TED2007
Erin McKean: The joy of lexicography
에린 맥킨, 사전을 새롭게 정의하다
Filmed:
Readability: 3.3
1,271,097 views
인터넷이 발달함에 따라 우리가 아끼는 종이책 사전은 결국 멸종 위기에 처하게 될까요? 강연자 에린 맥킨 씨는 이 시대의 손꼽히는 사전 편찬자입니다. 변화를 꿈꾸는 종이책 사전에 대한 그녀의 열정적인 강연을 들어보시죠.
Erin McKean - Dictionary editor
As the co-founder of Reverb Technologies, the maker of the online dictionary Wordnik, Erin McKean is reshaping how we interact with language itself. Full bio
As the co-founder of Reverb Technologies, the maker of the online dictionary Wordnik, Erin McKean is reshaping how we interact with language itself. Full bio
Double-click the English transcript below to play the video.
00:25
Now, have any of y'all ever looked up this word?
0
0
4000
혹시 사전에서 이 단어 찾아보신 분 계신가요?
00:29
You know, in a dictionary? (Laughter) Yeah, that's what I thought.
1
4000
4000
(웃음) 제 생각대로군요.
00:33
How about this word?
2
8000
2000
이 단어는요?
00:35
Here, I'll show it to you.
3
10000
1000
보세요.
00:36
Lexicography: the practice of compiling dictionaries.
4
11000
3000
사전 편찬: 자료를 수집하여 사전을 편찬하는 행위
00:39
Notice -- we're very specific -- that word "compile."
5
14000
3000
"수집하고 편찬"한다는 구체적인 동사를 주목하세요.
00:42
The dictionary is not carved out of a piece of granite,
6
17000
3000
사전은 바윗덩이를 조각해가듯 만드는 게 아니에요.
00:45
out of a lump of rock. It's made up of lots of little bits.
7
20000
3000
제각기 분리된(discrete) 상태의 수많은 조각을
00:48
It's little discrete --
8
23000
1000
이어 붙여서 만듭니다.
00:49
that's spelled D-I-S-C-R-E-T-E -- bits.
9
24000
4000
"discrete"가 D-I-S-C-R-E-T-E의 알파벳 조각들로 이루어진 것처럼요.
00:53
And those bits are words.
10
28000
2000
이런 알파벳 조각들이 모여 단어가 됩니다.
00:55
Now one of the perks of being a lexicographer --
11
30000
4000
사전 편찬자의 특혜 중 하나는
00:59
besides getting to come to TED -- is that you get to say really fun words,
12
34000
3000
TED에 올 수 있다는 것 외에도 -- 정말 웃긴 단어들을 발음해 볼 기회를 얻는 거에요.
01:02
like lexicographical.
13
37000
3000
lexicographical(사전 편찬의) 처럼요.
01:05
Lexicographical has this great pattern:
14
40000
2000
Lexicographical이란 단어의 발음 패턴을
01:07
it's called a double dactyl. And just by saying double dactyl,
15
42000
2000
Double Dactyl(2중 강약약격)이라고 하는데요.
01:09
I've sent the geek needle all the way into the red. (Laughter) (Applause)
16
44000
3000
방금 이 말은 너무 도가 지나친 전문용어였죠?
01:12
But "lexicographical" is the same pattern as "higgledy-piggledy."
17
47000
4000
쉽게 말해 "lexicographical"의 패턴이
01:16
Right? It's a fun word to say,
18
51000
2000
"히글디 피글디"랑 같다는거죠. 재밌는 발음이죠?
01:18
and I get to say it a lot.
19
53000
3000
이렇게 특이한 단어를 말할 기회가 많은 게 좋아요.
01:21
Now, one of the non-perks of being a lexicographer
20
56000
3000
반대로 나쁜 점들도 있어요.
01:24
is that people don't usually have a kind of warm, fuzzy, snuggly image of the dictionary.
21
59000
5000
그 중 한 가지는, 사람들이 사전을 따뜻하고, 뽀송뽀송하고, 포근하게 느끼지 않는다는 거에요.
01:29
Right? Nobody hugs their dictionaries.
22
64000
3000
자기 사전을 안아주는 사람은 없잖아요.
01:32
But what people really often think about the dictionary is, they think more like this.
23
67000
7000
오히려 사람들은 제가 무슨 교통 경찰인 줄 알아요.
01:39
Just to let you know, I do not have a lexicographical whistle.
24
74000
3000
하지만, 저는 '사전 편찬용 호루라기'도 없는 걸요.
01:42
But people think that my job is to let the good words
25
77000
2000
그런데도 사람들은 사전 편찬자들이
01:44
make that difficult left-hand turn into the dictionary,
26
79000
3000
좋은 단어들은 어렵게 만들어서 사전에 넣고,
01:47
and keep the bad words out.
27
82000
2000
나쁜 단어들은 못 들어오게
01:49
But the thing is, I don't want to be a traffic cop.
28
84000
3000
막는 사람이라고 생각하나봐요.
01:52
For one thing, I just do not do uniforms.
29
87000
4000
하지만 교통 경찰은 하고 싶지 않아요. 일단, 유니폼을 싫어해요.
01:56
And for another, deciding what words are good
30
91000
4000
그리고 -- 어떤 단어가 좋은지 나쁜지
02:00
and what words are bad is actually not very easy.
31
95000
2000
결정하는 일은 어렵기도 하지만
02:02
And it's not very fun. And when parts of your job are not easy or fun,
32
97000
4000
재미도 없어요. 직업으로 해야할 일이
02:06
you kind of look for an excuse not to do them.
