【文章內(nèi)容簡介】 中有少數(shù)特例,如Thiery的論文(1975),日本的一個對189個受試者的研究(Yoshitomi和 Arai1991),以及Moser的終端用戶期望調(diào)查(1995),統(tǒng)計過程只是部分抵消了可能存在的個別間差異。 樣本不是隨機的這一事實又破壞了其統(tǒng)計檢驗的效度(Hansen 等,1953, Snedecor和Cochran 1967, Charbonneau 1988, Babbie 1992。448), 因為非隨機抽樣不能排除偏見,特別是醫(yī)學(xué)和心理學(xué)。心理學(xué)研究一直遭到批評,批評它是對一年級心理學(xué)學(xué)生總體的研究,而不是對人類總體的研究(在Charbonneau 1988:333中,引用了Mc Nemar 1946, Smart 1966 和 Sears 1986有關(guān)這一點的論述)。在嚴格控制的便利取樣的框架中，樣本平均數(shù)有時可看成是總體平均數(shù)。便利取樣中，先選取容易獲得的受試，然后研究者依據(jù)對本領(lǐng)域和（理想地）對從觀察和實驗中來的實證數(shù)據(jù)的了解，對受試者再進行選擇?？谧g中，聲稱便利取樣具有可接受性更具風險，因為雖然口譯員對該領(lǐng)域有直接的了解，但他們同時也高度地介入，所以當研究他們有極端觀點的事項時，客觀性方面會有所欠缺。 口譯條件的許多重要參數(shù)各不相同，比如演講主題，口譯員對主題事前的了解、演講的句法與詞匯組成、演講風格、口譯員疲勞、口譯員動機和工作環(huán)境等等。特別是極少會考慮到原語和目標語變量，大多實驗和觀察研究只涉及兩種語言，幾乎不涉及‘異域’語言，如中文、日語、阿拉伯語和波利尼西亞語，等等。每個實驗只能代表一兩個參數(shù)的可能組合，或頂多代表其中的一個小部分。因此，推而廣之是危險的。 另一問題是個人口譯表現(xiàn)隨著時間的不同可能有所不同（口譯員的‘起’和‘伏’），這一現(xiàn)象口譯員能覺察出，這種現(xiàn)象也是限制任何單個實驗的代表性問題。這一變化的幅度和確切原因尚不清楚，但執(zhí)業(yè)者認為這一現(xiàn)象已尤為顯著，必須引起注意。．量化口譯是一項復(fù)雜的活動，口譯員認為口譯難以測量（見如Pochhacker 1994）。雖然他們接受用一個字或一個音節(jié)測量‘語言處理量’的效度（仍有保留意見，在Pochhacker 1994中有解釋），但信息處理量的測量仍然不存在一個尺度。同樣，也沒找到滿意的方法來測量‘忠實度’或信息的接受率。同時，忠實度的指標如誤差，因被指定義不充分而受到質(zhì)疑（見如BrosBrann 1976, Stenzl 1983）。這樣，觀察性研究比實驗性研究較少出現(xiàn)誤差。這從數(shù)據(jù)效度上可明顯看出，在數(shù)據(jù)代表性和量化的問題中也很容易解釋。觀察性研究一般不及實驗性研究對量化的依賴大，而且只是粗略的數(shù)量級指標，假設(shè)檢驗型的實驗性研究以數(shù)學(xué)比較為基礎(chǔ)，相關(guān)值測量的不確定性和變化將導(dǎo)致更為嚴重的后果。此外，這種研究設(shè)計是從樣本推斷總體（從而推出正確的統(tǒng)計過程，包括取樣方法的重要性），以一推百并不是觀察性研究的性質(zhì)。當作者確實進行推廣時，他們的推斷更多的是直覺性的，而非數(shù)學(xué)性的，因此比起實驗性研究來，讀者也較為容易評判，因為數(shù)據(jù)是真實的，而不是從‘人為’的實驗環(huán)境中得來。7．處理問題：應(yīng)對策略 數(shù)據(jù)的效度如上所述互動式觀察性口譯研究中的效度問題也存在于以問卷和訪談為基礎(chǔ)的其它學(xué)科的研究中。