响应式多语言健康信息协作适配：澳大利亚与香港的公民翻译者与生成式AI协同实践

本综述探讨了公民翻译者（citizen adaptors）与生成式人工智能（GenAI）在跨语言健康传播中的协作潜力。研究基于Donna Haraway的“响应能力（response-ability）”理论，通过澳大利亚与香港的案例（n=22），提出非专业译者通过协同AI可有效生成多语言健康内容，并强调需关注双向反馈、双文本素养（biliteracy）与情感联结。研究为多语言健康传播的政策制定及技术应用提供新视角，尤其对提升边缘群体健康公平具有重要实践意义。

　　

响应式协作多语言健康信息适配的理论与实践

摘要

本研究以澳大利亚和香港特别行政区的22名公民翻译者（citizen adaptors, CAs）为对象，探讨其与非营利健康组织（NGO）、同伴及生成式人工智能（Generative AI, GenAI）协作，共同生产可访问的多语言公共健康信息的过程。多语言健康传播不仅是基本人权，也是健康的社会决定因素，缺乏此类信息可能危及生命。传统上，专业翻译的高昂成本限制了多语言材料的可及性。本研究提出以公民翻译者与GenAI协同工作的新模式，为多语言健康传播提供非专业路径。

引言

全球健康危机和突发公共卫生事件凸显了语言障碍对非主流语言使用者的潜在生命威胁。现有机器翻译在非专业人士使用中准确度有限，且缺乏针对多语言翻译的政策框架。此外，健康文本的源语言常超出推荐健康素养水平，加剧了多语言人群的理解困难。尽管存在健康素养检测工具，但其在文化适应和可靠性方面仍有局限。生成式AI虽然提供低成本翻译可能，但政策常强制要求使用专业译者，限制了非营利组织或紧急情况下的多语言信息生产。

本研究借助Donna Haraway提出的“响应能力（response-ability）”理论——即“回应的能力”——探讨公民翻译者、GenAI与健康组织在多语言健康信息生产中的协同潜力。这一理论框架强调人与非人行动者之间的相互构成与伦理责任，为多语言健康传播研究注入后人类主义视角。

适配作为多语言健康传播中的响应实践

适配（adaptation）长期被视作翻译的“穷表亲”，常被贬低为不精确或自由的翻译。然而，在跨文化传播中，适配通过创造性改写、多模态资源整合与本地语境深度融合，显示出其不可替代的价值。世界卫生组织（WHO）在2023年的儿童发展量表翻译指南中正式承认适配可作为翻译的替代或补充方式，强调其更好地适应本地语境的潜力。

近年来，健康传播中的适配实践多由社区领袖、多文化代表、公民翻译者或志愿者完成，挑战了传统以专业译者为中心的范式。然而，志愿者参与可能陷入资产中心化与有偿服务模型的伦理困境。此外，现有研究多聚焦于成品评估，如使用患者教育材料评估工具（PEMAT）或患者导向与文化适应模型（Patient-Oriented and Cultural-Adapted Model），而忽略了公民翻译者在适配过程中的主体经验与响应策略。数字技术尤其是GenAI在适配中的作用亦尚未得到充分探讨。

理论立场

本研究以后人类主义、新物质主义与女性主义技术科学研究为理论基底，重点关注公民翻译者与GenAI在协同适配多语言健康信息过程中产生的“响应能力”。Haraway将响应能力定义为在人类与非人现象中伦理性地思考与共同生成的能力。她进一步以“共生创造（sympoiesis）”强调相互关联、情境化与流动的“共同生成（becoming-with）”。

本研究试图打破翻译与适配、专业与非专业、人与机器等传统二元对立，探索在复杂性与矛盾中共存的可能性与困境。我们关注公民翻译者与GenAI在协作中如何回应多语言健康信息需求，以及这一过程对健康传播理论与实践的启示。

数据与方法

研究在澳大利亚与香港开展，两地均具有语言多样性高但主流语言权力不均的特点。参与者为22名大学学生，年龄18–25岁，专业涵盖教育、语言学、生物医学、IT与工程。研究通过5次工作坊（见表2）引导公民翻译者与NGO合作，将三组关于神经纤维瘤病（neurofibromatosis）的健康材料从英语适配为普通话、粤语、印尼语与俄语。