33
101000
3000
어렵고 재미도 없다면,
02:09
So if I had to think of some kind of occupation
34
104000
5000
핑계를 찾기 마련이잖아요. 그래서 만약 제 직업을
02:14
as a metaphor for my work, I would much rather be a fisherman.
35
109000
6000
무엇인가에 비유해야 한다면 저는 낚시꾼에 비유하겠어요.
02:20
I want to throw my big net into the deep, blue ocean of English
36
115000
3000
커다란 어망을 깊고 푸른 영어의 대양에 던져 넣고
02:23
and see what marvelous creatures I can drag up from the bottom.
37
118000
4000
어떤 굉장한 생명체들이 끌려 올라오는지 보는 거죠.
02:27
But why do people want me to direct traffic, when I would much rather go fishing?
38
122000
5000
저는 이렇게 낚시하러 가고 싶은데, 왜 경찰 노릇을 하라는 거죠?
02:32
Well, I blame the Queen.
39
127000
2000
글쎄, 빅토리아 여왕 탓이겠죠.
02:34
Why do I blame the Queen?
40
129000
2000
왜 여왕 탓이냐고요?
02:36
Well, first of all, I blame the Queen because it's funny.
41
131000
2000
우선, 웃겨서 말해봤어요.
02:38
But secondly, I blame the Queen because
42
133000
3000
하지만, 진짜 이유는 이거에요.
02:41
dictionaries have really not changed.
43
136000
2000
빅토리아 여왕이 다스리던 시대 이래로
02:43
Our idea of what a dictionary is has not changed since her reign.
44
138000
2000
사전은 크게 변한 점이 없거든요.
02:45
The only thing that Queen Victoria would not be amused by in modern dictionaries
45
140000
6000
여왕께서 현대의 사전에 대해 '흡족하시지' 않을만한 사항은
02:51
is our inclusion of the F-word, which has happened
46
146000
3000
1965년 이후 미국 사전에
02:54
in American dictionaries since 1965.
47
149000
2000
욕설이 포함되기 시작했다는 것 뿐이에요.
02:56
So, there's this guy, right? Victorian era.
48
151000
3000
이 사람 보세요. 빅토리아 시대의 인물입니다.
02:59
James Murray, first editor of the Oxford English Dictionary.
49
154000
2000
옥스포드 영어 사전의 첫번째 편집자인
03:01
I do not have that hat. I wish I had that hat.
50
156000
3000
제임스 머레이 씨죠. 저는 저런 모자 없는데.
03:04
So he's really responsible for a lot of
51
159000
4000
저도 저런 모자 갖고 싶군요. 저 분이 지금 사용하고 있는 사전의
03:08
what we consider modern in dictionaries today.
52
163000
2000
'현대적인' 특징 대부분을 만드셨어요.
03:10
When a guy who looks like that, in that hat,
53
165000
3000
저 모자에, 저 얼굴이 현대적이라고
03:13
is the face of modernity, you have a problem.
54
168000
7000
생각하시는 분 계세요? 그렇게 생각하시는 분은 뭔가 문제가 있는 겁니다.
03:20
And so, James Murray could get a job on any dictionary today.
55
175000
2000
그런데도 이 분은 오늘날 사전업계에서도
03:22
There'd be virtually no learning curve.
56
177000
3000
일하실 수 있을거에요. 말 그대로 사전 자체가 변한 점이 없거든요.
03:25
And of course, a few of us are saying: okay, computers!
57
180000
2000
물론 몇 분이 지적하시겠죠: 컴퓨터!
03:27
Computers! What about computers?
58
182000
2000
컴퓨터! 컴퓨터가 어쨌다는거죠?
03:29
The thing about computers is, I love computers.
59
184000
2000
사실 저 컴퓨터 정말 좋아합니다.
03:31
I mean, I'm a huge geek, I love computers.
60
186000
2000
굉장한 컴퓨터 광이에요.
03:33
I would go on a hunger strike before I let them take away Google Book Search from me.
61
188000
4000
'구글 책 찾기' 서비스 폐지하는 날, 단식 투쟁 들어갈 거에요.
03:37
But computers don't do much else other than
62
192000
2000
그래도 컴퓨터로 인해서 변한 것은 오로지
03:39
speed up the process of compiling dictionaries.
63
194000
4000
사전을 편찬하는 속도가
03:43
They don't change the end result.
64
198000
4000
빨라졌다는 것 뿐입니다. 최종 결과물이 바뀐 것은 아니니까요.
03:47
Because what a dictionary is,
65
202000
3000
현대의 사전은
03:50
is it's Victorian design merged with a little bit of modern propulsion.
66
205000
3000
빅토리아 시대 디자인에 현대적인 추진기관을
03:53
It's steampunk. What we have is an electric velocipede.
67
208000
6000
장착한 수준이라고 말할 수 있어요. 가상역사소설 같은 것이죠. 초창기 자전거에 모터를 장착한 것 처럼요.
03:59
You know, we have Victorian design with an engine on it. That's all!
68
214000
3000
빅토리아식 설계에 엔진을 장착한거죠. 그게 전부예요!
04:02
The design has not changed.
69
217000
3000
구조는 그대로에요.
04:05
And OK, what about online dictionaries, right?
70
220000
2000
좋아요. 그렇다면 온라인 사전은요?
04:07
Online dictionaries must be different.
71
222000
3000
온라인 사전이라면 뭔가 다르겠죠?
04:10
This is the Oxford English Dictionary Online, one of the best online dictionaries.
