논어 구절로 알아보는 정치인의 겉과 속

탐구의 목적

우리 주변에선 누가 『논어』를 인용하고 있을까? 『논어』를 인용하는 사람은 도대체 『논어』를 왜 인용하는 것일까?

<한문선생님은 『논어』를 참 좋아하셨다..>

<이재명 지사의 불환빈환불균 언급>

고대부터 사람들은 속담이나 격언, 지식인들의 말을 인용하여 자신의 주장에 권위를 내세워왔다. 고대 그리스 철학자인 소크라테스의 제자들은 스승의 말을 의견의 근거로 하는 습관이 있었고, 이 풍습은 후대의 철학자와 성직자에게도 계승되어 권위자나 권위자의 저서에 대한 인용은 그 자체로 논증의 예시가 되었다.

그 중 동양에서 가장 많이 인용되고 또 유명한 것을 꼽으라면 단연코 공자의 『논어』를 들 수 있을 것이다. 사서삼경 중 가장 오래 됐으며 동아시아 3국의 유교 문화 형성에 큰 영향을 미친 공자의 『논어』는 그 자체로 사람들의 사고 체계의 일부분으로 자리 잡아 기원전부터 현대에 이르기까지 널리 인용되고 있다.

특히 각 국의 정치인들은 『논어』를 즐겨 인용하는데, 중국의 시진핑(習近平) 국가 주석은 평소 고시(古詩)와 『논어』를 자주 인용하는 것으로 유명하다.제 시진핑 국가 주석이 『논어』를 인용한 상황을 보면, 한국 방문 당시 북핵 문제를 논의하거나 미중 전략경제대화에 참석했을 때, 독일 방문 당시 일본의 난징학살을 비난한 경우 등 주로 정치적 현안과 관련해 인용한 것을 알 수 있다.[1] 박근혜 전 대통령 역시 중국을 방문했을 때 『논어』를 인용하여 연설을 했다. 정치인이 연설에서 발언하는 단어가 많은 논의와 검토 끝에 채택된다는 것을 고려해볼 때, 정치인이 『논어』를 인용하는 것은 분명 다양한 제반 사항과 이해 관계를 고려하여 전략적으로 사용되었으리라는 것을 추측해볼 수 있다.

『논어』는 또한 공자의 유동적인 언어 사용을 보여준다. 공자는 같은 질문을 받고도 질문한 사람이 누구고 그가 어떤 상황에 처했느냐에 따라 다른 대답을 내놓곤 했다. 정치에 대한 질문을 받았을 때 노나라의 세력가 계강자에겐 “바르게 하는 것”이라 했지만 초나라의 야심가 섭공에겐 “가까이 있는 자들을 기쁘게 하고, 먼 곳에 있는 자들은 찾아오게 만드는 것”이라 답했다. 전자에겐 정치의 올곧음을, 후자에겐 정치의 후덕함을 강조한 것이다.

이처럼 『논어』의 유동적인 언어 사용은 이를 인용하는 정치인의 목적과 당시 현안과 맞물려 복합적인 의미로 발현된다. 따라서 어떤 정치인이 『논어』를 인용했을 때 그가 어떠한 정치 진영에 속해있고, 어떠한 상황에서 어떻게 발언한 것인지를 정리해 보는 것은 내재된 속뜻을 파악하게끔 해줄 수 있다.

<이런 말은 왜 하는걸까요?>

특히 정치인은 사적인 속내를 즉각적으로 말하는 경우도 있지만 연설과 인터뷰, 공식석상 등 미리 준비된 발언을 하는 경우가 많고 그 발언이 소속한 정당과 입을 맞춘 뒤 표현된 경우도 많을 것이다. 따라서 정치인이 인용하는 『논어』 구절을 분석해보는 것은 어떤 구절이 널리 인용되고 있는지 드러내줄 뿐만 아니라 정치와 관련하여 정치인의 겉과 속을 구분하여 보여줄 수 있을 것으로 기대한다.본 연구에서는 연구 대상을 2000년 이후 대한민국 정치인의 논어 인용 사례로 한정하여 진행하고자 한다.

탐구의 대상

2000년 이후 대한민국 정치인들이 논어를 인용하여 발언한 사례 중, 구글 뉴스 탭과 네이버 뉴스 탭에서 접근할 수 있는 뉴스 기사로 기록되어 있는 것만을 탐구했다. "21세기 한국 정치인의 논어 인용 사례를 구글 뉴스에 검색하여 수집한다"는 작업에 필요한 시간과 노동량 등의 한계로 인하여, 탐구의 대상이 다음 30개 장(章)의 인용 사례로 축소되었는데, 이러한 선정이 어떤 과정을 거쳤는지는 아래 탐구의 방법에 상세히 서술되어 있다.

조사 대상 편장

편	장	구절 요약
1	1	학이시습지 불역열호
1	3	교언영색 *양화편 17장과 같은 내용*
2	11	온고지신
2	12	군자는 한 가지 용도로만 쓰이는 그릇처럼 국한되지 않는다
4	15	일이관지 *위영공편 2장과 같은 내용*
4	25	덕불고 필유린 (덕이 있는 사람은 반드시 이웃이 있다)
5	8	하나를 들으면 열을 안다
5	9	썩은 나무는 조각할 수 없다
6	18	도를 아는 것은 좋아하는 것만 못하고, 좋아하는 것은 즐기는 것만 못하다
7	1	술이부작
7	21	세 사람이 길을 가면 그 중 반드시 나의 스승이 있다
12	2	기소불욕 물시어인
12	7	무신불립 (백성이 신의가 없으면 존립할 수 없다)
12	8	네 필의 말이 끄는 빠른 수레로도 혀에서 나오는 말을 따라잡지 못한다
12	17	정자정야(정치는 바르게 하는 것)
12	22	인(仁)은 사람을 사랑하는 것이고, 지(知)는 사람을 아는 것이다
13	3	자신이 알지 못하는 것은 제쳐놓고 말하지 않는 것이다
13	23	군자는 조화를 이루되 부화뇌동하지 않으며, 소인은 부화뇌동하되 조화를 이루지 못한다
13	25	사람을 부림에 있어서 그릇에 맞게 한다
14	27	그 지위(地位)에 있지 않으면, 그 정사(政事)를 도모하지 않는다
15	2	일이관지 (하나의 이치로 모든 것을 꿰뚫는다)
15	20	군자는 자신에게서 찾고 소인은 남에게서 찾는다
15	23	기소불욕 물시어인 *안연편 2장과 같은 내용*
16	1	불환과이환불균 불환빈이환불안
17	4	닭 잡는 데 소 잡는 칼
17	14	도청도설
17	17	교언영색
18	4	삼일부조
18	8	나는 이와 달라서 가(可)한 것도 없고 불가(不可)한 것도 없다
20	3	천명을 알지 못하면 군자가 될 수 없고, 예를 알지 못하면 설 수 없고, 말을 알지 못하면 사람을 알 수 없다

