Geographic Information Systems have been used in historical research for decades—mapping trade routes, visualizing demographic shifts, analyzing urban growth patterns. But GIS adoption in the humanities remains limited compared to the sciences, and a persistent barrier is the reproducibility problem: a GIS analysis performed by one researcher is often difficult for another to reproduce because the steps involve proprietary software, undocumented manual operations, and idiosyncratic data formats.

The reproducibility problem matters for two reasons. First, it undermines the scholarly standard that findings should be independently verifiable. Second, it limits the cumulative nature of research—if you cannot reproduce someone else's analysis, you cannot extend it. Recent work is addressing this through workflow-based approaches that make GIS analyses transparent, shareable, and reproducible.

The Research Landscape

Workflow-Based Reproducible GIS

Fu, Lin, and Huang (2026) present the most direct solution to the reproducibility challenge: a workflow-based approach to historical spatial analysis using KNIME (Konstanz Information Miner), an open-source visual analytics platform. The paper's contribution is both methodological (how to structure GIS analyses as reproducible workflows) and practical (providing specific templates that humanities scholars can adapt).

The KNIME approach has several advantages for DH contexts:

Visual programming. KNIME uses a drag-and-drop interface where processing steps are represented as nodes connected by data flows. This makes the analysis pipeline visible and self-documenting—anyone who opens the workflow can see exactly what was done and in what order.

No coding required. While KNIME supports Python and R scripting, the basic spatial analysis operations (geocoding, buffer analysis, spatial joins, choropleth mapping) can be performed without writing code. This lowers the barrier for humanities scholars who may not have programming training.

Reproducibility by design. A KNIME workflow file contains the complete analysis pipeline: data sources, processing steps, parameters, and output specifications. Sharing the workflow is equivalent to sharing the complete methodology—something that a conventional GIS project (typically a mix of software operations, manual steps, and custom scripts) cannot easily achieve.

The paper demonstrates the approach with two historical case studies: analyzing the spatial distribution of medieval monasteries in England and mapping population changes in American cities during the Great Migration. Both analyses are packaged as downloadable KNIME workflows that other researchers can run, modify, and extend.

Historical GIS for Chinese Dynastic Records

Xu (2024) applies Historical GIS (HGIS) to a specific problem in Chinese economic history: the origination, transportation, and retention of field levies during the Ming Dynasty (1368–1644). Previous scholarship on this topic relied on textual analysis of dynastic records; Xu adds a spatial dimension by geocoding the administrative units mentioned in the records and mapping the flow of grain levies from production regions to consumption centers.

The spatial analysis reveals patterns that textual analysis alone could not show: the concentration of levy collection in the Yangtze Delta, the transportation bottlenecks along specific canal segments, and the spatial mismatch between grain-producing regions and military consumption centers that drove Ming fiscal policy.

Methodologically, the study illustrates both the power and the challenges of applying GIS to pre-modern records. The administrative geography of the Ming Dynasty changed repeatedly; matching historical place names to modern coordinates requires extensive reference databases and expert judgment that cannot be fully automated.

Interdisciplinary Urban Heritage

Duvette (2025) demonstrates an interdisciplinary approach to architectural history that integrates GIS with art history, urban studies, and digital humanities. The study examines a Parisian neighborhood from 1750 to 1950, combining cartographic analysis (historical maps georeferenced in GIS), textual analysis (building permits, census records), and visual analysis (photographs, architectural drawings).

The methodological contribution is the integration framework: rather than treating each data source as a separate analysis, Duvette shows how GIS can serve as the spatial backbone that links different types of evidence. A building's geographic coordinates connect it to the census records of its inhabitants, the architectural drawings of its construction, the photographs documenting its changes over time, and the historical maps showing its neighborhood context. GIS becomes not just an analytical tool but a data integration platform.

Data Infrastructure for Heritage Research

Carafa and Cecconi (2026) present a dataset and methodology for documenting ancient Umbrian landscapes, developed within Italy's CHANGES partnership for cultural heritage innovation. Their contribution illustrates the infrastructure requirements for long-term heritage GIS: standardized data formats, interoperable metadata, and open access that enables future researchers to build on current work.

The dataset includes archaeological survey data, historical cartography, land use records, and environmental data, all organized within a GIS framework. The emphasis on interoperability—using standardized formats (GeoJSON, GeoTIFF) and metadata schemas (INSPIRE, Dublin Core)—ensures that the data can be used with different GIS platforms and integrated with other datasets.

