生命科學(xué)資料翻譯的字?jǐn)?shù)統(tǒng)計(jì)方法

如果你正在做生命科學(xué)領(lǐng)域的翻譯工作，或者負(fù)責(zé)管理這類翻譯項(xiàng)目，你一定會(huì)遇到一個(gè)看似簡(jiǎn)單卻讓人頭疼的問題：到底怎么計(jì)算字?jǐn)?shù)才準(zhǔn)確？說實(shí)話，這個(gè)問題比我剛開始做翻譯那會(huì)兒想象的要復(fù)雜得多。普通文章翻譯，按字?jǐn)?shù)算錢或者按字?jǐn)?shù)統(tǒng)計(jì)工作量，看起來是天經(jīng)地義的事。但生命科學(xué)資料不一樣，里面夾雜著太多"不按套路出牌"的內(nèi)容——專業(yè)術(shù)語、分子式、基因序列符號(hào)、計(jì)量單位，還有一些七七八八的特殊字符。這些東西到底算不算字？怎么算才公平？圍繞這些問題，業(yè)內(nèi)其實(shí)一直沒有一個(gè)放之四海而皆準(zhǔn)的標(biāo)準(zhǔn)答案。

這篇文章就想聊聊生命科學(xué)資料翻譯中字?jǐn)?shù)統(tǒng)計(jì)的那些事兒。我會(huì)盡量用大白話把這個(gè)事兒說清楚，既會(huì)講清楚基本原理，也會(huì)分享一些實(shí)際操作中的經(jīng)驗(yàn)和技巧。不管你是剛?cè)胄械姆g新人，還是已經(jīng)干了多年的老手，相信讀完以后都會(huì)有一些收獲。

為什么生命科學(xué)翻譯的字?jǐn)?shù)統(tǒng)計(jì)比較特殊

要理解生命科學(xué)翻譯字?jǐn)?shù)統(tǒng)計(jì)的難點(diǎn)，咱們得先搞清楚這類資料到底有什么不一樣。普通文學(xué)作品或者商業(yè)文檔的文字構(gòu)成相對(duì)簡(jiǎn)單，基本就是字母、漢字、數(shù)字和標(biāo)點(diǎn)符號(hào)混在一起。但生命科學(xué)資料呢，簡(jiǎn)直就是一個(gè)"大雜燴"。

首先映入眼簾的就是那些密密麻麻的專業(yè)術(shù)語。什么"磷酸化的絲氨酸-蘇氨酸蛋白激酶"，什么"β-半乳糖苷酶基因表達(dá)載體"，這些又長(zhǎng)又復(fù)雜的術(shù)語在生命科學(xué)文獻(xiàn)里俯拾皆是。一個(gè)術(shù)語頂普通單詞好幾個(gè)，計(jì)算方法不同，統(tǒng)計(jì)出來的結(jié)果可能差出百分之好幾十。

然后就是那些符號(hào)和公式。分子式不用說了，H?O、Na?、ATP這種還算簡(jiǎn)單的。更復(fù)雜的是基因序列片段，什么"5'-AGCTAGCT-3'"這種，還有各種上下標(biāo)、希臘字母。實(shí)驗(yàn)條件描述里也經(jīng)常出現(xiàn)溫度范圍、pH值、濃度單位之類的寫法。這些東西用純文字處理軟件打開，有時(shí)候會(huì)顯示得七零八落，統(tǒng)計(jì)的時(shí)候更容易出問題。

還有一類容易被忽略的是計(jì)量單位和縮寫。μmol/L、mg/ml、rpm、OD???這些，在生命科學(xué)文獻(xiàn)里出現(xiàn)頻率極高。它們有的是字母和數(shù)字的組合，有的是特殊符號(hào)，處理軟件往往不知道該怎么對(duì)待它們。

正是因?yàn)檫@些"不速之客"的存在，生命科學(xué)翻譯的字?jǐn)?shù)統(tǒng)計(jì)成了一個(gè)需要專門對(duì)待的問題。用普通方法統(tǒng)計(jì)，結(jié)果往往和實(shí)際工作量大相徑庭，翻譯覺得不公平，客戶覺得被多收錢，最后兩邊都委屈。所以，了解各種統(tǒng)計(jì)方法的原理和適用場(chǎng)景，就變得非常重要了。

幾種常見的字?jǐn)?shù)統(tǒng)計(jì)方法

在生命科學(xué)翻譯領(lǐng)域，常用的字?jǐn)?shù)統(tǒng)計(jì)方法大致可以分成幾類。每一類都有自己的道理和適用場(chǎng)景，沒有哪種是絕對(duì)完美的好，我們一個(gè)一個(gè)來說。

