• 제목/요약/키워드: 모음 변이

검색결과 32건 처리시간 0.022초

21세기 시조문학(時調文學)과 지식환경(知識環境)의 변화 (The transformation of the knowledge-environment and Sijo literature in the 21st century)

  • 윤영옥
    • 한국시조학회지:시조학논총
    • /
    • 제23집
    • /
    • pp.5-32
    • /
    • 2005
  • 시간은 흘러 시대는 변한다. 난세에서 승평의 시대로, 승평의 시대에서 백성들이 태평을 누리는 시대로 바뀌어 왔다고 생각하였으나, 그것은 희망이었을 뿐 태평을 구가한 시대는 없었던 것 같다. 이제 국가의 개념이라는 것도 점차 희미해져, 세계라는 큰 울타리 안에서 살아가는 개인은 그 존재의 가치가 더욱 약화되어 오히려 억압을 더 받게 되는 반태평(反太平)의 시대를 맞이하고 있는 것이 21세기의 벽두인 것 같다. 그런데 세계라는 이러한 큰 울타리 안에서 민족의 의식이 약화되어 개인이 cosmopolitian이 되어야 할 것이로되 오히려 민족주의는 더욱 강화되어, 그로 말미암은 분란이 도처에서 전운을 일으키고 있다. 그런데도 우리 한민족은 타의에 의해 분리되어 아직도 하나로 통일되지 못하고 있다. 이러한 모순이 우리의 지식환경을 지배하고 있는 것 같다. 분리된 민족이 하나로 통합됨이 우리의 염원일진데, 우리의 정서로 시화함에 있어서는 우리의 전통시형이 그 정서를 담는 그릇이 될 수밖에 없을 것이다. 그 시형을 우리는 '시조'라고 생각하고 있다. 그런데 지금까지 인식해 왔던 그 시형에 대한 규정을 반성해 보고, 그것을 발전시켜야 할 것이다. 종래의 규정은 창곡에서 분리하여 문학화하는 데서부터 시작하였으나, 이제는 그것을 문학이란 인식의 바탕에서 생각해 보아야 할 것이다. 우리 가곡의 '대엽'이 제3장과 제4장의 사이에 매화점장단 10점의 '중여음'으로 개재하고, 제5장 뒤에 '대여음'의 소리가 33점으로 이어진다면, 시의 말의 구성에도 그만한 어떤 충절이 있을 수 있을 것이다. 그것이 제4장으로 특징지어진 다면, 소리와 시의 구성에 있어서 이 제4장의 기능과 묘미를 살려 보아야 할 것이다. 이러한 5장구성이 악곡으로 큰 한 '장'을 이룬다면, 이러한 장을 중첩하여 훨씬 더 큰 규모의 시를 만들어 낼 수 있을 것이다. 그러한 예를 권호문의 <한거십팔곡>에서 찾을 수 있다. 이 작품은 소주제의 모음으로 이루어진 연작이 아니고, 하나의 주제로 통합된 연시이다. 그러므로 종래에 시조시형이라 생각한 3장의 구성을 5장으로 파악하여, 이제는 그것을 중첩하여 더 큰 규모의 시를 이를 수 있는 '연'의 모형으로 간주해야 하지 않을까 생각한다. 그래야만 이 착종된 시대의 복잡한 정서를 거기에 담을 수 있을 것이다.

  • PDF

음성특징의 거리에 기반한 한국어 발음의 시각화 (Visualization of Korean Speech Based on the Distance of Acoustic Features)

  • 복거철
    • 한국정보전자통신기술학회논문지
    • /
    • 제13권3호
    • /
    • pp.197-205
    • /
    • 2020
  • 한국어는 자음과 모음과 같은 음소 단위의 발음은 고정되어 있고 표기에 대응하는 발음은 변하지 않기 때문에 외국인 학습자가 쉽게 접근할 수 있다. 그러나 단어와 어구, 문장을 말할 때는 음절과 음절의 경계에서 소리의 변동이 다양하고 복잡하며 표기와 발음이 일치하지 않기 때문에 외국어로서의 한국어 표준 발음 학습은 어려운 면이 있다. 그러나 영어 같은 다른 언어와 달리 한국어의 표기와 발음의 관계는 논리적인 원리에 따라 예외 없이 규칙화 할 수 있는 장점이 있으므로 발음오류에 대해 체계적인 분석이 가능한 것으로 여겨진다. 본 연구에서는 오류 발음과 표준 발음의 차이를 컴퓨터 화면상의 상대적 거리로 표현하여 시각화하는 모델을 제시한다. 기존 연구에서는 발음의 특징을 단지 컬러 또는 3차원 그래픽으로 표현하거나 입과 구강의 변화하는 형태를 애니메이션으로 보여 주는 방식에 머물러 있으며 추출하는 음성의 특징도 구간의 평균과 같은 점 데이터를 이용하는데 그치고 있다. 본 연구에서는 시계열로 표현되는 음성데이터의 특성 및 구조를 요약하거나 변형하지 않고 직접 이용하는 방법을 제시한다. 이를 위해서 딥러닝 기법을 토대로 자기조직화 알고리즘과 variational autoencoder(VAE) 모델 및 마코브 확률모델을 결합한 확률적 SOM-VAE 기법을 사용하여 클러스터링 성능을 향상시켰다.