NS-CUK Summer School: Jul 13rd, 2023: Albert Camus's Digital Museum of Literature using Infographics

1. Digital Humanities VI

2. 1
 디지털 인문학 입문
 디지털 인문학 연구 분야와 사례
 텍스트 분석(Text Analysis)
 텍스트 분석(Text Analysis)
 문학 텍스트 분석 사례
 SNS 리뷰 분석 사례
 영화 스크립트 분석 사례
 영상 분석(Visual Analysis)
 공간 분석(Spatial Analysis)
 네트워크 분석(Network Analysis)

3. 2
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 텍스트 분석(Text Analysis) : 영화 스크립트 분석 사례
• 논문 <Classification of Characters in Movie by Correlation Analysis of Genre and
Linguistic Style>
• 인물들의 대사를 분석하여 그들의 언어 스타일을 장르에 따라 분류
• 영화 대사 분석 방법
• 데이터 셋 구성
• 캘리포니아대학교 NLDS (Natural Language And Dialogue Systems) 랩(lab)
에서 구축 한 영화 스크립트 코퍼스 1.0(Film Corpus 1.0)의 일부
• 인터넷 영화 대본 데이터베이스(IMSDB)로부터 수집된 862편의 정제된 영
화 스크립트
• 영화 속 인물 7,400명의 대사 등이 포함
• 862편 중 60편의 영화 스크립트 선택
• 로맨틱 코미디(Romantic Comedy)
• 코미디(Comedy)
• 호러/스릴러(Horror/Thriller)
• 액션(Action)

4. 3
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 60편의 영화 스크립트
• 대사량이 가장 많은 주인공만을 고려하여 총 92명을 최종 선정, 대사 추출
• 대사 구성
• 주인공의 화면 밖 목소리인 보이스 오버(voice over)
• 독백
• 대화(dialogue)
영화 <He’s just not that into you>의 스크립트에서 발췌

5. 4
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 60편의 영화 스크립트
• 캐릭터 92명의 대사 문장 수는 총 47931개
Genre Movies Characters
Romantic
Comedy
Punch drunk love, He’s just not
that into you, Annie Hall 외 12편
Barry, Lena, Gigi, Alex, Annie, Alvy
외 24명
Comedy
Dumb and dumber, Human
nature, Ace ventura 외 12편
Harry, Lloyd, Nathan, Puff, Ace
ventura 외 15명
Horror/Thriller
The Shining, Misery, Birds 외
12편
Jack, Paul, Annie, Melanie, Mitch
외 15명
Action
The Dark Knight, Sherlock
Holmes, Iron Man 외 12편
Batman, Joker, Gordon, Holmes,
Iron Man 외 17명

6. 5
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 대사 분석 도구
• Linguistic Inquiry and Word Count(LIWC)를 이용
• 단어 빈도 기반의 텍스트 분석 소프트웨어
• Pennebaker, J.W외 심리학자, 컴퓨터공학자들의 협업으로 개발(1993년)
• 총 93개의 카테고리로 구성
• Analytical thinking, emotional tone, psychological process(affective process)
• LIWC 분석 프로세스
텍스트 입력
텍스트 속 단
어 중 LIWC
사전에 포함
된 단어들을
검출
검출된 단어
들은 93개의
피처로 분류
분류된 단어
들의 빈도를
측정하여 백
분율로 산출

7. 6
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• LIWC 92개 카테고리

8. 7
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• LIWC 92개 카테고리

9. 8
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• LIWC 92개 카테고리

10. 9
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 장르와 캐릭터들의 대사 스타일 간의 상관성
• 카테고리 Analytic thinking 과 emotional Tone을 기준

11. 10
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 장르와 캐릭터들의 대사 스타일 간의 상관성
• 로맨틱 코미디 장르와 대사 스타일
• Emotional Tone의 값이 높고 Analytical Thinking의 값이 낮음
• 로맨틱 코미디 영화 인물 28명
• 호러/스릴러 영화 인물 4명
• 코미디 영화 인물 3명
• 액션 영화 인물 1명
• 로맨스 장르가 결합된 복합 장르
• 코미디 장르와 대사 스타일
• Emotional Tone, Analytical Thinking 모두 높음
• 코미디 영화 인물 13명
• 호러/스릴러 인물 3명
• 액션 영화 인물 1명

12. 11
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 장르와 캐릭터들의 대사 스타일 간의 상관성
• 호러/스릴러 장르와 대사 스타일
• Emotional Tone의 값과 Analytical Thinking의 값이 모두 낮음
• 단순하고 건조한 정보 전달형
• 심적 상태나 감정은 주로 그의 얼굴 표정과 행동을 통해 드러남
• 액션 장르와 대사 스타일
• Analytic’의 값이 ‘Tone’의 값보다 높은 것이 특징
• 액션 영화 인물 19명
• 코미디 영화 인물 1명
• 호러/스릴러 영화 인물 2명
• 액션 장르의 서사 전략
• 자신에게 주어진 임무를 해결해 가는 과정에서 형식적이고 논리적인 단어 들의
사용이 높은 것으로 분석

13. 12
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 텍스트 분석(Text Analysis) : 트위터를 활용한 영화 <변호인>의 흥행 요인 분석 사례
• SNS 데이터의 특징
• 주관적 데이터 vs. 객관적 사실(fact)
• 주관적 데이터
• 영화에 대한 관객들의 감정과 생각, 의견
• “기대했던 것 만큼 감동적이었어요.”
• “한국 영화에서 가장 멋진 캐릭터가 아닐까…”
• 객관적 사실(fact)
• “영화 <변호인>은 12월 18일 개봉입니다＂

