• 고전문학과교육
• /
• 제34호
• /
• pp.41-74
• /
• 2017

이 연구는 <숙향전>을 대상으로 고전소설에 나타난 환상의 서사 전략과 의미를 살피고, <숙향전>의 환상성이 갖는 교육적 의미를 도출하는 것을 목적으로 한다. 대상 텍스트로 <숙향전>을 삼은 것은 <숙향전>이 환상성이 두드러지게 나타난 작품이며 당대 높은 인기를 구가했다는 점에서 고전소설에 나타나는 환상의 특성을 밝히기에 적합하다고 여겨졌기 때문이다. 특히 이 연구에서는 <숙향전>의 서사에서 반복적으로 나타나는 '고난의 예고'가 천상계의 개입을 사전에 예고함으로써 작품의 환상성을 강화한다고 보고, 숙향의 삶을 중심으로 고난의 예고와 환상의 관계를 살펴보았다. <숙향전>에서 '고난의 예고'가 환상을 실현하는 방식은 천상계가 숙향에게 고난을 부여하고 고난에서 구원하는 방식으로 나타난다. 우선 천상계의 예고는 <숙향전>의 거시 구조를 형성하며, 독자는 숙향의 삶이 천상계의 예고대로 실현되는 것을 보면서 인간의 운명을 관장하는 천상계의 거대한 힘을 깨닫고 천상계에 대한 경외심을 갖는다. 또한 천상계는 위험에 처한 숙향을 구하기도 하는데, 천상계의 전지전능한 힘은 고난의 순간에서 숙향이 보이는 순진한 모습과 대조되어 천상계의 초월적 힘이 주는 경이로운 느낌을 강화한다. 한편 천상계가 꿈을 통해 숙향과 주변 인물들에게 운명을 알리고 운명을 실현하게 하는 것은 작품에 신비한 분위기를 조성하고 서사의 개연성을 높이는 효과가 있다. '고난의 예고'를 통해서 작품의 환상성을 강화하는 것의 서사적 의미는 숙향의 현실 삶을 통해 밝힐 수 있다. 첫째, 숙향이 겪는 고난은 현실적이고 구체적이기에 독자는 숙향에 감정이입하여 다가올 고난을 두려워하고 함께 통곡하며, 숙향이 행복을 성취하는 모습을 통해 내면의 근심을 해소한다. 둘째, 숙향의 선한 행동에 감동한 천상계의 존재들이 숙향을 죽을 고비에서 구하는 것은 독자에게 선한 길을 가는 인간에게는 천상계가 함께 할 것이라는 믿음을 준다. 셋째, 숙향과 이선이 결연 과정에서 보여주는 능동적인 자세는 지상에서의 고난을 극복하고 천상계에서 그 인연을 이어가게 하며, 이는 독자에게 고난을 통해 더 상위의 삶으로 나아갈 수 있다는 희망을 준다. 이러한 <숙향전>의 환상성은 환상을 통해 현실의 불안을 극복하여 자아를 발견하게 하며, 관계 인식을 확장하여 타자와의 일체감과 연대감을 높인다는 점에서 현대 학습자에게도 유의미한 가치를 가질 것으로 기대된다.

• 지능정보연구
• /
• 제22권4호
• /
• pp.177-192
• /
• 2016

기계학습(Machine Learning)은 인공 지능의 한 분야로, 데이터를 이용하여 기계를 학습시켜 기계 스스로가 데이터 분석 및 예측을 하게 만드는 것과 관련한 컴퓨터 과학의 한 영역을 일컫는다. 그중에서 SVM(Support Vector Machines)은 주로 분류와 회귀 분석을 목적으로 사용되는 모델이다. 어느 두 집단에 속한 데이터들에 대한 정보를 얻었을 때, SVM 모델은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 집단에 속할지를 판단해준다. 최근 들어서 많은 금융전문가는 기계학습과 막대한 데이터가 존재하는 금융 분야와의 접목 가능성을 보며 기계학습에 집중하고 있다. 그러면서 각 금융사는 고도화된 알고리즘과 빅데이터를 통해 여러 금융업무 수행이 가능한 로봇(Robot)과 투자전문가(Advisor)의 합성어인 로보어드바이저(Robo-Advisor) 서비스를 발 빠르게 제공하기 시작했다. 따라서 현재의 금융 동향을 고려하여 본 연구에서는 기계학습 방법의 하나인 SVM을 활용하여 매매성과를 올리는 방법에 대해 제안하고자 한다. SVM을 통한 예측대상은 한국형 변동성지수인 VKOSPI이다. VKOSPI는 금융파생상품의 한 종류인 옵션의 가격에 영향을 미친다. VKOSPI는 흔히 말하는 변동성과 같고 VKOSPI 값은 옵션의 종류와 관계없이 옵션 가격과 정비례하는 특성이 있다. 그러므로 VKOSPI의 정확한 예측은 옵션 매매에서의 수익을 낼 수 있는 중요한 요소 중 하나이다. 지금까지 기계학습을 기반으로 한 VKOSPI의 예측을 다룬 연구는 없었다. 본 연구에서는 SVM을 통해 일 중의 VKOSPI를 예측하였고, 예측 내용을 바탕으로 옵션 매매에 대한 적용 가능 여부를 실험하였으며 실제로 향상된 매매 성과가 나타남을 증명하였다.