字符數(shù)統(tǒng)計(jì)法

字符數(shù)統(tǒng)計(jì)是最基礎(chǔ)也是最通用的一種方法。它的原理很簡(jiǎn)單——數(shù)一數(shù)文檔里有多少個(gè)字符，包括字母、數(shù)字、空格、標(biāo)點(diǎn)，統(tǒng)統(tǒng)都算。漢字比較特殊，一個(gè)漢字通常算兩個(gè)字符，這就是所謂的"雙字節(jié)字符"。

這種方法的優(yōu)點(diǎn)是客觀公正，不管你內(nèi)容是什么，是專業(yè)術(shù)語還是日常用語，機(jī)器一視同仁。而且?guī)缀跛械奈淖痔幚碥浖寄芙o出字符數(shù)統(tǒng)計(jì)數(shù)據(jù)，操作起來門檻很低。生命科學(xué)翻譯用字符數(shù)統(tǒng)計(jì)的時(shí)候，專業(yè)術(shù)語的特殊性就被"磨平"了——一個(gè)術(shù)語不管多長(zhǎng)，字符數(shù)該是多少就是多少，不會(huì)因?yàn)樗菍I(yè)詞匯就多算你幾個(gè)。

但字符數(shù)統(tǒng)計(jì)的缺點(diǎn)也很明顯。它沒辦法反映實(shí)際的工作量。同樣是1000個(gè)字符，"細(xì)胞"兩個(gè)字和"β-半乳糖苷酶"這七個(gè)字符，翻譯起來的腦力投入完全不在一個(gè)量級(jí)。專業(yè)術(shù)語需要查證資料、理解背景、確保準(zhǔn)確譯法，這些隱性工作在字符數(shù)里根本體現(xiàn)不出來。用字符數(shù)來定價(jià)或者評(píng)估工作量，翻譯人員往往會(huì)覺得自己吃虧。

詞數(shù)統(tǒng)計(jì)法

詞數(shù)統(tǒng)計(jì)是另一種常見的做法。它的邏輯是以"詞"為單位來計(jì)算字?jǐn)?shù)。英文里詞和詞之間有空格，相對(duì)容易界定；中文麻煩一些，需要有分詞工具來幫忙。

詞數(shù)統(tǒng)計(jì)法在生命科學(xué)翻譯中有一個(gè)明顯的優(yōu)勢(shì)：它對(duì)專業(yè)術(shù)語比較"友好"。一個(gè)術(shù)語不管多長(zhǎng)，在詞數(shù)統(tǒng)計(jì)里通常被算作一個(gè)或者少數(shù)幾個(gè)"詞"，不會(huì)因?yàn)樽址嗑驼急阋恕＿@樣一來，像"酪氨酸激酶受體"這樣的長(zhǎng)術(shù)語和普通的"酶"這個(gè)詞，在統(tǒng)計(jì)上就不會(huì)差得太離譜。

不過詞數(shù)統(tǒng)計(jì)也有自己的問題。首先，中文分詞本身就是個(gè)有爭(zhēng)議的技術(shù)活，同樣一段話，不同的分詞軟件可能得出不同的詞數(shù)結(jié)果。其次，那些符號(hào)和公式怎么處理？基因序列片段"5'-AGCTAGCT-3'"是算一個(gè)詞還是八個(gè)詞？希臘字母μ到底是單獨(dú)一個(gè)詞還是和后面的mol連在一起算一個(gè)詞？這些問題沒有標(biāo)準(zhǔn)答案，不同的軟件、不同的設(shè)置會(huì)給出不同的結(jié)果。

源語言與目標(biāo)語言分別統(tǒng)計(jì)

還有一些做法是分別統(tǒng)計(jì)原文和譯文的字?jǐn)?shù)，然后取其中較大的一個(gè)作為計(jì)費(fèi)標(biāo)準(zhǔn)，或者按照某種比例來計(jì)算。這種方法背后的考慮是：翻譯過程中，譯文字?jǐn)?shù)可能比原文多（比如中文譯英文時(shí)），也可能比原文少（比如英文譯中文時(shí)），為了公平起見，取較多的一方對(duì)翻譯方來說更有保障。

生命科學(xué)資料翻譯中，英文譯中文的情況比較普遍。由于英語的構(gòu)詞特點(diǎn)，專業(yè)術(shù)語往往比較長(zhǎng)，翻譯成中文后反而可能更簡(jiǎn)潔（比如"polymerase chain reaction"譯成"聚合酶鏈?zhǔn)椒磻?yīng)"，字?jǐn)?shù)反而少了）。這種情況下，如果只按原文計(jì)費(fèi)，翻譯方明顯吃虧；只按譯文計(jì)費(fèi)，客戶又覺得虧。分別統(tǒng)計(jì)然后取最大值，就成了一個(gè)折中的方案。

