# Humanize KR Scholarship Reference (v2.0)

> **외부 SSOT** — 본진 분류 체계(`references/ai-tell-taxonomy.md`)는 패턴 행마다 한 줄 메타(`source_short`)로 이 파일을 가리킨다. 학술 출처 전문(full text)은 본 파일에 보존하여 SSOT 룰북의 슬림성을 해치지 않는다.
>
> **출처 보고서**: 한국어 번역투(translationese) 종합 연구보고서: 영한 번역과 AI 후편집의 통합적 관점 (2026-05-07 distilled, 540 lines markdown).
> 학자 이름·연도·저널·페이지·DOI는 보고서 verbatim. 자체 추정·확장 없음.

---

## 한국 번역학계 8대 번역투 정통성 계보

> 보고서 §III.3 "8대 번역투 유형의 통합" 매핑. 본진 SSOT 패턴 ID는 v2.0 신규 4건(A-16~19) + 보강 4건(A-15·A-7·F-4·E-2)에 부착 예정.

### 1. 무생물 주어 + 타동사 구문

> 보고서 §III.3.1 (line 92-127). 본진 매핑 — A-15(추상 주어 + 만능 동사), D-5(의인화된 추상 주어), 보강 (gap §3.1).

- **이영옥 (2001)**. 무생물 주어 타동사구문의 영한번역. 번역학연구 2(1): 53-76.
  - 한국 번역학계 효시 격 논문 (보고서 II.2.3 line 68).
  - 한국어 행위자 의미역의 [+animate] 자질 강조: "행위자(agent) 의미역이 [+animate] 자질을 강하게 요구하고, '주어 + 목적어 + 타동사' 구조에서 주어가 의미적으로 통제력(control)을 갖는다는 함의가 강하다."
- **김정우 (2007)**. 번역학연구 8(1): 61-82. 8유형 정초.
- **박옥수 (2017)**. 동아인문학 41: 155-183 — 한영 NMT ST 유형적 특징·번역 오류. 영한 방향 동일 메커니즘 작동 보고.

### 2. 피동 표현 과다 (~되어지다, ~에 의해, 이중 피동)

> 보고서 §III.3.2 (line 128-162). 본진 매핑 — A-8(이중 피동), A-9(~에 의해 피동문), A-12(만들어지다·이루어지다). 매핑 강도 full.

- **이근희 (2005)**. 박사학위논문 / 단행본 『이근희의 번역 산책—번역투에서 번역의 전략까지』, 한국문화사 / 동화와 번역 "말뭉치를 활용한 by의 번역투 연구".
  - 영한 번역문과 한국어 비번역문 비교 말뭉치. by 코퍼스·번역투 정의·"-ese" 폄하 함의 지적.
- **김정우 (1996)**.
- **오경순 (2010)**. 일본근대학연구. 일한 번역의 수동표현 번역투.
- **김은일 (2015)**. 현대문법학회 83: 61-79.
- **서보현·김순영 (2018)**. 번역학연구 19(1): 99-117, doi:10.15749/jts.2018.19.1.004 — 영-한 NMT 출력 4범주 오류 분류 ("Incorrect meaning error occurs rather frequently while omission error is found relatively few; Wrong word/phrase order error comes with the incomplete sentence error"). NMT는 통사적 이질감을 일으키는 주된 표지로 'by + 행위자 → ~에 의해' 직역이 빈출.

> 보고서 verbatim 이중 피동 처방: "'잊혀지다 → 잊히다', '보여지다 → 보이다', '쓰여지다 → 쓰이다', '~되어지다 → ~되다'. '~된다'는 그 자체로 피동의 의미를 담고 있어 '~어지다'를 덧붙이는 것은 잉여적이다."

### 3. 대명사 직역 (he/she/it/they → 그/그녀/그것/그들)

> 보고서 §III.3.3 (line 163-191). 본진 매핑 — 신규 A-16 (gap §2 후보 1순위, none).

- **김도훈 (2009)**. 통역과 번역 11(2): 3-19. "영한 번역시 발생하는 번역투에 대한 고찰 — 대명사·복수 표지·무생물 주어 3대 핵심 유형".
- **Cho, Won Ik · Kim, Ji Won · Kim, Seok Min · Kim, Nam Soo (2019)**. "On Measuring Gender Bias in Translation of Gender-neutral Pronouns", ACL Workshop on Gender Bias for NLP (GeBNLP), arXiv:1905.11684.
  - 한국어 무표지 "걔는 [xx]-해" 템플릿으로 MT 시스템의 젠더 편향 측정 체계 제안. 번역 출력이 'She is [xx]', 'He is [xx]', 'The person is [xx]' 중 하나로 나뉨.

> 보고서 verbatim: "한국어는 (i) 영형(zero) 대명사를 통한 생략, (ii) 반복적 명사구의 재사용, (iii) 친족·지위 호칭으로 동일 기능을 수행한다. 한국어 '그/그녀'는 본래 19~20세기 번역 문학을 통해 도입된 인공 어휘에 가깝다."
> NMT/LLM 재현: "한국어 출력문은 대명사 밀도가 비번역 한국어의 2~3배에 달하는 경우가 흔하다."

