'빅데이터' 분석 기반 한국사 연구의 현황과 가능성: 디지털 역사학의 시작 Conditions and potentials of Korean history research based on 'big data' analysis: the beginning of 'digital history'원문보기
본 글은 역사학, 그 중에서 한국사 연구에서 활용 가능한 빅데이터 분석 방법론을 모색하고, 이를 활용한 '디지털 역사학'의 가능성을 검토하는 것을 목적으로 한다. 방대한 '한국사 빅데이터'를 활용한 한국사 연구를 위해서는 기존의 질적분석 방법론뿐만 아니라 양적분석 방법론이 모색되어야 한다. 이를 위해서는 다양한 학문 분야와의 학제 간 융합연구가 요청된다. 본 글에서는 '한국사 빅데이터'를 활용한 다양한 융합연구의 출현을 고대하면서, 학제 간 융합연구의 연구방법론을 제안하고, 이를 적용한 연구의 한 사례를 소개하였다. 즉, 문장의 의미를 분석하는 텍스트 분석방법으로 '한국사 빅데이터'에서 원하는 정보를 추출한다면, 양적분석 방법론의 단점으로 지적되는 '행간의 의미읽기의 부재'를 점차 보완해 갈 수 있을 것이다. 그리고 이러한 방법론으로 구축한 데이터베이스를 바탕으로 준지도 학습(Semi-Supervised Learning) 방법론을 적용할 경우, 사료가 충분하지 않은 전근대 한국사의 역사적 인물과 사건들을 분석하는데 유용하게 활용될 것으로 기대된다. 분석 결과를 직관적으로 보여주는 시각화를 통해서도 평면적 연구에서 찾아내지 못한 역사적 사실들을 밝혀낼 수 있을 것이다. 이제 '디지털 역사학'의 서막이 오른 것이다.
본 글은 역사학, 그 중에서 한국사 연구에서 활용 가능한 빅데이터 분석 방법론을 모색하고, 이를 활용한 '디지털 역사학'의 가능성을 검토하는 것을 목적으로 한다. 방대한 '한국사 빅데이터'를 활용한 한국사 연구를 위해서는 기존의 질적분석 방법론뿐만 아니라 양적분석 방법론이 모색되어야 한다. 이를 위해서는 다양한 학문 분야와의 학제 간 융합연구가 요청된다. 본 글에서는 '한국사 빅데이터'를 활용한 다양한 융합연구의 출현을 고대하면서, 학제 간 융합연구의 연구방법론을 제안하고, 이를 적용한 연구의 한 사례를 소개하였다. 즉, 문장의 의미를 분석하는 텍스트 분석방법으로 '한국사 빅데이터'에서 원하는 정보를 추출한다면, 양적분석 방법론의 단점으로 지적되는 '행간의 의미읽기의 부재'를 점차 보완해 갈 수 있을 것이다. 그리고 이러한 방법론으로 구축한 데이터베이스를 바탕으로 준지도 학습(Semi-Supervised Learning) 방법론을 적용할 경우, 사료가 충분하지 않은 전근대 한국사의 역사적 인물과 사건들을 분석하는데 유용하게 활용될 것으로 기대된다. 분석 결과를 직관적으로 보여주는 시각화를 통해서도 평면적 연구에서 찾아내지 못한 역사적 사실들을 밝혀낼 수 있을 것이다. 이제 '디지털 역사학'의 서막이 오른 것이다.
This paper explores the conditions and potential of newly designed and tried methodology of big data analysis that apply to Korean history subject matter. In order to advance them, we need to pay more attention to quantitative analysis methodologies over pre-existing qualitative analysis. To obtain ...
This paper explores the conditions and potential of newly designed and tried methodology of big data analysis that apply to Korean history subject matter. In order to advance them, we need to pay more attention to quantitative analysis methodologies over pre-existing qualitative analysis. To obtain our new challenge, I propose 'digital history' methods along with associated disciplines such as linguistics and computer science, data science and statistics, and visualization techniques. As one example, I apply interdisciplinary convergence approaches to the principle and mechanism of elite reproduction during the Korean medieval age. I propose how to compensate for a lack of historical material by applying a semi-supervised learning method, how to create a database that utilizes text-mining techniques, how to analyze quantitative data with statistical methods, and how to indicate analytical outcomes with intuitive visualization.
