|
论文审稿人是如何评价一篇文章的创新性论文审稿人是如何评价一篇文章的创新性
为了回答好这个问题,我们专门找了几位兼任若干SCI期刊审稿人的老师聊了聊,他们在审稿中对创新性的评价方式。
在实际的审稿中,他们对创新性的评价有可能更多的是一种直观的感觉——这个工作的方法我没见过,很惊艳,创新性很好。这个研究内容我没想到,深受启发。
虽然看起来有点“唯心”,不够“科学家”,但也必须承认,创新性其实很难准确评价,或者很难整体全面科学地评价。
有的工作,是实验方法有不错的创新,有的工作是研究内容有创新,有的工作是发现问题有创新,不同的创新非要论个高低贵贱不仅不公平,而且很难。
一、复杂?技术?困难?
这里要先破除部分研究者和审稿人的一个共同的误区。
审稿人虽然嘴上可能并不这么说,但实际审稿中,常常把工作的复杂性、技术实现的难度或者工作的困难性和创新性混为一谈。
比如,如果一篇论文只是修改了某个公式的一项,那么据此做出的工作可能会让有的审稿人觉得“创新性不足”。
这样的观点就导致目前很多老师和同学,在努力地堆叠和包装着自己工作的复杂性和难度。
但实际上,简单并不意味着不创新。
那么,到底怎么用科学的方式评价一篇文章的创新性?有两位审稿人给了我一个比较有趣的方案——从不同的视角去评价创新性。
二、最初的视角——问题和方法视角
这个视角是最常见也最“天然”的。
一个新的问题或者一个新的方法显然是创新的。
很多审稿人对论文的第一印象就来自于问题和方法。比如他们看到文章仍然在研究某个熟面孔,又或者研究方法就是某些成熟的研究套路,再或者方法和对象都挺熟,只不过在工作量上有些突破,那么审稿人对文章的第一印象就是创新性不太高。
所以,从问题和方法视角来看一篇文章,如果是新问题,并且这个问题很有研究价值,可以扩展出很多新的研究;或者虽然是老问题,但是用了一个新的方法,并且这个方法能很大提升原有研究效率/指标,那么这就属于创新性比较好的工作。
很多人对创新性的理解和认同,其实主要集中在问题和方法视角。
当然,如果一篇文章从问题和方法视角来看亮点不足,但并不意味着它一定不够“创新”。一篇文章不可能在所有维度都表现很好,只需要在一个视角表现不错,就可以说具有不错的“创新性”了。
所以接下来牛启生物带大家再看几个其他的视角。
三、研究对象视角
研究对象既可以指这篇研究是关于什么的,也可以指这篇研究是基于什么数据,什么素材的。
所以我没有把它和“问题方法”放在一起,而是单独分开。
比如深度学习算法,一开始是在图像识别领域大放异彩,但同一个算法用在了音频识别或者自然语言处理上,那么就是研究对象的创新,同样具有不错的创新性。
四、结论视角
当然,还有一个视角就是结论视角了。
结论是你这篇文章得到了一个什么样的成果,或者有什么新的发现。
一篇论文的创新性,最根本的是“结论”创新。也就是你要做出新的东西,发现新的现象,发明新的方法,更新已有的结果,创造了新的东西。
所以,结论是否前所未见,它的影响力大小,直接关系了文章的创新程度。
五、价值视角
其实还有一个视角,就是研究的实际价值视角。
这个视角关注的就是这篇研究,到底有多大的实际应用价值。比如虽然研究只是进行了一些小小的创新,但却对实际的产业或者社会有巨大的价值,那么仍然可以看做“创新性”很大。
比如同样是老问题老方法,像是研究糖尿病的危险因素,有的研究只能发表在中文期刊,甚至核心期刊都发表不上,但有的文章可以发表在医学领域的顶级期刊,像比如柳叶刀。
内里的原因就是,当你能拿到比如几十年,上万人的随访数据,那么哪怕是一个老问题老方法,但它得到结论的实际价值也是巨大的。因此,这篇研究就有潜力登上世界顶级刊物。这就是从“价值”视角对文章的评判。
六、创新性的分级
虽然从不同视角可以评判论文的创新性,但对于创新性的大小,其实审稿人心里也有杆秤。
按照几位审稿人的意见综合,大致给创新性排了个序。
1最顶级的创新性叫“开创性”。简而言之,发现了一个全新的问题,创造了一个全新的方法,发明了一个全新的工具。之所以叫“开创性”,是因为这些创新开创了一大片新的“科研蓝海”,可以为后面大量的创新打下基础。
比如第一个开创了深度学习算法的工作,这个工作为后面海量的工作打下了基础,无数科学家前赴后继,在深度学习这个框架下,开发新的算法,改进原有算法,解决新的问题,培养了数不清的博士硕士。
2第二层次的创新性就要差一些,可以是在开创的领域内挖掘了一个小领域。比如在深度学习的框架内,创新了图卷积神经网络算法,这个工作也很创新,也能养活一大批课题组,培养大量学生。
3第三层次是对现有改进和完善,或者把现有的工具用在别的任务当中。还是以深度学习举例,比如最初的图卷积神经网络可能还比较粗糙,但是随着改变改变结构,创新下编码器解码器,经过许多人的不断完善效率效能大大提升。或者卷积神经网络原本用来做图像识别效果很好,新的工作拿来做了音频识别,效果也不错。这类创新也有价值,但价值显然没那么大。
4最后一个层次,问题和方法都没变,只是调整调整细节,增加增加数据,或者东拼西凑把已经研究过的东西结合到一起。比如像是生物领域,换个物种同样通路,换个方法同样动物,一样的实验堆叠工作量。这类工作几乎没有创新性可言,价值更是不大,有些文章甚至可能连SCI都中不了,只能在低水平刊物上打打转。
当然,这个顺序只是泛泛的排序,根据实际工作的不同,创新性还是会有极大的差异。
最后,还是那句话,一篇论文工作的创新性,其实很难准确衡量。甚至不同审稿人对一篇文章的创新性衡量标准都会不一样。 |