스트:

• 한자가 깨지지 않았나요?
• 줄바꿈이 이상하지 않나요?
• 특수문자(◦, ●, ※)가 제대로 나왔나요?

STEP 2: 텍스트 전처리

해야 할 일

1. 문단 나누기: Enter로 문단 구분
2. 공백 정리: 불필요한 띄어쓰기 제거
3. 페이지 번호 제거: -5-, [5] 같은 표시 삭제
4. 각주 처리: 1), 2) 같은 각주 번호 처리

예시: 전처리 전후

Before (원본)

사람은 땅의 정기를 받아 태어나고, 땅은 사람으로 -5- 인하여 이름을 얻게 된다.

After (전처리 완료)

사람은 땅의 정기를 받아 태어나고, 땅은 사람으로 인하여 이름을 얻게 된다.

STEP 3: 스프레드시트 입력

입력 순서

1. 메타데이터 먼저: book_title, publisher, pub_date, chapter
2. 페이지 확인: page 필드에 정확한 페이지 입력
3. 인물 정보: person_id, name_ko, name_ch 확인
4. 본문 입력: text_original에 텍스트 붙여넣기
5. 유형 지정: text_type 선택 (normal/citation/poem)

💡 빠른 입력 팁

• Ctrl+D: 위 셀 내용 복사 (같은 값 반복 입력시 유용)
• Ctrl+Enter: 셀 내 줄바꿈
• F2: 셀 편집 모드

📝 text_type 판단 가이드

text_type	사용 시점	예시 키워드
normal	일반 서술 텍스트	"~이다", "~되었다", "~라고 한다"
citation	직접 인용문	"~하셨습니다", 따옴표(' " ") 있음
poem	시, 가사, 한시	4행시, 율문, 운문

💻 실습 스프레드시트

아래는 우리 팀이 실제로 작업하는 구글 시트입니다. 실시간으로 데이터를 확인하고 입력할 수 있어요.

📊 PNU_DHC 플랫폼 데이터 작업 시트 새 탭에서 열기 →

💡 스프레드시트 사용 팁

• 위 임베드 창에서 바로 데이터를 확인할 수 있어요
• 실제 입력은 "새 탭에서 열기" 버튼을 클릭해서 진행하세요
• 여러 사람이 동시에 작업할 수 있어요 (실시간 공동 편집)
• 변경 이력은 자동으로 저장됩니다

✅ 최종 체크리스트

작업 완료 전에 꼭 확인하세요!

• id가 연속되어 있나요? (txt_10001 → txt_10002 → txt_10003)
• person_id가 올바르게 부여되었나요?
• 같은 인물이 여러 곳에 나오면 같은 person_id를 사용했나요?
• text_type이 정확한가요? (normal/citation/poem)
• 시의 원문과 번역문을 분리했나요?
• relation_note로 관련 텍스트를 연결했나요?
• 한자 이름이 있는 경우 name_ch에 입력했나요?
• 띄어쓰기와 문장부호가 원문과 일치하나요?

🔧 자주 발생하는 오류와 해결법

오류 1: ID 중복

❌ 문제: txt_10005가 두 개 있어요!

✅ 해결: 전체 열을 선택 → 데이터 → 중복 항목 삭제

오류 2: person_id 혼동

❌ 문제: 최치원이 등장할 때마다 새 ID를 부여했어요

✅ 해결: 같은 인물은 첫 등장시의 ID를 계속 사용 (per_101_001)

오류 3: 시 처리 실수

❌ 문제: 원문과 번역을 한 행에 넣었어요

✅ 해결: 두 개 행으로 분리하고 relation_note로 연결

오류 4: text_type 오입력

❌ 문제: citation을 citaion으로 오타

✅ 해결: 드롭다운 메뉴 만들기

1. 열 선택 → 데이터 → 데이터 확인
2. 조건: 목록(항목) → normal, citation, poem

💬 자주 묻는 질문 (Q&A)

Q1. 인물이 명확하지 않은 경우는?

