지역 의미 구조 혼합 방법 사회 언어 네트워크 분석

지역 의미 구조 혼합 방법 사회 언어 네트워크 분석
안내: 본 포스트의 한글 요약 및 분석 리포트는 AI 기술을 통해 자동 생성되었습니다. 정보의 정확성을 위해 하단의 [원본 논문 뷰어] 또는 ArXiv 원문을 반드시 참조하시기 바랍니다.

초록

이 논문은 예술 집단 내에서 현장에 의해 부여된 의미 구조가 실제 실천을 통해 어떻게 재구성되는지를 탐구한다. 사회·제도적 필드가 제공하는 의미 틀과는 별도로, 참여자들이 모여 형성하는 ‘idioculture’를 자동화된 의미 네트워크와 질적 검토를 결합해 포착한다. 상트페테르부르크의 두 예술 집단을 대상으로 사회·문화 인류학적 현장 조사와 사회 네트워크 데이터를 결합한 혼합‑방법을 적용했으며, 결과는 동일한 필드 의미 구조가 집단마다 다르게 구현되고, 집단 실천이 새로운 의미 구조를 창출하거나 기존 필드 의미를 변형시킨다는 점을 보여준다.

상세 분석

본 연구는 의미 구조를 ‘semantic association ensemble’이라 정의하고, 이를 사회 집단에 내재된 네트워크 형태로 모델링한다. 첫 번째 단계는 텍스트 코퍼스를 기반으로 단어‑단어 동시출현 행렬을 구축하고, 이를 토대로 의미 네트워크를 생성한다. 여기서 사용된 알고리즘은 LDA‑ 기반 토픽 모델링과 Word2Vec 임베딩을 결합해 의미적 근접성을 정량화했으며, 네트워크 중심성 지표(노드 베트위니스, 클러스터링 계수)를 통해 ‘핵심 의미 요소’를 도출한다. 두 번째 단계는 사회 네트워크 분석(SNA)과 연계해 의미 네트워크와 실제 인간 관계망을 매핑한다. 즉, 특정 의미 노드가 어느 사회적 서브그룹에 집중되는지를 파악함으로써 ‘지역 의미 구조’를 식별한다.

정성적 검증은 현장 관찰, 심층 인터뷰, 그리고 참여자들의 작업 로그를 통해 이루어졌다. 연구자는 의미 노드가 실제 대화와 작품 제작 과정에서 어떻게 사용되는지를 사례별로 추적했으며, 이를 통해 자동화된 네트워크 결과가 실제 문화적 맥락과 일치하는지를 검증했다.

두 집단(A, B)은 모두 러시아 현대 미술 필드에 속하지만, A는 ‘정체성·자아 탐색’이라는 의미 클러스터가 중심이며, B는 ‘공공 참여·사회 비판’이라는 클러스터가 두드러진다. 흥미롭게도 두 집단 모두 ‘예술가·관객 관계’를 의미하는 공통 노드를 공유하지만, A에서는 이 노드가 개인적 서사와 연결되고, B에서는 정책·제도와 연결되는 차이를 보인다. 이는 동일한 필드 의미 구조가 집단 실천에 따라 다르게 ‘인코딩’된다는 것을 시사한다.

또한, 집단 B는 새로운 의미 연결(‘디지털 매체·플랫폼’)을 자체적으로 생성해 필드 전체에 확산시키는 역할을 수행했으며, 이는 필드 수준 의미 구조가 하위 집단의 실천에 의해 역동적으로 재구성될 수 있음을 보여준다. 연구는 의미 구조의 ‘정적’ 모델링을 넘어, 사회적 행위와 상호작용을 통해 의미가 어떻게 ‘생산·변형·전파’되는지를 포착한 점에서 이론적·방법론적 기여가 크다.

한계점으로는 텍스트 데이터의 양과 질에 따라 의미 네트워크의 신뢰도가 달라질 수 있다는 점, 그리고 자동화된 의미 추출이 문화적 뉘앙스를 완전히 포착하지 못할 가능성이 있다. 향후 연구에서는 멀티모달 데이터(영상·음성)와 장기적 추적을 결합해 의미 구조의 시간적 변동성을 더 정교하게 모델링할 필요가 있다.


댓글 및 학술 토론

Loading comments...

의견 남기기