호주·뉴질랜드 계보 연구에 재스캔이 필요 없는 이유

• 목록
• 답변
• 글쓰기
• 옵션
  • 수정
  • 삭제

오래된 계보 CD를 열었는데 검색창이 없거나 글자가 이미지로만 보인다면, 가장 먼저 ‘더 높은 해상도로 다시 스캔해야 하나?’라는 생각이 듭니다. 그러나 최근의 문자인식 기술은 자료를 다시 촬영하기보다 기존 스캔 이미지를 더 정확하게 읽고 연결하는 방향으로 발전하고 있습니다.

특히 호주·뉴질랜드의 인명록, 연감, 교회 회보처럼 지면 구성이 복잡한 자료에서는 선명도 하나보다 이름·주소·직업·연도를 함께 해석하는 능력이 중요합니다. 원본 이미지가 보존된 Colonial CD Books 자료라면 재스캔 비용을 들이기 전에 현재 파일에서 무엇을 추출할 수 있는지부터 살펴볼 필요가 있습니다.

계보 자료의 변화는 해상도보다 문맥 인식에서 시작됩니다

OCR은 글자를 읽고, 최신 모델은 기록의 관계를 읽습니다

기존 OCR은 한 페이지에서 활자를 문자로 바꾸는 데 집중했습니다. 낡은 종이의 얼룩, 기울어진 행, 세로 구분선, 작은 광고 글씨가 섞이면 인식률이 급격히 낮아졌고, ‘McDonald’가 ‘M’Donald’나 ‘McDonalcl’로 변하는 오류도 흔했습니다. 이 때문에 연구자는 검색 결과가 없으면 자료 안에 조상이 없다고 오해하기 쉬웠습니다.

최근 흐름은 단순 OCR에서 레이아웃 인식과 문맥 보정으로 이동하고 있습니다. 이름 옆에 직업과 거주지가 반복되는 인명록 구조, 교회명 아래 세례·혼인·장례 소식이 이어지는 회보 구조를 모델이 구분하면 한 글자를 잘못 읽더라도 주변 단어를 이용해 후보를 제시할 수 있습니다. 예컨대 ‘Nelson’이 얼룩 때문에 ‘Neison’으로 읽혀도 뉴질랜드 지명, 같은 페이지의 주소, 인접 인물의 교구 정보를 함께 대조하면 검색 후보로 되살릴 수 있습니다.

• 문자 계층: 성명, 상호, 선박명처럼 실제 검색할 문자열을 추출합니다.
• 지면 계층: 본문, 광고, 색인, 머리말, 표의 열을 서로 다른 영역으로 분리합니다.
• 관계 계층: 인물과 주소, 직업, 교회, 연도 사이의 연결을 구조화합니다.
• 검증 계층: 추출된 문자를 원본 이미지의 해당 위치와 다시 연결해 사람이 확인하게 합니다.

이 변화는 호주와 뉴질랜드를 하나의 고정된 지명 목록으로 취급해서는 안 된다는 점도 보여줍니다. 식민지 시기의 행정구역과 오늘날의 표기가 다를 수 있으므로 오스트레일리아의 지리적 배경과 뉴질랜드 개관 자료를 함께 확인하면 동일 지명이나 지역 범위를 성급하게 단정하는 일을 줄일 수 있습니다.

검색되지 않는 이름은 없는 이름이 아닙니다. 철자 변형, 활자 손상, 열 구분 오류를 고려해 성의 앞부분·주소·직업을 각각 검색한 뒤 원본 페이지에서 다시 확인하는 편이 안전합니다.

기존 계보 CD를 검색형 연구 자료로 바꾸는 실전 흐름

파일 복제본과 작업본을 먼저 분리합니다

재스캔이 필요 없다는 말은 원본 파일을 곧바로 변환해도 된다는 뜻이 아닙니다. CD의 폴더 구조와 파일명을 그대로 유지한 보존용 복제본을 만들고, OCR·회전·대비 보정은 별도의 작업본에서 진행해야 합니다. 파일명에는 자료명, 권·연도, 페이지 번호를 일정한 순서로 넣되 판매 CD에 제공된 기존 식별자가 있다면 삭제하지 않는 것이 좋습니다.

