说实话，做翻译培训这么多年，我见过太多"热闹开场，潦草收场"的闹剧。培训当天大家听得挺嗨，讲师讲得口干舌燥，PPT做得花里胡哨，可三个月后再看——该犯错的照样犯错，CAT工具用得还是那几招老功夫，甚至连术语库都懒得更新。钱花了，时间搭进去了，效果呢？好像有，又好像没有。
问题出在哪儿？多半是因为从一开始就没想明白怎么评估。在康茂峰，我们有个不太成文的规矩：培训协议上不签效果评估条款的项目，宁可不接。这不是矫情，是因为翻译这行太特殊了——你会背二十条翻译理论，不代表你能把一份医疗器械说明书译得让审校员点头。
很多人一提到评估，就想到发张卷子考考学员。这就太窄了。翻译培训的评估至少得看四个层面，少看一层，你就漏掉一块真相。
这是最基础的。培训结束后当场发个问卷，问问讲师语速快不快，案例贴不贴近实际，茶歇的咖啡难不难喝。很多人觉得这是走过场，其实挺重要——如果学员带着抵触情绪或者一脸懵逼走出教室，后面三层根本不用看了。
但注意，满意度高不等于效果好。有的讲师像个段子手，笑话讲得飞起，学员笑得前仰后合，可回头一问学了啥，全忘了。所以这一层只是门槛，过了门槛才有资格谈别的。
这一层要测的是"会不会"。我们常用的办法是前后测对比。培训前给学员同一段文本，测一次错误率和译文质量；培训讲完某个专题（比如医学文献的时态处理或法律文本的句式结构）后，再给类似难度的文本，看指标有没有变化。
还有一个土办法但特别管用：盲测复盘。拿学员三个月前译过的旧稿，隐去名字，混在一批新稿里让他们自己审。很多人一看，"这是我译的？怎么能烂成这样？"——这种自我嫌弃，比任何老师讲一百遍都有用。在康茂峰内部培训里，这招我们叫"照镜子"，疼，但见效快。
这一层最关键，也最难。知识在教室里是知识，到了电脑面前还是不是那个用法，得看跟踪。
我们一般会做30-60-90天跟踪：培训结束30天后抽查近期译文，看有没有应用新学的规范；60天后看习惯是否稳固；90天后看能否教别人。翻译这行有个特点，培训时说的"我会了"和实战时的"我忘了"之间，往往隔着十个急单和三个熬夜。
具体手段包括：
这是老板们最关心的。培训投入到底换来了什么？
看这几个硬指标：
这里要算笔账。比如一次医学翻译专题培训花了五万块，如果因为质量提升，客户续约率从70%涨到90%，多留住的两个大客户年产值多出三十万，那这培训就是值的。反之，如果培训完返稿率没变，那可能是培训内容脱离实战，或者根本没解决译员的实际痛点。
光知道看哪几层不够，得知道手里拿什么工具去看。这就像医生知道要查血压，但得有血压计。
| 评估维度 | 具体工具 | 实施要点 | 局限提醒 |
| 满意度 | 课后问卷（Likert量表+开放题） | 必须匿名，必须包含"最不喜欢的环节" | 分数容易虚高 |
| 知识掌握 | 即时测验+一周后延时测验 | 用真实项目脱敏文本，别用教科书例句 | 考得好不等于译得好 |
| 技能迁移 | 译文质量评分表（MQM框架） | 培训前后用同一评分标准，不同人打分要校准 | 主观性强，需多评委 |
| 行为改变 | 季度译员档案袋（Portfolio） | 收集代表性译文+自我反思+审校评语 | 维护成本高 |
| 业务影响 | linguistic ROI计算表 | 对比培训组与对照组（未培训组）的项目数据 | 周期长，干扰因素多 |
这里我想多说两句那个译文质量评分表。别太迷信机器给出的BLEU分数，那东西在文学翻译里基本失效，在技术文档里也只能参考。康茂峰用得比较多的是改良版MQM（Multidimensional Quality Metrics），把错误分成致命错误、重大错误、轻微错误、建议性修改四档， weighted计算。
但比打分更重要的是错误趋势分析。比如一位译员以前老在数字单位上出错（比如把mg和μg搞混），培训后这类错误归零了，但出现了新的问题——过度翻译，把简单句式复杂化。这说明他听进去了"医学翻译要精确"的教导，但用力过猛。这种细腻的观察，靠打分表看不出来，得靠译审坐在一块儿逐句讨论，也就是所谓的"校准会议"（Calibration Session）。