This paper explores the conditions and potential of newly designed and tried methodology of big data analysis that apply to Korean history subject matter. In order to advance them, we need to pay more attention to quantitative analysis methodologies over pre-existing qualitative analysis. To obtain our new challenge, I propose 'digital history' methods along with associated disciplines such as linguistics and computer science, data science and statistics, and visualization techniques. As one example, I apply interdisciplinary convergence approaches to the principle and mechanism of elite reproduction during the Korean medieval age. I propose how to compensate for a lack of historical material by applying a semi-supervised learning method, how to create a database that utilizes text-mining techniques, how to analyze quantitative data with statistical methods, and how to indicate analytical outcomes with intuitive visualization.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 과정에서 한국사 관련 비정형데이터를 정형데이터로 전환하여 분석하는데 필수적인 다양한 학문분야들 간 융합연구의 필요성을 제기할 것이다. 기술 데이터의 텍스트를 의미 분석하여 마이닝하고 계량화 데이터로 전환하는 언어학과 전산학 연구방법론, 전환된 데이터베이스를 통계적으로 처리하여 시각화 기법에 적용하는 통계학과 시각화 연구방법론 등을 역사학 연구에 적용하는 학제 간 융합연구를 모색하는 것이다. 마지막 장에서는 한국사 빅데이터 기반 학제 간 융합연구의 방법론을 제안하고, 이를 적용하여 한국사의 연구주제를 탐구하는 연구의 일례를 소개한다.
본 글에서는 ‘한국사 빅데이터’를 활용한 다양한 융합연구의 출현을 고대하면서, 학제 간 융합연구의 연구방법론을 제안하고, 이를 적용한 연구의 한 사례를 소개하였다.
본 글은 역사학, 그 중에서 한국사 연구에서 디지털 기술을 활용한 빅데이터 분석 방법론을 모색하고, 이를 활용한 ‘디지털 역사학’의 가능성에 대해 검토하는 것을 목적으로 한다.
본 글은 역사학, 그 중에서 한국사 연구에서 디지털 기술을 활용한 빅데이터 분석 방법론을 모색하고, 이를 활용한 ‘디지털 역사학’의 가능성에 대해 검토하는 것을 목적으로 한다. 우선 전산화된 한국사 빅데이터의 현황을 소개한다. 다음으로 전산화된 데이터를 활용한 연구를 검토하고, 이들 연구의 문제점을 살펴본다.
이 절에서는 언어/전산학, 데이터마이닝/통계학, 정보시각화 분야의 방법론을 실제 역사적 주제를 탐구하는데 적용해보고자 한다. 연구주제는 조선 전기 역사적 주요 인물들의 권력 관계를 추정하는 것이다.
마지막 장에서는 한국사 빅데이터 기반 학제 간 융합연구의 방법론을 제안하고, 이를 적용하여 한국사의 연구주제를 탐구하는 연구의 일례를 소개한다. 이를 통해 역사학 기반 학제 간 융합연구의 가능성을 모색해 보고자 한다.
제안 방법
구조변화 검정 역시 사회 구조에 충격을 준 사건을 기점으로 더미변수를 생성하여 그 유의성을 입증할 수 있다. 다만 통계학 모형을 전공한 계량전공학자들에게는 어떤 사건이 유의한 사건인지 가늠하기가 어려우므로 구조 변화의 시점을 정리할 때에 큰 사건을 기준으로 먼저 테스트를 시행하고, 역사학적 사료 분석 자료를 통해 얻은 유의한 사건을 뽑아 구조 변화 유의성을 테스트 한다.
우선 전산화된 한국사 빅데이터의 현황을 소개한다. 다음으로 전산화된 데이터를 활용한 연구를 검토하고, 이들 연구의 문제점을 살펴본다. 이 과정에서 한국사 관련 비정형데이터를 정형데이터로 전환하여 분석하는데 필수적인 다양한 학문분야들 간 융합연구의 필요성을 제기할 것이다.
또한 장기 추세를 보여주는 동적 데이터가 가지는 특징을 고려한 시각화 방법을 적용한다. 동적 데이터는 시간의 변화에 따라 그룹 내의 생성과 결합, 그리고 소멸을 포함하고 있으므로, 이를 분석하여 시각화함으로써 해당 그룹의 진화 과정을 알 수 있다.
