행위

"SKLDC(2023)Research4"의 두 판 사이의 차이

red

(인물별 언급 공간 빈도 히트맵MATCH (a{gid:'P001'})-[*4]->(b) RETURN b 나머지 인물도 구조 동일)
220번째 줄: 220번째 줄:
  
 
<gallery mode="packed" heights="480px" style="float:center">
 
<gallery mode="packed" heights="480px" style="float:center">
파일:인왕산자락.png|<big>인왕산 자락<ref> <span style="background:Lavender">Match p=(a:Person)-[*4]->(b) where b.longitude<'126.969' and ('37.518'<b.latitude) Return p</span></ref>
+
파일:인왕산자락.png|<big>인왕산 자락<ref> <span style="background:Lavender">MATCH p=(a:Person)-[*4]->(b) WHERE b.longitude<'126.969' and ('37.518'<b.latitude) RETURN p</span></ref>
파일:청계천_이남.png|<big>청계천 이남<ref> <span style="background:Lavender">Match p=(a:Person)-[*4]->(b) where b.longitude>'126.969' and ('37.518'<b.latitude<'37.569') Return p</span></ref>
+
파일:청계천_이남.png|<big>청계천 이남<ref> <span style="background:Lavender">MATCH p=(a:Person)-[*4]->(b) WHERE b.longitude>'126.969' and ('37.518'<b.latitude<'37.569') RETURNp</span></ref>
파일:경복궁.png|<big>경복궁 육조거리 일대<ref> <span style="background:Lavender">Match p=(a:Person)-[*4]->(b) where'126.969'<b.longitude<'126.983' and ('37.569'<b.latitude<'37.631') Return p</span></ref>
+
파일:경복궁.png|<big>경복궁 육조거리 일대<ref> <span style="background:Lavender">MATCH p=(a:Person)-[*4]->(b) WHERE '126.969'<b.longitude<'126.983' and ('37.569'<b.latitude<'37.631') RETURN p</span></ref>
파일:창덕궁썸네일.png|<big>창덕궁 성균관 종묘 일대<ref><span style="background:Lavender">Match p=(a:Person)-[*4]->(b) where'126.983'<b.longitude and ('37.569'<b.latitude<'37.631') Return p</span><br/>용량 문제로 저용량으로 사진을 대체하였음. 원본은 http://dh.aks.ac.kr/~red/wiki/images/d/d4/%EC%B0%BD%EB%8D%95%EA%B6%81.png</ref>
+
파일:창덕궁썸네일.png|<big>창덕궁 성균관 종묘 일대<ref><span style="background:Lavender">MATCH p=(a:Person)-[*4]->(b) WHERE '126.983'<b.longitude and ('37.569'<b.latitude<'37.631') RETURN p</span><br/>용량 문제로 저용량으로 사진을 대체하였음. 원본은 http://dh.aks.ac.kr/~red/wiki/images/d/d4/%EC%B0%BD%EB%8D%95%EA%B6%81.png</ref>
 
</gallery>
 
</gallery>
 
<br/><br/>
 
<br/><br/>

2023년 6월 12일 (월) 14:51 판

한문학데이터큐레이션(2023) 강의 페이지로 가기


성시전도시에 묘사된 자연경관과 주변 情景

-부제-




목차

Contents


연구목적 연구대상 연구방법 연구데이터 연구결과 연구소감 참고자료



연구 목적


「성시전도시」는 1792년 정조가 신하들로 하여 '성시전도'를 시제로 하여 지어 올리게 한 일백운 칠언고시를 의미한다. 지금까지 발견된 「성시전도시」는 총 13종이다. 본 연구는 「성시전도시」에 묘사되는 자연경관과 그 주변 정경情景을 조사하는 것을 목표로 한다. 18세기 문인들이 기록한 한양의 자연경관과 그 표현들을 분석하는 것은 단순히 자연에 대한 그들의 감정을 파악하는 것 이상의 의미를 가질 것이다. 당대 사람들은 자연과 인간의 불가분성을 적극적으로 인지하여 때로는 자연을 경외하고 본받았으며 때로는 자연의 흥취를 즐겼다. 본 연구에서는 자연경관에 대한 인상을 기록한 「성시전도시」 표현을 통해, 각각의 경관이 문인들로 하여금 어떠한 정취를 자아냈는지 파악할 수 있을 것이다.