OCR 도구는 무료 오픈소스부터 월 구독형 문서 인식 서비스까지 선택 폭이 넓습니다. 비용은 페이지 수, 클라우드 업로드 여부, 표 인식 기능에 따라 달라지므로 ‘가장 비싼 서비스가 가장 정확하다’고 볼 수는 없습니다. 20~30쪽을 표본으로 뽑아 인명록, 광고, 색인, 손상 페이지를 고르게 시험하고, 이름 검색 성공률과 원문 위치 확인 가능성을 기준으로 선택하는 편이 효율적입니다.

1. 이미지 상태를 확인합니다. 확대했을 때 글자의 획이 구분되고 페이지가 잘리지 않았다면 우선 기존 파일을 활용합니다.
2. 자동 회전과 영역 분리를 적용합니다. 여러 열로 구성된 디렉터리는 OCR 전에 읽기 순서를 바로잡아야 합니다.
3. 언어와 시대 사전을 설정합니다. 영어 기본 사전에 Nelson, Otago, Canterbury, Melbourne 같은 지명 후보를 추가합니다.
4. 검색 가능한 PDF나 텍스트를 만듭니다. 원본 이미지 위에 투명한 문자층을 얹는 방식이면 페이지 외형을 유지할 수 있습니다.
5. 표본을 사람이 대조합니다. 성명, 연도, 주소, 페이지 번호 가운데 하나라도 다르면 확정 데이터가 아닌 후보로 표시합니다.

인명 검색은 한 번이 아니라 변형 묶음으로 실행합니다

가령 1880년대 기록에서 ‘Thompson’을 찾는다면 Thompson만 입력해서는 부족합니다. Thomson, Tompson, Thos. 같은 표기와 OCR 오독 가능성을 별도 후보로 구성해야 합니다. 여성 조상은 결혼 전 성과 결혼 후 성, ‘Mrs + 남편 이름’, 이니셜 표기가 섞일 수 있으므로 개인 이름만이 아니라 자녀·배우자·교회·거리 이름까지 검색 범위를 넓혀야 합니다.

자료 종류에 따라 검색 전략도 달라집니다. Wises New Zealand Index와 지역 디렉터리에서는 주소와 직업의 연속성이 중요하고, New Zealand Church Messenger 같은 교회 자료에서는 교구명과 성직자, 행사 참석자가 연결 고리가 됩니다. Cyclopedia of New Zealand는 전기적 서술과 사업체 설명이 길어 동일 인물의 이력 후보를 넓히는 데 유리하지만, 본인이 제공한 소개가 포함될 수 있어 모든 문장을 독립적인 사실로 받아들이면 안 됩니다.

뉴질랜드의 산업·생활 배경을 해석할 때는 뉴질랜드 비즈니스 배경 자료도 보조적으로 활용할 수 있습니다. 다만 현대의 산업 설명을 옛 직업명에 그대로 대입하지 말고, 당시 연감과 디렉터리에서 같은 표현이 어떻게 사용됐는지 확인해야 합니다.

OCR 결과를 족보 프로그램에 바로 붙여 넣지 마세요. 먼저 ‘원문 표기’, ‘현대화한 표기’, ‘연구자의 추정’을 서로 다른 필드로 나누면 나중에 오류를 고치기 쉽습니다.