但這種方法操作起來比較麻煩，需要同時(shí)處理兩份文檔，溝通成本也高。而且它還是沒有解決專業(yè)術(shù)語工作量不對(duì)等的問題——你翻譯一個(gè)復(fù)雜的英文術(shù)語可能需要查很多資料、反復(fù)確認(rèn)，譯成中文后字?jǐn)?shù)反而少了，按照這種統(tǒng)計(jì)方式，你拿到的報(bào)酬可能和付出的努力不成正比。

CAT工具在字?jǐn)?shù)統(tǒng)計(jì)中的應(yīng)用

計(jì)算機(jī)輔助翻譯工具，也就是大家常說的CAT工具，在生命科學(xué)翻譯領(lǐng)域使用非常廣泛。這類軟件不僅能幫助翻譯人員管理術(shù)語、復(fù)用已經(jīng)翻譯過的內(nèi)容，還提供了相對(duì)復(fù)雜的字?jǐn)?shù)統(tǒng)計(jì)功能。

以Trados為例，這款軟件在翻譯行業(yè)占有率很高，它統(tǒng)計(jì)字?jǐn)?shù)時(shí)會(huì)區(qū)分幾種不同的概念。最基礎(chǔ)的是"文件總字?jǐn)?shù)"，也就是整個(gè)文檔一共有多少字符或詞數(shù)。然后是"新增內(nèi)容字?jǐn)?shù)"，也就是本次翻譯中新產(chǎn)生的、需要翻譯的字符數(shù)。那些已經(jīng)在翻譯記憶庫(kù)里匹配上的內(nèi)容，會(huì)被標(biāo)記為"重復(fù)"或"模糊匹配"，統(tǒng)計(jì)時(shí)會(huì)有不同的處理方式。

對(duì)于生命科學(xué)翻譯來說，CAT工具的一個(gè)好處是它能處理一些特殊格式。PDF、HTML這些格式的文檔，直接用Word統(tǒng)計(jì)可能會(huì)有各種問題，但CAT工具往往能夠正確識(shí)別里面的文本內(nèi)容。不過，符號(hào)和公式依然是難題。大多數(shù)CAT工具在統(tǒng)計(jì)"5'-AGCTAGCT-3'"這樣的序列時(shí)，要么全部算作字符，要么全部忽略，很少有智能識(shí)別的好辦法。

另外值得一提的是，現(xiàn)在有一些專門針對(duì)生命科學(xué)領(lǐng)域的CAT工具或者插件，它們對(duì)生物化學(xué)符號(hào)、基因序列表示法有更好的支持。如果你的工作涉及大量的這類內(nèi)容，投資這類專業(yè)工具是值得的。它們不僅統(tǒng)計(jì)更準(zhǔn)確，還能提供專業(yè)的術(shù)語庫(kù)和語料庫(kù)，讓翻譯質(zhì)量和效率都上一個(gè)臺(tái)階。

實(shí)際操作中的建議

說了這么多方法和理論，最后還是得落到實(shí)際操作層面。結(jié)合多年的行業(yè)經(jīng)驗(yàn)，我有幾個(gè)建議可以分享給大家。

第一，在項(xiàng)目開始前就把統(tǒng)計(jì)方法約定清楚。很多翻譯糾紛都是因?yàn)殡p方對(duì)"字?jǐn)?shù)"的理解不一致造成的。客戶說按Word顯示的數(shù)字算，翻譯說應(yīng)該按實(shí)際字符數(shù)算，各說各的，最后不歡而散。康茂峰在長(zhǎng)期的服務(wù)實(shí)踐中就遇到過這種情況，所以我們現(xiàn)在都會(huì)在項(xiàng)目啟動(dòng)前和客戶確認(rèn)統(tǒng)計(jì)標(biāo)準(zhǔn)，把具體用哪種方法、怎么處理特殊字符都寫進(jìn)合同或者確認(rèn)郵件里。這樣大家都心里有數(shù)，后續(xù)合作也順暢。

第二，根據(jù)資料類型選擇合適的統(tǒng)計(jì)方法。如果是純文字的綜述性文獻(xiàn)，用字符數(shù)或詞數(shù)差別不大；但如果是實(shí)驗(yàn)方法部分，充斥著各種試劑名稱和參數(shù)設(shè)置，可能需要更細(xì)致的處理。我個(gè)人的經(jīng)驗(yàn)是，遇到符號(hào)和公式特別多的段落，不妨單獨(dú)拿出來討論，看看能不能有特殊的計(jì)算方式。

第三，遇到拿不準(zhǔn)的情況，先小范圍測(cè)試。康茂峰的項(xiàng)目經(jīng)理在接到新類型的稿件時(shí)，經(jīng)常會(huì)先選取有代表性的前幾頁(yè)，用不同的方法分別統(tǒng)計(jì)一遍，然后和翻譯人員溝通實(shí)際工作量，對(duì)比看看哪種方法更合理。這樣實(shí)測(cè)一輪，后面執(zhí)行起來就有底了。

