멀리서 읽는 중국 고전시가―왕유와 맹호연을 대상으로

전가람

추천

검색

자료유형: 학술저널

저자정보: 전가람 (전북대학교)

저널정보: 중국어문학회 중국어문학지 중국어문학지 제80호

발행연도: 2022.9

수록면: 33 - 55 (23page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

프랑코 모레티(Franco Moretti)가 제창한 ‘멀리서 읽기’(Distant Reading)는 문학 연구에 대한 정량 분석의 방법을 뜻한다. 최근에는 문학 연구에 대한 정량적 연구라는 초기 의미에서 진화하여 디지털인문학 방법론 및 문학사회학을 접목시키는 관점에서 재조명되고 있다. 본 연구는 "Distant Reading"의 방법론을 중국 고전시가 연구에 접목시켜 볼 수는 없을까 하는 의문에서 시작되었다. 바꿔 말하면 ‘멀리서 읽기’ 방법론이 중국 고전시가 연구에 있어서 새로운 동력으로 작용할 수 있을까 하는 고민과 의문에 답하기 위해 시작되었다. 왕유와 맹호연은 소위 당대 자연시파로 분류되며 수준 높은 산수시를 많이 창작하였다고 평가된다. 청대 시인 왕사정 또한 이 두 시인의 시가 심오하고 높은 경지에 도달하였음을 지적하고 높이 평가한 바 있다. 주지하다시피 중국 고전시가는 고정된 형태를 이루고 있다. 이에 왕유와 맹호연의 작품에서 각 행을 이루는 문자에 대해 동일한 문자가 발생하는 위치, 개수 등을 산출한다면 두 시인 간의 기본적인 유사도를 확인할 수 있을 것이다. 또는 각 시인마다 가장 많이 사용한 시어를 빈도순으로 정리하여 제시함으로써 작품의 경향을 추론할 수 있는 단서를 발견할 수 있다. 시의 창작에 있어서 시어의 사용은 시인이 무의식적으로 영향을 받고 있음을 보여주는 지표로서 작용하기 때문이다. 필자는 『전당시(全唐詩)』에 수록된 왕유의 시와 맹호연의 시를 대상으로 정량적 분석 방법을 도입하여 왕유, 맹호연 두 시인의 시를 N-gram으로 분석하고, 이들이 공유한 시어와 즐겨 사용한 시어의 빈도를 제시하였다. 또한 이를 통해 두 시인의 상이한 시적 경향성을 파악할 수 있는 단서를 발견함과 동시에 이 두 시인이 중국 문학사상 자연시파에 속한다는 공통점을 지녔다 할지라도 또한 시적 경향성은 분명하게 구분되어야 함을 확인할 수 있었다. 한편 작가가 사용한 어휘의 풍요로움과 다채로움을 질적으로 측정하는 도구인 어휘 다양도(TTR) 지표에서는 왕유보다 맹호연이 높게 나타남으로써 역대 중국 문인들 사이에서 지속되어 온 ‘孟不及王’의 논쟁을 어떻게 바라보아야 할 것인가에 대한 차후 연구 과제를 확인시켜주었다.

“Distant Reading” proposed by Franco Moretti, refers to a method of quantitative analysis of literary research. Recently, it has evolved in the early sense of quantitative research on literary research and has been re-examined from the perspective of combining digital humanities methodology and literary sociology. This study began with the question of whether it is possible to incorporate the methodology of “Distant Reading” into the study of Chinese classical poetry. In other words, the "District Reading" methodology was started to answer the concerns and questions of whether Chinese classical poetry could serve as a new driving force in research. Wang Wei and Meng Hao-ran are classified as so-called Tang natural poets and are evaluated to have created many high-quality Sansu poems. The Qing poet Wang Shi-zhen also pointed out and praised the poetry of these two poets for reaching a profound and high level. As is well known, Chinese classical poetry has a fixed form. Therefore, if the location and number of the same characters occur for the characters that make up each line in the works of Wang Wei and Meng Hao-ran, the basic similarity between the two poets can be confirmed. Alternatively, by organizing and presenting the most frequently used poems in frequency order for each poet, a clue to infer the trend of the work can be found. This is because the use of poetry in the creation of poetry acts as an indicator that the poet is unconsciously influenced. The author introduced a quantitative analysis method for Wang Wei's poems and Meng Hao-ran's poems in 『complete Tang poems(全唐詩)』, analyzed the poems of two poets, Wang Wei and Meng Hao-ran, and presented the frequency of their shared and favorite poems. In addition, it was confirmed that the two poets should be clearly distinguished even if they had something in common that they belonged to natural poetry in Chinese literary history. Meanwhile, Meng Hao-ran was higher than Wang Wei in the Vocabulary Diversity (TTR) index, a tool that qualitatively measures the richness and variety of vocabulary used by the artist, confirming the next research task on how to view the debate that “Meng Hao-ran's poetic level does not reach Wang Wei's poetic level.” among Chinese writers.

#멀리서 읽기 #디지털 인문학 #왕유 #맹호연 #전당시 #Distant Reading #Digital Humanities #N-gram #Wang Wei #Meng Hao-ran #complete Tang poems

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

田加蓝

소속기관 韩国国立全北大学

주요연구분야 인문학 > 어문학 > 중국어와문학 인문학 > 인문학 일반

논문수 8 이용수 97

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 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)