因此它的應(yīng)對策略也能借用別的領(lǐng)域（如社會學(xué)、心理學(xué)）處理這些研究所用的策略與手段。實驗性口譯研究中的效度問題更難解決：視譯和口譯數(shù)據(jù)的可比性、口譯學(xué)習者表現(xiàn)和專業(yè)口譯員表現(xiàn)的可比性、真實口譯中譯入常規(guī)主動語言以及實驗口譯中譯入被動語言的可比性，等的有關(guān)方面，可靠數(shù)據(jù)太少，難下論斷。 鑒于此，我相信有關(guān)口譯的研究（有別于語言學(xué)、心理語言學(xué)和神經(jīng)語言學(xué)對口譯員所做的研究，這些研究目的在于調(diào)查認知程序而不是口譯過程本身），應(yīng)更著重于對實地發(fā)生的現(xiàn)象的研究，即觀察性研究。實驗設(shè)置從定義上來說創(chuàng)造了‘人為’環(huán)境。有一些能當作是研究的現(xiàn)象（連最積極的反實驗者Seleskovitch的論文也以實驗研究為基礎(chǔ)，參Seleskovitch 1975）,而另一些卻被認定無效而遭拒絕。這兩者之間的不確定區(qū)域也許很廣，所以盡可能地去設(shè)計實驗，使實驗中被執(zhí)業(yè)者直覺認定相關(guān)的因素不受忽視，這樣的實驗也顯得合情合理（見Dillinger 1990對有關(guān)口譯員疑惑的置疑和Gile 1991 的答復(fù)）。解決這一問題的一個建設(shè)性方法是比較實驗結(jié)果和實地表現(xiàn)，研究差異的幅度和方向：實驗中可用真實演講的錄音，然后比較‘真實’口譯和實驗室口譯結(jié)果。隨著這種比較的積累，認為實驗結(jié)果和真實翻譯有可比性的可靠基礎(chǔ)也就逐漸形成了。給專業(yè)口譯員、口譯學(xué)習者、業(yè)余口譯者和其他受試者以同樣的任務(wù)讓其翻譯（見如Dillinger 1989和Viezzi 1989），這樣的研究到目前為止還算有用，因為這些研究在各種不同受試者表現(xiàn)上提供了可比性（或不具可比性）的數(shù)據(jù)，并且也許能拓展實際樣本的規(guī)模。 數(shù)據(jù)的代表性因為樣本規(guī)模小，工作環(huán)境和條件差異大，口譯員個人也有差別，所以代表性問題沒有簡單的解決方案。我認為解決這一問題的最好辦法是結(jié)合實驗性和觀察性步驟進行重復(fù)試驗。即使是片面的（考慮到不同的步驟和/或條件），在某種程度上，重復(fù)試驗產(chǎn)生的數(shù)據(jù)與最初數(shù)據(jù)具有可比性，這樣就能‘增加’樣本規(guī)模，但也承認這并非嚴格意義上的增加，嚴格意義上的增加能保證數(shù)據(jù)的嚴格選擇，就好像它們來自單一樣本一樣（見Gay 1990:115）?？上У氖?，目前進行實驗性或觀察性研究的研究者數(shù)量太少（見Pochhacker 1995a,1995b），而且他們中幾乎所有人都是為拿到學(xué)位而努力，獲得學(xué)位之后便停止研究。這樣的研究者都對原創(chuàng)性研究感興趣，而重復(fù)試驗則鮮有人問津。這種狀況在口譯學(xué)校建立研究中心或研究項目后也許能有所改善（見Gile 1995a）.另一個對數(shù)據(jù)代表性評估的有用渠道是已公布的研究語料庫，雖然二者之間可能目標與條件不同，但無論如何語料庫能提供相關(guān)數(shù)據(jù)。例如，雖然得到數(shù)據(jù)的方式不同則推斷不同，但是包含原始講稿及其翻譯的資料可用來研究錯誤的類型和分布。 量化必須承認，如口譯這樣人類行為的復(fù)雜方面很難用精確、徹底、統(tǒng)一的方法加以直接測量。