총 30개의 장이지만, 위에서 파란색으로 메모한 것과 같이 서로 다른 장이 중복된 내용을 담고 있는 경우가 3개 포함되어 있기 때문에 실질적인 조사 대상 장은 27개이다.

대한민국 정치인들이 위 목록에 있는 논어의 장(章)들을 인용한 뉴스 기사를 구글 검색과 네이버 검색을 통해 수집하였다. 각 인용 사례에 대해서는 발언한 정치인의 이름, 그 정치인의 정당, 인용한 논어의 원문 구절, 원문에서 파생된 관용적 표현, 해당 구절이 속한 논어의 편과 장, 발언 시기, 당시 정치적 맥락 및 현안, 마지막으로 해당 신문기사의 출처를 수집하였다.

수집한 변수 목록

변수	변수 설명
인물	논어를 인용한 인물의 이름
정치 성향	해당 인물이 당시 속했던 정당을 서술하였다
인용 구절	인용된 논어의 원문 구절
관용 표현	위 "인용 구절"에서 파생된 관용 표현. 해당 정치인이 관용 표현을 인용하였을 경우, "인용 구절"과 "관용 표현" 두 가지 변수를 모두 수집하고, 원문만을 인용하였을 경우 "관용 표현" 항목은 공란으로 둔다.
논어의 편/장	해당 구절이 논어의 무슨 편 몇 장의 내용인지 표기
출처	해당 인용을 다룬 기사 혹은 SNS의 주소 (URL)
인용 시기	인용의 시점. 해당 정치인이 그 인용을 한 시점을 정확히 알 수 있다면 그 시점의 연도와 월까지 표기. 만약 인터뷰 기사 혹은 회고록에서 "나는 이 말을 항상 가슴에 새겨왔다" 라는 식으로 정확한 시점이 드러나지 않는 경우에는, 그 인터뷰 기사의 발행 일시를 연도와 월까지 입력.
정치적 현안	인용이 어떤 정치적 맥락에서 이루어졌는지를 기록한다.

탐구 방법

데이터 수집

위에서 언급하였던 것처럼, 데이터 수집은 2000년 이후 대한민국 정치인의 논어 인용 사례를 구글과 네이버에서 검색하는 방식으로 이루어진다. 이러한 검색 방식에는 두 가지가 있는데, 첫째는 "정치인 논어 인용" 등의 키워드로 뉴스를 검색하는 방법이고, 둘째는 논어의 문장을 직접 구글과 네이버 뉴스 탭에 검색하여, 한국 정치인이 그 문장을 인용했다는 내용의 기사를 수집하는 방법이다. 이러한 두 가지 방법을 간단한 벤 다이어그램으로 나타낸 것이 아래와 같다.

본 연구에서 필요한 데이터 집합은 파란색으로 표시된 "한국 현대 정치인의 논어 인용 기사"이다("2000년대 이후"라는 조건은 생략하여 표기하였다). 이는 논어 구절이 포함된 전체 뉴스 기사의 부분집합이다. 위에서 제시한 첫 번째 방법, 즉 "정치인 논어 인용"을 구글에 검색하였을 때 출력되는 결과 집합을 초록색으로 표시하였다. 이 방법을 사용하면 데이터 수집이 편리하기는 하지만, 결과적으로 파란색 목표 집합의 일부분밖에 수집하지 못한다.

이러한 데이터의 손실을 최소화하기 위하여 두 번째 방법을 추가적으로 사용했다. 즉, 논어의 문장을 일일이 구글과 네이버 뉴스 탭에 검색하여 얻어지는 모든 검색 결과(분홍색 집합)를 수집한 후, 그 중에서 한국 정치인이 논어를 인용하여 발언한 사례만을 추출하는 것이다. 첫 번째 방법과 비교해 볼 때, 목표 집합(파란색)과 일치하는 결과를 얻을 수 있다는 점은 장점이지만 월등히 많은 노동력과 시간이 필요하다는 점은 큰 단점이다. 논어에는 총 498개의 장이 있고, 이를 포함하는 모든 뉴스 기사를 일일이 읽고 분석하는 것은 현실적으로 불가능하기 때문에 데이터의 손실은 최소화하면서 투입되는 노동과 시간 또한 큰 폭으로 줄일 수 있는 보완책이 필요하다. 그 보완책으로, 파일럿 조사를 통해 분석 대상 장(章)을 선정하는 작업을 거쳤다.

파일럿 조사

파일럿 조사는 다음과 같은 방법으로 이루어졌다.

1. 논어의 각 장을 구글의 뉴스 탭에 검색하여, 검색된 뉴스의 개수를 집계한다.
2. 뉴스 개수가 많은 순서대로 장을 정렬한다.
3. 뉴스 개수의 누적 비율을 계산한다.

파일럿 조사 결과 상위 30개 장을 나열한 결과는 다음 표와 같다.