### 4. '-들' 복수 표지의 기계적 부착

> 보고서 §III.3.4 (line 193-225). 본진 매핑 — 신규 A-17 (gap §2 후보 1순위, none).

- **곽은주·진실로 (2011)**. 번역학연구. 텍스트 차원에서의 복수표현의 영한번역전략.
- **조의연 (2012)**. 번역학연구. 사람명사 복수표현의 영한번역전략에 대한 비판적 소고.
- **조의연 (2015)**. 번역학연구 16(1). 목표언어 중심 등가적 번역전략 비판 — "번역문(translated text)" vs "목표텍스트(target text)" 구분.
- **김정우 (2013)**. 번역학연구.
- **김순영 (2012)**. 새국어생활 22(1). "-들"의 무차별 부착 의미 왜곡.
- **김정우 (1996)**.
- **강범모 (2007)**. 언어학 47.
- **전영철 (2007)**. 언어학 49.

> 보고서 verbatim 의미론: "'-들'이 단순 복수가 아니라 (a) 분포성(distributivity), (b) 사건성, (c) 한정성·개체성을 부각하는 기능을 한다."
> NMT/LLM 재현: "DeepL은 다른 NMT보다 이 점에서 다소 우월하지만 여전히 30~50% 정도는 잉여적 '-들'을 생성한다."

### 5. 관계대명사절 직역 (긴 좌향 수식)

> 보고서 §III.3.5 (line 227-249). 본진 매핑 — 신규 A-18 (gap §2 후보 2순위, none). E-5(쉼표 분절 평균 길이)는 측정 차원 다름.

- **박옥수 (2018)**. 동아인문학 44: 151-171. 영한 방향 NMT 통사 처리 실패 (관계절).
- **김채은 (2021)**. 21세기영어영문학회 34: 279-305. 한영 기계번역 관계절 연구.
- **김성완·이효정 (2017)**. 미래영어영문학회 22: 123-147.

> 보고서 verbatim: "영어는 관계대명사절을 명사 뒤에 후치(right-branching)하지만, 한국어는 관형절을 명사 앞에 전치(left-branching)한다. … 핵 어휘에 도달하기 전에 독자가 길고 복잡한 관형구를 처리해야 하므로 작업기억 부담이 커진다."

### 6. 명사화 표현 및 'have/make' 류 직역

> 보고서 §III.3.6 (line 251-272). 본진 매핑 — A-7(가지고 있다), F-4(한자어 명사화 접미사 -성·-적·-화), 보강 (gap §3.2·§3.3).

- **김정우 (2007)**. 번역학연구 8(1): 61-82. 무생물 주어·have 직역·전치사구 직역.
  - "사랑하는 처자를 가진 가장은 부지런할 수밖에 없다" — 'have'의 흔적이 그대로 남은 대표 사례.
- **이근희 (2005)**.

> 보고서 verbatim: "영어는 'have/make/take/give'와 명사를 결합한 가벼운 동사 구문(light verb construction)을 매우 많이 사용한다. … 한국어는 동사적 표현이 더 자연스러운데, 직역하면 '회의를 가지다, 결정을 만들다, 한번 봄을 가지다'가 되어 어색하다."
> 영어 명사화 접미사 처방: "명사화('-tion, -ment, -ness, -ity')가 누적된 영어 명사구는 한국어에서 동사·형용사로 풀어낸다: 'the implementation of the policy' → '정책 시행' 또는 '정책을 시행하기'"
> NMT/LLM 재현: Pega Devlog 2023 — "GPT는 어색한 번역투 문장이 자주 보입니다(ex. 에너지 공급을 가진다)".

### 7. 일본어·영어식 조사 결합 (-에서의, -에로의, -으로의, -에의)

> 보고서 §III.3.7 (line 273-294). 본진 매핑 — 신규 A-19 (gap §2 후보 2순위, none). 단순 '~의'는 caveat #5에 따라 탐지 대상 명시적 제외.

- **김정우 (2007)**. 번역학연구 8(1): 61-82.
- **김순영 (2012)**. 새국어생활 22(1). 전치사구 직역 자연화.
- **김정우 (1996)**.

> 보고서 verbatim: "근대 한국어는 일본어 'の(の/への/での)'의 영향과 영어 전치사구('of, in, to, from')의 영향을 동시에 받으면서 격조사를 이중·삼중으로 결합한 표현이 늘었다. … 본래 한국어는 이런 표현을 절·구로 풀어 쓰는 것이 자연스럽다."
> "'관형격 조사 의' 자체는 일본어 번역투가 아니지만(중부일보 팩트체크 2020 기사 참고), 연속된 '의 의 의'는 거의 항상 부적절하다."

### 8. 종결어미·시제·서법 처리

> 보고서 §III.3.8 (line 295-322). 본진 매핑 — E-2(동일 종결어미 반복), G-1(추측·관측형 종결), I-1(것이다 종결), 보강 (gap §3.4·§3.5). 청자 경어법은 본진 미커버 단독 영역.

- **김혜영 (2019)**. 통번역교육연구 17(2): 133-162, doi:10.23903/kaited.2019.17.2.007 (KCI ART002506702).
  - 종결어미 의미론·화용론·화행·양태·공손성·언표내적행위·번역 글쓰기.

