讀修倥訪(독수공방)

2020년 1월 5일에 "블루투스 헤드폰 사용 리뷰..."를 썼었다. 과거 블로그에서. 이곳으로 글을 옮겨오면서 2년 사용 후기를 덧붙이고자 한다.    ──────   우연한 기회에 득템한 블루투스 헤드폰이 JBL TUNE500BT였다. 보통 시중에서 5만냥 내외로 구입 가능했지만 좀 비싸게 사긴했다. 오프매장에서 7.2만냥으로. 검색해 보니 10만냥에 파는 곳도 있었다. 눈팅을 당하지 않으려면 잘 알아보고 사야할 듯하다. 폰에 연결해서 주로 썼는데, 이어폰보다는 확실히 음질이 괜찮았다. 끊기는 것도 없고. 수신 범위는 5m 내외였던 것 같다. 벽이 2개 정도 놓이면 이 거리가 훨씬 좁아지는 것 같다. 블루투스 이어폰보다는 음질이 좋을 것 같지만 이 헤드폰 사용하면서 불편한 점은 장시간 사용하면 귀가 아프다는 점, 충전을 주기적으로 해 주어야 한다는 점 정도(케이블 연결하는 게 귀찮음). 블루투스 이어폰이 사용 편의성은 더 좋을 것 같다. 다만 가성비를 고려하면 괜찮은 것 같다.  아, 겨울철 장점 하나를 꼽자면, 귀를 덮기 때문에 귀마개 역할을 할 수 있다. 여름에는 반대로 더울 것이기에 단점이겠지만;;  사용법도 별로 어렵지 않다. 페어링도 그냥 별도 절차 없이 '연결하기'로 쉽게 연결되었다. 코드 입력과 같은 절차가 없었다. 최대 이용 시간이 16시간이라고 나오는데, 시간을 재보거나 하지 않아서 저렇게 나오는지는 모르겠다. 하루에 16시간 연속으로 쓰는 일이 없어서 저런 게 불편할 것 같지는 않다. 야외에서 사용하는 경우에 문제가 될지 어떨지... 그런데 헤드폰의 죄는 힘이 커서 그렇게 오래 쓸 수 없을 것 같다. 몇 시간 사용하면 귀 부위 등이 뻐근해서 벗어놔야 한다. 헤드폰의 일반적 단점은 모두 공유한다고 보아야 한다. 일정 볼륨 이상에서 소리가 밖으로 새기 때문에 정숙을 요하는 공간에서 사용이 어렵다. 다만 예상외로 바깥 소음 차단이 잘 되었다. 과거 헤드폰 사용 경험으로 보면 바깥 소리가 잘 들어오는...

예전에 고전번역원 메일링 서비스로 우연히 보게 된 내용이다. 허목의 문집 《기언(記言)》에 실린 '어시재기(於是齋記)'라는 제목의 글이다. '於是齋記' 원문(클릭하면 고전DB로) 허목이 척주(陟州, 지금의 삼척 지역)의 부사로 재직할 때 전임 부사 임후에게 편지가 와 자신이 집을 하나 지어 '어시재(於是齋)'라 이름하였는데 허목이 기문과 편액을 적어 보내주면 좋겠다고 편지를 써 보냈다. 이에 허목이 임후에게 '어시재'라는 이름 내력을 알려달라 편지를 보냈다. 임후의 답장에는 아버지 묘 근처에 지은 집으로 여생을 보낼 곳이라 하며 이름의 내력이 되는 말을 이렇게 적었다. 아! 세상 사람들이 그른 것을 옳다고 하고 옳은 것을 그르다고 하는 것은 문란한 일입니다. 누구나 다 ‘나는 옳은 일을 능히 하고 그른 일을 하고자 하지 않는다.’ 하지만, 그의 행동을 꼼꼼히 살펴보면 옳은 것은 적고 그른 것은 많으니, 저는 이것을 두렵게 생각합니다. 噫, 世之是非非是, 亂矣。人之言莫不曰吾能於是, 而不願於非。然考之行事, 則於是者寡, 於非者蓋衆也。僕乃大懼也。 허목(許穆), 〈어시재기(於是齋記)〉, 《기언(記言)》 (고전DB 디렉토리: 기언 > 기언 별집 제9권 > 기(記) > 어시재기(於是齋記)) '나는 옳은 일에 능하다(吾能於是)', '옳은 것이 적다(於是者寡)'에서 '옳은 일에'(於是)라는 말을 따서 집의 이름을 지었던 것이다. 허목이 이 말을 보고 감탄하며 '기록할 만하다'하고 '기(記)'를 지었다. 경계할지어다 / 戒之哉 옳고 그름이여 / 有是非 옳은 것과 그른 것은 / 有是非 명철한 사람이면 가려낼 수 있다네 / 明者擇之 옳은 데 처하기가 어려운 게 아니라 / 處是非難 확고하게 지키기가 어려운 법이라네 / 確於是爲難 강한 자라야 능히 할 수 있나니 / 剛者得之 경계하고 경계할진저 / 戒之哉 사실 이런 관찰은 흔하기는 하다. 그...