논어의 각 장(章)이 인용된 뉴스 개수 집계 결과

번호	편 제목	편	장	뉴스 개수	누적비율
1	공야장	5	8	294215	0.852349927
2	위영공	15	20	10100	0.881609938
3	양화	17	4	8830	0.90719072
4	옹야	6	18	6324	0.925511543
5	계씨	16	1	4690	0.939098618
6	안연	12	7	3795	0.95009285
7	양화	17	14	3710	0.960840834
8	술이	7	21	1520	0.965244321
9	양화	17	17	1480	0.969531927
10	공야장	5	9	1227	0.973086584
11	안연	12	22	969	0.975893806
12	위정	2	11	838	0.978321518
13	안연	12	17	831	0.980728951
14	자로	13	23	712	0.982791637
15	학이	1	1	592	0.984506679
16	자로	13	3	375	0.985593066
17	안연	12	8	288	0.986427411
18	안연	12	2	275	0.987224094
19	학이	1	3	267	0.987997601
20	미자	18	4	229	0.988661021
21	위영공	15	23	225	0.989312853
22	이인	4	25	220	0.9899502
23	미자	18	8	181	0.990474563
24	위영공	15	2	171	0.990969955
25	술이	7	1	169	0.991459553
26	위정	2	12	137	0.991856446
27	헌문	14	27	135	0.992247545
28	요왈	20	3	128	0.992618365
29	자로	13	25	116	0.992954421
30	이인	4	15	104	0.993255712

상위 30위에 해당하는 이인편 15장의 경우, 104개의 뉴스가 검색되었으며 그 누적비율은 99.3%에 달한다. 이 누적비율의 의미는, 상위 1~30위 장이 포함된 뉴스의 개수가 논어 구절이 포함된 전체 뉴스 개수의 99.3%을 차지한다는 뜻이다. 즉, 연구 대상 문장을 상위 30개 장으로 제한하더라도 논어가 포함된 전체 뉴스 기사(분홍색 집합)의 약 0.7%밖에 손실되지 않는다는 의미이다. 이 정도면 모집단에 대한 대표성이 충분하다고 생각되어, 파일럿 조사 결과 위의 상위 30개 문장을 연구 대상으로 삼기로 결정하였다.

이렇게 상위 30개 문장을 선정하면서 이 문장들이 실제로도 정치인들에 의해 많이 인용되는 구절일 것이라 예상하였으나 실제 조사했을 때는 상당 부분 차이가 있었다.

본조사

파일럿 조사를 통해 선정된 30개 문장에 대하여 본조사가 이루어진다. 본조사는 다음과 같은 방법으로 진행된다.

1. 위 목록의 각 문장을 구글 및 네이버의 뉴스 탭에 검색한다.
2. 1의 결과 중 대한민국 정치인이 2000년 이후에 논어를 인용한 뉴스만을 선별한다.

<네이버와 구글에서 검색하여 추출>

1. • "논어 인용"이라는 행위는 크게 3가지로 나누어졌다. 첫째는 해당 정치인이 직접 "논어에 이런 말이 있다"고 출처를 언급하며 인용한 경우, 둘째는 해당 표현이 논어에서 유래한 말이나 관용 표현으로 굳어져서 논어에 관한 언급 없이 사용된 경우, 셋째는 논어에 나오는 문장을 잘못된 출처를 언급하며 인용한 경우이다(예를 들면, 정치인은 "맹자에 이러한 말이 있다"고 하였으나 사실 그 문장이 논어에서 나온 경우). 본 조사에서는 위 세 가지 경우가 모두 "논어 인용 사례"의 개념에 해당된다고 간주하고, 모두 포함하여 조사하였다.

1. 인용한 정치인, 인용 시기(분명하지 않을 경우에는 기사 발행 시기), 인용 시기 기준 해당 정치인의 소속 정당, 인용 시기의 정치적 현안 및 맥락, 인용된 논어의 원문 구절, 해당 구절이 속한 편/장, 그 구절에서 파생된 관용 표현, 출처 등을 수집한다. 소속 정당은 해당 정치인의 정치적 성향을 분류하기 위한 것으로, 다음과 같은 기준으로 범주화 했다.

정치성향	정당
진보	더불어민주당, 정의당, 새정치민주연합, 통합민주당 등
보수	한나라당, 새누리당, 자유한국당, 미래통합당, 국민의힘, 바른미래당 등
중도	국민의당, 무소속 등

그러나 정당의 경우엔 진보, 보수, 중도로 구분하기엔 자의적인 측면이 있어 성향을 삭제하고 정당의 명칭만을 기입하였다.

데이터 분석

변수 설명

수집한 데이터를 이용하여 네트워크를 형성하였다. Statement(발언), Section(구절), Person(정치인), Month(월), Year(년), Expression(인용구), Chapter(장), Event(사건), Party(정당)을 노드로 삼았다. 각 노드별 속성 중 주목할 만한 부분은 다음과 같다.

Statement

노드 명	속성	설명
Statement (발언)	contentcontext (내용 맥락)	발화 내용에 따라 선거, 비선거 - 사회적 문제, 비선거 - 정책적 대립, 비선거 - 개인 신변 논란, 비선거 - 국회 활동, 격려 / 각오 / 방향제시, 행태 비판으로 구분함.
	formcontext (형식 맥락)	발화 형식에 따라 SNS, 논평 / 보도자료, 즉석발언, 연설 / 브리핑 / 기자회견, 기념사 / 축사, 인터뷰로 구분함.

기존 Event 노드의 속성이었던 context(맥락)를 내용 맥락과 형식 맥락으로 구분하는 과정에서 같은 사건에 대한 발언이라도 형식이 다를 수 있다는 점으로부터 내용 맥락, 형식 맥락이 Event 노드가 아닌 Statement 노드에 위치해야 한다고 판단하여 Event 노드의 context 속성을 삭제하고 Statement 노드에 contentcontext, formcontext 속성을 추가하였다.

