프랑스 문학 연구의 새로운 흐름: 디지털 아카이브로 다시 읽는 문학사

 

요즘 프랑스 문학 연구를 보면, 조금 낯선 장면을 자주 만나게 된다.
책상 앞에서 고전을 읽으며 해석을 써 내려가는 연구자 대신, 수만 권의 신문과 책을 한꺼번에 불러와 시대의 언어를 분석하는 연구자,
또는 웹에서 사라진 게시물까지 복원해 ‘문학적 흔적’으로 읽는 연구자가 등장하고 있기 때문이다.

이 변화의 중심에는 디지털 아카이브가 있다.
프랑스 국립도서관(BnF)이 구축해 온 방대한 디지털 자료와 연구 인프라, 그리고 이를 분석할 수 있는 도구들이 결합하면서, 문학 연구가 ‘작품 분석’에서 ‘데이터 탐색’으로 확장되기 시작했다.

그 결과 이전에는 질문할 수 없었던 것들을 질문할 수 있게 되었다.

19세기 파리 사람들이 사랑을 어떤 단어로 말했을까?
전쟁기 신문에서 불안과 공포의 언어는 어떻게 변화했을까?
온라인에서 사라진 텍스트들은 어떤 문학적 흔적을 남겼을까?

이런 복잡하고 복합적인 주제를 이제는 실제로 추적하고 시각화할 수 있는 도구가 생긴 것이다.

이번에는 이러한 흐름을 간략하게 소개하는 글이다.
프랑스 문학 연구가 왜 ‘데이터’와 만나고 있는지, 프랑스 중앙 도서관 등에서 제공하는 디지털/웹 아카이빙 같은 인프라가 어떤 역할을 하는지, 그리고 이 변화가 문학 읽기와 문학사 이해를 어떻게 바꾸고 있는지를 단계적으로 살펴볼 예정이다.

 

---

 

프랑스 문학 연구는 최근 작품 한 권이 아니라 시대 전체의 텍스트를 데이터로 읽는 방식으로 확장되고 있다.
프랑스 국립도서관의 디지털 아카이브와 연구 인프라가 이 변화를 가능하게 만들었다.
비평가와 연구자들은 디지털화된 신문·잡지·웹 아카이브 등 수백만 건의 자료에서 언어·감정·담론 패턴을 추출해 문학사를 새로 해석할 수 있게 되었다.
이러한 방식은 “왜 그 시대는 그런 말을 했는가?” 같은 큰 질문을 다룰 수 있게 만들었다.
다만 데이터 품질(OCR·메타데이터), 저작권, 웹 아카이브 접근성 등 기술·법적 한계도 존재한다.
또한, 숫자(데이터)만으로는 연구가 완성되지 않으며, 문학적·사회적 해석이 필수적으로 결합된다.
디지털 아카이브는 프랑스 문학을 더 넓게, 더 깊게, 더 입체적으로 읽기 위한 새로운 도구가 되고 있다.

 

---

 

 

 

디지털 아카이브 기반
문학 연구

전통적인 문학 연구는 보통 한 작품을 깊게 읽고(클로즈 리딩), 그 의미·주제·문체를 해석하는 방식으로 이루어졌다.
하지만 디지털 아카이브 기반 문학 연구는 이 틀을 완전히 바꾸었다.

개별 작품이 아니라 시대 전체의 텍스트를 한 번에 읽을 수 있게 되었다기 때문이다.

디지털 아카이브란 도서관·아카이브·잡지·신문·웹사이트 등에서 수집된 각종 문헌을 디지털 형태로 저장한 방대한 자료 창고를 의미한다.
프랑스의 경우 프랑스 국립 도서관의 갈리카(Gallica), 데이터랩(DataLab)이 핵심 인프라로 활용되고 있다.
종이 문서뿐 아니라 삽화·광고·지도·판화·서한·웹페이지까지 포함되는 폭넓은 자료를 디지털화하고 일반 대중들에게 제공하고 있다.

과거에는 도서관 책장에 꽂혀 있던 자료들이 검색 가능한 데이터가 되어 우리 앞에 펼쳐지게 된 것이다.

 

 

디지털 아카이브 연구는 단순히 자료가 많아졌다는 뜻이 아니라, 문학을 바라보는 렌즈 자체가 달라졌다는 의미이기도 하다.