'Our deepest fear'는 영화 〈코치 카터〉(2005)에서 티모 크루즈가 한 대사로 처음 접했다. 뭐 이래 멋있는 말이 다 있어? 영화 〈코치 카터〉의 한 장면 대사는 무척 길다. Timo Cruz: 'Our deepest fear is not that we are inadequate. Our deepest fear is that we are powerful beyond measure. It is our light, not our dark that most frightens us. Your playing small does not serve the world. There is nothing enlightened about shrinking so that other people don't feel insecure around you. We are all meant to shine as children do. It's not just in some of us; it's in everyone. And as we let our own lights shine, we unconsiously give other people to do the same. As we are liberated from our own fear, our presence automatically liberates others.' so I just wanna say thank you. You save my life. 우리의 가장 깊은 두려움은 우리가 무능하다는 것이 아닙니다. 우리의 가장 깊은 두려움은 우리 자신이 측정할 수 없을 만큼 강하다는 것입니다. 우리를 정말로 두렵게 하는 것은 우리의 어둠이 아니라 우리의 빛입니다. 당신의 소심한 행동은 세상에 도움이 되지 않습니다. 당신이 주위의 다른 사람들이 불안감을 느끼지 않도록 움츠리는 데에 깨달을 만한 것은 없습니다. 아이들이 그러듯이 우리 모두는 고유한 빛을 발하게 되어 있습니다. 우리 중...

출산율과 출생률은 어떻게 다른가┃출산율 0.75를 생각하며 (1) 출산율, 유독 한국이 낮은 이유는? 젠더 갈등?┃출산율 0.75를 생각하며(2) 에 이어서   새옹지마(塞翁之馬, 변방 노인의 말) 새옹지마 이야기는 모두들 잘 알고 있을 것이다. 말을 시작으로 일련의 좋은 일과 나쁜 일이 교차하면서 인생이 어떻게 될지 몰라 일희일비할 필요가 없다는 교훈을 주는 이야기다. 이에 비춰 볼 때, 초저출산이 마냥 나쁘기만 할까라는 생각을 해 볼 수 있다. 일단 나쁜 게 눈에 크게 들어오겠지만.   성역할 고정관념, 정상 가족 신화가 깨진다 앞서 글(2번)에서 언급을 했지만 성역할에 대한 인식 변화, 정상 가족 패러다임의 붕괴는 우리 사회가 이 문제로부터 얻게 될(아직 현실화되지 않았으니) 유익이 될 것 같다. '결혼은, 미친짓이다' 영화 포스터 결혼 해야 애를 낳을 수 있다는 고정관념에 갇혀 있는데, 결혼의 대차대조표가 엄청난 적자라는 것을 명확하게 인식시켜주는 사회에서 누가 애를 낳겠는가. 조선일보 등 기성 언론들의 '요즘 젊은 친구들 애를 안 낳는다, 말세야'라는 논조의 이야기는 결국 '노예들아, 노예를 낳아라'라는 이야기로 들린다. 우리 사회의 구조적 모순을 기득권의 이익을 지키는 방향으로 악화시켜 온 언론 권력들이 그렇게 '경제 활동 인구'(그렇게 쓰지만 '노예'라 읽는) 감소에 혀를 차고 있는 모습은 너무나도 위선적이다. 나도 노예지만 새로 태어날 아이도 노예가 된다, 물론 이런 인식만으로 아이를 낳지 않는 건 아닐 것이다. 나 살기도 팍팍한데 아이가 짐으로 느껴질 수도 있으니 안 낳는 것일 수도 있으니까. 그러나 (2)번 글에서 살펴 본 대로, 한국 사회에서 초저출산의 주요 요인은 '비혼'으로 드러나고 있다. 비혼으로 이끄는 장애물을 치워야 하고, 그러기 위해서는 한국에 뿌리 깊은 정상 가족의 신화가 깨질 필요가 있다. 이런 상황이라면 동성 커플, 비혼 커플 누...