> 보고서 verbatim: "한국어는 교착어로서 종결어미가 (a) 문장종결법(평서·의문·명령·청유·감탄), (b) 화행, (c) 양태(modality), (d) 청자에 대한 공손성, (e) 화자–청자 관계까지 표시한다."
> 시제·서법: "영어 진행형(be -ing)을 한국어 '~고 있다'로 자동 매핑하면 잉여적이다. 한국어에서 '~고 있다'는 (i) 진행, (ii) 결과 상태 두 의미가 있고, 단순 시제로도 진행 의미가 표현된다('지금 책을 읽는다 / 책을 읽고 있다' 모두 가능)."

---

## 국제 번역학 이론적 토대

### Baker 1993 — 번역 보편소 4축

**Mona Baker (1993)**. "Corpus Linguistics and Translation Studies", in Baker, Francis & Tognini-Bonelli eds., *Text and Technology*, Amsterdam: John Benjamins.

- 번역 보편소 4축 (보고서 II.2.2 line 53-58): **simplification·explicitation·normalisation·levelling-out (1996)**.
- 정의 (보고서 verbatim):
  - **simplification** — "번역문은 원문보다 어휘적·통사적으로 단순한 경향이 있다."
  - **normalisation/conventionalisation** — "번역문은 목표언어의 전형적·관습적 형태를 과도하게 따르는 경향이 있다."
- v2.0 메트릭 트랙 적용 (gap §5): TTR·종결어미 entropy·declarative_da_ratio·end_form_concentration.

### Toury 1995 — 두 법칙

**Gideon Toury (1995)**. *Descriptive Translation Studies and Beyond*, Amsterdam: John Benjamins.

- 두 법칙: (a) 증가하는 표준화의 법칙(growing standardisation), (b) 원천 텍스트 간섭의 법칙(law of interference).
- 보고서 핵심 진술 (Key Findings 2 line 11): "한국어 번역투의 90% 이상이 간섭 법칙으로 환원 가능."
- **Pym, Anthony (2008)**. "On Toury's laws of how translators translate" — Baker 보편소가 Toury 표준화 법칙에 치우쳐 있고 간섭 법칙을 등한시했다고 비판. Pym은 한국어 번역투처럼 '간섭'으로 환원되는 현상은 Toury의 두 번째 법칙으로 설명되어야 한다고 주장.

### Laviosa 2002 — 코퍼스 번역학 보편소 확장

**Laviosa (2002)**. 보고서 II.1.2(line 35) 외국 이론 인용으로 명기. 번역 보편소 코퍼스 기반 확장.

### Chesterman 2004 — S/T-universals 구분

**Chesterman (2004)**. 보고서 II.1.2(line 35) 외국 이론 인용으로 명기. 번역 보편소 — **S-universals(원천 → 목표) vs T-universals(목표언어 내) 구분**.

### Toral 2019 — post-editese (악화된 translationese)

**Antonio Toral (2019)**. "Post-editese: an Exacerbated Translationese", MT Summit XVII Dublin, pp. 273-281. arXiv:1907.00900.

- 보고서 verbatim 결론 (post_editese_axes.post_editese_definition_verbatim): "PE는 HT보다 (i) 어휘 다양성·밀도가 낮아 더 단순(simpler)하고, (ii) 목표언어 관습으로 더 정규화(normalised)되어 있으며, (iii) 원천언어로부터의 간섭이 더 강(higher interference)했다. 즉 'post-editese'는 'translationese의 악화된 형태(exacerbated translationese)'였다."
- 검증 데이터셋: 5개 언어쌍 3개 데이터셋 (en→de, de→en, es→de Taraxa뉴스 / en→de en→fr IWSLT자막 / zh→en MS뉴스). **한국어는 미포함** — caveat C3 적용.
- 한국적 함의 (post_editese_axes.korean_implication): "후편집이 단순 교정(post-editing)이 아니라 재구성(re-writing) 수준으로 수행되어야 함을 의미한다."
- v2.0 메트릭 트랙 적용 (gap §5): post_editese_score 3축 가중 합. caveat C3에 따라 모든 metric에 `speculative: true` 플래그 권고.

### Sarti·Bisazza·Guerberof-Arenas·Toral 2022 — DivEMT

**Sarti, Bisazza, Guerberof-Arenas, Toral (2022)**. EMNLP pp. 7795-7816 (DivEMT).

- 18명 전문 번역가 영-아·네·이·터·우·베 6개 언어 PE 실험.
- verbatim: "magnitude of productivity gains varies widely across systems and languages, highlighting major disparities in post-editing effectiveness for languages at different degrees of typological relatedness".

### Cho et al. 2019 — 한국어 MT 젠더 편향

**Cho, Won Ik · Kim, Ji Won · Kim, Seok Min · Kim, Nam Soo (2019)**. "On Measuring Gender Bias in Translation of Gender-neutral Pronouns", ACL Workshop on Gender Bias for NLP (GeBNLP), arXiv:1905.11684. (위 §3 대명사 직역 참조.)

### Frawley 1984 — third code

**Frawley (1984)**. 보고서 II.2.1 line 49 인용. 번역어를 원천언어와도 목표언어와도 다른 "제3의 부호(third code)"로 개념화.

### Hayase et al. 2024 — GPT-4o 한국어 학습 비중

**Hayase et al. (2024)**. "Data Mixture Inference: What do BPE Tokenizers Reveal about their Training Data?", arXiv:2407.16607.