A. person_id를 비워두고, remark에 "인물 미상" 표시

Q2. 여러 인물이 한 문단에 나오면?

A. 주요 인물의 person_id를 사용하고, remark에 "김철수, 이영희 등장" 메모

Q3. 페이지 번호가 불분명하면?

A. 앞뒤 맥락으로 유추하고, remark에 "페이지 추정" 표시

Q4. 작업 중 막힐 때는?

A.

1. 팀 슬랙 채널에 질문
2. 매주 화요일 오후 2시 정기 모임
3. 작업 메뉴얼 재확인

📊 작업 일정 계획 (2026년 1월~2월)

📚 전체 분량

• 『부산을 빛낸 인물』: 총 800여 페이지 → 1개 팀 (6명) 담당
• 『부산의 자연마을』: 총 2,400여 페이지 → 2개 팀 (각 9명) 분담
  • 1팀: 1,200페이지
  • 2팀: 1,200페이지

※ 각 팀원은 담당 권/장을 선정하여 2개월간 데이터 편찬 작업을 진행합니다.

기간	목표	세부 과제
1월 1~2주 (1/1~1/14)	작업 준비 및 기초 입력	담당 자료 선정 (권/장 배정) PDF 텍스트 추출 연습 일반 텍스트(normal) 20~30개 행 입력 스프레드시트 구조 숙지
1월 3~4주 (1/15~1/31)	본격 데이터 입력 + XML 태깅 시작	담당 분량의 30% 완료 목표 인용문(citation) 처리 숙달 person_id 규칙 완전 이해 XML 태깅 교육 및 연습 샘플 10~20개 문단 태깅 ([P], [L], [D] 표시) 1차 중간 점검 및 피드백
2월 1~2주 (2/1~2/14)	복잡한 텍스트 처리 + 본격 XML 태깅	담당 분량의 70% 완료 목표 시(poem) 원문-번역 분리 작업 relation_note 활용 능숙화 인문계: text_tagged 열 작업 진행 이공계: 파이썬 스크립트 개발 시작 2차 중간 점검 및 오류 수정
2월 3~4주 (2/15~2/28)	완료 및 품질 검수 + XML 변환	담당 분량 100% 완료 인문계: 전체 text_tagged 완성 이공계: XML 자동 변환 실행 전체 데이터 통합 팀원 간 교차 검토 최종 오류 검사 및 제출

💡 작업 진도 관리 팁

• 일일 목표: 하루 10~15개 문단 입력 (약 1시간)
• 주간 목표: 주 5일 기준 50~75개 문단
• 정기 모임: 매주 화요일 오후 2시 진도 점검 및 질의응답
• 비상 연락: 팀 슬랙 채널 실시간 지원

🎯 마무리

기억해야 할 핵심 3가지

1. 일관성이 생명: 같은 항목은 항상 같은 방식으로
2. ID는 신중하게: 한번 부여한 ID는 계속 사용
3. 협업이 중요: 막힐 때는 팀원에게 물어보기

다음 교육 예고

• 2주차: XML 태깅과 TEI 표준
• 3주차: Neo4j 그래프 데이터베이스 입문
• 4주차: 데이터 시각화 실습

📎 참고 자료

• 작업 스프레드시트: 구글 시트 바로가기
• TEI 가이드라인: https://tei-c.org/guidelines/
• 광주인문도시스토리플랫폼: 사례 참고

"한 줄 한 줄이 모여 부산의 역사가 데이터로 살아납니다."

작업 중 궁금한 점은 언제든지 팀 슬랙 또는 이메일로 연락주세요!

© 2025 부산대학교 디지털인문학센터 (PNU Digital Humanities Center)

부산 지역 인문학 데이터 편찬 프로젝트

문의: dhc@pusan.ac.kr | 최종 업데이트: 2025년 1월