领先的机器翻译研究人员在2020年11月发表的一篇论文可能会影响未来翻译效率（aka CAT）工具的设计方式。

该论文的作者是塞缪尔Läubli，瑞士语言技术公司的CTO TextShuttle ; 苏黎世大学SNSF教授Rico Sennrich ; 和Lilt的贡献者：首席执行官Spence Green ; 首席研究科学家Patrick Simianer ; 研究总监乔恩•乌布克（Joern Wuebker） ; 和高级研究科学家Geza Kovacs。

尽管定性研究表明，分段文本可能会破坏翻译人员的工作流程，但作者将文本表示的概念描述为研究中的“被忽视”，并着手了解分段和方向如何影响翻译人员的速度和效率。

在实验之前，研究人员调查了八名专业翻译人员使用CAT工具的经验。研究人员对翻译人员关于如何在CAT工具中拆分文档的想法特别感兴趣。

作者写道：“许多受访者告诉我们，他们很难在不了解原文和译文的情况下进行翻译。” 研究人员为大多数CAT工具上的显示提供了另一种设置：“一个显示两整个页面的屏幕：左边包含源文本，右边为空白。从这种意义上讲，我们的绘图类似于Microsoft Word或Google文档中可用的“打印版式”，但有两个平行的文档。”

只有一位受访者做出了消极反应，这表明拟议的展示让人想起CAT工具之前的日子，当时翻译人员别无选择，只能在文档之间来回跳动。

几位翻译提到，细分有时可以帮助他们专注于自己的工作，而较长的细分可能无济于事。总体而言，反馈是积极的，受访者称赞该系统的易用性，并预测它将提高翻译质量。

试驾

然后，研究人员测量了20位专业的德语到英语翻译员在三个任务上进行不同文本演示的速度和准确性：文本再现，错误识别和修订。

为了进行文本复制，研究人员对翻译人员进行了计时，因为他们将源文本键入目标文本空间，并根据每个文本中错误键入的错误数来计算翻译人员的准确性。

根据实验后调查，大多数译员（65％）总体上偏爱自上而下的取向，而大多数情况下，他们在日常工作中偏向于左右取向（85％）

为了量化错误识别，研究人员测量了翻译人员从翻译记忆库或机器翻译（MT）系统中发现建议中的错误的速度和准确性。

为了进行修订，研究人员将重点放在了翻译人员纠正已插入句子中的错误的准确性上。

事实证明，最佳的文本表示方式取决于手头的任务。根据实验后调查，大多数译员（65％）总体上偏爱自上而下的方向，而大多数人在日常工作中偏向于左右方向（85％）。

句子的自上而下的定向与更快的文本重现有关，而左右一词的定向通过使用词之间的适当连接可以更快地“针对词法衔接”进行修订。与未分段的文本相比，逐句演示可帮助翻译人员更快地复制文本并在句子中发现错误，但无法实现更快的修订。

作者总结说：“让翻译人员在他们要翻译的文档的分段视图和连续视图之间切换，可以使他们专注于本地上下文并在需要时考虑全局上下文。”他补充说，这种观点得到了受访者反馈的支持。

展望未来，研究人员建议在更现实的工作条件下进行测试，方法是将实验用户界面（UI）集成到更丰富的原型中，或者理想情况下，将其集成到成熟的CAT工具中。他们指出，添加其他因素（例如来自翻译记忆库和/或MT的实时建议）也可能会有所帮助。

研究人员说：“未来的工作将必须调查是否强烈关注MT系统输出中的单个句子和/或CAT工具的UI布局是否对专业翻译产生了启动作用。”

他们还指出，随着MT质量的不断提高，它可能会减少提供可发布出版物的翻译所必需的写作量，从而增加对针对修订进行优化的UI的需求。