호주·뉴질랜드 계보 검색, OCR과 원문 이미지의 승부
이름이 안 나올 때, OCR의 속도를 믿어도 될까요?
호주·뉴질랜드 계보 자료에서 조상의 이름을 검색했는데 결과가 없다면, 여러분은 다른 책으로 넘어가시겠습니까? 같은 자료라도 OCR 검색으로 찾는 사람과 원문 이미지를 넘겨보는 사람이 얻는 단서는 달라질 수 있습니다. 검색창은 글자로 변환된 부분을 찾고, 이미지는 글자가 놓인 지면을 보여주므로, 두 방식의 경쟁은 속도뿐 아니라 무엇을 놓치는지까지 살펴야 합니다.
OCR의 승부처는 넓게 찾는 속도입니다
OCR은 스캔 이미지의 글자 모양을 인식해 검색 가능한 텍스트를 만드는 기술입니다. 뉴질랜드 국립도서관은 종이 상태, 작은 활자, 여러 글꼴, 다단 편집, 훼손된 페이지 등이 인식 정확도를 떨어뜨릴 수 있다고 설명합니다. 따라서 검색 결과 없음을 곧바로 기록 부재로 받아들이기보다, 검색에 사용된 텍스트가 원문을 제대로 반영했는지 확인해야 합니다. 출처: [뉴질랜드 국립도서관의 OCR 설명](https://natlib.govt.nz/about-us/media/text-corrections-new-feature-for-papers-past).
- 이름 후보가 많다면 OCR이 유리합니다. 여러 권에서 같은 성과 직업을 찾아 후보 페이지를 모으면 처음부터 전권을 읽는 부담을 줄일 수 있습니다. 다만 검색어를 한 번에 많이 붙이면 일부 단어가 다르게 인식된 항목을 놓칠 수 있으므로, 조건을 하나씩 더하는 편이 원인을 추적하기 쉽습니다.
- 읽을 범위가 좁다면 이미지가 유리합니다. 특정 지역의 상인 명단 몇 쪽만 확인하면 되는 상황에서는 성을 반복 입력하기보다 해당 구간을 직접 읽는 편이 효율적일 수 있습니다. 이때는 이름뿐 아니라 주소, 직업, 바로 위의 지역 제목도 함께 확인합니다.
- 검색 실패에도 기록을 남깁니다. 자료명, 검색 범위, 입력한 철자, 날짜를 적어두면 나중에 같은 시도를 되풀이하지 않을 수 있습니다. ‘조상 없음’이 아니라 ‘이 검색 조건으로 발견하지 못함’이라고 써야 조사 결과의 범위를 정확하게 전달할 수 있습니다.
스캔 CD와 검색 가능한 CD는 같은 뜻이 아닙니다
Colonial CD Books의 제공된 소개는 호주와 뉴질랜드의 오래되고 희귀한 책을 스캔해 이미지로 재현한 CD 자료를 설명합니다. 이 설명만으로 모든 상품에 OCR, 전체 문서 검색, 복사 가능한 텍스트가 포함된다고 판단할 수는 없습니다. 자료가 디지털이라는 사실과 본문을 검색할 수 있다는 사실을 구분하고, 실제 상품 설명이나 견본에서 확인된 기능을 기준으로 조사 방식을 정하십시오.
| 판단 기준 | OCR 검색 | 원문 이미지 판독 |
|---|---|---|
| 강점 | 많은 페이지에서 후보 단어를 빠르게 찾습니다. | 철자와 줄·열·제목의 관계를 함께 봅니다. |
| 약점 | 인식 오류와 텍스트 누락에 영향을 받습니다. | 시간이 들고 작은 활자에서는 눈의 피로가 큽니다. |
| 사용 조건 | 검색용 텍스트와 이를 읽는 기능이 필요합니다. | 판독 가능한 이미지와 확대 수단이 필요합니다. |
| 남길 근거 | 검색어, 검색 범위, 발견 위치를 기록합니다. | 서지정보, 인쇄 쪽수, 확인한 지면 범위를 기록합니다. |
디렉터리의 한 줄에서는 이미지가 판정을 뒤집습니다
설명을 위한 가상 사례로, 뉴질랜드의 한 디렉터리에 ‘Brown, J., carpenter’라는 항목이 있다고 가정해 보겠습니다. OCR에서 이름과 직업을 찾았더라도, 옆 열의 주소가 뒤섞여 붙었다면 실제 지면과 다른 거주 정보를 메모하게 됩니다. 검색 적중은 후보 발견이며, 그 이름과 주소와 직업이 같은 항목에 속한다는 확인까지 끝난 상태는 아닙니다.
철자보다 먼저 열과 들여쓰기를 확인합니다
인명록과 연감은 짧은 항목을 촘촘히 배치할 수 있으므로, 글자 하나뿐 아니라 구분 기호와 줄바꿈도 읽어야 합니다. 같은 성이 이어지는 줄, 반복 표현을 대신하는 기호, 다음 열의 첫 항목이 어떻게 처리되는지는 해당 자료의 실제 편집을 보고 판단해야 합니다. 여러분이 복사한 한 줄에 낯선 지명이 섞여 있다면, 곧바로 이사했다고 해석하기 전에 열이 바뀌는 경계와 페이지 상단 제목부터 살펴보십시오.
