"인간 공자의 약점과 인간관계"의 두 판 사이의 차이

2020년 11월 29일 (일) 04:04 판

탐구의 목적

탐구의 과정

자료의 수집

동양고전종합DB 중 『논어』에서 발화 맥락에서 드러나는 공자의 정동, 정서 데이터를 수집하였다. ‘惡(싫어하다)’, ‘好(좋아하다)’처럼 직접적으로 감정이 드러나는 구절 이외에도, ‘사위 삼을 만함’, ‘군자와 같음’ 등 감정에 기반한 정동을 표현한 구절 역시 데이터로 포함한다. 『논어』가 특히 공자의 가르침을 주요 내용으로 하고 있으며, 일부 장에서 다른 인물의 정동 역시 나타나기는 하나 그 수가 매우 적어 유의한 데이터로 활용하기 어렵다고 판단하여 정동을 느끼는 주체를 공자로 한정하여 데이터를 추출하였다.

자료의 수집은 개별 조원이 일부 편을 맡아 일차적으로 데이터를 추출하는 방식으로 진행 되었는데, 발화 맥락에서 추론되는 정동의 경우 이를 분석하는 사람이 누구냐에 따라 서로 다르게 감정이 해석될 수 있음을 고려하여 크로스체크 과정을 통해 데이터의 객관성을 확보하고자 하였다. 개별 조원이 제작해 놓은 데이터를 나머지 세 명의 조원이 검토하고, 정동으로 추출한 감정에 동의하는지 안하는지 O, X로 두는 column을 만들어 1차적인 가공을 거쳤다.

자료의 구성

자료의 처리 과정

기준 설정

본 연구에서 가장 초점을 둔 것은 객관성과 범주화이다. ‘감정’이라는 주관적인 영역을 주제로 삼았으므로, 연구의 객관성을 확보하기 위해 주어진 환경 내에서 다양한 방법을 활용하였다. 또한 ‘공자’라는 인물의 감정을 촉발한 요소에 대한 깊이 있는 분석을 위하여 개별 요소에 하위 속성을 부여하였다. 다음에서는 위 사항들에 대한 세부적인 정보를 전달한다.

감정

『논어집주』에는 공자가 느낀 여러 층위의 감정이 등장한다. 그러나 본 연구에서 목표로 하는 것은 개별 감정의 존재를 인식하는 것을 넘어서서, 『논어집주』에서 드러나는 공자의 감정을 통해 공자의 인간적인 면모를 새롭게 읽어내는 것이다. 따라서 본 연구자들은 공자가 느낀 다양한 층위의 감정을 재범주화하여 연구에 적용할 필요가 있음을 인지하였고, 이에 이들을 체계적으로 분류할 수 있는 기준을 도입하고자 하였다. 또한 정동과 정서를 파악하는 과정에서 개별 연구자의 주관성이 개입되는 정도가 매우 높다고 판단, 주관적 해석의 여지를 최소화할 수 있는 방안 역시 고민하여 연구에 활용하였다. 이에 따라 위의 문제들을 해결하기 위하여 다음의 방법을 도입하였다.

• 문헌 조사를 통한 감정의 객관적 범주 설정

『논어집주』에서 확인되는 공자의 감정에 대한 범주를 재설정하기 위하여 심리학 분야에 대한 문헌 조사를 실시하였다. 학자마다, 연구마다 감정을 분류하는 기준은 상이하였으나, 본 연구에서는 심리학자 Paul Ekman이 연구에서 활용한 인간의 6가지 기본 감정(Basic emotions)를 주요 분류로 사용하였다. (그림) 개별 연구자가 『논어집주』 각 구절에서 파악한 감정은 아래 그림에 기반하여 6가지 기본 감정으로 분류되었고, 6가지 기본 감정으로부터 파생되는 하위 범주에 해당하는 경우에는 가장 상위의 감정 범주에 포함하여 데이터에 적용하였다.