Critical Analysis: Claims and Evidence

Open Questions and Future Directions

What This Means for Your Research

For historians interested in spatial analysis, Fu et al.'s KNIME approach offers a practical starting point that does not require programming skills. The downloadable workflows provide templates that can be adapted to many historical questions.

For DH infrastructure developers, the interoperability standards demonstrated by Carafa and Cecconi provide a model for building datasets that future researchers can actually use.

Explore related work through ORAA ResearchBrain.

면책 조항: 이 게시물은 정보 제공을 위한 연구 동향 개요이다. 학술 저작물에서 인용하기 전에 원본 논문을 통해 구체적인 연구 결과, 통계 및 주장을 검증해야 한다.

역사학자를 위한 재현 가능한 GIS: 디지털 인문학에서의 공간 분석 민주화

지리 정보 시스템(Geographic Information Systems, GIS)은 수십 년간 역사 연구에 활용되어 왔다—무역 경로 지도 제작, 인구 변화 시각화, 도시 성장 패턴 분석 등이 그 예이다. 그러나 인문학에서의 GIS 도입은 과학 분야에 비해 여전히 제한적이며, 재현성 문제가 지속적인 장벽으로 작용하고 있다. 한 연구자가 수행한 GIS 분석을 다른 연구자가 재현하기 어려운 경우가 많은데, 이는 분석 과정이 독점 소프트웨어, 문서화되지 않은 수동 작업, 그리고 특수한 데이터 형식에 의존하기 때문이다.

재현성 문제는 두 가지 이유에서 중요하다. 첫째, 연구 결과는 독립적으로 검증 가능해야 한다는 학술적 기준을 훼손한다. 둘째, 연구의 누적적 특성을 제한한다—다른 연구자의 분석을 재현할 수 없다면, 이를 확장하는 것도 불가능하다. 최근 연구들은 GIS 분석을 투명하고 공유 가능하며 재현 가능하게 만드는 워크플로우 기반 접근법을 통해 이 문제를 해결하고 있다.

연구 현황

워크플로우 기반 재현 가능한 GIS

Fu, Lin, Huang(2026)은 재현성 문제에 대한 가장 직접적인 해결책을 제시한다. 오픈 소스 시각적 분석 플랫폼인 KNIME(Konstanz Information Miner)을 활용한 역사 공간 분석의 워크플로우 기반 접근법이다. 이 논문의 기여는 방법론적 측면(GIS 분석을 재현 가능한 워크플로우로 구성하는 방법)과 실용적 측면(인문학 연구자들이 응용할 수 있는 구체적인 템플릿 제공) 모두에서 이루어진다.

KNIME 접근법은 디지털 인문학(Digital Humanities, DH) 맥락에서 다음과 같은 여러 장점을 지닌다.

시각적 프로그래밍. KNIME은 드래그 앤 드롭 인터페이스를 사용하며, 처리 단계가 데이터 흐름으로 연결된 노드로 표현된다. 이를 통해 분석 파이프라인이 가시화되고 자기 문서화(self-documenting)가 가능해진다—워크플로우를 열어보는 누구나 어떤 작업이 어떤 순서로 수행되었는지 정확히 파악할 수 있다.

코딩 불필요. KNIME은 Python 및 R 스크립팅을 지원하지만, 지오코딩(geocoding), 버퍼 분석(buffer analysis), 공간 조인(spatial join), 단계구분도 지도 작성(choropleth mapping)과 같은 기본적인 공간 분석 작업은 코드 작성 없이도 수행할 수 있다. 이는 프로그래밍 교육을 받지 않은 인문학 연구자들의 진입 장벽을 낮춘다.

설계 단계에서의 재현성. KNIME 워크플로우 파일에는 데이터 소스, 처리 단계, 매개변수, 출력 사양 등 완전한 분석 파이프라인이 포함된다. 워크플로우를 공유하는 것은 완전한 방법론을 공유하는 것과 동일하다—이는 소프트웨어 작업, 수동 단계, 커스텀 스크립트가 혼합된 일반적인 GIS 프로젝트로는 쉽게 달성하기 어려운 것이다.

