Methods, Data, and Conceptual Change: Reflections from Two Quantitative Diachronic Case Studies

기술적 요약: 방법, 데이터 및 개념적 변화

문제 제기
본 논문은 역사언어학의 중요한 방법론적 간극을 다루고 있다. 즉, 데이터셋의 속성이 관찰 가능한 패턴에 어떻게 영향을 미치는지를 고려하지 않은 채, 양적 분석이 '고유한' 언어 변화를 직접적으로 복원할 수 있다는 가정을 문제시한다. 저자들은 역사적 변화가 단순히 언어에서 추출해야 할 속성이 아니라, 역사적 데이터셋의 구조적 속성 (예: 표기법 변이, 장르 이질성, 문법적 규칙성) 과 사용된 분석 방법 간의 상호작용에 의해 공동 구성된다고 주장한다. 결과적으로 서로 다른 데이터셋에 적용된 서로 다른 방법들은 의미 변화의 서로 다른 차원을 가시화하는 반면, 다른 차원들은 흐리게 만든다. 본 논문은 순수히 어휘 기반, 빈도 기반 접근법의 한계를 명확히 하고, 데이터셋 구조가 특정 유형의 의미 변화 탐지의 신뢰성에 어떻게 조건을 부여하는지 입증하고자 한다.

방법론
본 논문은 두 개의 서로 다른 역사적 영어 말뭉치에 적용된 두 가지 상이한 양적 방법을 사용한 비교적, 사례 기반 접근법을 취한다. 저자들은 새로운 알고리즘을 제안하기보다는 이러한 '작동 예시 (worked examples)'를 통해 방법과 데이터의 상호작용을Illustrate 한다.

1. 사례 연구 1: 쿼드 기반 개념 모델링 (EEBO-TCP)

   • 데이터셋: 초기 영어 도서 온라인 텍스트 생성 파트너십 (EEBO-TCP) 말뭉치 (약 1470 년대~1690 년대; 약 7 억 6,500 만 단어). 이 데이터셋은 장르, 화법, 그리고 상당한 표기법 변이에서 높은 이질성을 특징으로 한다.
   • 방법: Linguistic DNA 프로젝트에서 유래한 쿼드 기반 개념 모델링. 이 접근법은 이동 창 (일반적으로 100 단어) 내에서 강하게 공발생하는 네 개의 어미 집합 ('쿼드') 을 식별한다.
   • 전처리: 파이프라인은 초기 근대 인쇄물의 전형적인 철자 변이를 처리하기 위해 텍스트 정규화와 어간 추출에 의존한다.
   • 구현화: 개념은 중심 어미를 둘러싼 쿼드의 집계된 네트워크인 '군집 (constellations)'으로 모델링된다. 의미는 정교한 문법적 관계보다는 다양한 텍스트 환경 전반에 걸친 어휘적 연관성의 반복적 패턴으로 정의된다.

2. 사례 연구 2: SynFlow 분석 (Royal Society Corpus)

   • 데이터셋: Royal Society Corpus (RSC) 6.0.4 의 하위 집합으로, 구체적으로는 17501799 년의 과학적 저술 (351,000 토큰) 이다. 이 데이터셋은 상대적으로 일관된 표기법과 문법적 구조를 가진 더 일관된 장르 (과학적 산문) 를 대표한다.
   • 방법: 의존도 기반 분석 도구인 SynFlow.
   • 전처리: 원본 텍스트에 알려진 OCR 노이즈와 역사적 철자 문제가 있음에도 불구하고, 현대 영어를 위한 최첨단 파서인 Stanza 를 사용하여 말뭉치를 재파싱하여 의존도 트리를 생성했다.
   • 구현화: 개념은 특정 의존도 슬롯 (예: 형용사 수식, 주어, 목적어) 에서의 어휘 채우기 분포로 표현된다. 의미는 구조화된 언어 환경 내의 문법적 공발생 패턴과 기능적 역할을 통해 구현화된다.

