일본어 자연어 처리(NLP) 지표 추출과 쌍체 검정·시프트 함수 분석·지표 간 상관을 결합한 다차원 종단 텍스트 분석으로 일본 2019년 공시 개혁 이후 10년간 19,770건의 위험 공시를 평가했으며, 공시 분량 증가와 가독성 하락, 정보 구조 개선과 특정 서술 품질 정체, 시장 부문별 적응 차이처럼 단일 지표로는 드러나지 않는 복합적 변화를 확인했다.
대규모 언어 모델(LLM)은 유창한 아랍어 텍스트를 생성할 수 있지만, 가독성 수준을 안정적으로 제어하는 능력은 여전히 불분명하다. 우리는 CEFR(Common European Framework of Reference for Language) 제어 아랍어 텍스트 생성을 위한 다차원 평가 프레임워크를 제안하며, 지시 따르기(instruction-following) LLM이 적응형 언어 학습을 위한 신뢰할 수 있는 생성기로 기능할 수 있는지 평가한다. 우리 프레임워크는 제어된 프롬프팅, 검증된 Taha-19 모델을 이용한 자동 가독성 예측, 어휘 제약 검증, 및 구문 복잡성 프로파일링을 통합한다. 결과는 구조화된 프롬프팅이 CEFR 정렬(alignment)을 크게 향상시킨다는 것을 보여준다. 특히, 어휘 제약을 동반한 CEFR 안내 프롬프팅은 기준 언어학적 프로파일과의 최고 수준의 부합(코사인 유사도 0.91) 및 예측된 가독성 수준과의 거의 완벽한 일치(0.99)를 달성하는 반면, 제약 없는 프롬프팅은 약한 제어를 보인다. 이러한 발견은 적응형 교육 시스템에 가독성 인식 아랍어 텍스트 생성을 통합하기 위한 실증적 기초를 마련한다.