내용 맥락의 분류

우선 내용 맥락의 경우, 실질적이거나 구체적인 사건, 정책에 관한 내용인지 여부에 따라 두 가지로 분류하였다. 구체적인 사건, 정책에 관한 내용일 경우 선거와 비선거로 분류하였으며, 비선거 내에서도 그 내용에 따라 사회적 문제, 정책적 대립, 개인 신변 논란, 국회활동으로 구분하였다. 이때 추미애 장관 아들 병역 문제나 최순실 게이트 등의 사건들을 개인 신변 논란과 사회적 문제로 구분할 때 단순히 물의를 일으킨 것은 개인 신변 논란, 물의를 넘어 쟁점이 될 만큼 큰 이슈가 되었을 경우 사회적 문제로 분류하였다. 구체적인 사건, 정책에 관한 내용이 아닐 경우 그 내용이 긍정적인지 여부에 따라 격려 / 각오 / 방향제시와 행태 비판으로 구분하였다.

형식 맥락의 분류

형식 맥락의 경우, 크게 전달 매체에 따라 말과 글, 두 가지로 분류하였다. 글의 경우 정식 문서 여부에 따라 논평 / 보도 자료와 SNS로 나누었고, 말의 경우 원고가 준비된 발언과 그렇지 않은 즉석 발언으로 분류하였다. 또한 원고가 준비된 발언들을 발언 기회나 환경과 발언 내용의 선후 관계에 따라 환경이 우선일 경우와 내용이 우선일 경우로 구분하였다. 전자의 경우 그 내용에 따라 기념사 / 축사와 인터뷰로 구분하였고, 후자는 연설 / 브리핑 / 기자회견이라는 하나의 분류로 묶었다.

Section

노드 명	속성	설명
Section (구절)	name	논어의 원문 구절을 노드의 이름으로 사용하였다.
	korname (한글 독음)	Neo4j에서 검색이 용이하도록 하기 위해 한글 독음 속성을 추가하였다.

Person

노드 명	속성	설명
Person (정치인)	name	발언자의 이름

Month

노드 명	속성	설명
Month (월)	name	N월의 형태로 이름을 정하였다.
	yearname (연월)	2019년 1월과 2020년 1월이 혼동되는 것을 막기 위해, NNNN년 M월의 형태로 연월 속성을 추가하였다.

Year

노드 명	속성	설명
Year (년)	name	년도

Expression

노드 명	속성	설명
Expression (인용구)	name	인용된 구절을 그대로 name으로 사용하였다. (ex. 하나를 보면 열을 안다.)

Chapter

노드 명	속성	설명
Chapter (장)	name	장의 이름

Event

노드 명	속성	설명
Event (사건)	name	사건 이름

Party

노드 명	속성	설명
Party (정당)	name	정당의 이름

진보, 보수로 구분하는 것은 자의적이라는 코멘트에 따라 그러한 구분 대신 당의 이름만을 속성으로 추가하였다.

Edges

이러한 노드들 간의 Edge는 다음과 같다.

source	target	relation	설명
Statement	Month	isAt (시기이다)	발언이 행해진, 혹은 기사화된 시기를 의미한다.
Month	Year	isIn (속하다)	해당 년도에 속하는 월을 의미한다.
Statement	Expression	mentions (언급하다)	발언에서 언급하는 인용 구절을 의미한다.
Expression	Section	derivedFrom (로부터 유래하다)	인용구가 어떤 논어의 구절에서 유래되었는지를 나타낸다.
Section	Chapter	isPartOf (부분이다)	구절이 어떤 장에 포함되는지를 나타낸다.
Person	Statement	says (말하다)	발언자와 발언을 연결한다.
Statement	Event	isAbout (에 대해 이야기하다)	발언과 관련된 사건을 나타낸다.
Person	Party	isMemberOf (일원이다)	각 정치인이 어느 정당에 속하는지 나타낸다.
Party	Party	divergesFrom (갈라져 나오다)	source 정당이 target 정당으로부터 갈라져 나온 관계임을 의미한다.
Party	Party	changesNameTo	source 정당이 target 정당으로 이름을 바꿨음을 의미한다.
Party	Party	merges	source 정당이 다른 정당과 병합하여 target 정당을 창설하였음을 나타낸다.

온톨로지

이러한 기준을 바탕으로 온톨로지(논어 구절로 알아보는 정치인이 겉과 속 Ontology)를 구성하였다. 온톨로지의 데이터는 본 데이터 중 가장 먼저 수집된 7개로 이루어졌으며, 표로 정리하면 다음과 같다.

번호	Statement	Section	Person	Month	Year	Expression	Chapter	Event	Party
1	발언1	自古皆有死 民無信不立	이낙연	8월	2017년	무신불립	자공문정章	살충제 계란파동	더불어민주당
2	발언2	述而不作 信而好古 竊比於我老彭	이낙연	12월	2017년	술이부작	술이부작章	기자생활 회고	더불어민주당
3	발언3	回也 聞一以知十 賜也 聞一以知二	이재명	1월	2017년	하나를 보면 열을 안다	술여여회야章	대한민국 제19대 대통령 선거	더불어민주당
4	발언4	國有家者 不患寡而患不均 不患貧而患不安	이재명	9월	2020년	불환빈 환불균	계씨장벌전유章	신년사	더불어민주당
5	발언5	政者正也 子帥以正 孰敢不正	유승민	1월	2019년	정자정야	문정어공자章	좌우명	바른미래당
6	발언6	自古皆有死 民無信不立	나경원	7월	2017년	무신불립	자공문정章	좌우명	자유한국당
7	발언7	夫子 莞爾而笑曰 割鷄 焉用牛刀	이준석	2월	2020년	닭 잡는 데 소 잡는 칼	지무성章	제17대 대선후보 경선	미래통합당