[2022년 9월 1일 작성] 출산율과 출생률은 어떻게 다른가│출산율 0.75를 생각하며 에 이어서 저출산 대책으로 한국 정부가 그동안 투여한 예산 규모는 상상초월이다. 2006-2020년까지 저출산 정책에 쓰인 예산은 '380조'에 이른다( 관련 기사 ). 그러나 우리는 모두 알고 있다. 그 긴 기간, 천문학적 예산을 들여 해결하고자 한 이 문제는 전혀 개선되지 못했다는 것을 말이다. 정책은 실패였다. 2022년 6월 인구동향으로 발표된 결과를 보면 너무 명확하다. 2020년까지의 출생아 수와 합계 출산율 한국의 합계 출산율은 유래를 찾을 수 없을 정도로 낮다. 통상 OECD 국가들과 비교를 많이 한다. 위 자료와 연결해서 보기 쉽게 2020년 그래프를 찾아 봤다. 출처 : 파이낸셜뉴스 (https://www.fnnews.com/) theGlobalEconomy.com이란 곳의 통계치를 보면, 한국이 당당히 집계된 192개 국가 중 '적은 것으로' 1등을 차지하고 있다는 것을 확인할 수 있다. 친절하게 출생률이 가장 낮은 나라는 한국으로 인구 1,000명당 5.3명이 태어난다고 설명하고 있다. theGlobalEconomy.com의 국가별 출생률 순위 통계청이 발표한 2021년 '조출생률'은 5.1명이었고, 2022년 조출생률은 4.x가 될 것이 확실시되고 있다('2022년 6월 인구동향'을 보면 6월 조출생률은 4.5명이라고 한다). * *   조출생률, 출생률, 출산율, 합계 출산율 개념에 대해서는 " 출산율과 출생률은 어떻게 다른가┃출산율 0.75를 생각하며(1) "를 참고. 2020년 세계 각국의 합계 출산율 순위 합계 출산율도 2020년 기준 0.84로 세계 1위(뒤에서)였다. 해당 기록을 보면 2016년부터 한국은 최처 출산율 1위 국가를 유지하고 있다. '슈카'( 전 글 참조 )도 질문을 던지지만, '왜 유독 한국에서 출산율이 이렇게 낮은 것...

