撰写易于翻译的源文本
大多数机构把翻译看作是在英文写完之后才开始的问题：您把文件交给译者，或粘贴进翻译工具，得到什么结果，服务对象读到的就是什么。本指南把关注点向前移动一步。提升多语言材料质量最经济的方法，就是从一开始就把原始英文写好，因为清晰的源文本无论是由人还是由机器完成翻译，都会产出更清晰的译文，而混乱的源文本会在您发布的每一种语言中，悄无声息地产出同样混乱的译文，因为您的员工中没有人能读懂译文并发现问题。
源文本决定质量：无论对机器还是对人
无论是人工翻译还是机器翻译，都无法还原源文本从未明确表达的含义。如果您的英文句子可以有两种理解方式，译者就必须猜测您想表达的是哪一种，而一旦猜错，就会在目标语言中变成一个读起来自信流畅、实则错误的表述。歧义、隐藏的逻辑关系和不常见的措辞，并不是优秀译者可以顺手抹平的文体问题，而是您把决定权下放给了一个掌握信息比您更少的人。
对机器翻译而言，这一点是可以量化的。研究人员用两种方式撰写同一份内容：一种违反一套简明的受控写作规则，另一种遵循这些规则，然后将两个版本都输入翻译系统。遵循规则的源文本在四种类型学上截然不同的目标语言——荷兰语、中文、阿拉伯语和法语——中都产生了质量更高的机器翻译结果（Aikawa et al., 2007）。后续研究进一步分离出各条规则各自的影响，证实对源文本的约束，例如更短的句子和更少的歧义，会以可辨识的方式改变机器的输出结果（Marzouk, 2021）。专业本地化领域把这种做法称为"预编辑"（pre-editing）：在翻译之前先把英文清理好，而不是只在译文出来之后再修正。
人工译者也因同样的原因受益，还多了一层好处。面对一句简短、直接、没有歧义的源句，译者可以把精力用在为目标语言寻找恰当的措辞上，而不是猜测您原本想表达什么。清晰的源文本能同时降低翻译成本和错误率。源文本质量在不同语言之间的影响也并不均衡：机器翻译系统是从大量文本中学习的，即便是覆盖200种语言、规模最大的现代系统，对资源较少的语言也系统性地报告了更低的质量，原因就是底层数据稀缺（NLLB Team et al., 2024）。您无法改变一个工具背后的训练数据量，但您可以控制自己交给它多少工作量。在源头把英文写好，是对那些您的服务对象所使用、却最少受到技术照顾的语言的一种公平对待。
可衡量地起作用的通俗语言实践
这些做法来自两个彼此印证的传统：面向人类读者的健康素养指南，以及面向机器翻译的受控语言指南。
一个长句会迫使读者或译者在脑海中同时记住多个从句，并弄清楚它们之间的关系。请把复合指令拆分成独立的句子；这是提升理解和翻译质量最一致有效的单一做法（Marzouk, 2021）。
"请提交表格"比"表格将被审核"更清楚。隐藏的行为主体正是译者不得不靠猜测来填补的那种空白（Federal Plain Language Guidelines; CDC Clear Communication Index）。
把同一件事一会儿叫"预约"，一会儿叫"就诊"，一会儿又叫"会面"，会让机器把它翻译成三种不同的说法。请为每个概念选定一个术语，并使其与您的术语表保持一致。
"给我们打个招呼"和"改天"这类说法，其实际含义远不如一个简单动词表达得清楚，而且逐字翻译往往就是您得到的结果。请写"联系我们"和"以后"。
"饭后服用它；如果它让您胃不舒服，就停用它"这句话里，"它"承担了太多含义。不同语言处理代词的方式各不相同。请直接说出名词。
"您并非没有资格"即使读起来也让人费解，翻译时常常会被弄反。请直接说出肯定的意思："您可能符合资格。"
缩写词很少能在不同语言之间原样通用；译者或机器可能会音译它们、错误地展开它们，或者原样保留不作处理。请在使用任何简称之前，至少完整写出一次全称。
"6/3/2026"，在美国读者看来是6月3日，在世界上大多数其他地方看来却是3月6日，翻译并不能解决这个问题。请用文字写出月份名称，并具体说明数量。
一份错过预约的通知
如若阁下无法出席预约就诊，敬请务必提前不少于24小时通知本处，以免被视为爽约而被酌情收取相应费用并计入阁下账户。
如果您无法赴约，请至少提前24小时通知我们。如果您没有通知，我们可能会收取爽约费。
一条福利资格消息
您并非没有资格获得这些福利，但煮熟的鸭子还没到嘴，一切都还没有板上钉钉，要等我们把您的材料明察秋毫地核查一遍之后才能确定。
您可能符合这些福利的资格。我们要审核完您的全部材料后才能确认。
通俗语言对每一位读者都有帮助，而不只是阅读译文的人
数以千万计的美国成年人健康素养有限，而大量常规健康和福利材料的书写水平，超出了许多成年人能够轻松阅读的程度（Institute of Medicine, 2004）。通俗语言是应对这一差距的公认做法，其益处惠及每一位读者，而不仅仅是那些素养水平最低的人（Stableford and Mettger, 2007）。
这种效果在受控实验中也有体现。在一项随机对照试验中，获得通俗语言版本自我注射说明的患者，比获得标准版本说明的患者，能正确描述更多的准备和注射前步骤，也能正确完成更多的注射步骤，平均正确完成15个步骤中的13.1个，而对照组只完成10.8个（Smith and Wallace, 2013）。一项针对49项处方药材料随机对照试验的系统综述，同样将通俗语言原则列为能改善患者理解的设计做法之一（Mullen et al., 2018）。
用通俗语言撰写源文本，并不是您为了迁就翻译而做出的让步。它同样能改善您那些以英文阅读的服务对象所收到的英文文件。
可读性分数：有用的信号，糟糕的目标
许多机构会用可读性公式（例如 Flesch-Kincaid 或 SMOG）检测自己的草稿，并以某个年级水平为目标。请把这些公式当作粗略的烟雾报警器，而不是目标本身。可读性公式在很大程度上是为儿童教育材料而开发的，它们只计算词长、句长等表面特征，却不考虑读者是否真正理解了内容、页面是如何排版的，以及读者究竟是谁（Redish, 2000）。
您可以通过把长句一切两半来降低年级水平分数，而含义却依然一样含糊不清；您也可能写出一句真正清晰的句子，却因为用了一个虽然常见但较长的词而被公式扣分。请把高分数当作一个提示，去认真检视这段文字，然后依据上文所述的实践来判断它，并在可能的情况下用真实读者来测试它。一个数字只是一个提示，不是最终定论。
这与您的术语表有什么关系
把这想象成两份相互配合的文件。社区术语表是关键术语及其获批译法的商定清单。源头英文正是这些术语实际被使用的地方。以上做法能让您的英文保持足够一致，使术语表得以发挥作用：每个概念只用一个术语，完整写出，不让同义词悄悄混入，不让习语夹带术语表从未批准过的含义。当草稿中出现一个术语表里没有的新术语时，这正是提醒您应当刻意把它加进去、一次性定好译法并反复使用，而不是任由每次翻译都各自发明一种说法。