Cypher Query

목적	예시	입력값
특정인의 발언 모아보기	이낙연의 발언 찾기	match (a:Person) where a.name='이낙연' match (a)-[r:says]->(b) return a,r,b
특정인이 말한 논어구절 모아보기	이낙연이 인용한 논어구절 찾기	match (a:Person) where a.name='이낙연' match (a)-[r:says]->(b:Statement) match (b)-[r2:mentions]->(c:Expression) return a,r,b,r2,c
특정 정당이 인용한 논어구절 모아보기	더불어민주당이 인용한 논어구절 찾기	match (a:Party) where a.name='더불어민주당' match (b:Person)-[r:isMemberOf]->(a) match (b)-[r2:says]->(c:Statement) match (c)-[r3:mentions]->(d:Expression) return a,d
특정 년도에 나온 발언 모아보기	2017년 발언 모아보기	match (a:Statement)-[r:isAt]->(b:Month) match (b)-[r2:isIn]->(c) where c.name='2017' return a,r,b,r2,c
특정 사건에 대한 발언 모아보기	대한민국 제19대 대통령 선거 관련 발언 모아보기	match (a:Event) where a.name='대한민국 제19대 대통령 선거' match (b:Statement)-[r:isAbout]->(a) return a,r,b
특정 부류의 사건들에 대한 발언 모아보기	선거 관련 발언 모아보기	match (a:Event) where a.context='선거' match (b:Statement)-[r:isAbout]->(a) return a,r,b
특정 구절이 인용된 발언 모아보기	무신불립을 인용한 발언 찾기	match (a:Expression) where a.name='무신불립' match (b)-[r:mentions]->(a) return b,r,a
발언 내용별 인용 횟수 세기 (중복 허용)		match(a: Statement) - [r: mentions] -> (b:Expression) return a.contentcontext, count(*) as number order by number desc
발언 내용별 인용 표현 가짓수 세기 (중복 제외)		match(a: Statement) - [r: mentions] -> (b:Expression) return a.contentcontext, count(distinct(b)) as number order by number desc
발언 형식별 인용 횟수 세기 (중복 허용)		match(a: Statement) - [r: mentions] -> (b:Expression) return a.formcontext, count(*) as number order by number desc
발언 형식별 인용 표현 가짓수 세기 (중복 제외)		match(a: Statement) - [r: mentions] -> (b:Expression) return a.formcontext, count(distinct(b)) as number order by number desc
발언 내용별 많이 인용된 논어 구절 보기 (동일인에 의한 중복 허용)	격려 / 각오 / 방향제시에 많이 쓰인 구절 상위 5개 출력하기	match(a: Statement) - [r: mentions] -> (b:Expression) where a.contentcontext = '격려 / 각오 / 방향제시' return b.name, count(*) as number order by number desc limit 5
발언 내용별 많이 인용된 논어 구절 보기 (동일인에 의한 중복 비허용)	격려 / 각오 / 방향제시에 많이 쓰인 구절 상위 5개 출력하기	match(p:Person) - [s:says] -> (a: Statement) - [r: mentions] -> (b:Expression) where a.contentcontext = '격려 / 각오 / 방향제시' return b.name, count(distinct(p)) as number order by number desc limit 5
더불어민주당과 연결된 당이 특정 내용에 대해 말할 때 많이 인용한 논어 구절 보기	더불어민주당과 연결된 당이 격려/각오/방향제시 할 때 많이 사용한 논어 구절 그래프로 보기	match(d: Party) <- [m: isMemberOf] - (p: Person) - [s: says] -> (a: Statement) - [r: mentions] -> (b:Expression) where a.contentcontext = '격려 / 각오 / 방향제시' and d.name in ['더불어민주당', '새정치민주연합', '민주당', '통합민주당', '대통합민주신당', '열린우리당'] return d, m, p, s, a, r, b
더불어민주당과 연결된 당이 특정 내용에 대해 말할 때 많이 인용한 논어 구절 보기	더불어민주당과 연결된 당이 격려/각오/방향제시 할 때 많이 사용한 논어 구절 표로 보기	match(d: Party) <- [m: isMemberOf] - (p: Person) - [s: says] -> (a: Statement) - [r: mentions] -> (b:Expression) where a.contentcontext = '격려 / 각오 / 방향제시' and d.name in ['더불어민주당', '새정치민주연합', '민주당', '통합민주당', '대통합민주신당', '열린우리당'] return b.name, count(*) as number order by number desc limit 5
국민의힘당과 연결된 당이 특정 내용에 대해 말할 때 많이 인용한 논어 구절 보기	국민의힘당과 연결된 당이 격려/각오/방향제시 할 때 많이 사용한 논어 구절 그래프로 보기	match(d: Party) <- [m: isMemberOf] - (p: Person) - [s: says] -> (a: Statement) - [r: mentions] -> (b:Expression) where a.contentcontext = '격려 / 각오 / 방향제시' and d.name in ['한나라당', '새누리당', '자유한국당', '미래통합당', '국민의힘당', '자유선진당'] return d, m, p, s, a, r, b
국민의힘당과 연결된 당이 특정 내용에 대해 말할 때 많이 인용한 논어 구절 보기	국민의힘당과 연결된 당이 격려/각오/방향제시 할 때 많이 사용한 논어 구절 표로 보기	match(d: Party) <- [m: isMemberOf] - (p: Person) - [s: says] -> (a: Statement) - [r: mentions] -> (b:Expression) where a.contentcontext = '격려 / 각오 / 방향제시' and d.name in ['한나라당', '새누리당', '자유한국당', '미래통합당', '국민의힘당', '자유선진당'] return b.name, count(*) as number order by number desc limit 5

탐구 결과

구절별 빈도 분석

먼저, 각 구절이 정치인들에게 얼마나 인기 있었는지를 알아보면서 분석을 시작하고자 한다. 많이 인용된 구절 상위 5개를 출력한 결과가 다음과 같다.