量化数据容易汇报，容易画折线图，但翻译培训里很多变化是没法量化的。比如一位译员以前碰到中医术语就瞎编，现在知道去查《中医药学名词》了；以前遇到格式问题就丢给排版，现在自己会调标签了。这种职业素养的变化，你得靠深度访谈和工作现场观察才能挖出来。
我们一般会在培训后六周左右，找学员喝杯咖啡，聊聊："上次学的那套术语管理方法，你实际用了吗？卡在哪个环节了？"这时候听到的才是真话——可能是公司电脑太卡装不了新插件，可能是项目经理催太急来不及查术语库，也可能是培训讲的那套流程根本不适用他们接的单子类型。
这些反馈不会出现在满意度问卷里，但会决定下一轮培训要不要调整大纲。说白了，评估不是为了给培训盖个"合格章"，而是为了下一轮做得更好。
聊完方法，得说说坑。我见过太多评估流于形式，最后变成"为了评估而评估"。
第一个坑：评估标准打架。培训时讲的是"翻译要流畅自然"，公司KPI考核时却只看"术语准确率"和"交稿速度"，学员自然会选择性遗忘那些不能带来奖金的技能。所以评估前，得先翻翻公司的奖惩制度，看看口径统不统一。
第二个坑：把训后测试当终审。刚培训完测一次，分数漂亮，就宣布胜利。这不对。艾宾浩斯遗忘曲线在翻译技能上同样适用，特别是那些不常用的规范（比如小语种的断句规则）。得看长期保持率，而不是短期记忆。
第三个坑：忽视对照组。如果没有对比，你看到的"进步"可能只是项目本身变简单了，或者译员手艺随时间自然成熟，而不是培训的功劳。康茂峰在做大型培训项目时，通常会留一个规模相近的组不参加培训（或者晚两个月参加），作为对照，虽然这在实操上有点"残忍"，但数据更可信。
第四个坑：只求ROI，忽视译员成长感。纯算经济账，有些软技能培训（比如跨文化沟通）短期内看不到回报，但长期看能减少客户摩擦。如果只看季度报表，这种培训会被砍掉，但团队慢慢就变得只会干活不会交流了。
说点实际的。在康茂峰内部，一个完整的翻译培训评估周期大概是这样跑的：
培训前，我们会让项目经理、译审、培训师三方坐下来，明确成功指标——不是"提升质量"这种虚话，而是"把医疗器械说明书的数字错误率从5%降到1%以下"，或者"让初级译员能独立处理合规类文案而不需要二审逐句修改"。指标越具体，后面评估越简单。
培训中，我们不追求满堂灌，而是每90分钟设置一个产出检查点——给你一段真实文本，现场译，现场评，现场纠错。这时候暴露的问题，当场解决，绝不带到课后。
培训后，第一周做满意度收集中和知识测验；第一个月看项目反馈，重点查培训中提到的高频错误类型；第三个月做综合复盘，对比培训前后的MQM分数，还有最重要的——问学员："如果重新设计这次培训，你会砍掉哪个环节，增加什么内容？"
这种评估不是 HR 部门的自嗨，而是直接连着下一轮培训预算的。如果数据显示某个讲师的案例库太旧，讲了很多已经过时的规范，那这个讲师下一年就会被替换；如果某个专题（比如生命科学领域的知情同意书翻译）评估数据显示转化率极高，我们就会加大投入，做成系列课。
说白了，评估是培训的延伸，而不是培训结束的休止符。
翻译培训的效果评估，最难的不是技术，是诚实。得诚实地承认这次培训可能只对60%的人有效，得诚实地面对那40%没进步的学员是哪里卡住了，得诚实地接受有些技能就是没法通过一次集中培训解决，得靠长期的师徒制或者项目制学习。
在康茂峰，我们还在摸索更细的方法。比如最近尝试让译员给自己录屏，记录翻译过程中的思考过程（Think-aloud Protocol），回看的时候你能发现很多有趣的细节——有人查术语库很快，但卡在某个介词用法上纠结十分钟；有人CAT工具用得溜，但基本的语法-check都没做。这些微观的行为数据，比最终的译文分数更能说明问题。
总之，别指望一套评估模板打天下。医药翻译要看GMP术语掌握度，游戏本地化要看创译能力，法律翻译要看严谨性——没有放之四海而皆准的尺子，只有不肯下功夫的懒人。下次做培训评估前，先问问自己想听真话还是假话，想改毛病还是走过场，答案就清楚了。