但口譯中也存在可以較為簡單量化的方面。如譯員翻譯時停頓的數(shù)量與間隔，被正確稱呼的專有名詞所占比例，原文本和目的文本中詞單位數(shù)量，特殊詞單位的相對頻率等等。其它方面則比較難以量化。在一個關(guān)于口譯學(xué)習者語言產(chǎn)出質(zhì)量的研究中（Gile 1987）,發(fā)現(xiàn)受試者對偏離可接受用法的靈敏度和標準大相徑庭（Gile 1985）。同樣，口譯的質(zhì)量也難以精確評估，P246。chhacker (1994)特別強調(diào)了這一點，Collados Ais (1996)也論證過。由于缺乏準確的定義（在計算誤差和質(zhì)量評估中等），或由于觀察不精確甚至觀察誤差（個人偏見或注意轉(zhuǎn)移造成—— 見Gile 1995c）,或者由于研究現(xiàn)象本身的多變性，都可能導(dǎo)致測量不精確。研究中的這種不精確確實存在時，下結(jié)論時就必須對其加以考慮。例如，一項口譯研究中，（見Politi 1989,對Balzani的一個研究的報道）——統(tǒng)計中的差異為15％?？紤]到多變性和非隨機的誤差可能存在于這類小型樣本實驗中，包括誤差確定的差異性，有人也許會質(zhì)疑統(tǒng)計中顯著差異是否有用（Stenzl碩士論文中報告，當她將Barik的錯誤標準用在他自己的語料中，并重復(fù)他的步驟，Stenzl得到了不同的結(jié)果；見Barik 1971）。Jorg (1995)在他的六個口譯員組成的數(shù)據(jù)中已經(jīng)指出，小型樣本中的一個極端值會有很大的影響。不管新的統(tǒng)計方法多強大，改進了多少，都不能克服小型非隨機樣本所固有的易變性這個根本局限。但是，這樣的誤差及其必然的局限性不一定就是研究中的主要問題。很多情況下，借用已實踐于社會科學(xué)中相似問題的工具，較粗糙的量化已足夠提供所需的答案。例如，在一個關(guān)于口譯練習中語言產(chǎn)出質(zhì)量下降的研究里（Gile 1987），盡管受試者信度不高，但也能依據(jù)三種練習類型—— 同聲傳譯，連續(xù)傳譯或即興演講建立起語言偏差的三種不同的頻率等級，而且將這三種頻率等級用于靈敏度分析時，也顯示了可行性。（靈敏度分析檢測的是相關(guān)參數(shù)在具體范圍內(nèi)變化而導(dǎo)致結(jié)果變化的程度，這種變化是可能的，因為人類的評估具有可變性。）同樣，要判斷專有名詞在口譯中是否構(gòu)成‘真正’的難題，不管實驗時測到是80，90，還是100％的專業(yè)名詞都翻譯錯了，觀點總會形成（Gile 1984）。如果問題是口譯員在給定的條件下進行同傳時，是否會遺失一些信息，那么不管每半個小時測到是10個，20個或30個錯誤，結(jié)果都將是有意義的（Gile 1989。也可見Babbie 1992:127）。與別處一樣，在這里常識是首要的，比統(tǒng)計方式更加重要（見Medawar 1981:27,93, McBurney 1990:5）。這也引出了統(tǒng)計上的顯著差異或許并無實際意義：口譯時，每半個小時平均10個和12個誤差之間存在的20％的差異并不能向客戶證明其中一個口譯就絕對地好些；準備一場科技會議口譯，要記住150個新詞和200個新詞之間存在30％的差異，但這種差異不能顯著地影響這場翻譯需要付出的努力，也不能改變翻譯策略的選擇?？谧g研究中大多數(shù)爭論不是集中在微小差別上，而在基本的‘信條’原則上：譯入非母語的口譯比譯入母語的口譯差很多嗎？開始教授同聲傳譯前連續(xù)傳譯要教一年嗎？影子跟讀練習有用嗎？狀況間偶爾的小的差別對爭論意義不大，而廣泛、常