순위	구절	인용 횟수	뉴스 개수
1	무신불립	28	3795
2	덕불고 필유린	12	220
3	불환빈 환불균	9	4690
4	학이시습지 불역열호	8	592
5	하나를 보면 열을 안다	7	294215

데이터 전처리 과정에서 수집하였던 "해당 구절이 포함된 뉴스 개수"도 위의 표에 표시하였다. 뉴스 개수가 그 구절이 얼마나 대중에게 알려져 있는지를 완전히 나타낸다고 볼 수는 없겠지만, 특정 구절의 대중성을 나타내는 대리 변수(proxy)로 여기에서는 뉴스 개수를 채택하였다. 위의 표를 보면, "하나를 보면 열을 안다"를 포함하는 뉴스 개수가 약 30만 개로 압도적으로 많은 반면 정치인의 인용 사례는 7건에 불과하며(같은 표현에서 파생된 "하나를 알면 열을 안다"가 인용된 1건을 합하더라도 8건에 불과하다), 인용 횟수 1위인 "무신불립"의 경우 뉴스 개수는 약 3800개로 5위인 "하나를 보면 열을 안다"와 비교하면 100배 정도의 차이가 난다. 이로부터, 정치인이 논어를 인용하면서 구절을 선정할 때에는, 무조건 대중에 많이 알려져 있는 쉬운 표현이라고 많이 인용하는 것이 아니라는 점을 알 수 있다. 다음의 탐구들을 통하여 논어 인용구를 선정할 때 정치인이 참고하는 다른 기준들이 무엇인지 확인해 보고자 한다.

발화 형식별 분석

위에서 서술하였듯이, 각 인용 사례를 나타내는 발언(Statement)노드에는 발화 내용 맥락과 형식 맥락의 두 가지 context 속성이 있다. <발화 형식별 분석>에서는 연설, 즉석 발언, SNS 게시글 등 정치인이 논어를 인용한 발언 형식 맥락에 따라, 인용한 구절에 차이가 있는지를 분석해 보고자 한다.

다음은 각 형식 속성에 해당되는 인용 사례의 수를 보여주는 쿼리 결과이다.

글로써 전달되는 SNS, 논평/보도자료의 논어 인용 횟수가 말로써 전달되는 연설/브리핑/기자회견, 인터뷰 등의 논어 인용 횟수보다 현저히 적은 것을 볼 수 있다.

이 차이를 조금 더 자세히 살펴보고자, SNS와 논평/보도자료에서 많이 인용된 구절 상위 5개를 다음과 같이 출력해 보았다.

다음은 연설/브리핑/기자회견, 즉석 발언, 인터뷰, 기념사/축사에서 많이 인용된 구절 상위 5개이다.

발화 형식에 따라 자주 인용되는 논어 구절은 큰 차이가 있다. 먼저 글로 표현되는 SNS와 논평/보도자료는 구절 간 인용 횟수에 큰 차이가 없다. 이에 비해 말로 표현되는 연설/브리핑/기자회견, 즉석 발언, 인터뷰 등의 발화 형식 맥락에서는 "무신불립"이 압도적 1위를 차지하였으며, "덕불고 필유린", "불환빈 환불균"등이 뒤를 이었다. 이러한 특징은 준비 없이 말하는 "즉석 발언" 카테고리에서 더욱 두드러진다.

발화 내용별 분석

<발화 내용별 분석>에서는 선거, 격려/각오/방향제시, 행태 비판 등 정치인이 해당 논어 구절을 인용한 내용 맥락에 대한 분석을 해 보고자 한다.

먼저 각 내용 속성에 해당되는 인용 사례의 수를 보여주는 쿼리의 결과는 다음과 같다.

인용 구절의 중복을 허용하지 않고, 각 내용 맥락으로 인용된 구절의 가짓수를 센 쿼리의 결과는 다음과 같다. 예를 들어, "무신불립"이라는 구절이 선거 맥락으로 3번, 행태 비판 맥락으로 2번 사용되었다면 이 쿼리에서는 선거 1번, 행태 비판 1번으로 세어진다. 각 내용 맥락별로 얼마나 다양한 구절들이 인용되었는지 살펴보기 위한 쿼리이다.

중복을 허용하여 단순히 인용 건수 기준으로 세면, 격려/각오/방향제시, 선거, 개인 신변 논란에 관련된 발언에 논어가 많이 인용되었다. 그러나 인용된 문장의 가짓수를 기준으로 살펴보면, 개인 신변 논란이 아닌 정책적 대립 관련 발언에 다양한 논어 문장이 인용된 것을 볼 수 있다. 이는 개인 신변 논란에 대해서 인용되는 구절이 한정되어 있다는 의미이고, 정치인들이 개인 신변 논란에 있어서 어떤 특정 가치를 중시한다는 의미로 받아들일 수도 있다.

각 발화 내용 맥락별로 어떤 구절들이 자주 사용되었는지 살펴보자.

격려/각오/방향제시 맥락으로 사용된 구절들

선거 맥락으로 사용된 구절들

개인 신변 논란과 관련되어 발언할 때 인용된 구절들

정당별 분석

본 팀에서 수집한 변수 중에는 해당 정치인이 발언 시점에 어떤 정당에 소속되어 있었는지를 나타내는 "정당" 변수가 있었다. 이를 이용하여, 정당 별로 인용하는 논어 구절에 차이가 있는지를 살펴봄으로써 각 정당이 추구하는 가치의 차이가 있는지 알아보고자 하였다.

먼저, 정당을 나타내는 Party 노드를 출력하여 정당 간의 관계를 살펴보았다.

위와 같이, 더불어민주당과 연결된 덩어리 하나, 국민의힘과 연결된 덩어리 하나가 있고 나머지 군소정당들이 고립되어 있는 양상이다. 더불어민주당에 연결된 덩어리에 포함된 정당 관계를 잘 살펴보면, 새천년민주연합에서 국민의당이 divergesFrom이라는 relation으로 갈라져 나온 것을 볼 수 있다. 따라서, 국민의당은 새천년민주연합과 같은 계열의 정당이라고 간주할 수 없다고 판단하였다. 앞으로, "Merges" 와 "ChangesNameTo" relation만을 고려하였을 때 더불어민주당과 연결된 덩어리를 "민주당 계열" 정당으로, 국민의힘과 연결된 덩어리를 "국민의힘 계열" 정당으로 지칭하겠다. 이 계열 구분에는 진보 혹은 보수의 가치 판단은 포함되어 있지 않다.

두 정당 계열에 해당하는 정당들을 아래 표에 표시하였다.