72
225000
2000
이것이 온라인 옥스포드 영어 사전입니다. 최고의 영어 사전 중 하나죠.
04:12
This is my favorite word, by the way.
73
227000
1000
참고로 이건 제가 좋아하는 단어에요.
04:13
Erinaceous: pertaining to the hedgehog family; of the nature of a hedgehog.
74
228000
5000
Erinaceous: 고슴도치과에 속하는; 고슴도치와 같은
04:18
Very useful word. So, look at that.
75
233000
6000
매우 유용한 단어죠. 보세요.
04:24
Online dictionaries right now are paper thrown up on a screen.
76
239000
2000
온라인 사전은 종이 사전을 스크린 위에
04:26
This is flat. Look how many links there are in the actual entry: two!
77
241000
5000
그냥 펼쳐 놓은 것이나 다름 없어요. 참 시시하죠? 표제어도 2개나 밖에 없어요!
04:31
Right? Those little buttons,
78
246000
2000
저 작은 버튼들 --
04:33
I had them all expanded except for the date chart.
79
248000
3000
날짜표 빼고 전부 클릭해보았는데요.
04:36
So there's not very much going on here.
80
251000
2000
그래봐야 별 것 없어요.
04:38
There's not a lot of clickiness.
81
253000
2000
클릭할 것이 없죠.
04:40
And in fact, online dictionaries replicate
82
255000
3000
사실 온라인 사전은 종이 사전이 가진 대부분의 문제점들을
04:43
almost all the problems of print, except for searchability.
83
258000
3000
고스란히 가지고 있습니다. 검색이 가능하다는 점만 빼고요.
04:46
And when you improve searchability,
84
261000
2000
검색력을 강화한다는 것은
04:48
you actually take away the one advantage of print, which is serendipity.
85
263000
3000
종이 사전의 장점 하나를 빼앗는 셈이죠. 세렌디피디(Serendipity)요.
04:51
Serendipity is when you find things you weren't looking for,
86
266000
3000
세렌디피디는 찾지 않던 행운을 발견한다는 뜻이에요.
04:54
because finding what you are looking for is so damned difficult.
87
269000
3000
왜냐하면 원래 찾던 것은 더럽게 찾기가 어렵기 때문이죠.
04:57
So -- (Laughter) (Applause) -- now, when you think about this,
88
272000
9000
(웃음) 이렇게 생각해보세요.
05:06
what we have here is a ham butt problem.
89
281000
3000
우리가 '햄 꽁지' 문제를 안고 있다고요.
05:09
Does everyone know the ham butt problem?
90
284000
2000
'햄 꽁지' 문제가 무엇인지 아세요?
05:11
Woman's making a ham for a big, family dinner.
91
286000
2000
한 여자가 저녁 식사를 위해 햄 요리를 하다가
05:13
She goes to cut the butt off the ham and throw it away,
92
288000
2000
햄 끄트머리를 뚝 잘라서 버리는 겁니다.
05:15
and she looks at this piece of ham and she's like,
93
290000
1000
그리고 버린 끄트머리를 바라보며 생각하죠.
05:16
"This is a perfectly good piece of ham. Why am I throwing this away?"
94
291000
2000
"햄 끄트머리도 맛있는데, 내가 왜 버리고 있는 거지?"
05:18
She thought, "Well, my mom always did this."
95
293000
2000
"맞아, 우리 엄마가 늘 이러셨지."
05:20
So she calls up mom, and she says,
96
295000
1000
엄마에게 전화해서 묻습니다.
05:21
"Mom, why'd you cut the butt off the ham, when you're making a ham?"
97
296000
2000
"엄마, 왜 햄 꽁지를 잘라 버리셨어요?"
05:23
She says, "I don't know, my mom always did it!"
98
298000
3000
엄마는 "몰라. 우리 엄마가 늘 그러셨거든!"
05:26
So they call grandma, and grandma says,
99
301000
2000
그래서 할머니께 전화를 드렸죠. 이렇게 대답하십니다.
05:28
"My pan was too small!" (Laughter)
100
303000
4000
"프라이팬이 너무 작아서 그랬어!" (웃음)
05:32
So, it's not that we have good words and bad words.
101
307000
4000
단어가 좋거나 나쁜 게 아니라 --
05:36
We have a pan that's too small!
102
311000
3000
프라이팬이 너무 작았던 거에요!
05:39
You know, that ham butt is delicious! There's no reason to throw it away.
103
314000
2000
햄 끄트머리 부분은 사실 맛있잖아요.
05:41
The bad words -- see, when people think about a place
104
316000
3000
버릴 이유가 없죠. 나쁜 단어라는 것도 마찬가지에요.
05:44
and they don't find a place on the map,
105
319000
2000
지도에 없는 장소를 발견한다면,
05:46
they think, "This map sucks!"
106
321000
2000
"지도가 후졌어!"라고 생각하시겠죠.
05:48
When they find a nightspot or a bar, and it's not in the guidebook,
107
323000
2000
가이드북에 없는 클럽을 발견했을 때
05:50
they're like, "Ooh, this place must be cool! It's not in the guidebook."
108
325000
3000
"와, 여기 끝내주겠는걸! 아직 가이드북에도 없어." 라고 할 사람들이
05:53
When they find a word that's not in the dictionary, they think,
109
328000
3000
사전에서 찾을 수 없는 단어는
05:56
"This must be a bad word." Why? It's more likely to be a bad dictionary.
110
331000
5000
나쁘다고 단정 짓는 거에요. 왜죠? 사전이 나쁠 수도 있잖아요.