- GPT-4o 비영어 학습 데이터 비중 39% (GPT-3.5 3% 대비 13배), 한국어 비중 1% 미만 추정. 보고서 IV.4.4 line 359, VI Caveat 6 line 539.

---

## 이론적 종합(Synthesis) — AI 티와 번역투는 같은 원인의 두 증상이다

> **⚠️ 라벨: 자체 종합(Synthesis).** 본 절은 이 파일의 다른 절과 성격이 다르다. 다른 절은 출처 보고서 verbatim 큐레이션이지만, 본 절은 **아래 명기된 외부 문헌들을 잇는 humanize-ko 자체의 이론적 해석**이다. 개별 문헌의 주장(출처 부착)과 우리의 조립(「우리 해석」 표기)을 문장 단위로 구분한다. 문헌이 직접 말하지 않은 것을 문헌의 주장인 양 쓰지 않는다.

### 명제

**AI 티(AI-tell)와 번역투(translationese)는 우연히 겹친 것이 아니라, 같은 원인 — 영어 중심 표상(English-centric representation) — 의 두 증상이다.**

이 스킬의 본진 분류 체계(`ai-tell-taxonomy.md`)가 경험적으로 수집한 AI 티 패턴의 상당수가 한국 번역학계가 수십 년간 기술해 온 8대 번역투 유형과 일치하는 이유는, LLM의 한국어 출력이 구조적으로 **영어 표상에서 산출된 사실상의 번역물**이기 때문이라는 것이 본 절의 핵심 주장이다.

### 3단 논증

**1단 — 기제(mechanism): LLM의 개념 공간은 영어에 기울어 있다.**

- **Wendler, Veselovsky, Monea, West (2024)**. "Do Llamas Work in English? On the Latent Language of Multilingual Transformers", ACL 2024, arXiv:2402.10588.
  - Llama 계열 모델이 비영어 입력을 처리하는 동안 **중간층(intermediate layers)에서 영어 토큰에 높은 확률을 할당**함을 logit lens로 관찰. 저자들은 모델의 내부 개념 공간(concept space)이 어느 언어와도 동일하지 않되 **영어 쪽에 가깝게 위치**한다고 해석.
- *우리 해석*: 이 관찰을 한국어 생성에 적용하면, 모델이 "한국어로 생각해서 한국어로 쓰는" 것이 아니라 **영어에 기운 개념 공간에서 형성된 표상을 마지막에 한국어 표층형으로 사상(mapping)하는** 구도가 된다. 이는 인간 번역 과정에서 원천 텍스트(영어)가 목표 텍스트(한국어)에 흔적을 남기는 구도와 구조적으로 동형이다. (주의: Wendler et al.의 실험 대상은 Llama-2 계열이며 한국어 생성 태스크를 직접 다루지 않았다 — 하단 한계 참조.)

**2단 — 원인(cause): 학습 데이터가 번역투 편향을 이식한다.**

- **"Lost in Literalism: How Supervised Training Shapes Translationese in LLMs" (2025)**. ACL 2025, arXiv:2503.04369.
  - LLM 번역 출력에 나타나는 translationese(부자연스러운 직역성·과도한 축자성)의 원인을 **지도학습(SFT) 데이터에 포함된 번역문의 편향**에서 찾음. 학습 데이터 정제(번역투 심한 인스턴스 완화)로 translationese가 **완화됨을 실증** — 즉 이 현상은 데이터 기인적(data-driven)이며 개입 가능하다.
- *우리 해석*: 1단이 "표상 수준에서 영어에 기울 수밖에 없는 구조"를 말한다면, 2단은 "그 위에 학습 데이터의 번역문이 번역투 문형을 추가로 각인한다"는 이중 경로다. 한국어처럼 학습 비중이 극히 낮은 언어(Hayase et al. 2024, GPT-4o 한국어 비중 1% 미만 추정 — 본 파일 §Hayase 항목)는 그 낮은 비중 안에서도 영한 번역문·병렬 코퍼스가 차지하는 몫이 상대적으로 클 개연성이 있어 두 경로가 중첩된다. (단, 한국어 학습 데이터 내 번역문 비율 자체는 공개된 실측치가 없다 — 미확인.)

**3단 — 현상(phenomenon): 비영어 출력에서 '영어 액센트'가 측정된다.**

- **Guo, Conia, Zhou, Li, Potdar, Xiao (2025)**. "Do Large Language Models Have an English 'Accent'?", ACL 2025, arXiv:2410.15956.
  - LLM의 비영어 출력이 원어민 산출 텍스트 대비 **측정 가능한 '영어 액센트'**를 보임을 실증. 영어식 어휘·통사 패턴이 비영어 출력으로 스며드는 정도를 정량화하는 메트릭 제안. **검증 대상은 프랑스어·중국어 — 한국어는 미포함** (Caveat C8).
- *우리 해석*: 1단(표상)·2단(데이터)의 예측이 출력 표층에서 실측된 것이 3단이다. 기제→원인→현상이 하나의 인과 사슬로 닫힌다.