1. 넓게 읽기 (도시·사회·언어 전체를 스캔)

• 한 시기의 신문 기사 10만 건을 통해 ‘불안’, ‘사랑’, ‘범죄’ 같은 단어의 시대별 감정 구조를 추적
• 특정 작가가 아니라 그 시대 사람들이 어떤 언어로 세상을 묘사했는지 파악 가능

2. 깊게 읽기 (패턴·구조·변화를 숫자로 보기)

• 문장 길이, 시점 변화, 형용사 사용 빈도 등 문체적 특징을 데이터로 분석
• 연재소설이나 고딕소설처럼 장르적 패턴과 클리셰를 구조적으로 파악

 

더 많이 읽는 것이 아니라 다르게 읽게 되었다는 의미이다.

 

 

디지털 인문학과 무엇이 다를까?

많은 사람들이 “그럼 이게 디지털 인문학인가?”라고 묻는다.
겹치는 부분이 있지만 두 방식은 완전히 동일하지 않다.

구분	디지털 인문학	디지털 아카이브 기반 문학 연구
초점	도구·기술 활용 전반	문헌 자료 자체의 구조·변화 분석
데이터	이미지, 지도, 네트워크 등 광범위	텍스트 중심
목적	인문학 연구의 확장	문학·언어·출판 생태 분석

 

디지털 인문학은 더 큰 우산이고, 디지털 아카이브 기반 문학 연구는 그 안에서 문학 텍스트에 집중한 응용 분야라고 이해할 수 있다

이러한 문학 연구 방식의 변화는 다양한 관점들을 만들어 냈다.
디지털 아카이브는 기존에는 상상하기 어려웠던 질문을 가능하게 만들었다.

19세기 신문에서 여성은 어떤 형용사와 함께 등장했는가?
문학 속 ‘도시’는 실제 도시 변화와 어떻게 맞물렸는가?
전쟁·혁명·위기 시기에 감정 어휘는 어떻게 폭증하거나 사라지는가?
SNS·블로그·웹 기록은 미래의 문학사에서 어떤 위치를 차지할까?

 

 

 

 

 

프랑스가 디지털 문학 연구를 선도하는 이유

프랑스가 디지털 아카이브 기반 문학 연구에서 두드러지는 이유는 크게 세 가지로 정리된다.

먼저, 프랑스 국립도서관(BnF)의 Gallica를 중심으로 방대한 자료가 디지털화·검색·분석 가능한 형태로 구축되어 있어 연구자가 시대 전체의 언어와 텍스트를 다룰 수 있다. 그리고 BnF DataLab처럼 기술·데이터·연구 지원을 통합 제공하는 기관이 존재해 문학 연구자가 별도의 기술 장벽 없이 대규모 자료 분석을 수행할 수 있는 환경을 갖추고 있다. 웹 아카이빙을 포함해 온라인 기록까지도 “문학적·사회적 사료”로 인정하는 프랑스 특유의 문화적 시선이 연구 범위를 책을 넘어 시대의 모든 텍스트로 넓히고 있다. 이 세 요소가 결합하며 프랑스는 디지털 문학 연구의 최전선에 서게 되었다.

결국 프랑스의 디지털 문학 연구는 자료(아카이브)–기술(분석 환경)–관점(문화적 시선)이 삼각 구조를 이루며 발전해 왔다.
방대한 데이터가 준비되어 있고, 이를 분석할 수 있는 전문 인프라가 갖춰져 있으며, 온라인 기록까지 문학적 맥락에서 읽으려는 태도 덕분에 프랑스는 이제 텍스트를 작품이 아니라 시대의 언어 전체로 파악하는 연구의 선두에 설 수 있게 되었다.

 

디지털 문학 연구 프로세스 5단계

디지털 아카이브 기반 문학 연구는 겉으로 보면 “자료를 많이 읽는 방식”처럼 보이지만,
실제로는 철저하게 단계화된 연구 프로세스를 따른다.
이 5단계를 이해하면 디지털 문학 연구의 핵심이 한눈에 잡힌다.

 

① 질문 만들기

첫 단계는 연구자가 무엇을 알고 싶은지 명확히 정의하는 것이다.
전통적 연구가 특정 작품·작가 중심이라면, 디지털 연구는 시대·담론·언어·감정 같은 더 넓은 질문을 던진다.

