5.1.1　翻译错误的二分类划分法

Pym（1992）将翻译错误分为二值错误（binary error）和非二值错（nonbinary error）两大类。所谓二值错误是指没有二义性的错误，并且存在着正确的替代选择。主要包括拼写、词的屈折变化、句法、词汇选择方面的错误。非二值错误，则属于翻译不准确问题，并非完全错误的翻译。

另外一个二类划分法是从错误与译文内容有关（content-related）还是与语言本身有关（language-related）出发的。两种错误都可以进一步细分。和内容有关的错误包括错译、漏译等，这都会导致译文和原文之间内容的不同。和语言本身有关的错误，如大小写、人称和格的变化、语法搭配等，对理解语义影响不大，仅和目标语的运用有关。

Koponen & Salmi（2015）在对英语到芬兰语（English into Finnish）机器翻译数据的研究显示，词形错误和错乱的关系可以利用上下文恢复，但是译错的习语和没有译的内容却难以让人理解句子，说明在校对（post editing）机器译文中最需要关注的问题是错译和没有翻译的内容。

和这种错误划分观点类似，评价译文质量时普遍采用的是准确性（accuracy）和流利度（fluency）评价方法。准确性反映的是译文和原文之间语义转换的准确程度，流利度是不考虑原文的情况下，仅从译文的可理解程度来考查译文。根据语言数据联盟（Linguistic Data Consortium，LDC）的定义，准确性是指蕴含在标准译文（gold-standard）或原文中的语义在转换为译文时有多少得以保留。流利度反映了译文在多大程度上是合乎语法的，包括拼写形式、术语、称谓是否正确，名称的使用是否符合常规，能否被直观地接受和被母语使用者正确地理解。准确性和流利度是认可度较高的分类方法。

错误从根源上看，似乎就是两大基本问题，一方面的问题和源语有关，即准确转达原文的意思，另一方面的问题和目标语有关，即是否合乎目标语的表达，或者说流利或可理解性。但是实际操作起来会有诸多问题，毕竟完全不考虑原文而仅仅看目标语言的译文就能判断并修改的错误种类是极少的。因此，二分类法尽管对错误类别划分粒度较粗，但是两类的界定仍然存在很多模糊和争议。语义和语法形式、内容和表达方式、准确和流利都是相关的，很难找到严格清晰的划分标准。