임이로 / 한국학중앙연구원 / 한국 근현대 시(詩) 감정 데이터의 색채(color) 변환 및 현상화 연구 / 12,000 / 12개월 / 2025 석사과정생연구장려금지원사업
연구목표:
본 연구는 한국 근현대 시(詩)의 감정 데이터를 색채(color) 데이터로 변환하고, 이를 활용하여 한국 문학 고유의 정서를 현상화하는 감성 색채 매핑 프로그램을 개발하는 것을 목표로 한다. 기존 문학 감정 연구는 주로 텍스트 기반 접근 방식에 집중되어 있으며, 텍스트를 색채와 같은 탈문자적, 미디어로 변환하는 연구는 상대적으로 부족하다(전성규, 2024). 한편, 색채는 단순한 심미적 요소를 넘어 심리적 기분과 사회적 의미를 반영하는 상징성을 지니는 ‘마음의 언어(서복희·이근매, 2013)’이며, 디지털 환경에서 기계가독형 데이터로 활용될 수 있다. 이에 따라 한국 문학 텍스트의 감정과 색채를 연결하는 본 연구는, 감성 과학과 디지털 인문학에 새로운 가능성을 제시할 수 있다.
즉, 본 연구는 한국 문학 텍스트가 감각적 요소로 재해석되고 확장될 수 있도록 감성 컴퓨팅(affective computing)을 통해 새로운 연구 방법론을 제안하고자 한다. 이는 단순한 텍스트 분석을 넘어, 시의 감정을 색채로 변환하여 시각적으로 구현하는 ‘포스트쓰기체계(postwriting)’를 실현하는 과정이다. 즉, 본 연구 과정은 전산 문학 방법론과 한국인의 색채 심리를 접목하여 한국 근현대 시 고유의 감성을 보다 직관적으로 감각할 수 있도록 디지털 환경에서 현상화하는 것이다.
한편, 팬톤(PANTONE)사의 ‘올해의 컬러’가 글로벌 디자인 및 산업 전반에 영향을 주지만, 전문가의 해석에 의존하며 특정 문화권의 시각이 반영된다는 한계가 있다. 또한, 생성형 AI가 ‘동양화’를 요청받을 경우 일본식 화법이 주로 나타나는 현상은 서구 중심적 해석(Orientalism)의 결과로 볼 수 있다.
이러한 한계를 극복하고자 본 연구는, 기연구에서 구축한 한국 근현대 시-감정 데이터셋과 감정 분류 모델에 기초하여 감정-색채 데이터셋을 휴먼 라벨링(human labeling)으로 구축하고, 이를 바탕으로 시의 감정을 색채로 변환하는 데이터 시각화 프로그램을 개발하여, 보다 직관적이고 정량적인 색채 매핑 프로그램을 구축 웹에 현상화하고자 한다.
본 연구에서 구축한 데이터셋과 데이터 시각화 프로그램이 기존의 서구 중심적 색채 연구 및 인공지능의 이미지 해석에 대한 대안을 마련하는 정량적 기초 데이터로 활용되기를 기대한다. 나아가, 디자인, 예술, 마케팅 등 다양한 분야에서 활용할 수 있도록 모든 연구 결과물을 디지털 환경에서 공개하고 공유할 것이다.
기대효과:
본 연구는 디지털 방법론을 통해 문학 감정 데이터를 색채 데이터라는 시각적 요소로 ‘현상화’하는 ‘포스트쓰기체계’를 구현함으로써, 다음과 같은 기대 효과를 가진다.
첫째, 본 연구는 디지털 인문학의 연구 범위를 확장하는 데 기여할 수 있다. 현재 디지털 인문학은 텍스트 데이터를 기반으로 한 분석이나 아카이브 구축에 주로 집중되어 있으며, 감정이나 감각과 같이 비정형적이고 주관적인 요소를 정량적으로 분석하려는 시도는 상대적으로 부족한 실정이다. 본 연구는 전산 문학 방법론과 색채 심리학을 결합하여 문학 감정을 데이터화하여 시각적으로 재해석하는 연구 방법론을 제안함으로써, 디지털 인문학이 더욱 다차원적인 학문으로 발전할 수 있도록 돕는다.
둘째, 데이터 기반 색채 연구의 발전에 기여할 수 있다. 색채는 문화적 맥락에 따라 다르게 인식되며, 기존의 색채 연구는 주로 서구 중심적인 기준을 따르고 있다. 본 연구에서 구축한 감정-색채 데이터셋은 한국 문학의 정서를 반영한 정량적 자료로 활용될 수 있으며, 이는 향후 감성 색채 연구 및 색채 심리 연구에서 더욱 객관적인 데이터로 활용될 수 있다.
셋째, 본 연구는 생성형 AI 및 문화 콘텐츠 개발에 긍정적인 영향을 미칠 것으로 기대된다. 최근 생성형 AI 기술이 발전하면서 이미지, 디자인, 영상 등의 생성 과정에서 감성 데이터가 중요한 역할을 하고 있다. 그러나 현재 생성형 AI가 학습하는 색채 데이터는 서구 중심적 해석에 기반하고 있어, 한국적 감성을 반영한 이미지 생성이 어려운 실정이다. 본 연구에서 구축한 감정-색채 데이터셋을 AI 학습에 적용하면, 보다 한국의 감성과 미학을 반영한 이미지 및 디자인을 생성할 수 있도록 도울 수 있다. 또한, 감정을 색채 데이터로 변환하는 작업은 디자이너와 예술가들에게 문화 콘텐츠 및 창작물 개발에 활용될 수 있는 가능성을 열어준다.