- 같은 글자를 문서 안에서 대조합니다. 가령 ‘rn’이 ‘m’처럼 읽히거나 숫자 ‘1’과 소문자 ‘l’이 헷갈리는 상황이라면, 같은 페이지에서 선명하게 인쇄된 비슷한 글자를 찾아봅니다. 이는 가능한 판독 혼동을 설명한 예시이며, 특정 성이 실제로 오기되었다는 주장은 아닙니다. 확대해도 확신이 서지 않으면 후보 철자를 함께 남깁니다.
- 이니셜을 이름으로 확장하지 않습니다. ‘J. Brown’을 찾았다고 해서 가족에게 전해 들은 John Brown이라고 바로 적지 않습니다. James나 Joseph처럼 다른 이름도 가능하므로, 원문 표기는 그대로 보존하고 알려진 직업·지역·관련 인물과 대조합니다. 조건이 잘 맞아도 다른 기록에서 연결이 확인되기 전까지는 후보로 취급합니다.
- 항목의 시작과 끝을 표시합니다. 이름만 좁게 잘라두면 뒤에 보이는 주소가 같은 사람의 것인지 재검토하기 어렵습니다. 해당 줄과 위아래 항목, 지역 제목이 보이도록 확인 범위를 확보하고, 조사 메모에는 어떤 배열 근거로 이름과 주소를 연결했는지 짧게 적습니다.
- 정정표와 약어 설명도 읽습니다. 본문에서 발견한 축약어를 현대의 익숙한 직업명으로 곧바로 번역하지 않습니다. 앞부분의 편집 안내나 약어표가 있다면 먼저 대조하고, 뒤쪽에 정정표가 수록되어 있다면 해당 항목이 수정되었는지도 확인합니다. 설명이 없는 약어는 원문을 유지한 채 해석을 별도로 표시하는 편이 안전합니다.
지리 배경을 읽는 일과 주소를 입증하는 일은 다릅니다
호주와 뉴질랜드의 지리 배경이 낯설다면 오스트레일리아 지식백과 항목과 뉴질랜드 개관을 배경 독서의 출발점으로 삼을 수 있습니다. 다만 이런 개괄 자료를 특정 조상의 거주지나 당시 행정구역을 입증하는 근거로 대신 사용해서는 안 됩니다. Nelson이라는 지명을 찾았더라도 자료가 가리키는 지역 범위는 그 책의 제목, 해당 장의 표제, 발행 정보를 함께 보고 확인해야 합니다.
판독 팁: 이름을 확대해서 읽은 뒤에는 반드시 페이지 전체 보기로 돌아가십시오. 글자를 정확히 읽는 일과 그 글자가 어느 항목에 속하는지 판단하는 일은 별도의 확인 과정입니다.
검색 시간과 판독 시간, 어디에 먼저 투자할까요?
이미지가 더 많은 맥락을 보여준다고 해서 모든 페이지를 처음부터 읽는 방식이 늘 효율적인 것은 아닙니다. 반대로 OCR이 빠르다고 해서 같은 철자를 계속 입력하면 발견 확률이 저절로 높아지는 것도 아닙니다. 넓은 범위에서 후보를 찾을 때는 OCR, 좁힌 후보를 확인할 때는 이미지에 시간을 배분하면 두 방식의 장점을 실무에 연결할 수 있습니다.
한 사람을 조사할 때 작업 순서를 바꿔봅니다
다음 순서는 권장 작업 예시이며, 특정 CD에 모든 기능이 있다는 뜻은 아닙니다. 검색 기능이 없다면 OCR 단계에서 막혀 기다리기보다 목차와 인쇄된 색인에서 후보 구간을 찾고 이미지로 이동합니다. 직업이나 도시를 이미 알고 있다면 인명 색인뿐 아니라 관련 지역·업종별 배열이 있는지도 살펴볼 만합니다.
- 질문을 한 문장으로 제한합니다. ‘이 사람의 일생’ 대신 ‘이 자료에서 어느 주소와 직업으로 기재되는가’를 묻습니다. 답해야 할 항목이 분명하면 불필요한 검색과 판독을 줄일 수 있습니다.
- 표기 후보를 준비합니다. 알고 있는 성, 이니셜, 이름의 생략형을 구분해 적습니다. 철자 변형은 발견을 돕는 검색 후보로 사용하되, 서로 다른 표기가 같은 인물이라는 증거로 삼지 않습니다.
- 결과를 지면에서 확인합니다. 발견 페이지에 들어가 이름·직업·주소의 연결을 확인합니다. 검색된 부분만 보지 말고 위아래 항목과 앞뒤 페이지에서 배열이 이어지는지도 살펴봅니다.
- 빈 결과는 범위를 바꿔 재검토합니다. 조건을 하나씩 풀어 검색하거나 해당 지역의 구간을 직접 읽습니다. 자료의 수록 범위 밖인지, 이름이 다른 방식으로 기재되었는지, 텍스트가 없는 구간인지를 구분해 메모합니다.