### 기존 자산과의 접속 — Toury 간섭 법칙의 재적용

- **Toury (1995)**의 간섭 법칙(law of interference — 본 파일 §Toury 항목)은 원천 텍스트의 구조가 목표 텍스트에 전이되는 현상을 기술하며, 출처 보고서는 "한국어 번역투의 90% 이상이 간섭 법칙으로 환원 가능"이라 진술한다.
- *우리 해석*: 위 3단 논증이 성립하면, **LLM 한국어 생성은 '원천 텍스트 없는 번역'** — 원천이 표층 텍스트가 아니라 영어에 기운 내부 표상인 번역 — 이 되고, 간섭 법칙은 번역문에 적용되던 그대로 LLM 출력에 적용된다. 그렇다면:
  - 한국 번역학계 8유형(무생물 주어·피동 과다·대명사 직역·'-들' 남용·관계절 좌향 수식·have/make 직역·조사 결합·종결어미 단조)이 AI 출력에서 재현되는 것은 **우연한 유사가 아니라 이론이 예측하는 필연**이다.
  - **Toral (2019)**의 post-editese(간섭이 인간 번역보다 오히려 강한 "악화된 translationese" — 본 파일 §Toral 항목)는 이 구도의 선행 사례다: 기계 산출물을 거친 텍스트는 간섭이 완화되지 않고 증폭된다. LLM 직접 생성물은 후편집조차 없는 상태이므로, 간섭 신호가 더 노골적으로 남을 것이라 추론할 수 있다(추론임 — 한국어 실측 없음, Caveat C7).
- 이로써 이 스킬의 두 축이 이론적으로 결합된다: **AI 출력 관찰 taxonomy(현상 목록) × 한영 번역학 직역 함정(예측 이론)** — 전자는 후자가 예측하는 바로 그 자리에서 발견되고 있었다.

### 함의 1 — 한국어 공백은 연구 기회다

- Guo et al. 2025(영어 액센트 측정)는 프랑스어·중국어까지 왔고 **한국어를 다루지 않았다**. Toral 2019(post-editese)의 5개 언어쌍에도 한국어는 없다(기존 Caveat C3). 즉 "영어 액센트" 연구군과 한국어 번역투 연구군은 **아직 아무도 잇지 않았다**.
- 이 스킬은 그 교차점의 재료를 이미 보유한다: (a) 한국 번역학계 8유형의 학자 계보(이영옥 2001~김혜영 2019, 본 파일 §8대 유형), (b) 8유형이 anchor된 70패턴 taxonomy, (c) metrics_v2 정량 트랙(TTR·종결어미 entropy·post_editese_score 등).
- *우리 해석 (연구 포지션)*: "한국 번역학 8유형 × 영어 액센트 메트릭" 교차 검증 — 예컨대 Guo et al.의 액센트 메트릭을 한국어로 확장하고, 8유형 각각의 재현율을 LLM 출력 코퍼스에서 실측 — 은 현재 공백이며, 본 스킬의 자산 구성상 우리가 논문화하기 가장 유리한 위치에 있다. (기존 Caveat C4가 지적한 "8유형 단일 실증 연구 부재"는 한국어 인간 번역·NMT 문헌의 공백인데, LLM 세대에서도 같은 공백이 반복되고 있는 셈이다.)

### 함의 2 — 패턴 발굴이 귀납에서 연역으로 바뀐다

- *우리 해석*: 지금까지 taxonomy 패턴은 AI 출력을 관찰해 하나씩 줍는 **귀납**으로 축적됐다. 위 이론이 서면 방향이 바뀐다 — **간섭 법칙 + 영한 대조언어학이 예측하는 직역 함정 목록에서 아직 taxonomy에 없는 항목을 연역**하고, 실제 AI 출력에서 그 재현 여부를 확인하는 순서가 가능해진다.
- 구체 절차(신규 패턴 발굴 프로토콜 제안):
  1. 영한 대조 문법의 비대칭 지점(영어에 있고 한국어에 없는 구조, 또는 그 역)을 나열한다 — 8유형은 이 중 번역학계가 이미 기술한 부분집합이다.
  2. 각 비대칭에 대해 "영어 표상 → 한국어 표층 직역 시 생길 표층형"을 예측한다.
  3. 예측 표층형을 AI 출력 코퍼스에서 검색해 재현율을 확인하고, 임계 이상이면 신규 패턴 후보로 taxonomist에 회부한다.
- 예상 적용례(모두 가설 단계, 미검증): 영어 서법조동사 체계의 직역(would/could/might → '~할 수 있을 것이다' 류 겹침), 영어 담화표지의 1:1 사상(In fact/Indeed/Moreover의 고정 대응어 반복), 가산성 비대칭(불가산 개념의 수량 표현) 등. — 이들은 연역 프로토콜의 출력 예시이지 확정 패턴이 아니며, 3단계 재현율 확인 전에는 taxonomy에 넣지 않는다.