우선 관직의 높고 낮음(정·종1품-정·종9품의 관품, 지방관, 왕실 등)을 변수로 개인의 사회적 지위에 미친 부와 조의 영향력을 분석하고 (Lee, 2013), 친족의 사회적 지위가 서로 어떤 긴밀한 연결성을 갖고 있는지를 살펴보고, 시대 별로 직계 가족 간의 계급 관계가 어떻게 변화해 왔는지 추적한다. 또한 혼인을 통한 사회적 지위 및 계급의 확장과 세습에 관한 유기적 연결 관계를 분석한다. 개인과 가문이 혼인 네트워크를 활용해 어떻게 그들의 사회적 지위를 유지하는 가를 살펴볼 수 있다 (Lee와 Lee, 2016).
기술 데이터의 텍스트를 의미 분석하여 마이닝하고 계량화 데이터로 전환하는 언어학과 전산학 연구방법론, 전환된 데이터베이스를 통계적으로 처리하여 시각화 기법에 적용하는 통계학과 시각화 연구방법론 등을 역사학 연구에 적용하는 학제 간 융합연구를 모색하는 것이다. 마지막 장에서는 한국사 빅데이터 기반 학제 간 융합연구의 방법론을 제안하고, 이를 적용하여 한국사의 연구주제를 탐구하는 연구의 일례를 소개한다. 이를 통해 역사학 기반 학제 간 융합연구의 가능성을 모색해 보고자 한다.
그 과정은 다음과 같다. 먼저 문장의 의미를 분석하는 시스템이 인간관계를 나타내는 술어들을 형태소 분석이 이루어진 텍스트에서 검색한다. 여기에는 ‘아들’, ‘딸’, ‘배위(配位)’와 같은 관계명사뿐 아니라 용언, 즉 ‘낳다’, ‘장가들이다’와 같은 동사와 ‘이다’, ‘있다’ 같은 형용사들도 검색된다.
셋째, 통계학적인 분석기법 중에서도 패널 데이터를 다룰 때에 가장 주의해야 할 변수 간 내생성(endogeneity) 문제를 면밀히 검토하고 필요에 따라 ”데이터를 정리한다.
데이터마이닝/통계팀은 비정형 ‘역사 빅데이터’에 대한 다양한 통계분석 및 기계학습 기법 적용하여 추출된 정보를 분석하는 알고리즘 개발하고, 통계적 처리 및 네트워크 분석에 적용한다. 역사팀과 언어/전산팀에서 구축한 [안동권씨성화보] 데이터의 인물정보와 해당 인물들이 [조선왕조실록]에서 보이는 정치행위에 대한 데이터를 바탕으로 권력 집단의 세력분포를 분석한다. Figure 3.
본 연구를 위한 기준 인물들[Time Markers]은 [안동권씨성화보]에 기록된 조선 전기의 인물들을 바탕으로 선정되었다. 역사팀이 선정한 타임 마커들에 대한 정보를 바탕으로 언어/전산팀, 데이터마이닝/통계팀, 정보시각화팀 등 각 학문 분야 별 또는 각 학문 분야 간 융합 연구의 과정을 소개한다. 이를 통해 역사학 기반 학제 간 융합연구 방법론과 그 가능성을 구체적으로 모색할 수 있을 것이다.
우선 관직의 높고 낮음(정·종1품-정·종9품의 관품, 지방관, 왕실 등)을 변수로 개인의 사회적 지위에 미친 부와 조의 영향력을 분석하고 (Lee, 2013), 친족의 사회적 지위가 서로 어떤 긴밀한 연결성을 갖고 있는지를 살펴보고, 시대 별로 직계 가족 간의 계급 관계가 어떻게 변화해 왔는지 추적한다.
각 개인은 자신의 고유한 ID를 갖도록 설계되어 있는데, 이 ID를 통해 그의 부-조 등 혈연관계 및 혼인관계를 추적할 수 있다 (Lee, 2006; Lee와 Park, 2008). 이러한 설계를 바탕으로 기초 통계량 분석을 시도한다. 우선 관직의 높고 낮음(정·종1품-정·종9품의 관품, 지방관, 왕실 등)을 변수로 개인의 사회적 지위에 미친 부와 조의 영향력을 분석하고 (Lee, 2013), 친족의 사회적 지위가 서로 어떤 긴밀한 연결성을 갖고 있는지를 살펴보고, 시대 별로 직계 가족 간의 계급 관계가 어떻게 변화해 왔는지 추적한다.
이를 위해 언어개발도구인 NooJ를 활용하여 ‘역사 빅데이터’의 데이터베이스화 툴을 구축한다.