06:01
Why are you blaming the ham for being too big for the pan?
111
336000
5000
햄보다 작은 건 프라이팬인데, 햄이 크다고 탓하면 되겠어요?
06:06
So, you can't get a smaller ham.
112
341000
3000
햄을 작게 할 문제가 아니라는 거죠.
06:09
The English language is as big as it is.
113
344000
3000
영어도 마찬가지로 줄일 수 있는 게 아니거든요.
06:12
So, if you have a ham butt problem,
114
347000
2000
햄 꽁지 문제에
06:14
and you're thinking about the ham butt problem,
115
349000
2000
빗대어 생각해본다면,
06:16
the conclusion that it leads you to is inexorable and counterintuitive:
116
351000
5000
이 문제의 결론이 여러분의 직관에 반하는, 무서운 내용이라는 걸 아시게 될 거에요.
06:21
paper is the enemy of words.
117
356000
3000
종이가 단어의 적이라는 거죠!
06:24
How can this be? I mean, I love books. I really love books.
118
359000
4000
어떻게 그럴 수가 있냐고요? 사실 저는 책을 아주 사랑해요.
06:28
Some of my best friends are books.
119
363000
2000
저의 절친한 친구 목록에 책도 포함될 정도죠.
06:30
But the book is not the best shape for the dictionary.
120
365000
5000
다만 책이 사전을 위한 가장 좋은 형태가 아니라는 뜻이에요.
06:35
Now they're going to think "Oh, boy.
121
370000
2000
그러면 아마도 이렇게 생각하시겠죠?
06:37
People are going to take away my beautiful, paper dictionaries?"
122
372000
3000
"어머, 소중한 제 종이책 사전이 없어진다는 거에요?"
06:40
No. There will still be paper dictionaries.
123
375000
2000
물론 아니죠. 종이책 사전은 계속 존재할 거에요.
06:42
When we had cars -- when cars became the dominant mode of transportation,
124
377000
4000
자동차가 주요 운송 수단이 되었다고 해서,
06:46
we didn't round up all the horses and shoot them.
125
381000
3000
말들을 모아 놓고 쏘아 죽이진 않잖아요?
06:49
You know, there're still going to be paper dictionaries,
126
384000
2000
당연히 종이책 사전을 없앤다는 뜻은 아니에요.
06:51
but it's not going to be the dominant dictionary.
127
386000
3000
하지만 종이책이 더 이상 사전의 지배적인 형태일 수는 없어요.
06:54
The book-shaped dictionary is not going to be the only shape
128
389000
3000
사전의 유일한 형태일 수도 없고요.
06:57
dictionaries come in. And it's not going to be
129
392000
2000
더구나,
06:59
the prototype for the shapes dictionaries come in.
130
394000
4000
종이책 형태가 미래 사전의 원형이 될 수는 없을거에요.
07:03
So, think about it this way: if you've got an artificial constraint,
131
398000
4000
이렇게 생각해 보세요.
07:07
artificial constraints lead to
132
402000
4000
사람이 인위적인 틀에 갇히게 되면, 그 인위적인 틀이
07:11
arbitrary distinctions and a skewed worldview.
133
406000
4000
판단력이나 세계관을 왜곡시키는 것과 같은 문제예요.
07:15
What if biologists could only study animals
134
410000
3000
예를 들어 생물학자들이
07:18
that made people go, "Aww." Right?
135
413000
2000
사람들이 '우와'할만한 동물만 연구한다면 어떻겠어요?
07:20
What if we made aesthetic judgments about animals,
136
415000
2000
연구할 수 있는 동물을 구분하는 기준을
07:22
and only the ones we thought were cute were the ones that we could study?
137
417000
5000
미적인 가치에만 두고, 귀여운 동물들만 연구한다면요?
07:27
We'd know a whole lot about charismatic megafauna,
138
422000
4000
멸종 위기에 처한 대형 동물들에 대해서 궁금해도
07:31
and not very much about much else.
139
426000
2000
배울 수 있는 방법이 없겠죠.
07:33
And I think this is a problem.
140
428000
2000
단어 문제도 이와 똑같아요.
07:35
I think we should study all the words,
141
430000
2000
그래서 저는 모든 단어를
07:37
because when you think about words, you can make beautiful expressions
142
432000
5000
구분 없이 연구해야 한다고 생각해요. 왜냐하면 아주 보잘 것 없는 단어들을 가지고도
07:42
from very humble parts.
143
437000
4000
빼어나게 아름다운 표현을 만들어낼 수 있으니까요.
07:46
Lexicography is really more about material science.
144
441000
4000
사전 편찬은 단순한 재료 과학, 그 이상입니다.
07:50
We are studying the tolerances of the materials
145
445000
3000
우리는 여러분이 언어 재료들을 사용해서
07:53
that you use to build the structure of your expression:
146
448000
3000
의견을 어떻게 말과 글로 표현하는지,
07:56
your speeches and your writing. And then, often people say to me,
147
451000
7000
어떤 표현이 받아들여지고 안 받아들여지는지까지 연구합니다. 때때로 사람들이 묻곤 하죠.
08:03
"Well, OK, how do I know that this word is real?"
148
458000
5000
"음. 어떤 단어가 진짜인지 알 수 있는 방법이 있나요?"
08:08
They think, "OK, if we think words are the tools
149
463000
7000
사실 속으로는 이렇게 생각하면서요. "만약 단어라는 것이
08:15
that we use to build the expressions of our thoughts,
150
470000
2000
생각을 표현하는 도구라면,
08:17
how can you say that screwdrivers are better than hammers?
