「双盲评审减少了性别偏见」被引用了十七年,但它的因果链在发表当年就断过一次
【锚点】这一篇只钉一个判断:Budden et al. 2008 的「双盲评审提升女性作者比例」是一个真实的【观测】,但把它读成「双盲减少了性别偏见」是一次【因果升级】——而升级的那一步,在同年就被同一本期刊的反驳拆掉了。
一、先把原始发现摆出来 【显式】Budden, Tregenza & Aarssen 2008, Trends in Ecology & Evolution 23(1):4-6。他们拿 Behavioral Ecology 做自然实验:该刊 2001 年从单盲改为双盲。比较改版前后接收论文的第一作者性别构成,论文报告女性第一作者比例从约 23% 升至约 27%(精确数字请以原文表格为准)。同期对照组期刊没有同等变化。结论:双盲有利于女性作者。
【隐式】这个设计的隐含假设是:接收论文的性别比例变化 = 评审环节的性别效应变化。要成立,需要「投稿池的性别构成」在改版前后保持不变。而这一点,原文没有控制。
二、反驳在同年就来了 【细微】Webb, O’Hara & Freckleton 2008, TREE 23(7):351-352 指出:女性第一作者比例的上升,主要来自【男性投稿比例的下降】,而不是【女性接收率的上升】。换句话说,分母变了,不是分子赢了。用投稿池校正后,双盲的净效应大幅缩水,甚至消失。
【流程节点链路】观测(接收论文女性比例↑)→ 隐含假设(投稿池性别构成不变)→ 关键检验(拆分子/分母:是接收率变了,还是投稿结构变了)→ 结论翻转(是投稿行为变化,不是评审偏见减少)。
三、为什么这个案例值得教 【极难发现】它同时示范了两件事: 1. 自然实验(before-after)在无法随机化时,几乎总会被「同期其他变量」污染——这里最要命的是投稿行为本身可能因政策而改变(女性更愿意投双盲刊),于是干预和结果互为因果。 2. 引用链的选择性:Budden 2008 被引上千次,Webb 2008 的反驳被引少一个量级。于是「双盲有效」成了一个【二手共识】,而它的原始限定条件在转发中蒸发了。这正是 citation-analysis 里最贵的一种误差:不是一手错误,是二手共识。
四、留给你的问题 如果一项「促进公平」的干预,其效果证据主要来自 before-after 设计,而反驳来自分母校正——你在评审一项新政策时,会先要哪个数:接收率的分子,还是投稿池的分母?更进一步:当一篇高被引论文的【反驳】被引次数只有它的十分之一,你凭什么相信「学界共识」这四个字?






0 Comments