이중 ‘단성호적대장’의 전산화는 18–19세기 경상도 단성현(현재 산청군)의 호적대장에 기록된 개인 정보를 엑셀로 전환하는 방식으로 이루어졌다.
대상 데이터
연구주제는 조선 전기 역사적 주요 인물들의 권력 관계를 추정하는 것이다. 본 연구를 위한 기준 인물들[Time Markers]은 [안동권씨성화보]에 기록된 조선 전기의 인물들을 바탕으로 선정되었다. 역사팀이 선정한 타임 마커들에 대한 정보를 바탕으로 언어/전산팀, 데이터마이닝/통계팀, 정보시각화팀 등 각 학문 분야 별 또는 각 학문 분야 간 융합 연구의 과정을 소개한다.
언어학/전산학적 텍스트 마이닝 방법론을 통해 ‘한국사 빅데이터’에서 역사적 인물들 간의 다양한 관계를 데이터베이스로 구축한다.
데이터처리
그런데 전반적인 권력 분포도는 흔히 가정하는 정규분포(normal distribution)를 따르지 않는다. 따라서 데이터의 기대 분포 값을 바탕으로 갖고 있는 데이터의 성질을 반영한 시뮬레이션 데이터를 가공하여 데이터의 분포 속성을 파악하고 이 속성에 적용할 수 있는 비모수추정(Non-parametric Estimation)법을 사용하여 세대와 세대 사이의 권력 생성, 확장 그리고 승계 구도를 밝혀낼 Spearman나 Pearson 상관분석 검증치를 추출한다. 또한 부와 조의 영향력을 다항로짓 모형(multinomial logit model)이나 다항로짓 모형의 설명변수들에 대한 한계효과로 추정하여 살펴볼 수 있다 (Lee, 2013).
이론/모형
변수의 패턴을 파악하는 데에는 주로 다른 변수들과의 관계성에서 그 증거를 찾을 수 있는데, 이 관계성을 함축하는 모수는 시간에 따라 혹은 가족의 큰 분류 등급에 따라 비대칭적으로 나타날 수 있다. 이 비대칭 관계성 구도를 파악하기 위하여 비대칭(asymmetry)요인을 도입한 응용 계량 모형을 사용한다. 예컨대 횡단면적인 성격을 분류하는 더미(dummy)변수를 생성하여 계량 분석에 포함시킬 수 있다.
성능/효과
첫째, 그랜저 인과검정(Granger causality)은 이러한 가계 혹은 개인 자료를 수집한 데이터 안에서 각 변수들 간의 인과관계를 통계적으로 파악하는 데에 응용될 수 있다. 둘째, 이 비대칭적인 관계성 구도를 파악하기 위하여 아들과 아버지의 등급에 공통적으로 영향을 미칠 수 있고(예컨대, 할아버지의 등급), 통제변수와 아버지의 등급이 설명하지 못하는 오차 항에 포함될 수 있는 변수들(예컨대, 혼인 후 장인의 등급)에 초점을 맞춘다. 셋째, 통계학적인 분석기법 중에서도 패널 데이터를 다룰 때에 가장 주의해야 할 변수 간 내생성(endogeneity) 문제를 면밀히 검토하고 필요에 따라 ”데이터를 정리한다.
사실 한국 역사학계가 거의 전적으로 의지하고 있는 연구방법론은 실증적 연구 방법론으로 (Cho 등, 1994), 이것은 역사 자료에 기록되어 있는 사실들을 연구자의 연구 목적에 따라 자구 하나하나 그리고 그 사이 행간의 의미까지도 세세하게 해석하고 서술하는 역사 연구방법론이다. 역사 자료의 행간 읽기를 통해 특정 시기 횡단면적 역사적 사실에 대한 다양하고 풍부한 해석을 도출하였고, 한정된 문헌의 분석에 기반 한 특정시기의 횡단면적 연구에 많은 도움을 주었다. 이에 따라 구체적이고 세밀한 자구 해석을 기반으로 한 의미 파악이 역사 연구에 있어 무엇보다 중요하게 인식되었고, 사료 하나하나 혹은 행간에 대한 깊은 성찰은 역사 연구자의 중요한 미덕으로 재확인 되었던 것이다.