조선인들의 자연친화적 태도는 건축에도 반영되는 것이어서, 동양의 건축은 서양의 건축과는 달리 건축물의 외면보단 자연경관과의 관계맺음 속에서 그 미감을 추구했다.[1] 본 연구는 각각의 자연경관에 어떠한 인위적 건축ꞏ조형물을 건설했는지 그 관계를 파악하여 조선시대 건축의 자연친화적인 미감을 분석하는 참고 자료로 쓰일 수 있을 것이다.

또한 본 연구를 통해 「성시전도시」에 묘사된 각각 자연경관 항목들의 비중 차이를 분석할 수 있을 것으로 기대한다. 예컨대 낙산, 무악산, 남산, 북악산이 언급된 횟수 차이를 비교하여 이들 중 조선시대에 어떤 산이 비중 있게 다뤄졌는지 간접적으로 알 수 있을 것이다. 혹은 이번 연구를 통해 형성될 데이터셋을 통해 「성시전도시」의 작가별로 관심을 가졌던 경관의 각기 다른 양상을 비교할 수도 있을 것이다. 이러한 분석 자료를 만듦으로써 종국에는 18세기 조선인들이 한양 경관을 보고 느꼈던 정경을 추적하고 공감할 수 있기를 희망한다.


연구 대상


본 연구는 「성시전도시」 13종을 연구 대상으로 한다. 13종은 다음과 같다.

  • 이덕무 「城市全圖 七言古詩百韻」
  • 박제가 「城市全圖應令」
  • 신택권 「城市全圖 擬應製 百䪨古詩」
  • 신관호 「奉和 禁直諸臣城市全圖應制百䪨」
  • 신광하 「御題御批 城市全圖七言百約古詩初試壯元親試御考書下有聲畵三字」
  • 이만수 「城市全圖百韻文臣應製」
  • 이집두 「城市全圖 七言百約古詩 潭善大夫前行承政院右承旨臣李集斗製進」
  • 정동간 「城市全圖 七言百約古詩」
  • 김희순 「城市全圖」
  • 유득공 「城市全圖應製御評都是畵, 春城遊記」
  • 서유구 「城市全圖 試券」
  • 이희갑 「城市全圖 百約」
  • 이학규 「城市全圖 一百韻」

상기한 13종의 시 전문을 대상으로 '성시전도시에 묘사된 자연경관과 주변 정경'을 연구할 것이다. 여기서 '자연경관'이란, 강산을 필두로 산봉우리, 냇가와 개울, 그리고 인간이 인위적으로 조성한 자연경관까지도 포함한다. 또한 '주변 정경'이란, 앞서 언급된 자연경관의 주변 경관만을 의미하는 것으로, 인위적으로 건설한 궁궐, 성곽, 누각을 포함한 각종 건축물과 조형물을 포함된다. 즉, 모든 도시경관이 포함되는 것이 아닌 자연경관과 연관 관계에 있는 주변 정경만이 연구 대상에 속한다.

2023년 4월 26일 현재 기준으로 이덕무의 「城市全圖 七言古詩百韻」에 드러난 자연경관 및 주변 정경 데이터셋을 수집 완료하였다. 20개 구와 35건의 표현이 추출되었다. 이 중 불명확한 대상들을 제하더라도 총 200 이상의 데이터를 추출할 수 있을 것으로 예상된다.



연구 방법



데이터 샘플링


데이터 샘플링 그래프 편집 페이지로 가기
 → 데이터 샘플링 그래프 전체 화면으로 보기

그래프 전체 화면으로 보기


클래스(Class)

명칭(name) 설명(description)
Poem 「성시전도시」 13종
Line 「성시전도시」에서 7언으로 된 개별 시구
Expression 개별 시구를 1/2/3/4/5/7글자로 분절한 시어
Person 인물
Mountain 산, 산봉우리, 언덕
Water 강, 천川, 연못, 나루, 다리
Building 인위적 건축물ꞏ구조물
Building 지역ꞏ구역


관계(Relation)

관계정의 관계어(name) 설명(description) 자원(source) 대상(target)
창작하다 creates 작가와 작품의 창작 관계 Person Poem
부분으로 갖다 hasPart 작품과 해당 작품의 시구 간 포함 관계 Poem Line
시구와 해당 시구의 표현 간 포함 관계 Line Expression
공간과 공간 사이의 추상적 포함 관계(물리적 포함 관계가 아님) Building Building
Site Building
안에_위치하다 isLocatedIn 공간과 공간 사이의 물리적 포함 관계 Mountain Mountain
Building Building
Building Site
Site Mountain
가리키다 refers 시의 구체적인 표현이 어떠한 물리적 경관을 지칭하는지 환원 Expression Mountain
Water
Building
Site