19세기 프랑스 신문에서 여성은 어떤 단어와 함께 등장했는가?
전쟁 시기에는 공포·불안·혐오 같은 감정 어휘가 어떻게 변했는가?
도시 파리는 문학 텍스트에서 어떤 공간적 패턴으로 그려졌는가?

이런 질문들이 최근 연구 주제이기도 하다.

 

 

② 코퍼스(말뭉치) 만들기

질문이 정해지면, 다음은 자료를 모으는 일을 한다.
이때 연구자는 Gallica·BnF API·웹 아카이브 등을 활용해 수십만 건의 텍스트를 조건에 맞게 자동 수집한다.

1850–1920년까지 신문, 잡지, 연재소설, 팜플렛의 고딕소설, 페미니즘 저널, 정치 칼럼의 자료를 찾는다.
사랑, 혁명, 도덕, 범죄와 같은 키워드를 중심으로 필요한 데이터를 수집하게 된다.

어떠한 텍스트를 포함하고 제외하느냐가 결과를 크게 바꾸기도 한다.
연구자들은 이 단계에서 데이터 기반 문학사의 방향을 사실상 결정한다.

 

③ 데이터 클리닝 & 품질 점검

디지털 자료는 양이 크지만, 오류도 함께 따라온다.
특히 OCR(문자 인식), 날짜 누락, 잘못된 분류, 중복 등의 문제가 많다.

오탈자·깨진 문자를 확인하고, 날짜·매체·저자 메타데이터 수정하거나, 중복 기사 제거하고, 불필요한 요소(광고·잡음 텍스트) 필터링한다. 그리고 문서 구조 복원(제목/본문/단락 분리)하는 작업을 하기도 한다.

이 단계는 시간이 많이 걸리지만, 데이터 기반 연구의 신뢰도를 결정하는 핵심 과정이기도 하다.

 

④ 분석을 통한 시대의 언어 패턴 추출

정제된 코퍼스가 준비되면, 드디어 데이터 분석이 시작된다.
연구 목적에 따라 다양한 기법을 조합한다.

빈도 분석: 시대별 단어 등장 횟수 변화
함께 등장하는 단어(Co-occurrence): 특정 단어와 함께 등장하는 어휘들의 관계
담론 변화 분석: 감정 어휘·정치적 키워드·사회적 범주의 변화
문체 분석: 문장 길이·시점·형용사/부사 사용 변화
네트워크 분석: 인물·장소 사이의 연결 구조
공간 분석(지도화): 문학 속 도시·지역의 빈도·밀도 시각화
토픽 모델링: 텍스트 묶음 속 숨은 주제 구조 찾기

 

 

⑤ 데이터 해석

분석 결과는 어디까지나 패턴일 뿐이다.
그 패턴이 왜 생겼고, 어떤 사회·문화적 의미를 갖는지는 여전히 문학 연구자의 해석 능력이 결정한다.

시대적 사건(전쟁, 혁명, 경제 위기)과 언어 변화의 연결하거나 문학 장르의 등장·퇴조와 감정 구조의 상관성 분석하고, 여성·이민자·계급 등 사회 범주의 언어적 재현 방식 해석하고, 특정 작가·작품이 시대 언어와 맺는 관계 파악하는 것은 여전히 인간의 몫으로 남아 있다.

 

 

문학사를 다시 쓰는 중

이러한 연구와 분석 과정을 "문학사를 다시 쓴다"는 말로 표현한다.
조금 과장되게 들릴 수도 있지만 실제 연구 현장을 보면, 이 표현이 그냥 수사가 아니라는 걸 알 수 있다.

당대 텍스트 전체로
바라보는 과거

 

기존 문학사는 대체로 소수의 ‘위대한 작가’와 대표작 중심으로 구성돼 있었다.
우리가 학교에서 배우는 문학사도 비슷하다. 몇 명의 이름과 몇 권의 작품이 시대를 대표하는 것처럼 제시된다.
그렇다 보니, 실제로 그 시대를 살았던 사람들이 어떤 글을 더 많이 읽었고, 어떤 언어로 세상을 이해했는지는 배경으로 밀려나기 쉽다.