11에서 보이는 연구 설계를 바탕으로 족보 네트워크 내의 인물들의 정치적 지향을 조사하고, 기계학습을 통해 정치 집단을 구분할 수 있다. 이러한 방법론을 적용하여 임의로 선택한 인물이 속한 권력 집단을 추론하였는데, 68%의 정확도가 있음을 확인하였다. 이는 역사 사료에서 확인할 수 없어 세력 분포가 불분명한 역사적 인물들도 준지도 학습 방법을 통해 그들의 정치적 성향을 추정할 수 있음을 의미한다.
인물들 간의 다양한 네트워크의 시각화를 위해서는 ‘Force-Directed’ 방식을 이용한 소셜 그래프인 네트워크 그래프 시각화가 적합하며, 영향력의 계승관계를 확인하고자 할 때는 노드 트레이싱을 이용하여 그 관계를 선을 따라가며 추적하는 방식의 시각화가 적합하다.
후속연구
문장의 의미를 분석하는 텍스트 분석방법으로 ‘한국사 빅데이터’에서 원하는 정보를 추출한다면, 양적분석 방법론의 단점으로 지적되는 ‘행간의 의미읽기의 부재’를 점차 보완해 갈 수 있을 것이다. 그리고 이러한 방법론으로 구축한 데이터베이스를 바탕으로 준지도 학습 방법론을 적용할 경우, 사료가 충분하지 않은 전근대 한국사의 역사적 인물과 사건들을 분석하는데 유용하게 활용될 것으로 기대된다. 분석 결과를 직관적으로 보여주는 시각화를 통해서도 평면적 연구에서 찾아내지 못한 역사적 사실들을 밝혀낼 수 있을 것이다.
문장의 의미를 분석하는 텍스트 분석방법으로 ‘한국사 빅데이터’에서 원하는 정보를 추출한다면, 양적분석 방법론의 단점으로 지적되는 ‘행간의 의미읽기의 부재’를 점차 보완해 갈 수 있을 것이다.
그리고 이러한 방법론으로 구축한 데이터베이스를 바탕으로 준지도 학습 방법론을 적용할 경우, 사료가 충분하지 않은 전근대 한국사의 역사적 인물과 사건들을 분석하는데 유용하게 활용될 것으로 기대된다. 분석 결과를 직관적으로 보여주는 시각화를 통해서도 평면적 연구에서 찾아내지 못한 역사적 사실들을 밝혀낼 수 있을 것이다.
다음으로 전산화된 데이터를 활용한 연구를 검토하고, 이들 연구의 문제점을 살펴본다. 이 과정에서 한국사 관련 비정형데이터를 정형데이터로 전환하여 분석하는데 필수적인 다양한 학문분야들 간 융합연구의 필요성을 제기할 것이다. 기술 데이터의 텍스트를 의미 분석하여 마이닝하고 계량화 데이터로 전환하는 언어학과 전산학 연구방법론, 전환된 데이터베이스를 통계적으로 처리하여 시각화 기법에 적용하는 통계학과 시각화 연구방법론 등을 역사학 연구에 적용하는 학제 간 융합연구를 모색하는 것이다.
이런 가족은 주의 깊게 들여다보아야 할 필요성이 있으므로 그러한 가족 혈연관계에 추가 변수를 부여하여 시대 전체의 평균적인 연결성을 정리할 수 있다. 이 더미변수의 통계적 유의성이 검증된다면, 큰 데이터 안에서 전반적인 관계성 고리를 만드는 동시에, 비대칭적인 사회구조 통찰이 가능할 것이다.
그런데 데이터를 분류하여 군집화 할 경우, 개별 노드들의 속성을 파악하는데 한계가 있을 수밖에 없다. 이러한 한계를 극복하기 위해 세대 간 혈연의 계승관계를 보여줌과 동시에 각 개인이 가지는 영향력이나 다양한 특성을 효과적으로 분석할 수 있도록, 데이터마이닝과 다양한 그래프 시각화 연구를 병행하여 비교적 정보의 양이 많은 족보와 같은 역사 데이터를 분석하는 방안을 모색한다. 도입할 수 있는 기존 그래프 시각화로는, 노드의 위치를 바꾸어서 표현하는 방법, 3차원 공간을 이용하는 방법, Edge Bundling 알고리즘을 사용하여 인접한 링크를 묶어 간략히 표현하는 방법 등이다 (Huang 등, 2009; Bezerianos 등, 2010; Beck 등, 2014).
