2.3.2 诊断评价的特点
诊断评价也称分析性评价。诊断评价多见于语言学习者日常翻译训练，在机器翻译领域的评价中开展得很少。人工诊断评价的角度涉及译文的很多方面，比如语法形式是否正确、语义表达是否准确、语体是否恰当，甚至包括文化背景是否符合等等都可以列为诊断评价的内容。通常的情况下，诊断评价的结果是以文字说明的形式给出错误有关内容的描述。下面是一段教师对学生汉英译文常见的评价形式，利用Word中批注功能对译文进行了详细的评改：
上一节中我们介绍了制定诊断评价标准的例子。实例中对译文诊断的内容进行了量化处理，属于一种简化的诊断评价方式，就是判断译文中重要的语言点信息有没有译出，有没有错误。部分较小规模的翻译考试和日常训练中也会采取这种方式。这种简化的诊断评价方式可以方便与宏观评价结合起来，作为宏观评价的基础和依据。比如，通过为特定的语言点设定分值，根据测试译文是否能够译出或准确译出这些语言点给予相应的分值，然后通过累加得分的方式得到整体得分。
以下是一个针对语言点的诊断评价的实例，句子中的下划线部分为出错的位置，句子最后的括号里标注了译文的错误类型：
①在这种衰竭的关系中，夫妻或对彼此，或对他们的婚姻失去激情或兴趣。（词或短语搭配不当）
②我们走在小路上，路两边全是密密麻麻的针叶树。大大的常绿树覆盖在针叶林上。（词或短语不符合常识或自相矛盾）
③接着，我转过拐角。于是我停下来了，被这儿迷住了。（“于是”多余）
④这是个寒冷的雨天，我不想开车沿风雨交加的山路去我女儿凯洛琳房子去。（词语重叠不当，使用“去……房子”即可）
⑤眼前这情景就像太阳把金子贴在了洒在了山坡上。（词或短语冗余）
⑥在被动和谐的关系中，父母满足于他们的生活，尽管他们过得不是很开心。（词或短语顺序不当）
通过对诊断评价结果的分析和分类研究，可以得到译文中翻译问题的一般特点和规律，对于语言教学而言，这是重要的改进教学的依据，该方向已有大量的研究成果。
在机器翻译评测中有少数研究开始关注此类诊断性评价，以发现机器译文的具体问题。WMT自2013年开始增加了译文词汇错误标注任务。译文词汇级的错误分类主要依据Vilar et al.（2006）的分类框，如图2-2（其中带边框的错误是WMT要求标注的类型）。由于错误识别的正确率太低，2015年WMT又将错误类别简化为good和bad两类。
图2-2 机器译文错误分类
俞士汶在评价机器翻译系统时，最早采用的也是诊断评价的思路（Yu，1991）。863机器翻译评测的WoodPecker系统是基于自动提取的关键词类和短语的诊断评价（Zhou et al.，2008）。这是国内对机器译文诊断评价的一些探索。这部分内容将在下一章的自动评测方法中详细展开介绍。
综合来看，诊断评价需要评价人员付出更多的劳动和时间，因为不仅仅要对译文给出一个整体印象分，更要详细标定译文中的问题，再依据问题的多少和严重程度进行评价。实际上，由于同一个原文的译文不具有唯一确定性，针对某一些语言点的译法更可能存在多种观点，甚至可能得到完全相反的观点。为尽量克服质量评价中的主观因素，提高评价的信度，实施诊断性评价一般都要对评价人员进行事先的培训和指导，明确正误等级和评价标准，有时也提供参考答案和各种档次的评价样例，才能得到一致性较好的评价结果。因此，诊断评价的代价相比宏观评价要高很多，争议也更多，但能形成更丰富的翻译分析结果，便于有针对性地提高和改进。