### 한계·불확실성 (Caveat 신설 3건 제안 — 기존 C1~C6에 이어 번호 부여)

#### C7. 3단 논증의 한국어 직접 검증 부재
본 절의 인과 사슬(영어 기운 표상 → SFT 번역 편향 → 출력 액센트 → 한국어 번역투 재현)은 **각 고리를 다른 논문에서 가져와 조립한 것**이며, 한국어에서 사슬 전체를 관통 검증한 연구는 확인되지 않는다. Wendler et al. 2024는 Llama-2 계열의 중간층 관찰이고(한국어 생성 태스크 아님), Lost in Literalism(arXiv:2503.04369)의 실험 언어쌍에 한국어가 포함되는지는 미확인이다. 조립은 우리의 해석이며, 반증 가능성(예: 한국어 AI 티 중 번역투로 환원되지 않는 잔여 — 결말 공식, 이모지·불릿 과다 등 register/format 계열 — 의 존재)을 열어 둔다. 실제로 taxonomy 10대 카테고리 중 간섭 법칙이 직접 설명하는 것은 통사·어휘 계열이며, 형식·수사 계열(리듬 균일성·기계적 병렬 등)은 별도 기제(RLHF 스타일 수렴 등 — 미확인 가설)가 필요할 수 있다. **이 이론은 AI 티의 '상당수'를 설명하는 것이지 전부를 설명한다고 주장하지 않는다.**

#### C8. Guo et al. 2025 한국어 미포함
영어 액센트의 정량 측정(arXiv:2410.15956)은 프랑스어·중국어 대상이다. 한국어에 동일 결론을 적용하는 것은 유형론적으로 합리적 추론이나(한국어는 영어와의 유형 거리가 불어·중어보다 멀어 액센트가 오히려 클 개연성 — 이것도 추론), 정량 검증은 미수행. 기존 C3(Toral post-editese 한국어 미검증)와 동일 구조의 한계이며, metrics_v2에서 이 논증에 기대는 지표에는 `speculative: true` 플래그를 유지한다.

#### C9. Hayase 추정치 의존
"한국어 비중 1% 미만"은 Hayase et al. 2024(arXiv:2407.16607)의 **토크나이저 역추론 기반 추정치**이지 공개된 실측치가 아니다(기존 C6 참조). 또한 이 수치는 GPT-4o 기준이며 Claude·Gemini 등 타 모델의 한국어 비중은 미공개·미확인이다. "학습 비중이 낮을수록 영어 표상 의존이 크다"는 연결 자체도 본 절의 해석이지 Hayase 논문의 주장이 아니다.

---

---

## NMT/LLM 시대 한국 PE 가이드라인 계보

> 보고서 §V.5 "한국어 PE 교육·연구 계보" 매핑.

- **윤미선·김택민·임진주·홍승연 (2018)**. 번역학연구 19(5): 43-76. 영-한 PE 가이드라인 — 한국어 PE 교육의 토대.
- **김혜림 (2022)**. 중국언어연구 99: 277-312. 중-한 PE 가이드라인.
- **이상빈 (2017)**. 통역과 번역 19(3): 37-64, doi:10.20305/it201703037064.
  - PE는 단순 번역기 결과 수정이 아니라 (a)메시지·(b)논리·(c)연어·(d)문법·(e)레이아웃 등 11개 항목 종합. 학부생 단어 차원 수정 한계.
- **이상빈 (2018a)**. 통번역학연구 22(1): 117-143, doi:10.22844/its.2018.22.1.117.
  - 학부생 PE 경험 5요소 — (1) PE는 어렵다 (2) 교정교열 교육 필요 (3) MT 품질 나쁘지 않음 (4) 프리에디팅 필요 (5) PE 역량=기본 번역역량.
- **이상빈 (2018b)**. 번역학연구 19(3): 259-286, doi:10.15749/jts.2018.19.3.010.
  - 사고발화(TAP) + 화면녹화 PE 행위 분석 — 사전 과의존·단어구 단위 수정·over-revision 위험.
- **마승혜 (2018)**. 통번역학연구 22(1): 53-88, doi:10.22844/its.2018.22.1.53. 텍스트 유형별 PE 문제 — 정보적·표현적·설득적 텍스트 차이.
- **이주리애 (2018)**. 통역과 번역 20(1): 43-71, doi:10.20305/it201801043071. 한일/일한 NMT 어휘·구·통사·텍스트 4층위 분석.

---

## 15항목 PE 체크리스트 학술 anchoring (보고서 §5.1)

> 보고서 §V.5.1 (line 388-406) 15항목을 본진 분류 ID + 8유형 anchor에 매핑. 처방 적용은 `playbook_patch.md` 참조 (분류 vs 처방 분리 원칙).