주요 결과
비교 분석은 방법과 데이터가 어떻게 상호작용하는지에 대한 구체적인 발견을 제공한다:

• EEBO-TCP 결과: 이질적인 EEBO-TCP 말뭉치에서 쿼드 기반 모델링은 표기법 노이즈에도 불구하고 개념적 구조를 성공적으로 안정화시켰다. 분석은 liberty와 freedom과 같은 준동음어가 어휘적으로 interchangeable 하더라도 고유한 연관 '군집'을 지니고 있음을 드러냈다. Liberty는 제도적 및 법적 담론 주위에 군집한 반면, freedom은 도덕적 및 영적 맥락 주위에 군집했다. 이는 개념적 분리가 개별 단어 빈도가 아닌 집계된 담론적 패턴을 통해 관찰 가능함을 보여준다.
• RSC 결과: Royal Society Corpus 에서 SynFlow 는 화학 혁명 기간 중 air, water, acid와 같은 개념의 의미적 재구성을 성공적으로 포착했다. 구체적으로, air의 개념은 일반적 물질에서 화학적으로 분화된 'airs'의 집합으로 이동했는데, 이는 형용사 슬롯이 일반적 용어에서 특정 화학적 수식어로 이동함으로써 입증되었다.
• 데이터의 견고성: RSC 에 OCR 노이즈와 역사적 철자 변이가 존재함에도 불구하고, 상용 파서 (Stanza) 를 사용하는 것은 고빈도 항목과 주요 의존도 관계에 대해 신뢰할 수 있는 결과를 산출했다. 그러나 저자들은 이 신뢰성이 18 세기 텍스트와 현대 영어 간의 언어적 근접성에 달려 있다고 지적한다. 이 접근법은 언어적 거리가 더 큰 더 이전 시기의 자료에는 신뢰할 수 없을 수 있다.

주요 기여
본 논문은 세 가지 주요 방법론적 기여를 한다:

1. 방법 - 데이터 상호의존성: 양적 분석이 방법 중립적이지 않음을 확립한다. '관찰 가능한' 변화는 데이터셋이 맥락을 어떻게 인코딩하는지와 방법이 구조를 어떻게 구현화하는지에 의해 형성된다. 집계 기반 방법은 이질적이고 노이즈가 많은 데이터에 적합하며, 의존도 기반 방법은 규칙적이고 문법적으로 일관된 데이터에 적합하다.
2. 의미의 구현화: 본 논문은 '개념'에 대한 두 가지 상이한 구현화를 대비시킨다. 하나는 분산된 어휘 연관 네트워크 (쿼드 기반) 로서, 다른 하나는 구조화된 문법적 관계의 프로필 (SynFlow) 로서이다. 저자들은 이러한 접근법들이 의미 변화의 서로 다른 상호보완적 차원을 드러낸다고 주장한다.
3. 빈도 기반 접근법의 한계: 본 연구는 순수히 어휘적이고 빈도 기반인 접근법이 잠재된 개념적 조직을 흐릴 수 있음을 강조한다. 미묘한 개념적 이동을 탐지하기 위해서는 종종 더 복잡한 연관 패턴 (쿼드) 이나 관계적 구조 (의존도) 가 필요하다.

의의와 주장
저자들은 이 작업을 새로운 보편적 방법 제안이나 완전한 경험적 평가가 아닌 '방법론적 성찰'로 겸손하게 위치시킨다. 본 논문의 의의는 역사적 연구에서 더 큰 방법론적 투명성과 맥락 민감성을 요구하는 데 있다.

본 논문은 연구자들이 데이터 전처리, 주석, 분석적 모델링에 내재된 가정을 명시적으로 인정해야 한다고 주장한다. 역사적 변화에 대한 해석은 선택된 방법과 데이터셋의 affordance 및 한계 간의 특정 상호작용과 관련하여 이해되어야 한다고 본다. 서로 다른 분석 전략을 병렬로 배치함으로써, 본 논문은 모든 역사적 언어학적 탐구에 대한 단일 '최적' 방법을 추구하기보다, 특정 데이터셋과 얼마나 잘 부합하는지에 따라 방법을 평가하는 유연한 접근을 옹호한다.