그래도 재스캔이 낫다는 반론은 어디까지 타당할까요

글자 정보가 원본에 남아 있지 않다면 기술도 복원할 수 없습니다

기존 이미지 활용이 유리하더라도 재스캔이 언제나 불필요한 것은 아닙니다. 페이지 가장자리가 잘려 성의 첫 글자가 사라졌거나, 압축 과정에서 작은 활자가 네모난 픽셀로 뭉개졌거나, 흑백 변환 때문에 연필 메모와 옅은 잉크가 없어졌다면 AI는 사라진 정보를 정확히 되살릴 수 없습니다. 보기 좋은 문장을 생성할 수는 있어도 그것은 사료 판독이 아니라 추정입니다.

반대로 글자의 기본 획이 남아 있고 확대 시 판별 가능하다면 먼저 후처리를 시험하는 것이 합리적입니다. 기울기 보정, 배경 얼룩 제거, 열 분리, 글자 대비 조정만으로도 검색 품질이 크게 달라질 수 있습니다. 중요한 기준은 DPI 숫자 자체가 아니라 연구에 필요한 증거가 현재 이미지에 실제로 남아 있는가입니다.

• 재스캔을 검토할 상황: 페이지 일부 누락, 초점 불량, 심한 압축 손상, 회색 메모 소실, 접힌 부분의 문자 가림이 확인됩니다.
• 기존 파일을 우선할 상황: 본문 획이 보이고 페이지 번호가 유지되며, 원자료에 다시 접근하기 어렵거나 제본 손상 위험이 큽니다.
• 판단을 보류할 상황: OCR 정확도는 낮지만 사람이 확대해 읽을 수 있다면 여러 전처리 설정으로 표본 시험을 먼저 합니다.

클라우드 AI보다 수작업 색인이 낫다는 시각도 남아 있습니다

계보 자료에는 생년월일, 혼인 관계, 종교, 주소처럼 민감하게 느껴질 수 있는 정보가 포함됩니다. 역사 자료라 해도 클라우드 서비스에 대량 업로드하기 전에는 이용약관, 저장 기간, 모델 학습 사용 여부, 지역별 저작권 조건을 확인해야 합니다. 공개 업로드가 부담스럽다면 로컬 컴퓨터에서 실행되는 OCR을 선택하거나 필요한 페이지만 분리해 처리하는 방식이 현실적인 대안입니다.

또한 희귀 성씨와 지역 지명을 아는 연구자의 수작업 색인이 자동 인식보다 정확한 경우도 많습니다. 다만 수작업만 고집하면 수천 페이지의 잠재적 연결을 놓칠 수 있으므로, 기계 검색은 후보를 넓히고 사람은 증거를 판정하는 역할 분담이 효과적입니다. 예를 들어 AI가 동일 주소에서 세 개의 유사 성씨를 찾았다면 연구자는 원본 활자, 전후 연도 인명록, 교회 기록을 대조해 같은 가족인지 판단할 수 있습니다.

앞으로의 변화도 ‘AI가 계보 연구자를 대신한다’는 방향보다는 이미지 속 기록을 더 쉽게 발견하게 하는 보조층에 가깝습니다. 자동 필기 인식, 인명·지명 개체 추출, 페이지 간 연결 기능은 개선되겠지만 출처의 성격과 기록 당시의 편견까지 자동으로 해결하지는 못합니다. 오히려 오래된 CD 이미지와 정확한 페이지 출처를 보존한 연구자가 새로운 도구의 혜택을 가장 크게 받을 가능성이 높습니다.

따라서 재스캔에 반대하는 관점과 고해상도 재촬영을 지지하는 관점은 서로 배타적이지 않습니다. 원자료에 다시 접근할 기회가 있고 기존 파일에서 글자가 실제로 소실됐다면 재스캔은 장기 보존을 위한 투자입니다. 그렇지 않다면 먼저 보존용 복제본을 만들고, OCR 표본 시험과 변형 검색을 실행해 보세요. 새 장비를 구입하기 전에 현재 이미지가 품고 있는 관계 정보를 끝까지 꺼내 보는 것이 호주·뉴질랜드 계보 연구의 더 경제적이고 검증 가능한 출발점입니다.