예를 들어 19세기를 떠올리면, 우리는 곧장 위고, 발자크, 플로베르 같은 이름을 먼저 떠올린다.
하지만 그와 동시에 사람들은 신문 연재소설을 매일 기다렸고, 값싼 통속 소설(roman populaire)을 돌려 읽었으며, 여성 잡지의 연애 상담란, 도덕 수필, 광고 속 짧은 카피에 더 자주 노출되기도 했다.
“문학사에 남은 텍스트”와 “사람들이 실제로 소비한 텍스트”가 일치하지 않았던 것이다.

디지털 아카이브 연구가 들어오면 이 지점이 달라진다.

신문 연재소설, 잡지 칼럼, 연애 상담란, 광고 카피, 팜플렛, 대중 소설 시리즈, 심지어 독자 투고란까지 지금까지 “정전 바깥”으로 취급되던 텍스트들이 한꺼번에 시야에 들어온다.

특정 작가의 전집이 아니라, 특정 시기의 모든 신문·잡지·연재물을 하나의 코퍼스로 묶어 분석할 수 있기 때문에, “당대의 독서 경험” 자체를 데이터로 재구성할 수 있다.

이렇게 되면 흥미로운 사실들이 드러난다.

당시에는 엄청나게 많이 읽혔지만, 지금은 거의 잊힌 대중 작가·통속 장르가 실제로는 한 시대의 감정과 상상력을 이끌었다는 것이 보인다.

반대로, 오늘날 정전으로 남은 작가가 동시대에는 그리 많이 읽히지 않았거나, 특정 계층(예: 지식인, 중산층 이상)에게만 소비되었다는 점도 드러난다.

어떤 장르(연애소설, 고딕소설, 가정소설, 탐정물 등)가 어느 시기에 급증했다 사라졌는지, 즉 “유행의 파동”도 추적할 수 있다.

그 결과, 문학사를 바라보는 관점 자체가 바뀐다.

더 이상 “위대한 몇 명의 작가”만으로 시대를 설명할 수 없고,
당대에 어떤 텍스트가 얼마나 널리 읽혔는지,
어떤 독서 경험이 사람들의 감정과 상상을 지배했는지를 함께 이야기해야 한다.

말하자면, 문학사는 ‘작품의 위계’를 정리하는 연대기에서 ‘한 사회가 어떤 텍스트를 읽으며 살았는지’를 보여주는 읽기의 역사로 확장된다.

보이지 않던 텍스트들이 다시 등장하고, 그 텍스트들이 만들어낸 감정·욕망·상상력의 층이 문학사 서술 속으로 들어오는 순간, 우리는 비로소 한 시대를 더 입체적으로 이해하게 된다.

 

언어와 감정의 변화를
곡선으로 볼 때
시대의 정서가 재구성된다

 

“19세기 사람들은 보수적이었다”, “전쟁기엔 모두 불안했다” 같은 문장은 우리가 익숙하게 들어온 역사·문학 교과서식 문장이다.
하지만 이 문장들이 무엇을 근거로 만들어졌는지 따져보면, 대부분은 몇몇 텍스트, 유명한 연설, 회고록, 대표적인 작품에 기대어 “대략 이런 분위기였을 것이다”라고 추론한 결과인 경우가 많다.

즉, 지금까지의 서술은 어느 정도 직감과 부분 자료에 기반한 ‘대략적인 정서 요약’에 가까웠다.

디지털 분석이 들어오면, 이 지점이 극명하게 바뀐다.
이제는 시대의 감정을 “추측”이 아니라, 그래프와 수치로 뒷받침되는 곡선으로 그려볼 수 있게 되기 때문이다.

우선 감정이나 가치와 관련된 단어들이 “언제, 어떻게” 늘고 줄었는지를 볼 수 있다.

가장 직관적인 사례는 시간축 위에 단어를 올려보는 것이다.

예를 들어,
사랑(사랑, 연애, 결혼, 정절, 스캔들, 명예)과 관련된 어휘,
도덕(덕, 타락, 품행, 순결, 부패)과 관련된 어휘,
범죄(살인, 도둑, 범죄, 악, 처벌)와 관련된 어휘가
신문·잡지·소설 전체에서 연도별로 얼마나 자주 등장하는지를 그래프로 그려볼 수 있다.

이렇게 정리하면,
특정 시기에 “도덕/타락” 어휘가 급증하면서 도덕 공황(moral panic)에 가까운 분위기가 형성된다든지,
결혼·가정 관련 어휘가 전쟁 후 몇 년간 크게 요동치는 시기가 보인다든지,
범죄와 관련된 단어들이 특정 도시·계층과 함께 급격히 결합되기 시작하는 시점이 드러난다든지 하는 패턴이 보이기 시작한다.