14. 13
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 텍스트 분석(Text Analysis) : 트위터를 활용한 영화 <변호인>의 흥행 요인 분석 사례
• 분석 프로세스

15. 14
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
영화 <변호인>에 대한 트윗 데이터 DB

16. 15
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 텍스트 분석(Text Analysis) : 트위터를 활용한 영화 <변호인>의 흥행 요인 분석 사례
• 고빈도 명사 추출
• 토픽(topic)
• 데이터에서 화제가 되는 높은 빈도의 키워드
• 사용자 들의 관심과 흥미를 반영한 키워드
• 방대한 양의 트윗의 내용을 직관적으로 이해하는데 유용
추출된 토픽 결과

17. 16
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 텍스트 분석(Text Analysis) : 트위터를 활용한 영화 <변호인>의 흥행 요인 분석 사례
• 분석 결과
• 영화 흥행에 가장 긍정적인 영향을 미친 영화적 속성
• ‘스토리’, ‘감독’, ‘배우’
• ‘스토리’, ‘감독’, ‘배우’에 대한 트윗 발생 비율(시계열적)

18. 17
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 텍스트 분석(Text Analysis) : 영화 스크립트 분석 사례
• 단어를 통해 사회적 지위와 사회적 서열을 나타낼 수 있는가?
• 내용어 보다 기능어에서 잘 드러남
• 인칭대명사 ‘I’, ‘You’, ‘We’
• 사회적인 성향을 강하게 표현
내용어
(Content word)
• 명사, 동사, 형용사, 부사
• 실질적 의미를 지닌 단어
• 내용 전달
기능어
(function word)
• 인칭대명사, 전치사, 접속사, 관사, 관
계대명사
• 문법적 관계를 나타내는 보조적 단어
• 내용어를 연결, 형성, 조직하는 단어

19. 18
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 텍스트 분석(Text Analysis) : 영화 스크립트 분석 사례
• 사회적 지위가 높은 사람들의 대명사 패턴
• 사회적 지위가 높은 사람이 낮은 사람과 대화할 때 ‘I(나)’라는 대명사를 적게 사용.
• 반면에 ‘we(우리)’, ‘ You(너)’라는 대명사를 높게 사용
• 사회적 지위가 높은 사람들의 대명사 ‘I’의 활용
• 자신의 욕망과 감정에 집중할 때 높은 빈도
• 미국의 닉슨 대통령의 ‘I’의 활용 분석
• 워터게이트 사건 이후 ‘I’의 사용이 증가

20. 19
디지털 인문학 연구 분야와 사례 : ➀Text Analysis
• 텍스트 분석(Text Analysis) : 영화 스크립트 분석 사례
• 영화 <대부>의 대사에 나타난 대명사 패턴
타탈리아
비토 콜레오네
바지니

21. 20
LIWC를 활용한 분석 결과
영화 <대부>의 대사 분석 사례
돈 바지니 : 그럼 우린 합의했소. 마약 거래는 허용되지만 통제될 것이고, 돈 코르레오네는 동부를 보호할 것이고,
그러면 평화로울 거요.
돈 타탈리아 : 하지만 난 코르레오네에게 확답을 받아야겠소. 시간이 지나 그가 강해지면 개인적으로 복수를 시
도하지 않겠소?
돈 바지니 : 이보시오, 여기 모인 우리는 다 분별 있는 사람이잖소. 우리는 변호사처럼 확신을 줄 필요가 없소.
돈 코르레오네 : 타탈리아 그 포주놈…오늘에야 그게 여태 바지니 짓이었다는 걸 알았네.
디지털 인문학 연구 분야와 사례 : ➀Text Analysis

22. 21
연습 문제
• 닉슨(Nixon)의 연설문을 읽고 분석하기
• 인칭대명사의 활용 정도
• 인칭대명사 ‘I’의 증가는 무엇을 의미하는가?
• 인칭대명사 ‘We’의 활용은 무엇을 의미하는가?

23. 22
추천 도서
디지털 인문학의 개념과 정체성을 이해하고 정리하는데 유용

24. 23
추천 도서
텍스트를 처리하는데 필요한 언어 처리 기술과 다양한 분석 사례 제공

25. 24
디지털 인문학 연구 분야와 사례
• 디지털 인문학 연구 분야
• Yale Digital Humanities
➀Text Analysis ➁Visual Analysis
➂Spatial Analysis ➃ Network Analysis
DH 분야

26. 25
디지털 인문학 연구 분야와 사례 : ➁Visual Analysis
• 이미지(동영상) 분석(Visual Analysis) 사례
• On Broadway Project
• 뉴욕의 브로드웨이 거리에 대한 방대한 시각 데이터를 분석하여 도시를 입체적으로
표현
시각 데이터 층위
http://on-broadway.nyc/

27. 26
디지털 인문학 연구 분야와 사례 : ➁Visual Analysis
• 갈등의 정량화
• 영화 속 주요 인물들의 얼굴 면적 크기 측정

28. 27
디지털 인문학 연구 분야와 사례 : ➁Visual Analysis
• 내러티브의 갈등을 어떻게 정량화 할 수 있을까?
• FaceMarker 소프트웨어 개발
• 영화 속 인물들의 얼굴 면적을 정량화