신사에서 개척자로: 영어 소설 속 남성성 형성 (1771–1930)
From Gentlemen to Frontiermen: Masculine Formations in English-Language Fiction (1771--1930)
한국어 초록
19세기 소설 속 남성성은 단일한 이상이 아니라 서로 경쟁하는 각본들이 펼쳐지는 장이다. 본 논문은 txtLAB Novel450 코퍼스에서 1771년부터 1930년 사이에 출판된 영국 및 미국의 정전 소설 150편을 바탕으로, 남성적 권위를 둘러싼 경쟁 모델들의 상대적 비중이 어떻게 변화했는지를 살펴본다. 남성 인물 중심의 문체 특성을 분석하기 위해, 공지시 해소(coreference resolution)를 사용하여 인명, 명사적 언급, 대명사를 인물별 참조 체인으로 묶은 뒤, 해당 인물 중심의 텍스트 윈도우를 추출하였다. 이어서 출판 연도와 저자 성별을 토픽 유병률 공변량으로 삼아 비지도 구조적 토픽 모델(structural topic model)을 적합시켰다. 모델은 귀족적-기사도적, 기독교적 남성다움, 신사적 품위, 시골 지주, 전문직-상업적, 제국주의적/모험적의 여섯 가지 남성성 형성을 식별하였다. 코퍼스 전반에 걸쳐 세습적 지위와 신성한 권위에 기반한 형성은 쇠퇴한 반면, 유급 노동과 모험을 중심으로 조직된 형성은 부상하였다. 가장 큰 증가는 전문직-상업적 가장 역할이 아니라 제국주의적/모험적 남성성, 특히 변경-황야 레지스터에서 나타났다. 이러한 궤적은 세습적·신성한 지위에서 성취적·상업적·팽창적 형태의 남성적 권위로의 재배분을 시사한다. 모험적·상업적 형성은 남성으로 기록된 저자의 소설에서 더욱 두드러지게 나타났다. 이들 형성은 사전에 설정된 어휘 없이 도출되었음에도 독립적 선행 연구에서 확립된 범주들과 일치하므로, 본 논문은 긴 19세기에 걸친 젠더화된 권위의 재편을 측정하기 위한 재현 가능한 방법론을 제시한다.
원문 초록
Masculinity in nineteenth-century fiction is not a single ideal but a field of competing scripts. Drawing on 150 British and American canonical novels from the txtLAB Novel450 corpus, published between 1771 and 1930, this paper examines the changing relative prominence of competing models of masculine authority. To focus the analysis on masculine characterisation, the study extracts male-character-centred text windows by using coreference resolution to group names, nominal mentions, and pronouns into character-specific reference chains. It then fits an unsupervised structural topic model with publication year and author gender as topic-prevalence covariates. The model identifies six distinct masculine formations: aristocratic-chivalric, Christian manhood, gentlemanly respectability, country squire, professional-commercial, and imperial/adventure. Across the corpus, formations tied to inherited rank and sacred authority decline, while those organised around paid work and adventure rise. The largest increase occurs not in professional-commercial breadwinning but in imperial/adventure masculinity, particularly the frontier-wilderness register. The trajectory points to a reallocation from inherited and sacred status towards achieved, commercial, and expansionary forms of masculine authority. Adventurous and commercial formations are also more prevalent in novels by authors recorded as male. Because these formations emerge without a seeded vocabulary yet align with categories established in independent scholarship, the article offers a reproducible method for measuring the reorganisation of gendered authority across the long nineteenth century.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
- arXiv:2607.03323v1제출 시각 미확인
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
AutoCluster, AutoTopicModeling, AutoTrendAnalysis: 신흥 트렌드 예측을 위한 완전한 AutoML 파이프라인
AutoCluster, AutoTopicModeling, AutoTrendAnalysis: A Complete AutoML Pipeline for Predicting Emerging Trends
신흥 트렌드 예측은 기업, 연구자, 정책 입안자에게 필수적이지만, 기존 접근법은 종종 확장성과 적응성이 부족하다. 본 논문은 시간 속성을 갖는 텍스트 데이터셋에서 통찰을 추출하도록 설계된 자동 머신러닝(AutoML) 기반 트렌드 예측 프레임워크를 제시한다. 시스템은 날짜 필드가 동반된 주제별 텍스트 항목을 입력으로 받는다. 파이프라인은 전처리와 임베딩으로 시작하며, 이어서 메타학습(meta-learning)을 사용해 최적의 클러스터링 알고리즘을 선택하는 AutoClustering이 수행된다. AutoTopicModeling은 successive halving을 적용하여 각 클러스터의 coherence score를 기준으로 Latent Dirichlet Allocation (LDA), Latent Semantic Analysis (LSA), BERTopic, 또는 Non-negative Matrix Factorization (NMF) 중 최적의 토픽 모델링 방법을 식별한다. 트렌드 예측을 위해 AutoTrendAnalysis는 Facebook Prophet, 자기회귀 통합 이동평균(AutoRegressive Integrated Moving Average, ARIMA), Loess를 이용한 계절-트렌드 분해(Seasonal-Trend decomposition using Loess, STL), 장단기 메모리(Long Short-Term Memory, LSTM) 등 여러 모델을 평가하며, successive halving 또는 전수 비교를 통해 평균 제곱근 오차(Root Mean Square Error, RMSE)를 기준으로 가장 정확한 모델을 선택한다. 토픽은 예측 결과에 따라 강한 신호, 약한 신호, 또는 노이즈로 분류되어 신흥 트렌드를 식별할 수 있다. 클러스터링, 토픽 모델링, 시계열 예측을 자동화함으로써 본 연구는 수작업을 줄이면서 트렌드 예측 정확도를 향상시킨다. 제안 시스템은 실시간 응용과 머신러닝 전문성이 제한된 이해관계자에게 적합한 확장 가능하고 사용하기 쉬운 솔루션을 제공한다. 실험 결과, 제안 시스템의 최적 시행은 최종 RMSE 7.099를 달성하여 높은 예측 정확도를 보여준다.
