综述：重新思考康复：心理灵活性与成长跨不同康复方法

《Behavioral Sciences》：Rethinking Recovery: Psychological Flexibility and Growth Across Diverse Recovery Approaches Nicole M. Pyke, David R. Perkins and Emily K. Sandoz

　　

先前研究忽视了机器翻译后编辑（MTPE）与后编者认知之间的相互依赖效应量及调节因素。为填补这一空白，研究人员采用三水平元分析。共纳入19项高质量研究，平均质量得分为8.158，这些研究包含193个效应量和492名参与者。研究结果表明，MTPE与后编者认知之间存在正相关关系（r = 0.474），表明在后编辑任务中认知参与水平较高。在考察的调节变量中，若干研究层面特征与效应量的变异性相关。这些特征包括是否报告后编辑态度、文本类型、认知测量工具及认知指标。相反，报告MTPE态度的研究呈现不同的效应量模式。总体而言，本研究提供了关于MTPE对译者认知多方面影响的严谨证据，并阐明了在翻译认知研究中应如何对依赖效应量进行建模。

论文主体部分总结如下：

**1. 引言（Introduction）**
后编辑（PE）是对机器翻译（MT）输出进行修改、校正的过程，而非从零开始翻译。随着MT质量提升及免费高质量后编辑软件的可获得性，相关研究兴趣激增，涵盖翻译质量评估、错误类型与修正、以及后编者认知努力和注意力资源分配。后编辑结果受两因素影响：后编者对MT输出的接受度及其偏好与投入的认知资源。后编者认知涉及对MT输出的理解、保留、检索和重构等心理操作，但由于神经认知技术限制，直接观察困难。近年来，非侵入式眼动追踪仪如Eyelink 1000 plus和Tobii T120缓解了这些限制。已有研究使用停顿、编辑时间和基于词的人工编辑率等指标反映认知努力、负荷和记忆，但效应量差异较大（从0到0.487），凸显了元分析方法的必要性。传统元分析方法通过平均效应量或每项研究选取一个效应量来处理依赖性问题，但可能损失信息。三水平元分析能处理样本和测量误差，并允许跨研究考察异质性因素，因此本研究采用该方法。

**1.1. 后编辑与认知关系的理论基础**
启动效应理论和建构-整合模型（CIM）被用于解释机器翻译后编辑（MTPE）中的认知活动。启动效应指先前刺激影响后续输入的感知与处理，分为正启动和负启动。在MTPE中，正启动可提高处理流畅性和速度，但可能降低警觉性，导致遗漏错误；负启动则减慢处理、增加认知努力。CIM（Kintsch, 1988）认为文本理解和产出涉及构建连贯的心理表征，后编辑中的错误检测与修正依赖于新处理信息与现有认知表征的交互。虽然直接应用CIM于MTPE的实证研究有限，但文本理解和翻译认知研究支持其相关性。暴露于预译文本可影响注意力分配和自我监控，在某些条件下可能增强自我监控或减轻理解困难。这些理论从资源角度将后编辑视为有限认知资源的分配，适用于解释MTPE与后编者认知的关系。

**1.2. 后编辑与认知的调节变量**
借鉴Meng等（2024），本研究通过文献综述识别调节变量。文本类型包括信息型、表情型和操作型（Reiss, 1981），表情型通常需要更多认知努力。语言家族差异（如中文与英文）及翻译方向可能影响认知分配，但实证证据有限。MT系统因其架构、引擎和评估指标不同而产生不同错误类型，影响认知努力（如SMT、NMT、AMT）。认知类型基于Bloom（1956）认知领域分为五种：认知努力、负荷、需求、记忆和注意力。眼动追踪设备的分辨率和采样率差异可导致不同发现。个体因素方面，是否报告后编者对PE的态度与效应量差异相关；专业经验和性别也可能产生影响。本研究考虑的调节变量包括：文本类型、语言家族、翻译方向、后编者对PE的态度、MT错误类型、认知类型、MT系统、眼动追踪设备、后编者经验和性别，均作为分类变量。