| PE# | 라벨 | 트리거 질문 | 처치 | type_anchor | 본진 매핑 |
|---|---|---|---|---|---|
| PE1 | 무생물 주어 | 주어가 무생물·추상명사인데 '하다/만들다/시키다' 류 타동사 결합? | 부사절·원인절 또는 인간 주어로 전환 | T1 | A-15·D-5 (보강) |
| PE2 | by-수동태 | '~에 의해' 또는 '~으로 인해'? | 능동태 또는 자동사 / '에' 또는 '에게' 단순화 | T2 | A-9 |
| PE3 | 이중 피동 | '~되어지다, ~여지다, 잊혀지다, 보여지다' | 단순 피동 환원 | T2 | A-8 |
| PE4 | 대명사 | '그/그녀/그것/그들' 한 단락 ≥3회 | 50% 이상 영형(생략), 일부 호칭·명사구 | T3 | 신규 A-16 |
| PE5 | 복수 표지 '-들' | 무정물·추상명사에 '-들' 부착? | 거의 모두 삭제. 분포성 강조 시만 유지 | T4 | 신규 A-17 |
| PE6 | 관계절 | 명사 앞 ≥3어절 관형구? | 문장 분리 또는 후치 동격절 | T5 | 신규 A-18 |
| PE7 | have/make | '~을 가지다 / ~을 만들다 / ~을 가지고 있다' | 동사 환원 또는 이중주어 구문 | T6 | A-7 (보강) |
| PE8 | 조사 결합 | '-에서의, -에로의, -으로의, -에의' | 절·구로 풀어쓰기 | T7 | 신규 A-19 |
| PE9 | 종결어미 | '~다' ≥4문장 연속 | 다양화 ('~었다·~ㄴ다·~는다·~기 마련이다·~ㄹ 것이다·~을 수 있다') | T8 | E-2 (보강) |
| PE10 | 진행형 | '~고 있다' 남발 | 단순 시제로 환원 가능성 검토 | T8 | E-2 (보강) |
| PE11 | 명사화 | '-tion, -ment, -ness'의 한국어 명사 직역 | 동사·형용사로 풀기 | T6 | F-4 (보강) |
| PE12 | 전치사구 | '~로부터, ~에 관하여, ~을 통하여' | 문맥 자연 표현 | T7 | A-2·A-5 인접 (단일 어휘) |
| PE13 | 시제·서법 | 영어 단순 현재·과거 단조 매핑 | 한국어 서사 시제·서법 다양화 | T8 | E-2 (보강) |
| PE14 | 청자 경어법 | 대화체에서 화자–청자 관계 점검 | 해라/하게/하오/해요/합쇼체 일관 적용 | T8 | 본진 미커버 — taxonomist 결정 |
| PE15 | 호칭 | 'Mr./Ms./Dr.' 직역 | 한국어 호칭(선생님·박사님·과장님) 또는 생략 | T3 | 신규 A-16 인접 |

> 보고서 §5.1 verbatim 출처: 윤미선·김택민·임진주·홍승연 2018(line 388, 425), 김혜림 2022(line 425), 이상빈 2017·2018a·2018b(line 469-473), 마승혜 2018(line 332).

---

## post-editese 3축 (보고서 §IV.4.3)

> 본진 직접 채택은 caveat C3에 따라 hold (gap §4.1). v2.0 별도 메트릭 트랙(metric-engineer)에서 정량 지표로 운영.

### simplification 축
- 보고서 정의 verbatim: "PE는 어휘 다양성·밀도가 인간 번역보다 낮다."
- ko_manifestation: 한국어 영-한 후편집에서 종결어미 단조성 / 어휘 반복 / 사전적 1차 의미 선호 경향.
- 보고서 line 55, 351.

### normalisation 축
- 보고서 정의 verbatim: "PE는 목표언어의 가장 흔한 형태를 과도하게 따르는 경향이 있다."
- ko_manifestation: 한국어 '~한다 / ~된다 / ~이다' 평서형 정형구로 수렴.
- 보고서 line 57, 352.

### interference 축
- 보고서 정의 verbatim: "PE는 원천언어의 통사 구조를 더 강하게 보존한다." (Toury 1995, law of interference)
- ko_manifestation: 영어식 SVO / 무생물 주어 / 관계절 좌향 수식 / by-수동태 유지.
- 보고서 line 60, 353.

### 통합 결론 (Toral 2019 verbatim)
"PE는 HT보다 (i) 어휘 다양성·밀도가 낮아 더 단순(simpler)하고, (ii) 목표언어 관습으로 더 정규화(normalised)되어 있으며, (iii) 원천언어로부터의 간섭이 더 강(higher interference)했다. 즉 'post-editese'는 'translationese의 악화된 형태(exacerbated translationese)'였다."

---

## Caveats (이 SSOT의 한계, 보고서 §VI verbatim 6건)

> 분류학자·메트릭 엔지니어·리뷰어 모두 신뢰도 평가 시 본 절을 참조한다. 본진 v2.0 발행 시 'valid as of 2026-05' 명기.

### C1. 김혜영(2019) 본문 정량 수치 미확인
> "본 보고서는 KCI(ART002506702) 영문 초록과 키워드(종결어미·서법·양태·화행·언표내적행위·번역 글쓰기)를 근거로 김혜영(2019)의 핵심 논지를 정리했다. 평서형 '-다'의 정확한 출현 빈도(%) 등 본문 표·수치는 통번역교육연구 17(2) PDF를 직접 확보해야 검증 가능하다." (보고서 line 529)

**분류학자 함의**: T8 종결어미 재현율 임계치를 보고서 정량 수치로 못 박을 수 없음. 김혜영 PDF 원문 확보 전까지 'estimated' 플래그 유지.

### C2. NMT/LLM 비교 평가의 마케팅 편향
> "DeepL 공식 블로그(2024)의 비교는 자사 블라인드 테스트 결과로, 독립적 검증이 필요하다. Lionbridge(2023)의 LLM-NMT 비교 평가는 영-중·영-스·영-독 언어쌍에 한정되어 영-한에 직접 적용할 수 없다." (보고서 line 531)

