단어와 색의 특정한 연관성에서 나타나는 다양한 특성(The multiple characteristics of specific associations from words to colors)

이 연구는 주로 단어로부터 연상되는 색의 다양한 특성을 탐구하는 데 중점을 두었다. 색 연관은 양방향이며 색에서 콘셉트로 또는 콘셉트에서 색으로의 관계를 나타낸다. 단어와 색 사이의 연관성은 양방향으로 여러 대응 관계를 갖는다. 색은 아이디어, 개념, 의미, 감정 등과 연관되어 있다. 하지만 색으로부터 콘셉트까지 하나의 관계로 논의되는 경우가 많다. 색과 관련된 구체적인 아이디어나 개념이 어떻게 논의되는지는 거의 없다. 그래서 이 연구는 구체적인 개념(단어)에서 출발하여 색에 이르기까지 이러한 연상의 특징을 살펴본다. 대상 단어에서 특정 색 연상을 수집하기 위해 심리물리학적 실험을 수행했다. Pearson 상관계수와 K-평균 군집화 방법을 사용하여 단어에서 색까지의 연관성을 분석했다.  따라서 본 연구의 주요 기여는 단어와 색의 연관성이 강할수록 관련 색의 색상 유사성이 커진다는 것을 밝히고, 이를 통해 단어로부터 연상되는 색의 구체적인 특성을 파악하여 3가지 측면의 특성 모델을 정리한 것이다.

INTRODUCTION

많은 문헌에서 색으로부터 연상되는 개념 또는 특정 단어의 특성을 탐구했다. Cherry 는 색과 분위기 사이의 연관성을 탐구했다. 차가운 색은 차분하고 고요하며 편안함과 연결되어 있다. 반대로, 따뜻한 색은 스트레스가 많거나 신나는 기분과 관련이 있다. Hemphill 는 밝은 색이 행복, 기쁨, 희망과 같은 긍정적인 감정과 연결되어 있음을 보여주었다. 마찬가지로 Elliot와 Maier는 밝은 색을 친근하고, 교양 있고, 즐겁고, 아름다운 것으로 간주한다. 반대로 어두운 색은 지루함, 슬픔 등 부정적인 개념과 연관되어 있다.  색이 개념과의 연관성과 반응을 생성한다는 것은 분명하다.  그러므로 단어로부터 연상되는 색의 연결 특성에 대한  탐구는 흥미로운 주제이다.

이전 연구에서 제시된 것처럼 색은 아이디어, 개념, 의미, 감정 등과 연관되어 있다.  또한, 연관된 색은 색상에서 감정, 의미와 같은 개념까지 단일 관계로 논의되는 경우가 많다.  그러나 색 연상은 “연상”이라는 용어의 본질적인 의미로 인해 색에서 개념으로 또는 개념에서 색으로의 관계를 나타내는 양방향입니다.  또한 “색과 개념” 또는 “개념과 색”의 연관성이 다르다는 것을 알 수 있다. 예를 들어, 우울함은 종종 파란색과 연관된다 . 반면에 파란색은 일반적으로 신뢰나 충성도와도 관련이 있다.

그러나 개념부터 색까지 색 연관성에 대한 연구는 상대적으로 거의 수행되지 않았다. 그럼에도 불구하고 여러 문헌에서는 색에서 개념까지의 연관성을 탐구했다. Ou et al. 은 조사 기법으로 의미론적 차등 스케일링 또는 범주형 스케일링을 일반적으로 사용하는 여러 실험에서 사용하였다. 이러한 방법을 사용하면 참가자에게 색(실제 샘플 또는 화면의 색)이 표시된다. 의미 차등 척도의 경우 두 개의 양극성 용어(예: 남성성과 여성성)에 관한 색 연관성의 강도를 나타내거나 다음을 사용하여 단일 용어(예: 남성성)와의 연관성 강도를 표시하도록 요청받는다. 범주형 척도법의 경우 고정 숫자 이산 척도이다. 이러한 방법은 귀중한 데이터를 제공하고 모든 색의 연관성을 결정할 수 있는 일부 모델을 생성했지만(실험에 사용된 제한된 수의 용어와 관련하여) 디자인 컨텍스트에 적용하기가 쉽지 않다. 콘셉트부터 색까지 성숙하고 긴밀한 연관성을 통해 디자인 및 제작 프로세스를 크게 최적화할 수 있다.

이러한 문제를 해결하기 위해서는 개념으로부터 떠오르는 색의 연관성 연구가 필수적이다. 이제 본 연구에서는 형용사로부터 색의 연관성에 대한 구체적인 특성을 더 자세히 살펴보겠다. 특정 단어에서 단어로 시작하는 색까지의 연관성을 연구하고 참가자에게 이 단어와 연관된 색을 선택하도록 요청하는 실험적 방법론이 수행되었다 . 본 연구에서는 각 단어에 대한 연관 색의 특성을 분석하기 위해 K-평균 클러스터링 방법을 사용했다.

