"SKLDC(2023)Research4"의 두 판 사이의 차이

연구 결과

본인은 한양의 공간 요소들을 수집하여 이들 사이의 관계를 분석하고 그로부터 나오는 정감을 추적하겠다는 목표 하에 다음과 같은 연구 방법을 시도하였다.

1. 간단한 작가별 공간언급양상 차이 및 히트맵 비교
2. NeoDash를 통한 한양의 공간 시각화 및 한양 공간구역의 자의적 구분 및 구역별 공간특징 분석
3. 3명 이상의 작가에 의해 언급된 공간들을 작가 수 순서대로 나열하여 공간별 영향력 확인
4. 공간들 사이의 관계 파악 및 당대 화가들의 그림과 비교

그 결과는 다음과 같다.

1. 작가들 중 Water 라벨을 제외한 전 라벨에서 가장 많은 공간을 언급하였으며, 신택권은 二四橋를 나열한 탓에 Water 라벨에서 압도적인 노드 수를 보유하였음. 그러나 이를 제외하면 노드 수 자체로는 11명의 작가들 사이 유의미한 차이가 발견되지 않음. 히트맵의 경우 전체적인 범위는 대동소이하나 그 비중에 있어서 일부는 한양 동쪽이 더 부각되는 반면 일부는 서쪽이 더 부각되었음.

2. 한양 공간을 인왕산자락, 청계천 일대, 경복궁ꞏ육조거리 일대, 창덕궁ꞏ성균관ꞏ종묘 일대의 네 구역으로 구분하였음. 앞 세 구역에 비해 창덕궁 일대의 공간구역이 세 배 정도 많은 노드 및 관계 수를 보였음. 이는 당시 창덕궁에 임금이 거주했기 때문으로 보임.

3. 전체 공간 노드의 1/6 정도만이 세 명 이상의 작가에게 동시에 언급되었음. 한강, 종묘, 북한산, 남산, 사직 순으로 가장 많은 시인들에게 언급되었음.'

4. 공간 사이의 관계 파악을 위해 한 시구 내에서 두 공간이 언급되는 경우를 추출하여 종류별로 살펴보고 그 관계어를 따로 수집하였음. 총 64개의 시구가 해당되었고, 특히 한강과 북한산, 종묘와 사직은 각각 7개의 시구에서 언급되었음. 그러나 관계어들이 대부분 물리적 위치에 대한 관계를 설명하는데 그쳤기 때문에 유의미한 분석은 도출해내지 못함. 또한 「성시전도시」에 묘사된 경관을 나타내는 그림을 찾기가 쉽지 않았음.

결국 본 연구는 「성시전도시」의 시구들과 표현들을 모아 Neo4j 및 NeoDash를 활용한 분석은 성실하게 수행하였으나, 연구자 본인의 소기 목적이었던 공간 사이 관계 분석이 미진하였으며, 공간이 자아내는 정경 추적은 완전히 실패하였다. 「성시전도시」의 공간들을 데이터화하고 공간 언급의 양상들을 시각화를 비롯한 여러 가지 측면에서 살펴봤다는 점에서 그 의의를 찾아야 할 듯 싶다.

연구 소감

연구 관련
-데이터가 적은 것이 문제이지 많은 것이 문제일 거라고는 생각하지 않았었는데, 많은 것도 많은 것 나름대로 그 광활함 속에서 관계를 찾기가 쉽지 않았다. 이 문제를 해결하고자 분석 시 neo4j보다 neoDash를 적극 활용하였다. neo4j는 전체적인 조감도를 보듯 활용하였다.
-속칭 노가다를 하면서 힘들긴 했지만 지식이 서서히 쌓여가고 교수님 표현대로 '머리에 근육이 생겼다'. 연구 시에도 이 근육을 기반으로 한 직관으로 분석을 수행하였다. 그런 직관에 기반하여 쿼리를 짜고 neo4j를 돌려봤더니, 그 직관에 부합되는 결과를 얻을 때마다 쾌감이 느껴졌다. '내가 뭔가를 헛한건 아니구나' 하는 생각.
-데이터는 거짓말을 하지 않는다. 이 때문에 연구 방향을 설정하기가 어렵다. 왜냐하면 함부로 방향성과 결론을 설정했다가 데이터가 내 마음과 다르게 나왔을 때 그걸 어떻게 애써 포장하거나 조작할 수가 없기 때문이다. 이는 고전적 인문학 연구와의 가장 큰 차이라고 생각된다.
-neo4j나 neoDash는 전체적인 형세를 보기에는 좋은데, 연구에 있어서 전체적인 형세를 보는 것만으로는 불충분하기 때문에 결국 프로그램에 의존하는 것이 아닌 연구자의 창의적인 주제설정과 섬세한 대상 포착이 중요한 듯 하다.