151
472000
3000
마치 스크류드라이버가 망치보다 낫다고 할 수 없고,
08:20
How can you say that a sledgehammer is better than a ball-peen hammer?"
152
475000
3000
원두해머가 쇠망치보다 낫다고 할 수 없는 것처럼,
08:23
They're just the right tools for the job.
153
478000
3000
단어도 그냥 각자 본연의 쓰임에 적합하면 그만인 거 아니야?"
08:26
And so people say to me, "How do I know if a word is real?"
154
481000
3000
그런데도 묻는 겁니다. "단어가 진짜인지 어떻게 알 수 있죠?"라고요.
08:29
You know, anybody who's read a children's book
155
484000
3000
아동용 책을 읽어보셨다면 아시겠지만,
08:32
knows that love makes things real.
156
487000
4000
사랑하면 진짜가 됩니다.
08:36
If you love a word, use it. That makes it real.
157
491000
5000
어떤 단어를 사랑한다면, 사용하세요. 그럼 그 단어가 진짜가 되니까요.
08:41
Being in the dictionary is an artificial distinction.
158
496000
3000
사전은 단어를 인위적으로 분류하는 것 뿐이에요.
08:44
It doesn't make a word any more real than any other way.
159
499000
3000
사전에 있다고 진짜가 되는 게 아니라는거죠.
08:47
If you love a word, it becomes real.
160
502000
4000
사랑하는 단어를 사용할 때, 그 단어는 진짜가 됩니다.
08:51
So if we're not worrying about directing traffic,
161
506000
3000
우리가 단어의 옳고 그름을 구분하지 않고,
08:54
if we've transcended paper, if we are worrying less
162
509000
5000
종이책의 한계에 갇히지도 않고,
08:59
about control and more about description,
163
514000
4000
단어를 임의로 분류하기 보단 단어의 뜻에 더 집중한다면
09:03
then we can think of the English language
164
518000
2000
영어라는 언어가
09:05
as being this beautiful mobile.
165
520000
3000
본연의 모습을 되찾을 겁니다. 여기 아름다운 모빌처럼요.
09:08
And any time one of those little parts of the mobile changes,
166
523000
2000
모빌은 만질 때마다
09:10
is touched, any time you touch a word,
167
525000
3000
조금씩 변해요. 여러분이 단어를
09:13
you use it in a new context, you give it a new connotation,
168
528000
2000
새로운 문맥에서 사용할 때마다 여러분은 그 단어에
09:15
you verb it, you make the mobile move.
169
530000
3000
새로운 의미를 부여하는 것입니다. 단어를 사용하는 것은
09:18
You didn't break it. It's just in a new position,
170
533000
4000
모빌을 움직이는 것과 비슷한 것이죠. 망가뜨리는 것이 아니라
09:22
and that new position can be just as beautiful.
171
537000
3000
형태를 조금 바꾸는 거에요. 새로운 형태도 처음 것만큼 아름다울 수 있어요.
09:25
Now, if you're no longer a traffic cop --
172
540000
4000
만약 우리 모두가 교통 경찰이 되면
09:29
the problem with being a traffic cop is
173
544000
2000
문제가 발생합니다.
09:31
there can only be so many traffic cops in any one intersection,
174
546000
3000
각 교차로마다 신호를 보내는 경찰이 여러 명이 있는 꼴이지요.
09:34
or the cars get confused. Right?
175
549000
3000
차들은 아마 혼란에 빠질 거에요. 그렇죠?
09:37
But if your goal is no longer to direct the traffic,
176
552000
3000
그러나 만약 교통 상황을 통제하는 것이 아니라, 교차로마다 차가
09:40
but maybe to count the cars that go by, then more eyeballs are better.
177
555000
4000
몇 대가 지나가는지 수를 세는 것이 목표라면, 여러 명이 할수록 일이 쉬워지겠죠.
09:44
You can ask for help!
178
559000
2000
이 때는 서로에게 도움을 청할 수 있는거죠!
09:46
If you ask for help, you get more done. And we really need help.
179
561000
4000
도움을 받으면 더 많은 일을 할 수 있어요. 실제로 우리는 도움이 필요하고요.
09:50
Library of Congress: 17 million books,
180
565000
3000
미의회도서관에는
09:53
of which half are in English.
181
568000
3000
1,700만권의 책이 있습니다. 그 절반은 영어에요.
09:56
If only one out of every 10 of those books
182
571000
4000
사전에 없는 단어가 10권 중에
10:00
had a word that's not in the dictionary in it,
183
575000
2000
한 단어 씩만 나온다고 하더라도,
10:02
that would be equivalent to more than two unabridged dictionaries.
184
577000
3000
완본 사전 2권의 분량이에요.
10:05
And I find an un-dictionaried word --
185
580000
3000
그런데 사실 사전에 없는(un-dictionaried) 단어는 --
10:08
a word like "un-dictionaried," for example --
186
583000
2000
사실 "un-dictionaried"라는 단어도 사전에 없는 말이에요. --
10:10
in almost every book I read. What about newspapers?
187
585000
5000
거의 모든 책에 하나 이상 나와요.
10:15
Newspaper archive goes back to 1759,
188
590000
5000
신문도 빠뜨리면 안 되죠. 신문 보관소에 있는 가장 오래된 신문은 1759년 본인데,
10:20
58.1 million newspaper pages. If only one in 100
189
595000
5000
현재까지 전체 분량이 5,810만 페이지에 달합니다.