工作坊内容涵盖提升可译性、健康素养需求评估、文化理解与GenAI使用策略。公民翻译者以3–5人小组协作，使用免费GenAI工具（如ChatGPT 3.5与Midjourney）进行文本与图像生成。数据收集包括焦点小组访谈、书面反思与AI生成图像，采用Braun与Clarke的反思性主题分析法进行编码与主题生成。研究遵循赫尔辛基宣言，获香港大学与格里菲斯大学伦理批准。

早期响应能力：协作多语言信息适配的可能性与困境

可能性

一、互惠性（Reciprocity）

公民翻译者强调与GenAI的互动具有双向互惠特征。例如，Jamil指出：“AI正在进行深度学习。我们需要标记问题并反馈给AI，以教导它修正并优化输出。”Paul进一步阐释：“GenAI输出的一致性是一大挑战。解决方案是提供反馈——通过点击‘喜欢’或‘不喜欢’，输入调整信号，逐步提高准确性。”Minny则提出GenAI亦应具备提问能力，以澄清其假设与操作逻辑，从而减少隐性错误。

二、双文本素养（Biliteracy）

双语能力虽为基本条件，但双文本素养——即对语言结构、语法与文化背景的深度理解——被视为协同适配的关键。Charlie强调：“即使你不说目标语言，也需能识别GenAI是否错误输出其他语种（如日文或韩文）。”Ferdinand补充道：“AI素养与语言知识同样重要。 idioms和文化背景需长期积累，无法一蹴而就。”Paul则指出语法意识在消除句子歧义与确保信息准确性中的核心作用。

三、受众情感联结（Audience Attachment）

公民翻译者多次提到与受众的情感联结如何激发其响应责任感。Charlie表示：“知道这些翻译将送达真实家庭，给我们带来压力，也促使我们确保质量。”Arabella说：“工作坊中构建受众画像的练习改变了我对健康信息的理解方式。我开始考虑教育水平较低者可能面临的困难。”这种情感动机挑战了传统翻译中要求的客观性与疏离感，凸显适配中的主体介入价值。

困境

一、棘手术语（Tricky Terms）

公民翻译者在适配过程中遇到大量难以直接转换的术语，如“little ones”、“referral”等在印尼语或中文中的对应表达。即便借助健康素养检查软件与GenAI，术语的准确性与文化适当性仍构成重大挑战。

二、语义歧义与回译陷阱

Minny在回译检查俄语适配文本时，发现“skin”被回译为“leather”，因而误判GenAI输出错误。其俄语队友Carmen解释：“俄语中‘皮肤’与‘皮革’同为‘кожа’，回译过程产生错觉性误差。”这一案例既揭示了回译作为准确性验证工具的局限性，也反映出非母语者在协同适配中的认知盲区。它同时提示GenAI初始输出的潜在准确性可能因缺乏信任而被误读。

三、时间性与完美主义张力

公民翻译者普遍反映，AI辅助适配并非如设想中高效。Carmen指出：“与学业并行让我学会不再追求完美。我们可以无限次要求AI优化，但必须现实看待时间成本。”这一困境不仅呼应专业译者面临的时间压力，也提醒需关注公民翻译者的工作负荷与可持续性。

讨论

本研究通过公民翻译者的实践经验，挑战了翻译与适配、专业与非专业、人与机器之间的传统二元对立。研究表明，公民翻译者与GenAI协作可通过互惠反馈、双文本素养与情感联结有效响应多语言健康信息需求。然而，棘手术语、回译陷阱及时间限制等因素亦构成实践困境。

为提升响应能力，需进一步发展公民翻译者的健康素养、AI素养、双文本素养及协作技能。最小语言（Minimal Languages）方法或许提供可行路径，该方法基于自然语义元语言研究，系统提升术语的可译性与文化适应性。同时，政策层面需建立分层翻译体系，根据内容敏感性与风险等级匹配相应资源。长期而言，教育系统应加强双文本素养训练，构建可持续的多语言健康传播人才 pipeline。

本研究为多语言健康传播的政策制定、技术应用与社区参与提供了新视角，尤其对提升边缘化群体的健康公平具有重要理论与实践意义。