研究：AI（人工智能）翻译工具在心理量表回译中与人工流程表现相当，但研究者判断仍不可替代
一项发表于《Psychological Methods》的摘要级研究比较了AI（人工智能）翻译工具与人工流程在心理量表回译中的表现。
五项研究显示，AI译文在语言质量、原文—回译对应度上与人工程序大致相当，部分量表甚至更好，英文—德文的测量不变性模式也大体相似。 作者强调，语言相似不等于文化或心理测量学等价，合格的人类判断仍不可替代。
该研究由Julian Decius、Emily Kleszewski、Hannah Louisa Krüger完成，作者机构为德国不来梅大学（University of Bremen）商学院与马尔堡大学（Marburg University）心理学系，发表于《Psychological Methods》。
摘要显示，两项预实验比较ChatGPT（OpenAI的对话式人工智能产品）、Google Translate（谷歌翻译）与DeepL（德国DeepL公司的机器翻译服务），基于表现与实用性选定DeepL用于研究1至3。 研究1至3考察英文—德文量表经单轮回译的结果：AI译文在语言质量（研究1）与原—回译对应度（研究2）上与人译相当，部分量表更优；
研究3显示AI版与人译版的测量不变性模式大体相似。 研究4扩展至英文—西班牙文并采用多轮设计，比较人工多轮流程与增强型AI辅助流程（并行AI翻译、回译，并结合翻译、评审、裁定、预测试、记录等要素的结构化定量与定性评估）； 研究5检验所得版本的测量不变性。
作者同时提出AI Translation Evaluation Assistant（AI翻译评估助手）用于结构化定性审核，并与翻译评估指标配合作为定量对应度指标。 该条为PubMed摘要级证据，未获取论文全文。
这项研究的价值不在宣称AI（人工智能）可取代人工翻译，而在于把“AI能否进入心理测量工具本地化流程”拆成可比对的环节：语言质量、回译对应度、测量不变性。 对行业而言，这意味着AI降低了量表跨语言适配的部分成本，但摘要明确区分语言相似与文化、心理测量学等价，提示本地化验证仍是独立步骤。
需注意这是摘要级证据，五项研究的具体样本、量表数量与效应量未见，不能据此推断临床或测评结论。
后续观察信号
- 检索作者提出的AI（人工智能） Translation Evaluation Assistant是否公开发布
- 跟踪后续研究是否扩展到更多语种与非西方文化样本