넷째, 디자인, 예술, 마케팅 등 다양한 산업 분야에서 활용될 수 있다. 본 연구에서 시-감정 데이터 기반 감성 색채 매핑 시스템은 브랜드 아이덴티티 구축, 광고 및 시각 디자인, UX/UI 및 제품 디자인 등과 같은 감성적 접근이 중요한 산업 분야에서 유용하게 활용될 수 있다.
다섯째, 데이터 기반 교육 및 연구 자료로 활용될 수 있다. 본 연구에서 구축한 근현대 시 감정-색채 데이터셋과 데이터 시각화 프로그램은 한국 문학 교육에서 활용될 수 있으며, 학생들이 문학의 감성을 보다 직관적으로 감각할 수 있도록 돕는다. 또한, 감정과 색채의 관계를 학습하는 데이터 기반 교육 자료로 활용될 수 있으며, 감정 분석 및 감성 색채 연구를 진행하는 연구자들에게 유용한 참고 자료가 될 것이다.
마지막으로, 데이터 공유를 통한 개방형 연구를 활성화할 것이다. 본 연구 성과는 연구자 및 일반 사용자가 활용할 수 있도록 디지털 환경에 GitHub 및 Hugging Face 등에 레포지토리로 공유하고 웹 플랫폼 형식으로 공개할 것이다.
연구요약:
본 연구는 한국 근현대 시의 감정을 색채 데이터로 변환하고, 이를 시각적으로 현상화하는 감성 색채 매핑 시스템을 개발하는 것을 목표로 한다. 이를 위해 1)감정-색채 데이터셋을 구축하고, 2)색채 매핑 프로그램을 개발하여 데이터 시각화를 수행하며, 최종적으로 연구 성과를 공유할 수 있는 3)웹 기반 플랫폼상에 ‘현상화’하여 포스트쓰기체계(postwriting)를 구축하는 것이다.
이를 위해 다음과 같은 세 가지 핵심 연구 단계를 수행한다.
- 감정-색채 데이터셋 구축
감정-색채 데이터셋을 구축하기 위해, 기연구에서 개발한 시-감정 데이터셋을 기반으로 감정과 색채의 대응 관계를 정리한다. 감정-색채 데이터는 KS 색채 표준 체계(KS A 0011), Plutchik의 감정 모델, 기존 색채 심리 연구를 참고하여 체계적으로 구축하며, 한국인의 색채 감각을 반영한 감정-색채 데이터셋을 완성한다. - 감정-색채 매핑 프로그램 개발 및 데이터 시각화
기연구에서 개발한 시-감정 분류 모델이 도출한 문학 텍스트의 1순위 감정(주 감정)과 2순위 감정(보조 감정)을 Russell의 감정 원형 모델(A Circumplex Model of Affect) 기반의 2차원 좌표에 매핑하고, 감정 강도를 가중치로 적용하여 ‘감정-색채 데이터셋에 기반한 기초 색상’의 명도와 채도를 조정하는 방식으로 색채를 구현하는 알고리즘을 설계한다. 이 과정에서 감정 강도를 고려한 색채 매핑 시스템을 구축하며, 감정 데이터의 시각적 표현이 정교하게 이루어질 수 있도록 검증한다. - 데이터 공개 및 웹 플랫폼 개발
마지막으로, 데이터 공개 및 웹 공유 플랫폼을 개발하여 연구 성과를 공유하고 활용도를 높인다. 이를 위해 React.js(프론트엔드), Flask 또는 FastAPI(백엔드), MySQL 또는 MongoDB(데이터베이스)를 활용하여 웹 기반 감정-색채 변환 플랫폼을 구축하며, 사용자가 웹상에서 특정 시 텍스트를 입력하면 감정 분류 결과 및 색채 현상화를 실시간으로 경험할 수 있도록 한다. 또한, 연구에서 구축한 감정-색채 데이터셋과 감정 분류 모델, 색채 매핑 시스템을 GitHub 및 Hugging Face 등에 레포지토리로 공개하여 연구자 및 일반 사용자가 UX/UI, 감성 마케팅, 디자인 등 다양한 분야에서의 활용할 수 있도록 지원한다.
기존 감정 분석 연구가 주로 텍스트 기반의 정량적 접근에 머물렀다면, 본 연구는 시의 감정을 색채라는 탈문자적 요소로 웹이라는 시공간에 현상화함으로써 감정 데이터의 직관적 활용 가능성을 확대하고자 한다. 특히, 선행 연구 및 실증적 데이터를 기반으로 ‘인공지능 모델 학습’ 기술을 활용하여 감정의 2차원 좌표값을 더욱 정교하게 조정하고 검증하는 과정을 포함함으로써, 감정과 색채 간의 관계를 체계적으로 정리하고 연구의 정확성과 신뢰도를 높이고자 한다.