韓国語釜山方言と日本語東京方言の外来語のアクセント

손재현

추천

검색

자료유형: 학술저널

저자정보: 손재현

저널정보: 한국일어교육학회 일본어교육연구 일본어교육연구 제31호

발행연도: 2015.1

수록면: 101 - 113 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

本稿では、韓国語と日本語のように高低アクセントとされる言語の類型的研究及び対照言語学的考察として、日本語の東京方言と韓国語の釜山方言のアクセント体系を提示した上で、両言語の外来語のアクセント型の特徴を中心に考察を進める。従来、日本語の東京方言の外来語のアクセントについては、多数の研究が行われ、いわゆる「─(マイナス)3規則(アクセント核が右から3番目に置かれる)」で説明されてきた。一方、慶尚道方言の研究は少ないものの、いずれも音節構造との関連から論じられており、音節構造が大きくアクセントに関与しているという結論を出している。しかし、筆者の研究からみると、それだけでは決まらない例が多数存在することがわかった。本稿は慶尚北道の大邱方言·慶州方言に引き続き、慶尚南道の釜山方言を対照に先行研究の結論を検証したもので、その結果、釜山方言も慶尚北道の大邱方言·慶州方言と同様、音節構造だけではアクセント型を予測しきれないところが多いことがわかった。

This paper compares the loanwords accent of the Tokyo dialect of Japanese and that of Pusan dialect inKorean. In the present paper, evidence for this interpretation will be given, along with the structure of thePusan dialect loanwords accent and a comparison with it and that of Tokyo. Tokyo dialect has two oppositions for one‐mora words, three oppositions for two‐mora words, and so on. Itcan be represented as Pn=n+1, where ‘Pn’ represent the number of ｐrosodemes for the accentual unit ‘n’. In theTokyo accent type, there are n‐kernel positions, plus a kernel less type (indicated with an = sign; the ⓪ signindicates unaccented), for a total of n+1. The default accent of loanwords of Tokyo dialect are -③ pattern(antepenultimate). The present paper examines on the basis of the data collected by the author. The conclusion by Kenstowicz &Sohn (2001) (hereafter K & S(2001)) and Do (2014) that the accent of loanwords in the Pusan dialect isdetermined by their syllabic structure. Those conditions are: 1) if the final consonant cluster of the originalword are resolved by two inserted vowels、 those vowels are without accent; 2) the heavy syllables caused byliquid gemination are not counted as heavy. Furthermore、 as regards two or five syllable words、 the principleholds only for about 60% of cases. There is no correlation between the syllabic structure and accent as regardsmonosyllabic words、 since the accent remains the same even if the syllabic structure is altered by the additionof a particle. From the above discussion the following points in Do (2014) are criticized: A heavy syllable (CVC)must be high; if the final two syllables are light, then a (default) high is assigned to the penultimate syllable. Inaddition, a Light-Light-Heavy takes a final H which spreads back to the peninitial syllable. These simpleprinciples account for over 90% of the data in all syllable profiles except for Heavy-Heavy. Thus the presentpaper critically examines the applicability of the two conditions on the segmental structure of the original word、the prerequisites of the discussion of Do (2014) 、as well as the level of knowledge of the original words inthe acquisition of loanwords by the dialect speakers.

#loanword、accent、Pusan Korean、Tokyo Japanese

참고문헌 (13)

참고문헌 신청

/ / 日本語アクセント?典 / 三省堂

/ 1944 / 朴昌淳氏(1944年生，男性、釜山市東??)

/ 1960 / 宋敬美氏(1960年生，女性、釜山市東??)

/ 1987 / 廬美?氏(1987年生，女性、釜山市東??)

Do, Young Ah / 2014 / Accent classes in South Kyengsang Korean: Lexical drift, novel words and loanwords / Lingua 148 : 147 ~ 182

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

손재현

소속기관

주요연구분야 사회과학 > 교육학 인문학 > 어문학 > 일본어와문학

논문수 4 이용수 27

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (13)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)