데이터가 말하게 하라: AI를 활용한 크라우드소싱 컬렉션에서의 키워드 추출
Letting the Data Speak: Extracting Keywords from Crowdsourced Collections with AI
대규모로 키워드를 식별하고 할당하는 작업은 크라우드소싱 컬렉션에 있어 기술적, 실용적, 윤리적 과제를 동시에 제기한다. 본 논문은 옥스퍼드 대학교가 호스팅하는 크라우드소싱 제2차 세계대전 디지털 컬렉션인 Their Finest Hour Online Archive를 사례 연구로 활용한 "크라우드소싱 컬렉션에서의 키워드 추출" 프로젝트의 연구 결과를 보고한다. 이 프로젝트는 키워드 추출 자동화를 위한 세 가지 자연어 처리(NLP) 접근법—개체명 인식(Named Entity Recognition), 키워드 추출(Keyword Extraction), 토픽 모델링(Topic Modelling)—을 평가하였으며, 전통적인 통계적 방법부터 현대의 생성 AI 신경망에 이르기까지 다양한 인공지능 기법을 대상으로 이를 검증하였다. 정량적·정성적 분석 결과, 자연어 처리 접근법은 크라우드소싱 컬렉션에서의 대규모 키워드 추출에 실질적인 가능성을 보여주지만, 단일 방법만으로는 완전한 해결책이 되지 못하며 모델 선택이 결과에 상당한 영향을 미치는 것으로 나타났다. 우리는 메타데이터가 살아있는 기여자들과의 직접적인 상호작용의 산물인 크라우드소싱 컬렉션에서 자동화된 키워드 추출이 기술적 성능과 함께 반드시 다루어야 할 고유한 관리 책임을 수반한다고 주장한다. 오픈 가중치(open-weight) 추출형 모델이 책임 있는 배포를 지원하는 데 가장 적합한 것으로 평가에서 나타났으며, 생성 AI는 추상적 잠재력에도 불구하고 크라우드소싱 컬렉션을 관리하는 누구나 신중히 고려해야 할 책임성 위험을 내포한다.
중국 문헌정보학 분야의 새로움 진화 탐구
Unveiling Novelty Evolution in the field of Library and Information Science in China
본 연구는 중국 문헌정보학(LIS) 분야 학술 논문의 새로움(novelty) 분포를 분석하며, 학술지, 연구 주제, 시기별 차이에 초점을 맞춘다. 중국사회과학인용색인(CSSCI)에 등재된 중국 LIS 학술지에 2000년부터 2022년까지 게재된 논문을 연구 표본으로 수집하였다. 논문 초록에 BERTopic을 적용하여 연구 주제를 식별하고, 분석 대상 논문이 인용한 참고문헌 쌍의 조합적 혁신 이론에 기반하여 새로움 점수를 산출하였다. 이후 주제별 논문 새로움을 검토하고, 협력 패턴이 논문 새로움과 어떻게 연관될 수 있는지 설명하기 위해 저자 협력 패턴을 추가 분석하였다. 분석 결과, 아카이브 관련 연구 주제는 전반적으로 새로움이 낮은 반면, 학술지 평가 및 특허 기술 관련 주제는 중국 LIS 연구에서 높은 새로움을 보이는 것으로 나타났다. 전체적으로 이 분야 논문의 새로움은 시간이 지남에 따라 점진적으로 증가하였다. 주제 및 새로움 수준이 다른 논문들은 뚜렷이 구별되는 협력 패턴도 보였는데, 새로움이 낮은 주제는 단독 저술과 더 자주 연관되는 반면, 새로움이 높은 주제는 기관 간 협력 비율이 더 높은 경향이 있었다. 본 연구는 중국 LIS 연구에서 새로움의 주제 수준 특성과 시간적 추세를 밝히고, 연구 주제와 협력 패턴이 학술적 혁신에 미치는 영향을 이해하는 새로운 관점을 제공한다.
Solving non-uniqueness in agglomerative hierarchical clustering using multidendrograms
MMAO-Cls: Metabolic Multi-Agent Optimization for Joint Feature Selection and Classifier Tuning
AI가 분류할 때: 공공행정이란 무엇인가?
When AI Classifies: What Counts as Public Administration?
토론
이 논문과 연결된 포럼 글이 아직 없습니다.