RESEARCH OBJECTIVE AND QUESTIONS

METHOD

단어로 시작하여 참가자들에게 이 단어와 관련된 색을 선택하도록 요청하는 정신물리학적 실험이 수행되었다. 이 새로운 접근 방식은 단어 → 색 연관성을 탐색하는 효율적이고 실용적인 방법이다. 단어에서 색까지의 색 연관성에 대한 데이터를 수집하기 위해 이 방법론을 사용하여 여러 연구가 이전에 수행되었다.

RESULTS AND ANALYSIS

30명의 참가자로부터 얻은 모든 데이터는 30단어마다 30개의 색채 팔레트로 구성되었다. 각 팔레트에서 첫 번째 열은 가장 관련성이 높은 색에 해당한다. 다른 두 열은 관련된 다른 두 색에 해당한다.

단어로부터 연상되는 색의 연관성에 대한 구체적인 특성을 탐색하기 위해 K-평균 클러스터링 분석을 사용했다. 가장 관련성이 높은 색과 관련된 다른 두 가지 색을 각 단어별로 하나의 팔레트로 구성했다. 따라서 각 단어에 대해 각 팔레트에서 90개의 관련 색상 패치가 수집되었다. 각 팔레트는 K-평균 클러스터링으로 분석되어 90개의 색상 패치를 각각 분할하고 특성을 수집했다. 예를 들어, 첫 번째 단어인 “active”에 대한 분석은 다음과 같다.

이 과정을 거쳐 각 단어의 각 색채 팔레트를 하나씩 분석했다. 본 연구에서는 단어별 연상의 구체적인 특성으로 관련 색 분포와 관련 색 경향성을 수집했다. 이 분석을 통해 단어와 색 간의 연관성에 대한 두 가지 주요 특징이 요약되었다.

1. 단어의 관련 색 분포:

관련 색은 단어마다 색 클러스터의 수가 다르다. 일부 단어는 두 가지 주요 색(예: “깨끗한”, “차가운”, “풍부한”)과 연관되어 있다. 일부 단어는 세 가지 주요 색(예: “여성”, “신선함”, “건강”)과 연관되어 있고 일부 단어는 더 많은 주요 색(예: “활동적”, “문화적”, “죽은”)과 연관되어 있다.

2. 단어의 관련 색 경향:

다른 단어는 다른 색 경향과 연관되어 있다. 각 클러스터의 가중치에 따라 두 가지 범주로 나눌 수 있다. 단어는 관련 색의 단일 색 경향을 갖는다(한 클러스터는 다른 클러스터보다 훨씬 더 큰 가중치를 나타냄). 단어에는 연관된 색의 여러 색 경향이 있다(둘 이상의 클러스터는 다른 클러스터보다 훨씬 더 큰 가중치를 나타냄). 예를 들어, ‘죽은’과 ‘현대적인’이라는 단어는 분명히 단일 색 경향과 연관되어 있다. 반대로 “여성”과 “신선한” 색상은 둘 이상의 색 경향과 연관되어 있다.

DISCUSSION AND CONCLUSION

본 연구의 주요 공헌은 단어에서 색까지 연상의 구체적인 특징을 탐색하고, 단어에서 색까지 연상의 주요 특징을 파악하고 요약한 것이다. 단어와 색 연관성에 대한 데이터를 수집하기 위해 정신물리학적 실험이 사용되었다.

첫째, 이 연구는  색 연상에 대한 작업의 기본 특성을 나타내었고, 단어와 색 간의 연관성이 강할수록 관련 색의 유사성이 커진다는 것을 보여주었다. 각 단어의 결과는 가장 관련성이 높은 색(팔레트 1)과 다른 두 가지 관련 색(팔레트 2)을 수집했다. 팔레트 1과 2의 각 세트 사이의 연관성에 대한 주관적인 강도가 얻어졌다. 참가자에게 가장 관련성이 높은 색과 다른 두 가지 관련 색상을 선택하도록 요청했다. 각 단어에 대해 팔레트 1의 연관성 강도는 팔레트 2보다 더 강하다. 따라서 단어와 색 간의 관계 정도는 관련 색 유사성에 해당한다고 생각하는 것이 합리적이다.

그리고 단어부터 색까지의 연관성의 구체적인 특성을 알아보기 위해 분석기법을 도입하였고, 본 연구를 바탕으로 3가지 측면의 특성 모델을 정리하였다.

세 가지 측면 특성 모델
• 연상의 규모 단어와 색 간의 연관성이 강할수록 관련 색의 색 유사성이 커진다.
• 단어의 관련 색 분포 단어에 따라 관련 색의 색상 클러스터 수가 다르다.
• 단어의 관련 색 경향 다른 단어는 다른 색 경향과 연관되어 있다. 이는 각 클러스터의 가중치에 따라 두 가지 범주로 나눌 수 있다. 연관된 단일 색을 갖는 단어이다. 여러 가지 색이 연관된 단어이다.

---

원문보기:  The multiple characteristics of specific associations from words to colors. Color Research & ApplicationVolume 48, Issue 1