一个切实可行的操作顺序：先起草材料，再对照下面的检查清单逐项核对，然后把每个术语与术语表核对一致，最后才把它送去翻译，无论是人工还是机器翻译。如果您使用机器翻译，这项前期清理工作就是研究证明能减少后续错误的"预编辑"步骤（Aikawa et al., 2007; Marzouk, 2021）。如果您使用人工译者，这则是让他们能专心做好本职工作的一种礼貌。
文件送去翻译之前
- 每句一个意思；把任何用"和""但是"或分号连接的两条指令拆开。
- 句子要短。如果大声朗读一句话时喘不过气来，就把它删短。
- 使用主动语态，明确写出行为主体：谁做什么。
- 每个概念只用一个一致的术语，且每个术语都与术语表相符。
- 不使用习语、比喻、玩笑或文化典故。
- 不使用含糊的"它""这个""他们"；请直接说出名词。
- 不使用双重否定；直接说出肯定的意思。
- 所有内容都完整写出；没有先给出全称就直接使用的缩写或首字母缩略词。
- 日期把月份写成文字（2026年6月3日），时间和数量都具体说明。
- 术语表中尚未收录的新术语，在翻译之前——而不是之后——就被标记、确定并加入术语表。
- 可读性分数仅作为提示被核查过，随后这段文字依据上述各项标准接受了评判。
来源
- Aikawa, T., Schwartz, L., King, R., Corston-Oliver, M., & Lozano, C. (2007). Impact of controlled language on translation quality and post-editing in a statistical machine translation environment. Proceedings of Machine Translation Summit XI, Copenhagen. link
- Institute of Medicine, Committee on Health Literacy (Nielsen-Bohlman, L., Panzer, A. M., & Kindig, D. A., eds.) (2004). Health Literacy: A Prescription to End Confusion. National Academies Press. doi:10.17226/10883
- Marzouk, S. (2021). An in-depth analysis of the individual impact of controlled language rules on machine translation output: a mixed-methods approach. Machine Translation, 35(2), 167-203. doi:10.1007/s10590-021-09266-0
- Mullen, R. J., Duhig, J., Russell, A., Scarazzini, L., Lievano, F., & Wolf, M. S. (2018). Best-practices for the design and development of prescription medication information: A systematic review. Patient Education and Counseling, 101(8), 1351-1367. doi:10.1016/j.pec.2018.03.012
- NLLB Team, Costa-jussà, M. R., Cross, J., Çelebi, O., et al. (2024). Scaling neural machine translation to 200 languages. Nature, 630. doi:10.1038/s41586-024-07335-x
- Redish, J. (2000). Readability formulas have even more limitations than Klare discusses. ACM Journal of Computer Documentation, 24(3), 132-137. doi:10.1145/344599.344637
- Smith, M. Y., & Wallace, L. S. (2013). Reducing drug self-injection errors: a randomized trial comparing a "standard" versus "plain language" version of Patient Instructions for Use. Research in Social and Administrative Pharmacy, 9(5), 621-625. doi:10.1016/j.sapharm.2012.10.007
- Stableford, S., & Mettger, W. (2007). Plain language: a strategic response to the health literacy challenge. Journal of Public Health Policy, 28(1), 71-93. doi:10.1057/palgrave.jphp.3200102
- U.S. Centers for Disease Control and Prevention (n.d.). The CDC Clear Communication Index and Everyday Words for Public Health Communication. CDC guidance. link
- U.S. General Services Administration, Plain Language Action and Information Network (n.d.). Federal Plain Language Guidelines. plainlanguage.gov. link
本指南是社区术语表指南的姊妹篇：那一篇检查的是译文已经存在之后的质量，这一篇讲的则是在任何内容被翻译之前，您所能掌控的写作本身。请根据您所在机构的政策和所服务的语言对其加以调整。