• 크로스체크 체계화

주관적인 판단이 요구되는 데이터를 활용하는 연구에서는, 많은 경우에 데이터의 객관성을 확보하기 위하여 크로스체크 과정을 거친다. 보통 100여 명 이상이 참여하여 1차적으로 추출된 데이터가 적합하게 분류, 범주화되었는지 확인하고, 일정 비율이 넘는 참여자가 동의의 의사를 표시한 경우에만 데이터로 채택하여 활용한다. 그러나 본 연구는 수업 프로젝트의 일환으로, 대규모 인원을 동원하여 데이터의 적절성을 파악하기는 어렵다는 한계를 갖는다. 따라서 본 연구에서는 연구자 상호 크로스체크 과정을 도입하여 데이터를 가공하였는데, 그 과정은 다음과 같다.

우선 개별 연구자가 할당된 범위의 데이터를 1차적으로 가공한다. 이 때의 데이터는 최대한 포괄적으로 구성한다. 이후 나머지 3명의 연구자가 해당 원문 구절 및 해석을 참고하여 1차 가공 데이터의 적절성을 판단하여 구글 시트에 O/X를 표기한다. 전체 4명 중 3명 이상이 동의한 데이터의 경우 최종 데이터에 포함하고, 그렇지 않은 경우에는 Raw data 시트에만 남겨놓고 실제 데이터에는 반영하지 않았다.

또한 1차적으로 분류된 데이터에 동의하지 않는 경우, 그 근거를 함께 표기하여 개별 연구자 뿐만 아니라 팀 전체가 이를 확인하고 필요한 경우 추가적으로 논의할 수 있도록 하였다.

• 분류 맥락 명시

1차 데이터를 추출하기에 앞서, 1차 데이터를 추출하는 기준에 대한 논의를 진행하였다. 가르침을 주는 것을 목적으로 하는 경우가 많은 『논어집주』의 특성 상, 어디까지를 데이터로 포괄할 것인가에 대한 합의가 선행될 필요가 있다고 보았기 때문이다.

우선 문장 유형 중 감탄문, 의문문, 명령문의 경우에는 개인의 감정이 반영될 가능성이 높다고 판단하였다. 따라서 내용 맥락과 상관 없이 해당 문장 유형에 해당하는 경우에는 우선 1차 데이터에 포함하고, 크로스체크 과정에서 불필요한 데이터를 제거하였다. 같은 맥락에서 느낌표(!), 물음표(?)의 문장 부호가 포함된 경우 역시 1차 데이터에 포괄하였다.

또한 1차 데이터로 판단한 이유를 함께 표기하여 크로스체크 과정 중에 타 연구자의 논리를 확인할 수 있도록 하였다. 크게 직접 언급, 언어적 맥락, 비언어적 맥락, 반언어적 맥락으로 구분할 수 있는데, 직접 언급이란 해당 구절에서 공자의 감정이 직접 드러난 경우이다. 이 경우는 Emotion으로 분류되며, 그러한 감정을 의미하는 특정 한자를 Expression에 표시하였다. 이외의 경우에는 모두 정동(Affect)가 나타난 구절로 분류하였다. 정동을 읽어낸 근거로 사용한 것은 언어적, 반언어적, 비언어적 맥락이다. 언어적 맥락의 경우는 대화 속에서 감정을 추론할 수 있는 경우이다. 예를 들어 ~~가 있다. 반언어적 맥락은 언성이 높아졌다거나, 목소리가 침울해졌거나 하는 등의 표현이 등장하는 경우에 해당한다. 마지막으로 비언어적 맥락은 공자의 행위에 해당하는데, 주먹을 쥐었다거나, 자리를 박차고 일어났다거나 하는 묘사가 등장하는 경우에 해당한다

또한 가르침의 목적으로 제시되는 발화에서 “군자는 이러이러해야한다”라는 식으로 데이터로 분류하기에 모호한 구절이 있었는데, 이러한 경우에는 우선 1차 데이터로 포괄하고 크로스체크 과정에서 적합성을 판단하였다.

Attribute

Category

최종 데이터 구성

Node

• 하위 속성 중 name은 생략하였음

Relation

탐구의 결과