속성(Attributes)

속성(name) 설명(description) 클래스(class) 예시
id 성시전도시 13종에 대한 개별 시의 식별값 All PM001
name 개체데이터의 대표명 All 성시전도시_김희순
korname 개체데이터의 한글명 Poem 성시전도
chiname 개체데이터의 한자명 Poem, Person, Building, Site 城市全圖, 景福宮
creator 특정 작품(Poem)의 작가명 Poem 김희순
midName 작가의 자字(이름) Person 차수(次修)
courtesyName 작가의 호號 Person 초정(楚亭)
birthYear 작가의 출생년도 Person 1750
deathYear 작가의 사망년도 Person 1805
clan 작가가 소속된 가문 Person 안동김
topHeight 산의 해발 고도 최고점 Mountain 836m
latitude 위도 Mountain, Building, Site 37.659
longitude 경도 Mountain, Building, Site 126.978
sort 개별 공간데이터의 추가 분류 기준 Mountain, Water, Building, Site 봉우리, 나루, 궁궐
originalText 개별 시구의 원문 Line 昌慶宮深蔭綠碧
transText 개별 시구의 번역문 Line 창경궁은 짙푸른 숲으로 우거지고
description 부가 설명 및 주석 Expression, Water, Building, Site -
referenceURL 시어에 대한 부가 설명 및 주석 Person, Mountain, Water, Building, Site -




연구 데이터


Visualization


재원 전체.png

[2]
 (오류 시 우클릭 후 '새 탭에서 이미지 열기') 



Map

전체지도.png

한양지도.png

메인스팟.png


인물별 언급 공간 빈도 히트맵[3]

히트맵비교.png

히트맵을 비교하다 보면 유달리 이집두, 이희갑에게 빨간 구역이 많음을 확인할 수 있는데, 이는 그들이 언급한 공간 수 자체가 적기 때문에 각 작가 내에서의 비율이 확 올라가 발생된 결과임을 감안하여 봐야 한다.
열두 작가의 히트맵을 비교분석한 결과, 다음과 같은 대강의 공간 분할을 할 수 있었다.



구역구분.png

도성도.png
都城圖에 적용시킨 공간 구분[4]



인물별 언급 공간 수 노드별 비교





데이터 수집 방법

(수집방법에 관해 서술)

데이터 목록

(추후 구글 시트에 정리)



연구 결과


(데이터 분석 내용에 관해 서술)

연구 소감


(연구를 진행한 소감에 관해 서술)

참고 자료


최완수, 「겸재의 한양진경: 북악에 올라 청계천 오간수문 바라보니」, 동아일보사, 2004.


주석


  1. https://www.youtube.com/watch?v=nv22sqsKxwE
  2. 재원 개수.png
  3. MATCH (a{gid:'P001'})-[*4]->(b) RETURN b
    나머지 인물도 구조 동일
  4. 편의상 180도 회전하였음
  5. MATCH p=(a:Person)-[*4]->(b) WHERE b.longitude<'126.969' and ('37.518'<b.latitude) RETURN p
  6. MATCH p=(a:Person)-[*4]->(b) WHERE b.longitude>'126.969' and ('37.518'<b.latitude<'37.569') RETURNp
  7. MATCH p=(a:Person)-[*4]->(b) WHERE '126.969'<b.longitude<'126.983' and ('37.569'<b.latitude<'37.631') RETURN p
  8. MATCH p=(a:Person)-[*4]->(b) WHERE '126.983'<b.longitude and ('37.569'<b.latitude<'37.631') RETURN p
    용량 문제로 저용량으로 사진을 대체하였음. 원본은 http://dh.aks.ac.kr/~red/wiki/images/d/d4/%EC%B0%BD%EB%8D%95%EA%B6%81.png
  9. Match(a:Person)-[*4]-(b:Water) Return a.name as 인물, count(b) as 언급횟수 order by 언급횟수 desc
    Water, Building, Site도 구조 동일
  10. Match p=(a:Person)-[*4]->(b) where b.sort='궁' or (b.sort='궁궐') Return a.name as 인물, count(b) as 궁궐언급횟수 order by 궁궐언급횟수 desc
    궁궐에 해당하는 공간대상이 Building과 Site에 나누어져 있기 때문에 Building{sort:궁궐}과 Site{sort:궁} 언급횟수를 합친 것이다
  11. Match(a:Person)-[*4]->(b) Return a.name as 인물, count(b) as 총언급횟수 order by 총언급횟수 desc