**1.3. 当前研究**
本研究遵循PRISMA 2020指南，首次通过三水平元分析检验后编者认知与MTPE的关系。研究总结效应量并分类变量，区分与编者认知、MTPE及其潜在调节变量相关的变量，并划分为十类潜在调节变量。方法学质量采用Shea等（2009）系统标准评估。研究旨在回答四个问题：RQ1:MTPE与后编者认知是否存在关系？RQ2:若存在，关系的强度和方向如何？RQ3:调节因素有哪些？RQ4:这些调节因素的意义、关系强度和方向如何？

**2. 方法（Methods）**

**2.1. 文献检索与纳入标准**
检索覆盖期刊论文、会议论文和学位论文，系统查询Web of Science、ScienceDirect、中国知网、ProQuest和Scopus，使用与元分析定量性质相符的目标术语。检索限定于标题、摘要、作者、发表年份和来源，完成于2024年11月28日。两位培训评估者进行筛选，并进行手动交叉核对。共检索到613条记录。纳入标准包括：报告至少一个连接MTPE变量与认知变量的效应量、效应量源于定量数据、提供足够统计量、检验后编者认知结果、同行评审且数据清晰、提供特定语言全文并明确实验语言。最终保留19项研究，获得193个效应量。

**2.2. 变量编码**
根据明确标准对纳入研究属性编码，包括第一作者、发表年份、样本量、性别分布、平均年龄、参与者类型、文本类型、翻译方向、语言家族、是否报告PE态度、MT系统、MT错误类型、认知类型、认知测量工具。编码遵循三个原则：每个独立样本编码一次；报告多个指标时每个指标单独编码；纵向研究仅编码首次测量。评分者间信度Cohen's kappa为0.881。研究质量采用NIH观察性队列和横断面研究质量评估工具，仅保留“一般”及以上等级的研究。

**2.3. 效应量计算**
效应量使用相关系数r。若未直接报告，则从均值、标准差、样本量、自由度、t、F或χ²值推导。效应量大小按Cohen（1992）标准分为小、中、大。转换公式包括：t = (?x - μ) / (SD/√n)；r = √(t² / (t² + df))；r = √(F / (F + df))；r = √(χ² / (n₁ + n₂))。由于平方统计量转换丢弃方向性，进行敏感性分析：移除20个负效应量后合并r从0.474变为0.434，影响不大。所有效应量代表研究层面相关，模型处理研究内和研究间方差。

**2.4. 三水平元分析模型**
传统元分析假设效应量独立，但同一研究通常报告多个效应量。三水平元分析能处理依赖效应量，最大化保留原始信息。基于随机效应模型，进行发表偏倚检验、主效应检验、异质性检验和调节变量分析，使用R x64 4.1.1软件的metafor和metaviz包。

**2.5. 发表偏倚、异质性与调节变量分析**
通过增强型日落漏斗图不对称性和Egger回归检验评估发表偏倚。非显著Egger检验（p > 0.05）提示偏倚可忽略，否则使用修剪填充法。在三水平元分析中，方差分为三个来源：抽样方差（Level 1）、研究内方差（Level 2）和研究间方差（Level 3）。使用Q检验和单侧对数似然比检验异质性，I²以25%、50%、75%为小、中、大。调节变量分析后，因样本量小不进行多元元回归。

**3. 结果（Results）**

**3.1. 纳入研究特征与质量评估**
纳入19项研究、193个效应量、492名受试者，时间跨度2014-2024年。效应量数每项研究1至22个。5篇中文文章，14篇英文文章。质量评分范围6-9分，平均8.158分，高于理论均值7分，表明研究质量满意。