파이썬으로 로또 번호를 뽑을 수 있는 방법이 여러 가지 있겠지만, 나 같은 초보자가 짤 수 있는 것은 기껏해야 두 가지 정도다. random 라이브러리를 이용해서 1~45까지의 임의의 정수를 추출하는 randrange(1, 46), randint(1, 45)를 써서 숫자를 뽑는 방법이다. from random import * print (randrange( 1 , 46 )) print (randrange( 1 , 46 )) print (randrange( 1 , 46 )) print (randrange( 1 , 46 )) print (randrange( 1 , 46 )) print (randrange( 1 , 46 )) 이런 식으로 하면 1~45 사이의 6개의 숫자를 무작위로 뽑을 수 있다. 다만 이 경우는 중복을 막을 수 없다. 그렇게 중복이 자주 일어나는 것 같지는 않지만. 역시 random 라이브러리를 이용하지만, 리스트에서 원소를 뽑는 방식을 사용하면 훨씬 그럴 듯하게 '로또 번호'를 파이썬으로 만들어 볼 수 있다. 1~n까지 숫자로 이루어진 리스트를 만드는 방법을 알고, 해당 리스트에서 중복 없이 m개의 원소를 뽑는 함수를 알면 된다. 파이썬에서 1에서 N까지의 숫자 목록 위의 글에서 1~45까지 숫자 리스트 만드는 법을 참고할 수 있었다. 함수를 정의하는 방식으로 작성되어 있다. def createList (n): lst = [] for i in range (n+ 1 ): lst.append(i) return (lst) print (createList( 10 )) 0~10까지의 수로 이루어진 리스트를 이렇게 정의했는데, 원하는 것은 1~45이므로 range(1, n+1)로 해주면 1~n까지의 리스트 생성 함수를 정의할 수 있다. def createList (n): lst = [] for i in range ( 1 , n+ 1 ): lst.append(i) retur...

아래와 같은 코드를 주피터 노트북으로 실습할 때 문제가 생겼다. a = [1,2,3,3,4,5,5,6,7] print(a) print(set(a)) * 이 예제의 출처는 주피터 노트북 - 딕셔너리(dictionary), set 이를 실행하면 다음과 같은 결과를 보여줘야 한다. [1, 2, 3, 3, 4, 5, 5, 6, 7] {1, 2, 3, 4, 5, 6, 7} 그런데 다음과 같은 결과가 나왔다. [1, 2, 3, 3, 4, 5, 5, 6, 7] --------------------------------------------------------------------------- TypeError Traceback (most recent call last) Input In [25], in <cell line: 3>() 1 a = [1,2,3,3,4,5,5,6,7] 2 print(a) ----> 3 print(set(a)) TypeError: 'set' object is not callable 이런 문제에 봉착하면 통상 구글링을 해 보는데, '한국어' 검색에서는 참고할 만한 결과가 나오지 않았다. "TypeError: 'set' object is not callable"로 구글링 했을 때 검색된 첫 결과물에서 해결책을 찾을 수 있었다. 해결책은 너무 간단했다. 커널을 다시 시작하라.  이렇게 처리하니 제대로 값이 나왔다. 그런데 왜 이게 문제가 되었나 싶었는데, 세트 항목을 연습하면서 세트 하나의 이름을 set으로 설정해 놓고 set(a)라고 했으니 코드 내에 충돌이 있어서 Error가 생긴 것이었다. 아주 초보적 실수도, 코딩 초보자에게는 해결이 난감한 문제일 수 있다. 오늘도 하나 배웠네.

[2022년 9월 1일 작성] 한국 사회에서 출산율 감소로 인한 위기감이 팽배해 있다. 그런데 그런 인식과는 무관하게 연일 최저치를 갱신하고 있다. 8월 24일 통계청에서 2022년 6월 인구동향을 발표했다. 통계청의 2022년 6월 인구동향 보도자료 이 소식에 대해서는 '슈카 월드' 유튜브 채널을 통해서 접했다. "대한민국 출산율 0.75 달성"..."역대급 세계 기록 경신" ' 슈카 월드 ' 해당 방송 섬네일 이미지 우리가 일반적으로 접하는 0.x 수치는 '합계 출산율(total fertility rate)'을 말한다. 통계표에서 쉽게 볼 수 있는 수치 중의 하나는 '조출생률'이 있다. 이 개념부터 정리해 놓고 가야 한다. 2022년 6월 인구동향 자료 중 시도별 출생아 수와 합계출산율 '출산율'과 '출생률'이 말이 약간 다르다. 해당 수치의 개념이 다르기 때문이다. '산(産)'이라는 표현이 있으니 '낳는 비율'이라는 것이고 '생(生)'이라는 표현이 있으니 태어난 아기의 비율이겠다. 그렇다면 무엇에 대한 비율인지가 중요하다. 낳는 것은 통상 여자들이 낳으니 태어나는 아기와 가임기 여성 수의 비율을 말하는 게 '출산율'이고, 전체 인구수당 태어난 아기 수의 비율을 구하는 것이 '출생률'이다. * 출생률(Birth rate) = 출생아 수 / 전체 인구 수 출산율(Fertility rate) = 출생아 수 / 가임기 여성 수 * 같은 '率(비율 률)'을 쓰는데, 출생'률'과 출산'율'로 다르게 표기하는 이유는 두음 법칙 때문이다. 통상 첫 음절이 '랴, 려, 례, 료, 류, 리'라는 한자가 오면 '야, 여, 예, 요, 유, 이'로 적는다. '렬, 률'의 경우는 예외적으로 뒷음절임에도 ...