역사팀이 선정한 타임 마커들에 대한 정보를 바탕으로 언어/전산팀, 데이터마이닝/통계팀, 정보시각화팀 등 각 학문 분야 별 또는 각 학문 분야 간 융합 연구의 과정을 소개한다. 이를 통해 역사학 기반 학제 간 융합연구 방법론과 그 가능성을 구체적으로 모색할 수 있을 것이다.
이상과 같이 역사학을 기반으로 다양한 학문 분야의 방법론을 ‘한국사 빅데이터’에 다채롭게 적용하여 양적분석 방법론이 갖는 문제점을 보완해 갈 때, ‘한국사 빅데이터’로 초래된 새로운 역사 연구의 환경에 걸맞은 패러다임의 전환이 이루어질 것으로 기대한다.
또한 다양한 응용 계량 기법을 적용하여 그 결과값의 안정성 및 신뢰성을 측정할 수 있다.첫째, 그랜저 인과검정(Granger causality)은 이러한 가계 혹은 개인 자료를 수집한 데이터 안에서 각 변수들 간의 인과관계를 통계적으로 파악하는 데에 응용될 수 있다. 둘째, 이 비대칭적인 관계성 구도를 파악하기 위하여 아들과 아버지의 등급에 공통적으로 영향을 미칠 수 있고(예컨대, 할아버지의 등급), 통제변수와 아버지의 등급이 설명하지 못하는 오차 항에 포함될 수 있는 변수들(예컨대, 혼인 후 장인의 등급)에 초점을 맞춘다.
질의응답
핵심어
질문
논문에서 추출한 답변
빅데이터는 어떻게 지칭되는가
최근 전세계적으로 ‘빅데이터’에 대한 관심이 고조되고 있다. 빅데이터는 “신종 천연자원” 혹은 “21세기 원유”로 지칭되며 새로운 성장동력으로 각광받기 시작한 것이다. 각 학문분야에서도 빅데이터를 적극적으로 활용하기 위한 다양한 방안들이 모색되고 있으며, 인문학, 특히 역사학 분야에서도 빅데이터의 중요성과 활용방안에 대한 관심이 큰 폭으로 증가하고 있다.
양적분석이 역사학 연구에 절실히 요청되는 이유는?
활자 매체를 통해서 역사학 자료를 접하던 연구자들에게 ‘디지털 데이터’의 창출과 활용이라는 새로운 연구 환경이 조성된 것이다. 활자로 기록된 역사 자료를 자구 하나하나 그리고 그 사이 행간의 의미를 살피는 전통적인 질적분석(qualitative analysis)의 역사 연구방법론으로는 변화하는 연구환경에 대처하는데 분명한 한계가 드러나기 시작하였다. 전산화된 방대한 역사학 빅데이터를 대량으로 효율적으로 처리하기 위한 양적분석(quantitative analysis)을 역사학 연구에 적용하는 방법론적 모색이 절실히 요청되는 것이다.
역사학 자료가 ‘역사학 빅데이터’로 일컫게 되는 중요한 계기의 시점은 언제인가
역사학 자료가 ‘역사학 빅데이터’로 일컫게 되는 중요한 계기는 2000년대 전후의 시점이라고 할 수 있다. 다양한 학문분야 연구에 대한 정부 차원의 재정적 지원이 이루어졌고, 역사학 분야에서도 역사학 자료에 대한 전산화가 본격화되었다.
참고문헌 (29)
Academy of East Asian Studies at Sungkyunkwan University eds. (forthcoming). The Attempt of Historical Demography Research in Korea, Sungkyunkwan Univeristy Press.
Beck, F., Burch, M., Munz, T., Di Silvestro, L., and Weiskopf, D. (2014). Generalized Pythagoras trees for visualizing hierarchies. In Information Visualization Theory and Applications (IVAPP), 2014 International Conference on (pp. 17-28), IEEE.
Bezerianos, A., Dragicevic, P., Fekete, J. D., Bae, J., and Watson, B. (2010). Geneaquilts: A system for exploring large genealogies. IEEE Transactions on Visualization and Computer Graphics, 16, 1073-1081.
Braudel, F. (1980). On History (trans. by Sarah Matthews), University of Chicago, Chicago.
Cho, D., Han, Y., and Park, C. (1994). Korean Historian and Historical Awareness, Yeoksabipyungsa Press.
Choi, H., Moon, S., Ha, H., and Lee, K. (2015). Proximity based Circular Visualization for similarity analysis of voting patterns between nations in UN General Assembly. Design Convergence Study, 53, 133-150.