**3.2. 发表偏倚分析**
漏斗图显示研究围绕总效应量（1.398, 95% CI [0.582, 2.214]）对称分布，Egger检验非显著（t = 0.7076, p = 0.4800），无需修剪填充。留一敏感性分析显示总效应量稳定在0.4648至0.4846，结果稳健。

**3.3. 主效应与异质性分析**
MTPE与后编者认知的总体效应量呈正相关（r = 0.474, 95% CI [0.301, 0.648]），按Cohen标准为大效应量。Q检验显著（1904.036, p < 0.00000001），整体异质性I² = 6.829%。Level 2（研究内）中等异质性（σ² = 0.182, p < 0.05, I² = 20.298%），Level 3（研究间）大量异质性（σ² = 0.361, p < 0.0001, I² = 79.702%），需进行调节变量分析。

**3.4. 调节变量分析**
变量“是否报告PE态度”作为方法学特征，总体检验显著（F = 4.124, p = 0.044）。未报告PE态度的研究效应量正相关（r = 0.534），报告者不显著（r = ?0.031）。文本类型总体检验不显著（F = 0.822），但各水平内显著：信息型r = 0.400，表情型r = 0.642，操作型r = 0.668。测量工具和认知类型总体检验均不显著，但Eyelink（r = 0.459）和Tobii（r = 0.509）在水平内显著，认知努力（r = 0.551）在水平内显著。其他调节变量（语言家族、翻译方向、MT系统、错误类型、经验、性别）均无显著效应。

**4. 讨论（Discussion）**

**4.1. MTPE与后编者认知的正向联系**
关键发现：MTPE与后编者认知呈正相关，效应量大且无发表偏倚。这可能意味着译者花费更多时间并承担更高认知成本以完成翻译，与先前研究一致。高认知成本可能与现代MT系统的高错误率相关，尤其是基于SMT算法的系统。长期依赖MTPE可能改变人类翻译能力，促使译者分配更多认知资源修正低质量预译文本。根据启动效应理论负向维度，后编者在双重任务过程中认知支出可能更高。眼动测量常用作认知指标，但不同指标（固视、眼跳、回视）反映不同子过程。后编辑初期，停顿和瞳孔直径增加表明认知负荷升高；决策阶段需重新分配认知资源，包括努力、负荷和注意力控制。根据CIM，这些决策反映新信息与先验知识的整合，调动多种认知操作。总体异质性显著，需考察调节变量。

**4.2. MTPE对后编者认知的调节变量**
是否报告PE态度反映方法学差异，而非译者态度本身。文本类型虽水平内显著但总体不显著，表明不解释异质性。测量工具中Eyelink和Tobii水平内显著，可能因采样率差异影响认知监测精度。认知努力在水平内显著，可能作为后编辑中认知资源分配的必要指标，符合Bloom理论框架和Atkinson & Shiffrin信息加工模型。其他调节变量（如经验、性别、MT系统）无显著总体效应，可能受文化-语用因素、任务非惯常性及实验室情境限制。

**4.3. 贡献与局限**
理论贡献：与跨学科翻译过程研究框架一致，表明负启动和正启动效应与后编辑中认知模式相关，且CIM可解释认知资源分配。实践贡献：提供基于证据的培训和实验设计指导，建议优先处理信息型文本，眼动研究应平衡时间分辨率与实验目标。局限包括部分调节变量效应量小、认知构念操作化受限、依赖聚合数据而非个体数据、多数研究在控制实验环境下进行，限制了生态效度。

**5. 结论（Conclusions）**
在大语言模型时代，理解MTPE与后编者认知的关系对翻译服务行业至关重要，影响MT系统训练、翻译相关人类智能研究及翻译任务中认知模式解释。本研究结果明确了MTPE与认知测量之间的关联，揭示了与研究层面特征相关的系统性变异，包括是否报告PE态度、眼动方法、文本特征和认知指标类型。未来研究应改善实验设计、增加样本量、检验多元模型，以支持更精细的调节变量分析。