초록

이 글은 필자가 진행해 온 《개벽》(1920~1926) 연구의 세 국면 — 수작업 분석(1기, 2005~2013), 토픽모델링과 네트워크 분석(2기, 2014~2024), LLM(대규모 언어 모델, Large Language Model)과 지식 그래프의 결합(3기, 2025~) — 을 통해, 연구 질문과 분석 도구가 상호작용하며 발전해 온 과정을 복기한다. 1기의 정성적 분석이 남긴 두 과제 — ‘사회주의화’의 정량적 검증과 ‘중역적 수용’의 문장 단위 심화 — 가 각각 2기와 3기로 이어지는 구조를 밝히고, 이를 ‘디지털 문헌학’이라는 잠정적 개념으로 제안한다. 디지털 문헌학이란, 텍스트의 계통과 전승 과정을 추적하는 전통적 문헌학의 방법을 디지털 기술과 AI로 확장·심화하는 방법론적 지향을 가리킨다. 이 개념이 독립운동사 연구를 비롯한 동아시아 텍스트 비교 연구에 적용될 가능성을 함께 논의한다.

Abstract

This article retraces three phases of the author's long-term research on Gaebyeok (開闢, 1920–1926): manual analysis (Phase 1, 2005–2013), topic modeling and network analysis (Phase 2, 2014–2024), and the integration of Large Language Models (LLMs) and knowledge graphs (Phase 3, 2025–). Through this retrospective, it examines how research questions and analytical methods have co-evolved in mutual interaction. Two tasks left unresolved by the qualitative analysis of Phase 1 — the quantitative verification of "socialization" (sahoejuuihwa) and the sentence-level investigation of "reception via relay translation" (jungyeokjeok suyong) — were subsequently taken up in Phases 2 and 3, respectively. The paper proposes to frame this trajectory under the tentative concept of "digital philology," understood as a methodological orientation that extends and deepens the traditional philological task of tracing textual genealogies and transmission through digital technologies and AI. Finally, it discusses the potential applicability of this framework to research on the Korean independence movement and, more broadly, to comparative studies of East Asian texts.

초록

본 논문은 조선 의학 고전문헌에 내재된 질병 판단 알고리즘을 데이터로 설계·구축하는 방법론과 그 결과를 제시한다. 『의방유취』·『동의보감』·『인제지』를 축적·표준화·응용의 3축으로, 『역시만필』을 임상 검증 텍스트로 설정하는 ‘3축+1’ 문헌 체계 위에서 30개 병문(病門)의 판단 흐름을 L1(현상 인식)·L2(판단 구조)·L3(치료 실행)의 3층위로 분절하고, 병문의 판단 기능에 따라 생태순환형(A) · 판단노드형(B) · 네트워크허브형(C) · 경계판단형(D)의 4유형으로 분류하였다. 구축된 데이터셋은 RDM_Core 약 750행, NETWORK 관계 약 485건으로 구성되며, KISTI DataON 국가연구데이터플랫폼에 공식 등록되었다. 분석 결과 L2(판단 구조)가 전체의 약 45%를 차지하여 조선 의학 문헌이 판단의 논리 서술에 가장 큰 비중을 두고 있음이 확인되었고, Type C(네트워크허브형)의 평균 NETWORK 엣지 수가 다른 유형보다 뚜렷하게 높아 유형 분류의 정합성이 사후적으로 검증되었다. 그리고 데이터에서 두 가지 구조적 특성이 귀납적으로 확인되었으니, 복합 원인을 단일 요인으로 환원하지 않고 체계적으로 배열하여 판단을 구성하는 ‘원인배열의학’과 개입의 시점·순서·강도를 병의 진행 단계에 따라 신중하게 조율하는 ‘개입타이밍 조율의학’이 그것이다. 이러한 특성이 기존 해외 전통의학 디지털화 프로젝트의 접근 및 방법론과 구별됨을 논증하고, AI와의 연계 가능성을 함께 제시하였다.

