• 공연문화연구
• /
• 제43호
• /
• pp.203-228
• /
• 2021

본 논문은 초등 고학년 교과서 '연극을 즐겨요'에 나타난 희곡교육 방법에 관하여 고찰하였다. 희곡을 제외한 다른 교과과정의 교육방법은 '장르이해 - 작품감상 - 작품창작'의 순서로 제시되었다면, 희곡교육의 방법은 '장르이해 - 작품창작 - 작품감상'의 순서로 제시되고 있다. 이런 교육과정은 '연극'이 갖는 교과목과의 연계학습을 고려한다 하더라도 자칫 '창작'이 주는 '부담감'을 학생들이 안을 수 있고, '구어'에 대한 이해과정을 간략화함으로써 오히려 '우리말'의 특성이나 매력을 학생들이 체감하기 어렵게 만들 수도 있다. 이런 체계화는 초등 고학년 교과서의 과정을 통해 '연극'을 표현하는 문제에는 부합할 수 있지만, 학생들에게 '연극'을 통해 구체적으로 삶의 문제를 해결하는 방안에 대한 생각을 이끄는 데에는 아쉬움이 남는다는 것이 본 연구결과다. 또한, 자신의 감정을 드러내도록 표현하는 방법에 있어서 학생들에게 자율적인 표현방법을 깨닫게 하는 표현의 중요성을 강조하는 것도 필요하지만, 한편으로는 감정의 공감을 먼저 공유하고 이 같은 감정에 대해 이해하며, 이를 근거로 감정의 표현방법을 통해 개성적인 표현법을 익히게 함으로써 표현과 감정을 유추할 수 있는 훈련과 공유되는 감정을 학생들이 자발적으로 수용할 수 있도록 교육하는 과정 역시 필요하다는 것을 제시하였다. '연극'을 통해 정서적인 감정의 공유와 표현, 공연하는 과정을 통한 협동과 분업을 통한 참여 등등 학생들이 학습해야 하는 학습뿐만 아니라 이 교육과정을 통해 '희곡'에 대한 이해와 '우리말'에 대한 아름다움을 발견하는 수업과정으로 발전되기를 바라기 때문이다.

• 대중서사연구
• /
• 제25권1호
• /
• pp.281-313
• /
• 2019

이 글은 이애림 만화의 서사적 특성을 밝히기 위한 목적으로 작성되었다. 이애림은 한국의 문화 부흥기라고 불리는 1990년대에 만화잡지의 붐을 타고 등장한 작가다. 만화 작가로 시작했지만 점차 영역을 확장해 애니메이션 감독으로서도 활발한 활동을 이어가고 있다. 이애림 작업의 표면적인 특징은 섹슈얼리티, 그로테스크, 판타지 정도로 압축하여 소개할 수 있다. 달리 말하면 성적(性的)이고 기괴하며 환상적인 형태를 가시화하는 것이 이애림 만화의 주된 특징이다. 이애림은 내내 누구보다 압도적이고 강렬하게 이미지로 승부를 한 작가였다. 그래서 오히려 그녀의 그림 뒤에 숨겨진 이야기가 무엇인지 면밀히 주의를 기울이지 않은 것이 사실이다. 본고는 이애림이 초기부터 최근까지 관심을 두는 서사성 다시 말해 이야기의 맥락에 대해 짚어보는 것이 그녀의 과거와 현재 그리고 미래의 접점을 드러낼 수 있는 지름길이라 판단하였다. 특히 순환되고 반복되는 이야기, 운명과 우연이 지배하는 이야기, 환상적 요소와 위반의 시도가 만나는 이야기의 특징을 중점적으로 분석하였다. 결과적으로 이애림 만화 서사는 보편적이고 항상성을 지닌 인간의 가장 본질적인 측면을 예외성이나 특수성, 기괴함으로 포장하여 제시함으로써 우리에게 새로운 방식으로 억눌린 욕망을 직시하라고 요구하고 있음을 파악할 수 있었다. 이애림이 지금까지 전위적·전방위적 작업을 지속해 온 이유는 역으로 우리 사회가 무엇을 억압하고 있는지를 설명한다. 이애림의 서사는 억눌린 욕망을 드러내는 데 그치지 않고 그것을 해소할 수 있는 예술의 순기능을 성실히 담당한다는 점에서도 의미가 있다. 이애림 만화 서사의 여러 맥락을 따져 세밀히 살핀 이 연구는 개별 작가의 독창적 가치에 의미를 부여해 한국 만화의 다양성 확보에 나선 것에 의의를 두고자 한다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.1-25
• /
• 2020

대규모 텍스트에서 관심 대상이 가지고 있는 속성들에 대한 감성을 세부적으로 분석하는 속성기반 감성분석(Aspect-Based Sentiment Analysis)은 상당한 비즈니스 가치를 제공한다. 특히, 텍스트에 속성어가 존재하는 명시적 속성뿐만 아니라 속성어가 없는 암시적 속성까지 분석 대상으로 하는 속성카테고리 감성분류(ACSC, Aspect Category Sentiment Classification)는 속성기반 감성분석에서 중요한 의미를 지니고 있다. 본 연구는 속성카테고리 감성분류에 BERT 사전훈련 언어 모델을 적용할 때 기존 연구에서 다루지 않은 다음과 같은 주요 이슈들에 대한 답을 찾고, 이를 통해 우수한 ACSC 모델 구조를 도출하고자 한다. 첫째, [CLS] 토큰의 출력 벡터만 분류벡터로 사용하기보다는 속성카테고리에 대한 토큰들의 출력 벡터를 분류벡터에 반영하면 더 나은 성능을 달성할 수 있지 않을까? 둘째, 입력 데이터의 문장-쌍(sentence-pair) 구성에서 QA(Question Answering)와 NLI(Natural Language Inference) 타입 간 성능 차이가 존재할까? 셋째, 입력 데이터의 QA 또는 NLI 타입 문장-쌍 구성에서 속성카테고리를 포함한 문장의 순서에 따른 성능 차이가 존재할까? 이러한 연구 목적을 달성하기 위해 입력 및 출력 옵션들의 조합에 따라 12가지 ACSC 모델들을 구현하고 4종 영어 벤치마크 데이터셋에 대한 실험을 통해 기존 모델 이상의 성능을 제공하는 ACSC 모델들을 도출하였다. 그리고 [CLS] 토큰에 대한 출력 벡터를 분류벡터로 사용하기 보다는 속성카테고리 토큰의 출력 벡터를 사용하거나 두 가지를 함께 사용하는 것이 더욱 효과적이고, NLI 보다는 QA 타입의 입력이 대체적으로 더 나은 성능을 제공하며, QA 타입 안에서 속성이 포함된 문장의 순서는 성능과 무관한 점 등의 유용한 시사점들을 발견하였다. 본 연구에서 사용한 ACSC 모델 디자인을 위한 방법론은 다른 연구에도 비슷하게 응용될 수 있을 것으로 기대된다.