**분류학자 함의**: DeepL 우월·GPT 열위 식의 모델별 정량 비교를 분류 체계 가중치로 직접 흡수 금지. 모델 일반성 검증은 별도 회차 필요(예: humanize-ko v1.3.1 Gemini 회차).

### C3. 'post-editese'의 한국어 직접 검증 부재
> "Toral(2019)은 en→de, de→en, es→de, en→fr, zh→en의 5개 언어쌍을 다뤘고, 한국어는 포함되지 않았다. 한국어에 대한 동일 결론은 합리적 추론이지만 정량적 검증은 미수행 상태다." (보고서 line 533)

**분류학자 함의**: post-editese 3축(simplification·normalisation·interference)을 v2.0 분류 체계에 직접 채택할 때, 한국어 정량 검증 부재를 'speculative: true' 플래그로 명기.

### C4. 단일 NMT 실증연구의 8유형 통합 부재
> "8대 번역투 유형 모두를 단일 NMT 실증 연구로 다룬 KCI 등재 논문은 확인되지 않는다. 본 보고서는 박옥수(2017, 2018), 서보현·김순영(2018), 이주리애(2018), 김채은(2021), 이지은·최효은(2022), 김경숙(2018), 이정화·차경환(2022) 등을 조합하여 추론한 것이다. 이는 명확한 연구 공백이다." (보고서 line 535)

**분류학자 함의**: 8유형 NMT/LLM 재현율 통합 표는 보고서가 제공하지 않음. 분류학자는 8유형 각각의 NMT/LLM 재현 진술을 별도 연구로 분리 추적해야 함.

### C5. 일본어 번역투의 영향 범위에 대한 논쟁
> "'~의' 자체가 일본어 번역투인지에 대해서는 학계 합의가 없다. 국립국어원과 김슬옹 세종국어문화원장은 '~의'가 15세기부터 한국어에 존재했다고 본다. 본 보고서는 '단순 ~의'는 번역투가 아니나 '~에서의/~에로의' 같은 이중 결합은 번역투로 본다는 다수설을 따른다." (보고서 line 537)

**분류학자 함의**: T7 패턴(A-19) 정의에서 '단순 ~의'는 탐지 대상에서 명시적으로 제외. '~에서의/~에로의/~으로의/~에의' 이중 결합만 S2 이상.

### C6. LLM의 빠른 진화
> "2026년 5월 시점의 LLM 번역 품질 평가는 6개월 내에 노후화될 수 있다. 본 보고서의 LLM 비교 부분은 2024~2025년 연구·블로그·업계 보고에 기반하며, 신규 모델(GPT-5, Claude 5 등) 출시 시 재검증이 필요하다. GPT-4o의 비영어 학습 데이터 비중이 39%(GPT-3.5의 3% 대비 13배)로 급증한 점(Hayase et al. 2024)은 향후 한국어 출력 품질 개선 가능성을 시사하지만, 한국어 비중 자체는 여전히 1% 미만으로 추정된다." (보고서 line 539)

**분류학자 함의**: 분류 체계 v2.0 발행 시 'valid as of 2026-05' 명기. 6개월 주기로 모델별 재현율 회차 설정.

---

## 자체 검증

- 보고서 §VI Caveat 6건 모두 본 파일 §Caveats 절에 verbatim 보존 — **통과**.
- 8유형 모두 한국 번역학계 학자 anchor ≥ 1명 부착:
  - T1 이영옥 2001·김정우 2007·박옥수 2017
  - T2 이근희 2005·김정우 1996·오경순 2010·김은일 2015·서보현·김순영 2018
  - T3 김도훈 2009 (+ Cho et al. 2019 ACL)
  - T4 곽은주·진실로 2011·조의연 2012·2015·김정우 2013·김순영 2012·김정우 1996·강범모 2007·전영철 2007
  - T5 박옥수 2018·김채은 2021·김성완·이효정 2017
  - T6 김정우 2007·이근희 2005
  - T7 김정우 2007·김순영 2012·김정우 1996
  - T8 김혜영 2019
  - 8/8 — **통과**.
- 국제 4대 이론(Baker 1993·Toury 1995·Laviosa 2002·Toral 2019) 모두 별도 섹션 보유 — **통과**. (+ Chesterman 2004·Sarti 2022·Cho 2019·Frawley 1984·Hayase 2024 추가 섹션.)
- NMT/LLM 시대 PE 가이드라인 계보 7명 (윤미선 외 2018·김혜림 2022·이상빈 2017·2018a·2018b·마승혜 2018·이주리애 2018) — **통과**.
- 15항목 PE 체크리스트 학술 anchoring 표 (PE1~PE15) 본진 매핑 + type_anchor 부착 — **통과**.

판정 어조 — 학술 정통성 큐레이터. 보고서 verbatim 외 자체 추가·확장 없음(단, 「이론적 종합(Synthesis)」으로 명시 라벨링된 절은 예외 — 외부 문헌을 잇는 자체 해석임을 절·문장 단위로 밝히고, 문헌이 직접 말하지 않은 것을 문헌 주장으로 위장하지 않는다). 본진 분류 체계 본문 직접 수정 권한 없음.