민주당계열	더불어민주당, 새정치민주연합, 민주당, 통합민주당, 대통합민주신당, 열린우리당
국민의힘계열	한나라당, 새누리당, 자유한국당, 미래통합당, 국민의힘, 자유선진당

먼저, 각 정당이 인용한 논어 구절의 가짓수와 총 인용 횟수는 다음과 같으며, 정당 계열별로 합하면 민주당 계열은 총 인용 횟수 45건에서 인용된 논어 구절은 25종류이고, 국민의힘 계열에서는 총 인용 횟수 59건에서 인용된 논어 구절이 42건으로 큰 차이가 있음을 알 수 있다. 국민의힘 계열에서 비교적 더 다양한 구절을 인용한다.

정당	인용 가짓수	총 인용 횟수
더불어민주당	17	37
무소속	14	17
새누리당	11	17
자유한국당	10	13
한나라당	9	13
미래통합당	8	8
국민의당	5	6
통합민주당	4	4
정의당	4	4
국민의힘	3	7
바른미래당	1	1
대통합민주신당	1	1
대안정치연대	1	1
민생당	1	1
민주당	1	1
평화당	1	1
새천년민주연합	1	1
열린우리당	1	1
자유선진당	1	1

이제, 민주당 계열에서 많이 사용된 구절 상위 5개를 보자.

국민의힘 계열에서 많이 사용된 구절은 다음과 같다.

"무신불립"에 관한 분석

위의 분석을 진행하면서, 정당, 발화 형식, 발화 내용 등에 관계없이 "무신불립"이라는 구절이 정치인들에게 매우 인기 있다는 것을 알게 되었다. 이 구절에 대해서 더욱 심층적으로 분석해 봄으로써 흥미로운 결과를 얻고자 한다.

발화 형식

먼저 무신불립이라는 구절은 어떤 발화 형식으로 인용되었을까?

연설/브리핑/기자회견의 형식이 1위이고, 즉석 발언 사례도 상당히 많다. 특이한 점은 모두 말로 전달되는 형식이라는 것이다. SNS, 논평 등의 글에서는 무신불립이라는 표현이 인용되지 않았다.

발화 내용

이 구절은 어떤 내용에 관련되어 인용되었을까? 발화 내용 맥락을 살펴보면 다음과 같다.

격려/각오/방향제시, 선거, 개인 신변 논란에 관련된 인용 사례가 각 6건으로 가장 많다.

정당

각 정당은 무신불립이라는 구절을 어떻게 인용하고 있을까?

먼저 민주당계열의 무신불립 인용을 나타낸 그래프를 보자.

거의 대부분의 인용이 더불어민주당에서 발생하였다. 더민주 이전 통합민주당, 새천년민주연합 등의 민주당 계열 정당에서는 무신불립의 인용 횟수가 총 1건밖에 되지 않는다.

아래는 민주당 계열에서 무신불립이 인용된 발화 내용을 정리한 표이다. 격려/각오/방향제시 맥락이 많다.

다음은 국민의힘 계열의 무신불립 인용을 나타낸 그래프이다. 민주당 계열의 그래프와 비교했을 때 가장 눈에 띄는 차이점은, 민주당 계열의 인용이 현 더불어민주당 하에 집중되어 있는 반면에 국민의힘 계열에서는 한나라당 시절부터 꾸준히 조금씩 "무신불립"을 인용해 왔다는 점이다.

국민의힘 계열에서 무신불립이 인용된 발화 내용을 정리하였다. 민주당 계열과 마찬가지로 선거, 격려/각오/방향제시, 개인 신변 논란에 관련한 인용이 많은 것을 볼 수 있다.

결론 및 제언

결과 해석

발화 형식별 분석

글은 수정이 가능하고 오래 지속되며, 쓰고 읽는 데 시간이 걸린다. 이에 반해 말은 빠르고 쉽게 전달되지만 휘발성이 강하고, 주워담을 수 없다. 따라서 정치인이 말할 때에는 기억하기 쉽고 메시지를 전달하는 데 효과적인 문장이 필요하고, 논어의 구절들이 이 역할을 한다. 이때, 기존 정치인이 사용하였던 논어 구절들은 "성공한 캐치프레이즈"로 인식될 가능성이 크다. 발언을 할 때 선배 혹은 동료 정치인들이 사용하였던 구절을 반복하여 사용하면 1) 인용 효과에 대한 일정 수준의 성공이 보장되고, 2) 많은 사람들이 그 구절을 이미 들어 보았으므로 청중의 이해도가 제고되며, 3) 통일성과 안정감이 생긴다. 자주 사용되는 구절일수록 기억에 강하게 남아, 즉석 발언 등 충분한 준비를 하지 않은 상황에서 발언할 때 많이 떠오르게 되므로, 앞으로도 "무신불립"과 "덕불고 필유린" 등의 구절은 더 자주 인용될 것으로 보인다.

발화 내용별 분석

개인 신변 논란에 관한 쿼리를 보면, 이 내용 맥락에서의 논어 인용은 대부분 "무신불립"이라는 구절에 집중되어 있는 것을 확인할 수 있다. 나머지 구절들의 경우 맥락별로 큰 차이를 보이지는 않는다.