10:25
of those pages had an un-dictionaried word on it,
190
600000
3000
사전에 없는 단어가 백 페이지 당 하나씩만 있다고 해도
10:28
it would be an entire other OED.
191
603000
3000
새로운 옥스포드 영어사전을 만들어 낼 수 있는 분량이에요.
10:31
That's 500,000 more words. So that's a lot.
192
606000
5000
50십만 개 이상의 단어들이죠. 정말 많은 분량입니다.
10:36
And I'm not even talking about magazines. I'm not talking about blogs --
193
611000
3000
잡지와 블로그에 대해서는 언급조차 하지 않았는데요 --
10:39
and I find more new words on BoingBoing in a given week
194
614000
2000
일주일에 보잉보잉 사이트에서 발견하는 새로운 단어만 해도
10:41
than I do Newsweek or Time.
195
616000
2000
뉴스위크나 타임지에서 찾는 것보다 많아요.
10:43
There's a lot going on there.
196
618000
2000
거기엔 새로운 일들이 더 많이 실리니까요.
10:45
And I'm not even talking about polysemy,
197
620000
2000
다의어(Polysemy)는 또 어떻고요.
10:47
which is the greedy habit some words have of taking
198
622000
3000
"다의어"란 한 단어가 여러 뜻을 갖는
10:50
more than one meaning for themselves.
199
625000
5000
욕심꾸러기 같은 습관을 말하는데요.
10:55
So if you think of the word "set," a set can be a badger's burrow,
200
630000
4000
"set"이라는 단어만 볼까요? set은 오소리의 은신처라는 뜻도 가지고 있고
10:59
a set can be one of the pleats in an Elizabethan ruff,
201
634000
3000
엘리자베스 시대 스타일의 주름 깃의 주름 하나를 가리키는 말이기도 해요.
11:02
and there's one numbered definition in the OED.
202
637000
2000
옥스포드 사전 상의 정의만 봐도
11:04
The OED has 33 different numbered definitions for set.
203
639000
3000
set은 33가지로 정의할 수 있어요.
11:07
Tiny, little word, 33 numbered definitions.
204
642000
3000
이 작은 단어 하나에 담긴 뜻이 33가지라니.
11:10
One of them is just labeled "miscellaneous technical senses."
205
645000
5000
그 중에는 "그 밖에 여러가지 기술적인 의미"라는 항목도 있습니다.
11:15
Do you know what that says to me?
206
650000
1000
그게 무슨 뜻이냐고요?
11:16
That says to me, it was Friday afternoon and somebody wanted to go down the pub. (Laughter)
207
651000
5000
이 말은 금요일 오후에 한 불쌍한 사전 편찬자가 술 생각이 간절했다라는 뜻이에요.
11:21
That's a lexicographical cop out,
208
656000
2000
"그 밖에 여러가지 기술적인 의미"라는 말을 보고
11:23
to say, "miscellaneous technical senses."
209
658000
2000
교통 경찰 역할은 정말 하기 싫어졌어요.
11:25
So, we have all these words, and we really need help!
210
660000
4000
이렇게 많은 단어들 때문에, 우리들은 정말 도움이 필요하거든요!
11:29
And the thing is, we could ask for help --
211
664000
3000
여러분께 도움을 청할 수 있잖아요.
11:32
asking for help's not that hard.
212
667000
1000
도와주는 게 그렇게 어려운 일도 아니니까요.
11:33
I mean, lexicography is not rocket science.
213
668000
3000
사전 편찬은 로켓 과학처럼 복잡하지도 않은 걸요.
11:36
See, I just gave you a lot of words and a lot of numbers,
214
671000
3000
지금까지 많은 단어들과 수치들을 나열했는데요.
11:39
and this is more of a visual explanation.
215
674000
2000
여기 화면을 보세요.
11:41
If we think of the dictionary as being the map of the English language,
216
676000
3000
사전을 언어의 지도라 가정해보면
11:44
these bright spots are what we know about,
217
679000
2000
여기 밝은 점들은 우리가 이미 알고 있는 것들이고,
11:46
and the dark spots are where we are in the dark.
218
681000
3000
어둡게 남아 있는 부분들은 우리가 아직 모르는 것들이에요.
11:49
If that was the map of all the words in American English, we don't know very much.
219
684000
5000
미국 영어의 모든 단어를 나타내는 지도에 대해서 우리는 아직 아는 게 별로 없어요.
11:54
And we don't even know the shape of the language.
220
689000
3000
사실 그 형태조차 짐작하지 못하고 있죠.
11:57
If this was the dictionary -- if this was the map of American English --
221
692000
3000
이 그림을 사전이라고, 미국 영어의 지도라고 생각해보면,
12:00
look, we have a kind of lumpy idea of Florida,
222
695000
3000
플로리다에 대해서는 대강 알고 있고,
12:03
but there's no California!
223
698000
3000
캘리포니아는 아예 없죠!
12:06
We're missing California from American English.
224
701000
3000
미국 영어의 지도인데, 캘리포니아가 빠져 있습니다.
12:09
We just don't know enough, and we don't even know that we're missing California.
225
704000
5000
캘리포니아를 빠뜨린 사실을 인식하지 못할 만큼 지식이 부족하기 때문에
12:14
We don't even see that there's a gap on the map.
226
709000
2000
지도에 문제가 있다는 것도 모르는 거죠.
12:16
So again, lexicography is not rocket science.
227
711000
3000
다시 말씀 드리지만, 사전 편찬은 로켓 과학이 아니에요.
12:19
But even if it were, rocket science is being done
228
714000
3000
만약 로켓 과학이라고 하더라도,
12:22
by dedicated amateurs these days. You know?