이렇게 되면 “그때 사람들은 도덕에 민감했다”가 아니라, 이 시기에는 도덕 관련 단어의 등장 빈도가 평소의 몇 배로 뛰었다라는 식의 구체적이고 설득력 있는 이야기를 할 수 있게 된다.

그리고 프랑스 역사에서 빼놓을 수 없는 전쟁·혁명·경제 위기와 감정 어휘의 곡선을 함께 분석할 수 있게 된다.

전쟁이나 혁명, 대공황 같은 사건은 문학사에서 자주 “분위기의 전환점”으로 언급된다.
디지털 분석은 이를 감정 어휘의 움직임으로 확인하게 만든다.

예를 들어,
불안, 공포, 혼란, 위기, 위험 같은 단어가
전쟁 발발 직전부터 서서히 증가했다가,
전쟁 기간에 폭증하고, 종전 이후에도 한동안 높은 수준을 유지하는지,
혹은 어느 시점에 다시 떨어지는지를 볼 수 있다.

희생, 용기, 영웅, 명예 같은 단어들이 국가주의 담론과 함께 어떻게 급증하는지, 그것이 전시 선전, 신문 사설, 문학 작품 속에서 같은 방향으로 움직이는지를 비교해 볼 수도 있다.

이때 “전쟁기엔 모두 불안했다”가 아니라,

이 시기 신문·소설·연설문 전체에서 ‘불안/공포’ 계열 감정 어휘의 비중이 이전의 2배 이상으로 상승했고, ‘희생/영웅’ 어휘 역시 국가 담론과 함께 평행하게 상승했다.

라는 식으로, 사건(전쟁)과 감정 언어의 곡선이 나란히 움직이는 모습을 그려볼 수 있다.

그리고 여성·이민자·노동자·청년 같은 사회 집단을 둘러싼 감정적 언어를 확인할 수 있다.

이러한 언어의 사용은 어떠한 집단을 바라보는 전반적인 시선을 의미한다.
여성, 이민자, 노동자, 청년 등 특정 집단이 텍스트 속에서 어떤 형용사·동사와 함께 등장하는지를 정량적으로 비교할 수 있다.

여성이라는 단어 주변에 “연약한, 순결한, 위험한, 타락한, 보호해야 할” 같은 형용사가 각 시기마다 어떤 비율로 등장하는지,
이민자·노동자 같은 단어가 “불안정한, 위협적인, 게으른, 폭력적인”과 연결되는 빈도는 언제 높아지고 언제 낮아지는지,
청년이 “불량한, 반항적인, 혁명적인, 창의적인” 같은 단어와 함께 등장하는 패턴이 어느 세대에서 바뀌는지 등을 어떤 언어들이 함께 등장하는지를 보면, 그 시대가 해당 집단을 어떻게 인식했는지 추정할 수 있다.

이러한 관점에서 보면, 문학을 통한 정서사(感情史)라는 말이 훨씬 구체적인 의미를 갖게 된다.

이 모든 작업을 통해 문학사는 더 이상 “그때 사람들은 이렇게 느꼈다.” 라는 식의 넓고 흐릿한 문장이 아니라,
이 시기 텍스트 전체에서 ‘불안/공포’ 어휘는 이렇게 폭증했고, ‘도덕/타락’ 관련 단어는 어떤 정치·종교 담론과 함께 움직였으며, 여성·이민자·노동자를 둘러싼 형용사·동사의 감정적 톤은 이런 사건·정책과 동시에 변화했다고 설명할 수 있게 되었다.

인공지능을 활용해 구체적인 수치를 계산하고 그래프로 시각화하면, 곡선 위에 서 있는 정밀한 정서사를 그릴 수 있게 된다.

 

 

도시·공간·계급을 다시 보는 지도

 

그리고 마지막으로 이어지는 문학으로 당시 세계를 재배치할 수 있게 된다.

디지털 아카이브를 활용하면, 문학 작품과 신문·잡지·기행문, 심지어 여행 안내서나 광고 문구까지에서 언급되는 지명·거리 이름·광장·지역명을 한꺼번에 뽑아낼 수 있다.
그리고 이 지명들을 실제 지도 위에 올려보는 순간, 우리가 익숙하게 “배경” 정도로만 생각했던 공간들이 완전히 다른 얼굴을 드러내기 시작한다.