다만 특이한 점은 격려/각오/방향제시 맥락에서 논어를 인용할 때, 정치인들이 "무신불립"이라는 구절만큼이나 "덕불고 필유린"과 "학이시습지 불역열호"라는 구절을 즐겨 사용하였다는 점이다. "덕불고 필유린"은 "덕이 있는 사람은 외롭지 않고, 반드시 이웃이 있다"는 뜻이며 "학이시습지 불역열호"는 "배우고 때로 익히면 그 또한 기쁘지 아니한가" 라는 뜻이다. 전자의 경우, 그 의미상 정치적 지향점이나 선거의 유불리에 따라 이합집산을 반복하는 정치권에서, 본인의 신념을 지키겠다는 각오 혹은 그렇게 하라는 방향제시 목적으로 자주 인용된 것으로 보인다. "학이시습지 불역열호" 또한 개인이 열심히 공부하고 그 깨달음을 실천하는 것에 대한 문장으로, 두 문장 모두 어떤 공동체의 일원으로서가 아니라 스스로 공부하고 덕을 쌓는 개인의 중요성을 강조한다. 정치는 정당 중심으로 이루어지고, 정치인은 개인이라기보다 그 정당의 당원으로서의 역할이 크다고 느끼는 사람들이 많은데, 정치인들은 오히려 개인이 굳은 신념을 가지고 꾸준히 성장하고자 한다는 것을 발화 맥락 분석에서 파악할 수 있었다. (그럼에도 불구하고, 공동 1위에 신뢰에 의한 공동체의 결속을 강조하는 "무신불립"이 동시에 자리한다는 것은 흥미롭다. 개인과 공동체 사이에서 균형을 잘 잡고자 하는 정치인들의 고민이 반영된 것일까?)

정당별 분석

두 계열 모두에서 "무신불립"이 압도적 1위를 차지하였다. 나머지 2~5위도 비슷하지만, 민주당 계열에서는 "학이시습지 불역열호 - 배우고 때때로 익히면 또한 기쁘지 아니한가"가 순위권에 들었고, 국민의힘 계열에서는 "견위수명-(나라의)위험을 보면 목숨을 바친다"이 순위권에 있다. 또한, (이미지가 너무 많아질 것 같아 따로 스크린샷은 추가하지 않겠지만) 민주당 계열에서는 3회 이상 인용된 구절이 4개뿐이다(무신불립, 학이시습지, 덕불고 필유린, 불환빈 환불균). 이에 비해 국민의힘 계열에서는 3회 이상 인용된 구절이 총 8개이다(위의 5개에 더해서, 교언영색, 학이시습지, 아는 것은 좋아하는 것만 못하고, 좋아하는 것은 즐기는 것만 못하다). 민주당 계열에 비해 국민의힘 계열에서 논어 인용을 좀더 다양하고 많이 하는 것을 알 수 있다.

"무신불립"에 대한 분석

무신불립이라는 구절은 "믿음이 없으면 설 수 없다", 즉 정사에 있어서 신뢰의 중요성을 강조하는 말이다. 발화 형식에서, 무신불립은 말로 전달되는 상황에서만 인용된 것으로 나타났다. 말은 글보다 휘발성이 강한 전달 방식이고, 특히 정치인의 주요 발화 형식 중 하나인 연설에서는 자신의 메시지를 강렬하게 전달하기 위한 hook이 필요한 경우가 많다. "무신불립"은 비교적 직관적이고 쉬운 표현이기 때문에, 이 목적을 달성하는 데 적합한 표현으로 보인다.

발화 내용 맥락에 있어 무신불립이라는 표현은 격려/각오/방향제시, 선거 등 본인 혹은 본인이 속한 그룹의 비전을 제시하는 상황에서 많이 사용되었다. 선거철에 신뢰를 강조하는 표현이 자주 등장하는 것이 흥미롭다. 정치권에서 선거는 당선이라는 목적을 위해서 다양한 전략적 판단과 동맹, 배신이 발생하는 시기이며, 유권자들 사이에서는 저 후보가 과연 선거 후에도 본인이 한 말을 지킬까 하는 고민이 생기는 시기이다. 그렇기 때문에 역설적으로 신뢰를 중시하는 "무신불립"이라는 구절이 많이 쓰이는 것이 아닐까 생각되기도 한다. 또한, 각종 논란 상황 중 개인의 신변 논란에 관하여 발언할 때 무신불립이 자주 사용되었는데, 이로부터 미루어 보아 정치인들은 개인의 잘못을 "신뢰를 깨었다"는 차원에서 비판하는 사례가 많음을 알 수 있었다.

정당별 비교를 해 보았을 때, 두 계열 모두 자신들의 비전과 각오를 나타내는 선거와 격려/각오/방향제시 맥락에서 "무신불립"을 많이 인용하였으며, 개인 비리가 문제가 되는 "개인 신변 논란" 맥락에서도 이 구절을 많이 인용한 것으로 드러났다. 다만 인용 시기에 차이가 있었는데, 국민의힘 계열에서는 한나라당(1997~) 시절부터 꾸준히 인용을 해 온 반면 민주당 계열에서는 더불어민주당(2015~)에 대부분의 인용 사례가 집중되어 있었다. 최근 더불어민주당 체제 하에서 "신뢰"의 가치가 더욱 중요해진 것이라고 해석될 수도 있고, 혹은 오히려 정치권에 대한 신뢰가 떨어진 상황이기 때문에 역설적으로 신뢰에 관한 구절이 많이 인용되는 것이라고 해석될 수도 있겠다.

제언

대한민국 현대 정치인들이 논어를 인용한 사례들을 살펴보았다. 처음에 예상했던 것만큼 논어 인용 사례가 많지는 않았지만, 나름 흥미로운 결과들을 얻었다. 정치인들이 어떤 맥락에서 논어를 많이 인용하였는지 알 수 있었으며, 대체로 자신 혹은 자신이 속한 집단의 비전을 제시하는 데에 많이 활용한다는 것을 알게 되었다. 이때 자주 인용되는 구절들은 대중들에게 일정 수준 이상 알려져 있고, 또한 자가당착적인 여지가 적거나 없어 정치인 본인이 한 발언이 자신에게 돌아올 여지가 적은 구절들 이었다.

네이버와 구글 뉴스로 기록되어 있는 거의 모든 한국 현대 정치인 논어인용 사례를 수집하였으나, 생각보다 데이터가 많지 않았던 점이 아쉽다. 135건의 전체 데이터를 분석 기준에 따라 정당별, 발언 맥락별로 나누다 보면 한 카테고리에 해당되는 데이터 수가 10개 미만인 때도 많아서 통계적으로 유의미한 결과를 얻기는 어려웠다. 추후에 분석 대상을 확대하여 같은 주제로 분석을 진행해 보면 더 좋을 것 같다.