229
717000
4000
요즘은 로켓 과학도 열성적인 아마추어들의 도움을 받는 세상이잖아요.
12:26
It can't be that hard to find some words!
230
721000
4000
단어 찾는 게 뭐 그리 어려운가요!
12:30
So, enough scientists in other disciplines
231
725000
3000
다른 분야의 수많은 과학자들도
12:33
are really asking people to help, and they're doing a good job of it.
232
728000
3000
일반인들의 도움을 받아서 어려운 문제를 해결하곤 하거든요.
12:36
For instance, there's eBird, where amateur birdwatchers
233
731000
2000
예를 들어서 취미로 들새를 관찰하는 사람들이
12:38
can upload information about their bird sightings.
234
733000
2000
자신이 모은 정보를 올릴 수 있는 eBrid라는 사이트가 있어요.
12:40
And then, ornithologists can go
235
735000
2000
그러면 이 곳에서 조류학자들이
12:42
and help track populations, migrations, etc.
236
737000
3000
개체군이나, 철새 이동 등의 정보를 얻습니다.
12:45
And there's this guy, Mike Oates. Mike Oates lives in the U.K.
237
740000
3000
또 다른 예로, 영국인 마이크 오츠 씨도 있어요.
12:48
He's a director of an electroplating company.
238
743000
4000
이 분은 한 전기도금 업체의 중역이신데
12:52
He's found more than 140 comets.
239
747000
3000
140개가 넘는 혜성을 발견했어요.
12:55
He's found so many comets, they named a comet after him.
240
750000
3000
혜성들의 이름도 본인의 이름을 따라 지었죠.
12:58
It's kind of out past Mars. It's a hike.
241
753000
1000
보시는 것은 화성보다 먼 곳입니다.
12:59
I don't think he's getting his picture taken there anytime soon.
242
754000
2000
사실 오츠 씨가 직접 가서 사진 찍었을 가능성은 없지만,
13:01
But he found 140 comets without a telescope.
243
756000
4000
어쨌든 그는 망원경 하나 없이 140개의 혜성을 찾았어요.
13:05
He downloaded data from the NASA SOHO satellite,
244
760000
3000
NASA의 SOHO 인공위성 자료를
13:08
and that's how he found them.
245
763000
2000
다운로드해서 찾은 거에요.
13:10
If we can find comets without a telescope,
246
765000
4000
망원경도 없이 혜성을 찾는 사람도 있는데,
13:14
shouldn't we be able to find words?
247
769000
2000
단어를 못 찾겠어요?
13:16
Now, y'all know where I'm going with this.
248
771000
2000
이제 제가 무슨 말씀을 드릴지 아시겠죠.
13:18
Because I'm going to the Internet, which is where everybody goes.
249
773000
3000
모두들 그렇듯이, 저도 인터넷을 많이 사용합니다.
13:21
And the Internet is great for collecting words,
250
776000
2000
인터넷은 단어 모으기에 굉장히 좋아요.
13:23
because the Internet's full of collectors.
251
778000
1000
온갖 단어가 다 있죠.
13:24
And this is a little-known technological fact about the Internet,
252
779000
3000
인터넷에 대해서 잘 알려지지 않은 기술적 비밀이 있는데,
13:27
but the Internet is actually made up of words and enthusiasm.
253
782000
3000
그것은 인터넷을 만드는 재료가 '단어'와 '열정'이라는 겁니다.
13:30
And words and enthusiasm actually happen to be
254
785000
5000
그런데 생각해 보니 사전 편찬의 재료도
13:35
the recipe for lexicography. Isn't that great?
255
790000
3000
'단어'와 '열정'이네요. 멋지죠?
13:38
So there are a lot of really good word-collecting sites out there right now,
256
793000
4000
지금도 단어를 수집할 수 있는 좋은 사이트들이 아주 많아요.
13:42
but the problem with some of them is that they're not scientific enough.
257
797000
2000
그 사이트들의 문제는 좀 비과학적이란거죠.
13:44
They show the word, but they don't show any context.
258
799000
3000
단어는 보여주는데, 단어가 사용된 문맥은 보여주질 않아요.
13:47
Where did it come from? Who said it?
259
802000
2000
어디서 나온 말인지, 누가 말했는지,
13:49
What newspaper was it in? What book?
260
804000
2000
어떤 신문이나 책에서 나온 것인지 등을 알 수가 없어요.
13:51
Because a word is like an archaeological artifact.
261
806000
4000
단어는 일종의 고고학적 유물이기 때문에
13:55
If you don't know the provenance or the source of the artifact,
262
810000
3000
유래나 기원에 대해 모른다면
13:58
it's not science, it's a pretty thing to look at.
263
813000
3000
과학이 아니에요. 보기 좋은 장식품이나 다름 없죠.
14:01
So a word without its source is like a cut flower.
264
816000
3000
화병에 꽂아 둔 꽃 같은 거에요.
14:04
You know, it's pretty to look at for a while, but then it dies.
265
819000
4000
잠깐동안은 보기 좋지만, 곧 죽잖아요.
14:08
It dies too fast.
266
823000
1000
죽어도 너무 빨리 죽죠.
14:09
So, this whole time I've been saying,
267
824000
4000
오늘 강연 내내 저는
14:13
"The dictionary, the dictionary, the dictionary, the dictionary."
268
828000
2000
"사전(the dictionary)"에 대해서 말했습니다.