어느 시대의 텍스트에서 어떤 특정 지역이 등장하는지를 확인할 수 있다.
특정 기간(예: 19세기 후반, 전간기, 1968년 전후 등)에 그 시기의 텍스트 전체에서 지명 출현 빈도를 계산해 지도 위에 당시의 도시 이미지를 복원할 수 있게 된다.

이렇게 이미지화하게 되면 흥미로운 결과를 도출할 수 있게 된다.
수도(파리 같은 대도시)로 언급이 과밀하게 몰려 있는 공간, 반대로, 거의 등장하지 않는 ‘침묵의 지역’, 특정 시기 갑자기 이름이 자주 등장하는 신흥 도시·근교·공업 지역 등을 구분할 수 있게 되고,
이렇게 지도 위에 “언급의 밀도”를 색으로 칠해보면, 문학과 언론이 어떤 공간을 중심에 두고 말하기를 좋아했는지, 어떤 지역은 아예 시야에서 사라져 있었는지 한눈에 들어온다.

즉, 문학사는 더 이상 “파리 배경 작품이 많았다” 정도가 아니라, “이 시기 텍스트에서 파리 중심부 몇 개 구역이 전체 지명 언급의 대부분을 차지했고, 나머지 지방은 거의 언급되지 않았다.”라는 식의 공간적 불균형까지 함께 이야기할 수 있다.

그렇게 도시와 공간이 구성되면 계급에 따라 움직이는 공간을 확인할 수 있다.
상류층과 하층의 동선 비교를 할 수 있게 되는데 문학 텍스트 안에는, 의외로 계급별 동선은 꽤 분명하게 드러나 있다.
디지털 분석을 활용하면, 상류층/중산층/하층 인물들이 각각 어떤 장소 이름과 함께 등장하는지 수치로 비교할 수 있다.

상류층 인물 옆에는 주로 고급 주거지, 살롱, 오페라 극장, 특정 거리 이름이 붙고 하층 인물 옆에는 공장 지대, 빈민가, 변두리, 항구, 시장, 주막·술집 같은 지명이 반복된다. 중산층 인물은 상점가, 사무실, 학교, 신흥 주거지 등과 결합되는 패턴이 나타난다.

이러한 지리적 패턴을 지도 위에서 서로 다른 색으로 표시하면, 같은 도시 안에서 계급별로 완전히 다른 생활 동선 지도를 만들어 낼 수 있다.

조금 더 나아가 범죄·연애·정치·혁명 같은 주제가 특정 장소와 어떻게 엮이는지도 확인할 수 있다.
주제와 공간의 결합을 의미하는데, 디지털 분석을 통해, 범죄·연애·정치·혁명·예술 같은 키워드가 어떤 지명과 함께 자주 등장하는지 볼 수 있다.

범죄/스캔들 관련 기사·소설에서 반복해서 등장하는 골목, 광장, 교외 지역,
연애·만남·이별이 주로 배치되는 공원, 다리, 카페, 산책로,
혁명·시위·정치 집회가 항상 언급되는 광장, 거리, 의회 주변,
예술가·지식인이 모이는 카페·구역(“문학 카페 지도” 같은 느낌)을 그려낼 수 있게 된다.

이걸 지도화하면, 도시가 단순한 지리 공간이 아니라 감정과 사건이 축적된 상징 공간으로 볼 수 있게 된다.

이러한 연구를 통해 디지털 아카이브를 통한 정서사의 분석은 문학 텍스트에 흩어져 있던 장소 이름들을 한데 모아 삶이 어디에, 어떻게 몰려 있었는지를 보여주는 지도를 되살려내는 작업이 될 수 있다.

그 순간, 문학 속 도시는 더 이상 어느 작품에 이런 배경이라는 수준의 배경 설명이 아니라, 시대, 계층, 감정이 어떤 장소에서 어떻게 이루어졌는지를 꼼꼼하게 그려낼 수 있게 되는 것이다.

문학사는 이렇게 인물의 내면과 함께 도시의 구조, 계급의 동선, 사건이 붙은 장소까지 함께 읽어야 하는 입체적인 역사로 재구성되는 날이 멀지 않았다.