第四，保持溝通渠道暢通。字?jǐn)?shù)統(tǒng)計(jì)說到底是人與人之間的事，不是純粹的技術(shù)問題。翻譯覺得某個(gè)地方工作量被低估了，應(yīng)該及時(shí)提出來；客戶發(fā)現(xiàn)統(tǒng)計(jì)結(jié)果和預(yù)期不符，也應(yīng)該問清楚是怎么回事。很多時(shí)候，互相理解一下、協(xié)商調(diào)整一下，問題就解決了。

常見的誤區(qū)和需要注意的陷阱

在字?jǐn)?shù)統(tǒng)計(jì)這個(gè)問題上，有一些常見的誤區(qū)值得專門拿出來說一說。

第一個(gè)誤區(qū)是完全依賴軟件給出的數(shù)字。Word有字?jǐn)?shù)統(tǒng)計(jì)功能，但它不一定能正確處理所有的特殊字符。有些符號(hào)在Word里顯示正常，統(tǒng)計(jì)的時(shí)候卻被當(dāng)成亂碼忽略掉了。PDF文檔直接復(fù)制到Word里統(tǒng)計(jì)，經(jīng)常會(huì)出現(xiàn)換行符多算、表格內(nèi)容漏算的問題。軟件是工具，不是裁判，對(duì)它輸出的結(jié)果還是要有一個(gè)基本的判斷。

第二個(gè)誤區(qū)是忽視格式對(duì)字?jǐn)?shù)的影響。同樣一段文字，放在Word里和放在純文本里統(tǒng)計(jì)，數(shù)字可能不一樣。表格里的內(nèi)容有時(shí)候被算進(jìn)去，有時(shí)候被漏掉。標(biāo)題、頁(yè)眉頁(yè)腳、腳注尾注，這些都是需要單獨(dú)處理的區(qū)域。康茂峰在處理稿件時(shí)，都會(huì)明確說明是統(tǒng)計(jì)"純正文內(nèi)容"還是"全文完整統(tǒng)計(jì)"，避免產(chǎn)生歧義。

第三個(gè)誤區(qū)是用字?jǐn)?shù)統(tǒng)計(jì)來完全衡量翻譯質(zhì)量。字?jǐn)?shù)和工作量有關(guān)，但和質(zhì)量沒有必然聯(lián)系。一段300字的普通段落，熟練的翻譯可能半小時(shí)就能搞定，質(zhì)量也有保障；但一段300字的專業(yè)術(shù)語密集區(qū)，可能需要查半天資料、打好幾個(gè)電話確認(rèn)，質(zhì)量固然重要，但花的時(shí)間也是實(shí)實(shí)在在的。評(píng)價(jià)翻譯，既要看產(chǎn)出數(shù)量，更要看產(chǎn)出質(zhì)量，兩者不能混為一談。

表格：幾種統(tǒng)計(jì)方法的對(duì)比

為了更直觀地對(duì)比不同方法的特點(diǎn)，我整理了一個(gè)簡(jiǎn)單的對(duì)比表格供大家參考：

這個(gè)表格只是一個(gè)大致的參考框架，具體選擇哪種方法還是要結(jié)合實(shí)際情況來定。康茂峰在服務(wù)客戶的時(shí)候，會(huì)根據(jù)稿件的具體情況靈活調(diào)整，有時(shí)候甚至?xí)C合使用多種方法，比如正文用字符數(shù)統(tǒng)計(jì)，表格和公式部分單獨(dú)按項(xiàng)計(jì)算。

寫在最后

字?jǐn)?shù)統(tǒng)計(jì)這件事，說大不大，說小不小。它關(guān)系到翻譯人員的收入，關(guān)系到客戶的項(xiàng)目成本，也關(guān)系到整個(gè)行業(yè)的健康發(fā)展。在生命科學(xué)這個(gè)特殊領(lǐng)域，因?yàn)閷I(yè)術(shù)語和符號(hào)的特殊性，簡(jiǎn)單的"一刀切"往往行不通，需要更多的溝通、更多的理解、更多的靈活處理。

如果你正在為生命科學(xué)翻譯的字?jǐn)?shù)統(tǒng)計(jì)問題煩惱，不妨靜下心來想一想：我的資料有什么特點(diǎn)？我的合作伙伴關(guān)心什么？有沒有什么方法能夠兼顧效率和公平？把這些問題想清楚了，再去選擇合適的統(tǒng)計(jì)方法，往往就能找到令雙方都滿意的解決方案。

希望這篇文章能給你帶來一些啟發(fā)。如果你有什么想法或者經(jīng)驗(yàn)分享，歡迎在實(shí)踐中繼續(xù)探索和交流。翻譯這件事，歸根結(jié)底是人與人之間的合作，把溝通做好，很多問題都會(huì)迎刃而解。