14:15
Not "a dictionary," or "dictionaries." And that's because,
269
830000
3000
"어떤 사전(a dictionary)"이나, "사전들(dictionaries)"이 아니었죠.
14:18
well, people use the dictionary to stand for the whole language.
270
833000
3000
"사전(the dictionary)"은 언어 전체를 대표합니다.
14:21
They use it synecdochically.
271
836000
3000
대유법적(synecdochically)으로 사용하죠.
14:24
And one of the problems of knowing a word like "synecdochically"
272
839000
3000
"대유법"같은 말을 알 때 문제점은
14:27
is that you really want an excuse to say "synecdochically."
273
842000
3000
이런 말을 써볼 기회를 자꾸 찾게 된다는 거에요.
14:30
This whole talk has just been an excuse to get me to the point
274
845000
2000
사실 이번 강연도 "대유법"이라는 단어 하나를
14:32
where I could say "synecdochically" to all of you.
275
847000
2000
써먹기 위한 핑계라고도 할 수 있어요.
14:34
So I'm really sorry. But when you use a part of something --
276
849000
3000
죄송해요. 어쨌든 대유법이란,
14:37
like the dictionary is a part of the language,
277
852000
2000
사전이 언어의 일부이듯,
14:39
or a flag stands for the United States, it's a symbol of the country --
278
854000
5000
성조기가 미국을 대표하듯, 일부분이 전체를 상징하도록 하는
14:44
then you're using it synecdochically.
279
859000
4000
표현법을 뜻합니다.
14:48
But the thing is, we could make the dictionary the whole language.
280
863000
4000
하지만 이제는 사전이 언어 전체를 포함하도록 만들 수 있어요.
14:52
If we get a bigger pan, then we can put all the words in.
281
867000
4000
프라이팬의 크기를 키우면, 모든 단어를 넣을 수 있죠.
14:56
We can put in all the meanings.
282
871000
4000
모든 의미도 넣을 수 있고요.
15:00
Doesn't everyone want more meaning in their lives?
283
875000
4000
의미가 넘치는 인생이 싫은 분도 있나요?
15:04
And we can make the dictionary not just be a symbol of the language --
284
879000
4000
사전이 언어를 상징하는데 그치지 않고,
15:08
we can make it be the whole language.
285
883000
3000
언어 그 자체가 되도록 만들 수 있다는 뜻입니다.
15:11
You see, what I'm really hoping for is that my son,
286
886000
2000
저는 이번 달에 7살이 되는 제 아들이 자랐을 즈음에는
15:13
who turns seven this month -- I want him to barely remember
287
888000
3000
현재 사전을 구성하고 있는 기본 요소들이
15:16
that this is the form factor that dictionaries used to come in.
288
891000
5000
잊혀졌으면 하는 바램입니다.
15:21
This is what dictionaries used to look like.
289
896000
2000
이렇게 생긴 기존의 사전들이
15:23
I want him to think of this kind of dictionary as an eight-track tape.
290
898000
2000
제 아들의 기억 속에 카세트 테이프처럼 남았으면 좋겠어요.
15:25
It's a format that died because it wasn't useful enough.
291
900000
4000
카세트 테이프는 유용한 형태가 아니었기 때문에 도태되었어요.
15:29
It wasn't really what people needed.
292
904000
3000
사람들이 필요로 하던 것이 아니었으니까요.
15:32
And the thing is, if we can put in all the words,
293
907000
3000
만약 모든 단어를 담을 수 있는 사전이 나타난다면,
15:35
no longer have that artificial distinction between good and bad,
294
910000
4000
더 이상 단어들이 좋은지 나쁜지 인위적으로 구분할 필요가 없습니다.
15:39
we can really describe the language like scientists.
295
914000
3000
사전 편찬자들도 과학자들처럼 있는 그대로의 언어를 연구할 수 있게 되겠죠.
15:42
We can leave the aesthetic judgments to the writers and the speakers.
296
917000
2000
심미적인 판단은 작가나 연설가들에게 맡겨버리고
15:44
If we can do that, then I can spend all my time fishing,
297
919000
4000
저는 하루 종일 낚시를 즐길 수 있을 거에요.
15:48
and I don't have to be a traffic cop anymore.
298
923000
5000
더 이상 교통 경찰을 할 필요도 없고요.
15:53
Thank you very much for your kind attention.
299
928000
2000
경청해 주셔서 대단히 감사합니다.
ABOUT THE SPEAKER
Erin McKean - Dictionary editorAs the co-founder of Reverb Technologies, the maker of the online dictionary Wordnik, Erin McKean is reshaping how we interact with language itself.
Why you should listen
Erin McKean's job as a lexicographer involves living in a constant state of research. She searches high and low -- from books to blogs, newspapers to cocktail parties -- for new words, new meanings for old words, or signs that old words have fallen out of use. In June of this year, she involved us all in the search by launching Wordnik, an online dictionary that houses all the traditionally accepted words and definitions, but also asks users to contribute new words and new uses for old words. Wordnik pulls real-time examples of word usage from Twitter, image representations from Flickr along with many more non-traditional, and highly useful, features.
Before Wordnik, McKean was one of the youngest editors of the New Oxford American Dictionary. She continues to serve as the editor of the language quarterly Verbatim ("language and linguistics for the layperson since 1974") and is the author of multiple books, including That's Amore and the entire Weird and Wonderful Words series. All that, and she maintains multiple blogs, too: McKean is the keen observationalist behind A Dress a Day and Dictionary Evangelist. Is there anything she can't do? Surprisingly, she is notoriously bad at Scrabble.
Erin McKean | Speaker | TED.com