이 논문은 두 가지 역사적 사례 연구를 통해 이 접근법을 시연한다. 잉글랜드 중세 수도원의 공간적 분포 분석과 대이주(Great Migration) 시기 미국 도시의 인구 변화 지도 제작이 그것이다. 두 분석 모두 다른 연구자들이 실행, 수정, 확장할 수 있는 다운로드 가능한 KNIME 워크플로우로 패키지화되어 있다.

중국 왕조 기록을 위한 역사 GIS

Xu(2024)는 역사 GIS(Historical GIS, HGIS)를 중국 경제사의 특정 문제에 적용한다. 명나라(明朝, 1368–1644) 시기 전세(field levy)의 발생, 운송, 그리고 보유가 그 대상이다. 이 주제에 관한 기존 연구는 왕조 기록의 텍스트 분석에 의존했으나, Xu는 기록에 언급된 행정 단위를 지오코딩하고 생산 지역에서 소비 중심지로의 곡물 세금 흐름을 지도화함으로써 공간적 차원을 추가한다.

공간 분석은 텍스트 분석만으로는 드러낼 수 없었던 패턴을 밝혀낸다. 양쯔강 삼각주(Yangtze Delta)에서의 세금 징수 집중, 특정 운하 구간을 따른 운송 병목 현상, 그리고 명나라의 재정 정책을 이끌었던 곡물 생산 지역과 군사 소비 중심지 간의 공간적 불일치가 바로 그것이다.

학제 간 도시 유산

Duvette(2025)는 GIS를 미술사, 도시 연구, 디지털 인문학과 통합하는 건축사에 대한 학제 간 접근법을 제시한다. 이 연구는 1750년부터 1950년까지의 파리 한 지역을 대상으로, 지도학적 분석(GIS에서 지리 참조된 역사 지도), 텍스트 분석(건축 허가서, 인구 조사 기록), 시각적 분석(사진, 건축 도면)을 결합한다.

방법론적 기여는 통합 프레임워크에 있다. Duvette는 각 데이터 출처를 별개의 분석으로 처리하는 대신, GIS가 서로 다른 유형의 증거를 연결하는 공간적 근간으로 기능할 수 있음을 보여준다. 건물의 지리적 좌표는 해당 건물을 거주자의 인구 조사 기록, 건설 당시의 건축 도면, 시간의 흐름에 따른 변화를 기록한 사진, 그리고 주변 맥락을 보여주는 역사 지도와 연결한다. GIS는 단순한 분석 도구가 아니라 데이터 통합 플랫폼이 된다.

방법론적 측면에서, 이 연구는 GIS를 전근대 기록에 적용할 때의 가능성과 과제를 모두 잘 보여준다. 명나라의 행정 지리는 반복적으로 변화했으며, 역사적 지명을 현대 좌표와 대응시키기 위해서는 완전한 자동화가 불가능한 방대한 참조 데이터베이스와 전문가적 판단이 요구된다.

유산 연구를 위한 데이터 인프라

Carafa와 Cecconi(2026)는 고대 움브리아 경관을 기록하기 위한 데이터셋과 방법론을 제시하며, 이는 문화유산 혁신을 위한 이탈리아의 CHANGES 파트너십 내에서 개발되었다. 이들의 기여는 장기적인 유산 GIS를 위한 인프라 요건, 즉 표준화된 데이터 형식, 상호 운용 가능한 메타데이터, 그리고 미래 연구자들이 현재의 작업을 발전시킬 수 있도록 하는 공개 접근성을 잘 보여준다.

이 데이터셋은 고고학 조사 데이터, 역사 지도학, 토지 이용 기록, 환경 데이터를 포함하며, 모두 GIS 프레임워크 내에서 구성되어 있다. 표준화된 형식(GeoJSON, GeoTIFF)과 메타데이터 스키마(INSPIRE, Dublin Core)를 사용하는 상호 운용성에 대한 강조는 해당 데이터가 다양한 GIS 플랫폼에서 활용되고 다른 데이터셋과 통합될 수 있도록 보장한다.

비판적 분석: 주장과 근거

미해결 과제와 향후 방향

귀하의 연구에 대한 시사점

DH 인프라 개발자들에게는 Carafa와 Cecconi가 제시한 상호운용성 표준이 미래 연구자들이 실제로 활용할 수 있는 데이터셋 구축을 위한 모델을 제공한다.

ORAA ResearchBrain을 통해 관련 연구를 탐색할 수 있다.