Chung, J. S. and Kim, H. Y. (2011). Analysis of people networks in Goguryeo, Baekje, and Silla Dynasty Silloks. Journal of Korea Contents Association, 11-5.
Dong, H., Campbell, C., Kurosu, S., Yang, W., and Lee, J. Z. (2015). New sources for comparative social science: Historical population panel data from East Asia. Demography, 52, 1061-1088.
Hong, Y. (2013). Database Construction Process of Basic Archaeological Resources in the Medieval Period in Korea-Promoting the utilization archaeological resources of the medieval history in Korea. Korean Medieval Research, 36, 71-106.
Hollingsworth, T. H. (1957). A demographic study of the British ducal families. Population Studies, 11, 4-26.
Household Registers Research Team (2003). he Study of Danseong Household Register, Daedong Institute for Korean Studies, Sungkyunkwan University Press.
Huang, M. L., Huang, T. H., and Zhang, J. (2009). TreemapBar: Visualizing additional dimensions of data in bar chart. In 2009 13th International Conference Information Visualisation (pp. 98-103), IEEE.
Issac, L. W. and Griffin, L. J. (1989). Ahistoricism in time-series analyses of historical process: Critique, redirection, and illustrations from US labor history. American Sociological Review, 873-890.
Joo, S. (2008). A study on the Bulding of digitized history materials and standardization. The Study of Historical Folklore, 26, 209-246.
Kang, D., Lee, J., and Kim, T. (2015). A study of history a generation method of history ontology using meta-data. In Presented at 2015 KICS(Korea Information and Communications Society) Winter Conference.
Kim, K. and Lee, B. (2014). History as the core source of cultural contents. The Journal of Korean Historical Association, 224, 424-448.
Lee, D., Lee, S., and Shin, H. (2016). The inference of power mechanism of early Joseon Dynasty. In Presented at 2016 'Interdisciplinary Convergence Research Methods for Analysis of 'History Bigdata': The Beginning of 'Digital History'' Conference.
Lee, K. (2006). Research on a new data model for analysis of pedigree records. Jangseogak, 16, 195-232.
Lee, N. (2003). Humanity Sciences and Knowledge Information- Forcusing on the Law Concerned with Knowledge Information Resources and the Korean History Information Unification System-, Humanities Contents, 1, 117-130.
Lee, S. (2013). The Impact of Family Background on Bureaucratic Reproduction in the thirteenth-tofifteenth century Korea: A case study on the Andong Kwon-ssi Sunghwabo. Daedong Institute for Korean Studies, 81, 42-67.
Lee, S. and Lee, K. (2014). Visualization approach to a Korean genealogy data. Presented at 2014 Digital Humanities International Conference at Ajou University.
Lee, S. and Lee, W. (2016). Strategizing Marriage: An Analysis of Marriage Networks in the Andong Gwon-ssi Genealogy (working paper).
Lee, S. and Park, H. (2008). Marriage, social status, and family succession in Medieval Korea (Thirteenth-Fifteenth centuries). Journal of Family History, 33, 123-138.
Lee, S. and Yoo, J. (2016). Microstudy on the Length of Life in the Late Joseon Korea (working paper).
Lee, S. H., Francon, R., Abrams, D. M., Kim, B. J., and Porter, M. A. (2014). Matchmaker, matchmaker, make me a match: migration of populations via marriages in the past. Physical Review X, 4, 041009.
Miyazima, Hiroshi (2004). The present situation and problems in the study of Korean population history. Daedong Institute for Korean Studies, 46, 61-78.
Moon, S., Choi, K., Han, H., Lee, K., and Kim, J. (2016). VoteStream Vis: Visual Analisys of Congressional Votes in the Annals of the Joseon Dynasty. In Presented at 2016 'Interdisciplinary Convergence Research Methods for Analysis of 'History Bigdata': The Beginning of 'Digital History'' Conference.
Park, M., Ye, H., and Kwon, K. (2016). Construction of Ontology and Thesaurus for expression searching for government office titles and appointment and dismissal.reward and punishment. In Presented at 2016 'Interdisciplinary Convergence Research Methods for Analysis of 'History Bigdata': The Beginning of 'Digital History'' Conference.
Wagner, E. W. (2007). Achievement and Ascription in Joseon Dynasty (translated by Lee, Hoonsang and Sookkyung Son), The Iljogak Press.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.