디지털인문학 관련
-디지털인문학의 디지털화를 위해선 아날로그적인 수작업이 필요한 아이러니가 있었다. 물론 이렇게 한 번 해놓으면 되긴 하는데, 그 한 번 하기가 참 어렵다.
-시간을 정말 많이 투자했다. 디지털인문학이 트렌드가 되어 다들 잘 알지도 못하면서 막 장려하는데, 그 최전선에 투입되어 디지털화를 하고 있는 연구자들은 정말 죽어나겠다 싶었다.

지식 일반론[1] 철학과생들은 이러고 놉니다

참고 자료

박현욱, 『성시전도시로 읽는 18세기 서울 - 13종 성시전도시 역주』, 보고사, 2015. 번역 및 각종 표현.
최완수, 『겸재의 한양진경: 북악에 올라 청계천 오간수문 바라보니』, 동아일보사, 2004. 겸재의 한양진경 자료.
이한성, [겸재 정선 그림 속 길] 시리즈 칼럼 114편 연작, CNB 저널, 2018~2022.[2] 겸재 그림과 성시전도시의 공간 사이 관계 파악.
김석, [김석 기자의 문화이야기] 화가들의 핫 플레이스 ‘인왕산’, 신세계그룹, 2017.[3] 인왕산 관련 정보 및 사진자료.
유현준 유튜브 '동서양 건축의 차이! 이 영상만 보면 당신의 세계여행이 달라진다.'[4] 동양건축과 경관
위키피디아[5] 사진 자료. 이 외에 데이터 편찬 시 활용했던 각종 자료는 '구글 스프레드시트' 內 referenceURL 참조

주석

1. ↑ https://www.youtube.com/watch?v=nv22sqsKxwE
2. ↑ 연구 초기 자연공간과 그 주변의 도시경관만을 대상으로 삼으려던 계획으로부터 확장하여, 한양 전체의 공간을 연구 대상으로 삼았다. 총 267개의 시구를 사용하였다.
3. ↑
4. ↑ Match(a:Person)-[*4]-(b:Mountain) RETURN a.name as 인물, COUNT(b) as 언급횟수 order by 언급횟수 desc
   Water, Building, Site도 구조 동일
5. ↑ 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
6. ↑ Match(a:Person)-[*4]->(b) RETURN a.name as 인물, COUNT(b) as 총언급횟수 order by 총언급횟수 desc
7. ↑ MATCH (a{gid:'P001'})-[*4]->(b) RETURN b
   나머지 인물도 구조 동일
8. ↑ 편의상 180도 회전하였음
9. ↑ MATCH p=(a:Person)-[*4]->(b) WHERE b.longitude<'126.968' and ('37.518'<b.latitude) RETURN p
10. ↑ MATCH p=(a:Person)-[*4]->(b) WHERE b.longitude>'126.968' and ('37.518'<b.latitude<'37.569') RETURN p
11. ↑ MATCH p=(a:Person)-[*4]->(b) WHERE '126.968'<b.longitude<'126.983' and ('37.569'<b.latitude<'37.631') RETURN p
12. ↑ 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
13. ↑ 참고로 겸재는 이 그림의 제목을 景福宮이 아닌 慶福宮으로 썼다. 미언대의가 아닌 단순 오기로 보인다.
14. ↑ MATCH (a:Person)-[*4]->(e) with e, COUNT(distinct a) as 언급작가수, COLLECT(distinct a.name) as 언급작가 where 언급작가수 >= 3 RETURN e.name as 공간, 언급작가수, 언급작가 order by 언급작가수 desc
15. ↑ MATCH (a:Person)-[*4]->(b) with e, COUNT(distinct a) as 언급시인수 where 언급시인수 >= 3 RETURN b
    북한산과 백운대는 지도에서 제외되었다
16. ↑ MATCH (a:Line)-[r1]-(b1:Expression)-[r2]-(c1:Mountain) MATCH(a:Line)-[r3]-(b2:Expression)-[r4]-(c2:Mountain) where not c1=c2 Return a, b1, b2, c1, c2
    나머지도 이와 동일