anthropo.tistory.com 을 최종적으로 없앴다. 방금 전에 이미지와 기타 첨부파일 백업을 완료했다. 텍스트 스크래핑 코드를 약간 응용해서 쉽게 코드를 짤 수 있었다. 오류도 꽤 줄일 수 있어서 텍스트 스크래핑보다는 적은 시간이 걸렸다. 파이썬 코딩 공부한 결과는 추후에 정리해 볼까 한다.  .   .   . 검열의 티스토리와는 이제 확실히 안녕.      

우여곡절 끝에 텍스트 백업을 마쳤다. 글을 비공개 상태로 스크랩핑 하는 방법이나 word 파일에 텍스트와 이미지를 모두 넣어 저장하는 방법 등을 고심했지만, 현재 나의 코딩 실력으로는 하세월이었다. 검색으로 찾아 볼 수 있는 코드와 유튜브 강의들을 참고해서 노가다로 만들었다. 약 790여개 * 의 아티클을 word 파일로 저장할 수 있었다.  * 위 이미지에서 'range' 항목이 709-907로 되어 있는데(이 의미는 url주소의 끝 숫자가 709에서 906까지 해당 페이지에 대해서 아래의 코드를 실행) 중간 중간에 예상하지 못한 error들을 다루며 코드를 바꿔가면서 했기 때문이다. 출발한 url의 숫자는 61번이었다. 중간에 결측치가 있기 때문에 846건의 아티클을 수집한 게 아니었다. 일정한 패턴의 url 주소를 바탕으로 해당 페이지의 내용을 구문분석해서 텍스트를 추출하고 그렇게 추출된 텍스트에서 제목, 시간 정보를 추출하여 가공하고, 본문 텍스트를 뽑아 제목과 본문을 워드 파일로 저장하게 한 코드다.  워드 파일명은 해당 게시물의 시간 정보+글 제목으로 만들었는데, 이 덕분에 가공이 더 필요했다. 제목에는 '<', '/', '?', '!', ':', '"' 등 컴퓨터 파일명에 쓸 수 없는 기호들이 담겨 있다. 이를 파일명에 쓸 수 있는 기호나 문자로 변환해 주거나 삭제할 필요가 있었다.  파일명을 그렇게 어렵게 정하지 않았다면 코드가 더 단순해졌겠지만, 파일에 담긴 글의 정보를 손쉽게 확인하게 하기 위해서 글제목으로 파일명을 삼기로 한 기준은 포기할 수 없었다   이 백업 데이터 중에서 무엇을 가공해서 쓸지는 또 한참 고민과 노가다가 남아 있다. 티스토리 블로그는 각 게시물의 이미지를 추출한 후에 모두 삭제할 예정이다. 조만간 티스토리와는 정말 안녕이다.

