In recent years, an array of studies has focused on ‘translationese’ (i.e., unique features that manifest in translated texts, causing second language (L2) writings to be similar to translated texts but different from native language (L1) writings). This intriguing linguistic pattern has motivated scholars to investigate potential markers for predicting the divergence of L1 and L2 texts. This study builds on this work, evaluating the feature importance ranking of specific translationese markers, including standardized type-token ratio (STTR), mean sentence length, bottom-frequency words, connectives, and n-grams. A random forest model was used to compare these markers in L1 and L2 academic journal article abstracts, providing a robust quantitative analysis. We further examined the consistency of these markers across different academic disciplines. Our results indicate that bottom-frequency words are the most reliable markers across disciplines, whereas connectives show the least consistency. Interestingly, we identified three-word lexical bundles as discipline-specific markers. These findings present several implications and open new avenues for future research into translationese in L2 writing.

공간 해상도 1m 이하의 고해상도 원격 탐사 영상의 민간 활용이 활발해 짐에 따라, 이를 위한 전문 분야 별 영상 분석 방법의 개발 요구가 증가하고 있다. 다양한 영상분석 기법 중에, 주변 화소들간의 공간 분포 관계에 의해 특성이 결정되는 텍스처 영상의 분석은 이러한 목적을 위한 유용한 영상 분석 방법 중 하나이다. 이 연구에서는 원시 영상으로부터 GLCM 알고리즘에 의해 생성된 텍스처 영상에 대해서 방향 인자, 마스킹 커널의 크기, 변수의 종류에 따른 결과를 비교, 분석한 뒤 각각의 결과 영상의 지형공간 특성 분석의 적용성에 대하여 알아보았다. 또한 원시 영상과 텍스처 영상에서 특성 정보를 포함하는 템플레이트를 설정하고 이를 기준으로 반복적인 패턴을 자동으로 검색하는 템플레이트 정합 프로그램을 구현하여 이를 원시 영상과 텍스처 영상에 적용하였고, 처리 결과에 기초하여 향후 적용 가능성을 검토하였다. 이 연구의 결과는 일정한 패턴으로 나타나는 지구과학적인 지형 특성이나 고해상도 위성영상 정보를 이용한 인공 지형지물의 파악 및 분석에 효과적으로 적용될 수 있을 것으로 예상된다.

The goal of this paper is to suggest a feature-based analysis for the licensing of null subjects found in languages. After reviewing the uniformity principle suggested in 1980s, we investigate the possibility of more insightful description on the distribution of null subjects based on Holmberg and Roberts (2013)'s research. Then we show that the typological classification of the null subject constructions among languages helps to provide a universal rule that applies to explain the full, partial and radical pro-drop phenomena among languages. Finally we suggest a feature copying or feature sharing analysis for null topic and null subject constructions in Korean.