가격표 밖에 있는 준비 비용도 따져봅니다
CD 자료의 비용은 판매가만으로 판단하기 어렵습니다. 배송 조건, 디스크를 읽을 장치의 유무, 수록 파일을 열 수 있는지, 검색 기능을 별도로 마련해야 하는지에 따라 실제 준비가 달라지므로 상품 가격과 이용 환경을 함께 확인하십시오. 현재 판매가와 파일 형식이 확인되지 않은 상품에 임의의 가격대나 호환성을 붙이기보다, 견본에서 작은 활자가 읽히는지와 필요한 권·지역이 포함되는지를 먼저 확인하는 편이 구매 판단에 도움이 됩니다.
그래도 원문부터 읽겠다는 선택에는 이유가 있습니다
OCR을 먼저 사용하자는 접근에 동의하지 않는 연구자도 있을 수 있습니다. 가족의 이름을 찾는 목적보다 한 지역의 직업 분포나 교회 공동체의 연결을 읽는 목적이 크다면, 검색어를 정하는 순간 이름 없는 단서와 주변 인물을 놓칠 수 있기 때문입니다. 질문이 인물 한 명을 향하는지, 그 사람이 살던 환경을 향하는지에 따라 먼저 펼칠 화면이 달라집니다.
복사하기 쉬운 텍스트와 다시 확인할 수 있는 기록
OCR 텍스트를 복사하면 메모 작성은 빨라지지만, 나중에 다른 가족이 그 문장을 검토하려면 실제 출처로 돌아갈 수 있어야 합니다. 원문 이미지를 확인했더라도 화면에 보이는 파일 순번만 적으면 인쇄 쪽수와 혼동할 수 있으므로, 제목·권·발행 정보·인쇄 쪽수·파일 내 위치를 구분해 남기는 방식을 권합니다. Cyclopedia of New Zealand 같은 다권 자료를 조사할 때에도 제목만 적는 대신 실제로 열람한 권의 표제지와 해당 지면을 기준으로 출처를 기록하십시오.
- 서지정보는 본 자료에서 옮깁니다. 표제지와 발행 정보를 확인하고, CD 상품명과 책의 실제 제목이 다르면 둘을 구분합니다. 인쇄 쪽수가 없거나 읽히지 않을 때는 임의로 만들지 말고 ‘쪽수 확인 불가’와 파일 내 위치를 함께 남겨 재탐색할 길을 마련합니다.
- 전사문과 해석문을 분리합니다. 전사문에는 확인한 철자와 약어를 유지하고, 해석문에는 한국어 번역이나 인물 연결의 이유를 적습니다. 흐릿한 부분은 판독이 불확실하다고 표시합니다. OCR의 출력, 사람이 수정한 전사, 가족관계에 대한 추론이 한 문장으로 섞이면 어느 단계에서 판단이 달라졌는지 추적하기 어려워집니다.
- 불일치는 지우지 않고 병기합니다. 이미지에서 읽은 철자와 검색 텍스트가 다르면 두 표기를 적고 왜 수정했는지 설명합니다. 원문 자체의 오기로 의심되더라도 곧바로 고쳐 인용하지 않습니다. 다른 기록과의 대조 결과는 별도 메모로 남겨 원자료의 진술과 연구자의 판단을 구별합니다.
- 자료의 성격만큼 주장도 좁힙니다. 디렉터리의 한 항목에서 확인한 것은 우선 그 책에 실린 이름·직업·주소입니다. 그 기록 하나로 혈연관계, 실제 거주 기간, 이주 경로까지 모두 확정하지 않습니다. 전기집이나 교회 자료에서 관련 진술을 찾았다면 출처를 각각 기록하고 서로 무엇을 보완하는지 설명합니다.
기록 팁: ‘이 사람이다’라는 문장 옆에 같은 이름 외에 어떤 연결 근거가 있는지 적어보십시오. 근거를 구체적으로 쓰기 어렵다면, 확정 항목보다 추가 확인이 필요한 후보 목록에 두는 편이 조사 과정을 명료하게 만듭니다.
지역사 연구라면 검색보다 훑어보기가 앞설 수 있습니다
예를 들어 지역사의 관심사가 특정 성씨가 아니라 상점의 밀집, 반복되는 직업명, 교회 소식에 등장하는 관계라면 페이지를 순서대로 읽는 쪽이 새로운 질문을 만들기 쉽습니다. 반대로 이미 알고 있는 인물의 이름이 수백 쪽 중 어디에 등장하는지 찾는 작업에서는 검색 가능한 텍스트가 큰 도움을 줄 수 있습니다. 여러분의 질문이 ‘누가 등장하는가’에서 ‘어떤 공동체 속에 있었는가’로 바뀌는 순간에는 원문 우선이라는 선택도 합리적이므로, 지역 표제부터 차근차근 읽는 방식에 먼저 시간을 배정하십시오.

- 다음글호주·뉴질랜드 계보, 이주 연도를 한 해로 단정할 필요 없다 26.11.21
등록된 댓글이 없습니다.