야메로 python을 배우다보니 기본적인 부분에서 문제가 발생하면 해결이 참 난감하다. python 3.9.x로 작업을 하고 있었는데, nltk를 import해서 word_tokenize 함수를 사용하려 할 때 문제가 발생했다. 오류가 발생할 때 문제해결에 집중해서 관련 문제가 구체적으로 무엇이었는지 찍어 놓지를 않아서 구체적인 오류 코드를 확인하지 못했다. 다만 python 3.9에 아나콘다3를 설치하고 Pycharm을 주로 사용했는데, nltk의 word_tokenize()를 쓰려고 할 때 문제가 발생했다. 문제해결 방법으로 일반적으로 추천되는 것이 nltk가 잘 인스톨 되었는지 체크하고 문제가 있다면 nltk.download()로 해결할 수 있다는 것이었다. 가령 저런 정보를 확인하고 시도해 보았다. 그러나 어떻게 된 일인지 cmd 창에서 'python'이 먹히지 않았고 python 창을 띄워서 작업하면 다음과 같은 결과가 나왔다. nltk 라이브러리가 없어서 문제라 생각해서 pip install nltk를 입력했는데, invalid syntax 오류만 떴다. 위에서 말한 대로 'nltk_data' 폴더를 C:에 만들고 해당 패키지를 수동으로 다운로드해서 시도해 봤지만 오류는 해결되지 않았다.  어딘가에서는 [시스템 속성>고급>환경변수>path]에서 'C:\Python'과 'C:\Python\Scripts'를 추가하면 문제가 해결될 것이라 해서 그렇게 해 봤는데 역시 문제는 해결되지 않았다. 'nltk 설치 오류' 등을 찾다가 아래와 같은 설명을 만날 수 있었다. 그래서 python 3.9.x를 지우고 3.7.9를 다시 설치했다. 그러나 invalid syntax 문제는 해결되지 않았다. 계속 찾아보니 경로의 문제라는 지적이 있었다. 앞에서도 봤던 것이라 시큰둥 했는데 경로 주소가 앞서 제시한 것과는 달랐다. C:\Users\[user_com_name]\AppData\...

디지털 자료를 다루는 데 빠뜨릴 수 없는 기술 중 하나가 자연어 처리(Natural Language Processing) 기술이다. 여기서 '자연어'란 컴퓨터 언어에 대비되는 인간의 언어를 말하는 것으로 우리가 일상에서 사용하는 말(소리, 텍스트 등)을 뜻한다. 챗봇이나 AI 스피커 등에 쓰이는 기술이 NLP 기술인데, '디지털 인문학' 분야에서 기본적으로 사용하는 분석 기법이기도 하다. 디지털 텍스트 자료를 수집해서 이를 분석한다면 바로 NLP 기술을 적용해서 해야 한다. 종교문화 연구에도 적용이 가능하리라 생각한다. 어쨌든 NLP도 웹스크래핑과 함께 공부를 시작했다. Python 공부를 하면서 수업 시간에 종종 사용했던 주피터 노트북(jupyter notebook)을 활용해서 관련 책을 보면서 연습을 했다.  (그냥 하는 소리지만 '주피터 노트북' 이야기를 처음 들었을 때는 '노트북 컴퓨터'를 떠올렸다. 몇 번 맛을 보고 시간이 흘러 사용한 것을 까먹을 때 쯤에는 파이썬 IDE 중 하나인 파이참이나 비쥬얼 스튜디오 같은 프로그램이라고 생각했다. 수업이나 관련 책에서 '주피터 노트북'을 준비하세요라는 말을 들을 때마다 '어 어떻게 깔지'라는 생각부터 했다. 근데 컴퓨터에 이미 깔려 있어서 '뭐지?'했던 기억이... '아나콘다' 깔면서 사용할 수 있게 되었던 것인 듯. 뭐 IDE 중 하나긴 한데, 웹브라우저에서 구동해서 구글의 코랩colab 같은 종류로 느껴진다. 실제로 교육 현장에서는 jupyter나 colab을 많이 쓰는 듯. colab은 클라우드 기반이라 협업-그래서 Colaboratory 의 앞글자로 colab이라 한 것-에 강점을 가진다고 한다. 참고 ) ━━━━━━ 문장이 있으면 단어들의 일부를 뽑을 수도 있고(3행은 위 문장에서 짝수 번째 단어를 추출한 것이다), 특정 단어만 뽑을 수도 있고(아래), 글자의 순서를 뒤바꿀 수도 있다....