Abstract

This paper presents a methodology for designing and constructing data that restores the diagnostic algorithms embedded in classical Joseon medical literature, along with its results. Setting Uibangryuchi (醫方類聚), Donguibogam (東醫寶鑑), and Injeji (仁濟志) as a three-axis framework representing accumulation, standardization, and application, and Yeoksimanpil (歷試漫筆) as a clinical verification text in a "Three-Axis-Plus-One" system, the study segments the diagnostic flow of 30 byeongmun (病門, disease categories) into three layers: L1 (phenomenal recognition), L2 (judgment structure), and L3 (therapeutic execution). Each byeongmun is classified into one of four typologies based on its functional role: ecological-circulation (A), judgment-node (B), network-hub (C), and boundary-judgment (D). The dataset comprises approximately 750 rows of RDM_Core data and 485 NETWORK relations, officially registered on the KISTI DataON Platform. L2 (judgment structure) accounts for about 45% of the total, confirming that Joseon medical literature allocates the greatest proportion to articulating diagnostic logic. The mean NETWORK edge count for Type C (22.1) markedly exceeds the other types (11.2–16.2), providing post-hoc validation of the classification. Two structural characteristics were inductively identified: Cause-Arrangement Medicine, which systematically arranges multiple causes rather than reducing them to a single etiology, and Intervention-Timing Medicine, which calibrates the timing, sequence, and intensity of therapeutic intervention by disease stage. These characteristics are methodologically distinct from the nominal entity-centered approaches in existing international traditional medicine digitization projects, opening prospects for knowledge graph expansion and AI integration.

초록

Abstract

This paper examines how Joe Wright’s 2005 film adaptation of Jane Austen’s Pride and Prejudice transforms the character of Mr. Bennet from a detached, sarcastic father into a gentle, devoted patriarch, arguing that this transformation constitutes a new mechanism of patriarchal myth. While Peter Glick and Susan Fiske successfully identify hostile and benevolent sexism—both of which operate by defining women—this paper identifies a mechanism that falls outside their framework: one that reshapes the male figure to conceal patriarchal power structures. Drawing on Roland Barthes’s concept of myth as naturalized ideology, the paper proposes that Wright’s adaptation romanticizes the male figure rather than targeting women directly, thereby diminishing the mother by contrast and making the father's authority appear not only natural but necessary. To assess the effectiveness of this myth, the paper conducts a comparative analysis of 3,527 Korean film reviews and 639 book reviews from Watchapedia and Aladin, alongside reviews from IMDb. Through collocation analysis of these reviews, this study examines how Anglo-American and Korean audiences respond to and absorb the adapted patriarchal tactic in markedly different ways and argues that understanding how patriarchal myth operates requires culturally specific approaches rather than a universal framework.

초록

이 논문은 중국 상하이도서관(上海圖書館) 《신보》 데이터베이스 텍스트 데이터 수집 스크립트의 작성 과정과 실제 수집 절차, 수집 데이터의 구조와 특징, 그리고 연구용 통합 데이터 구축을 위한 전처리 스크립트의 처리 절차와 결과물 구조를 설명한다. 스크립트의 설계와 작성 과정 전반에 AI 코딩 에이전트를 활용하여, 사용자가 요구 사항, 오류 메시지 등을 제시하면 이에 따라 AI가 수정과 검증을 반복하는 Human-in-the-Loop 방식으로 작업을 진행하였다. 작업 관련 프롬프트와 코드, 데이터 샘플은 이 연구 GitHub 저장소에 공개한다.

Abstract

This paper presents a workflow for collecting and preprocessing text data from the Shanghai Library Shun Pao database. It describes the development of a text-data collection script, the actual collection procedure, the structure and characteristics of the collected data, and the preprocessing procedure and output structure used to construct an integrated research dataset. The scripts were designed and developed with the assistance of an AI coding agent in a Human-in-the-Loop workflow, in which the researcher provided requirements, error messages, and related inputs, while the AI agent iteratively revised and verified the code. The prompts, code, and sample data associated with this work are made available in the study’s GitHub repository.