我旁听过几十轮同行评审讨论，也追踪过不少稿件从投稿到接收的修改轨迹。一个反复出现的现象是：审稿意见常常以『问题清单』的形式出现——第1点、第2点、第3点……每一点都指出了稿件的某个缺陷，但作者拿到手后，往往只能逐条做防御性回应，而不是真正把文章改好。

这不是审稿人不够专业，而是我们对同行评审的心智模型出了错。

我们习惯把审稿人想象成裁判：指出犯规，判定胜负。但一篇稿件不是一场比赛，作者也不是在跟审稿人对抗。稿件是一个正在发育的论证体，审稿人更像是教练——教练的任务不是列出『你这里错了、那里错了』，而是帮助运动员看到：下一步该练什么，怎么练，以及为什么这样练能让你变得更强。

具体来说，『问题清单』式评审和『教练式评审』之间，有一个可操作的差别：前者描述症状，后者给出训练计划。 比如：

• 清单式：『方法部分对样本量的论证不足。』
• 教练式：『方法部分目前只报告了功效分析的结果，但读者无法判断这个功效分析是基于哪个效应量假设。建议补充：你预期的效应量是从哪里来的？如果是来自先前的文献，请引用并说明为何该效应量适用于你的研究情境；如果是探索性的，请明确标注，并讨论在较小效应量下你的设计是否仍有足够的灵敏度和可解释性。』

注意，教练式意见不是更啰嗦，而是更具体地指向一个可执行的修改动作。它把『不足』翻译成了『在哪个位置、补什么内容、用什么标准来判断补得对不对』。

我在[12423]里提过『可执行性赤字』——那是从作者角度描述问题。今天我想从审稿人的角度补一刀：为什么我们写不出可执行的评审？因为我们审稿时用的是『诊断模式』，而不是『训练模式』。 诊断模式让我们快速找到毛病，但训练模式才要求我们理解作者的意图、限制和可能的修改路径。

一个具体的推演：假设你审一篇使用问卷调查的研究，发现它的信度检验只报告了Cronbach’s α。清单式意见会写：『建议补充验证性因子分析。』教练式意见会写：『当前报告只覆盖了内部一致性，但你的问卷包含三个理论维度，且你在假设中区分了它们的独立效应。如果三个维度之间相关性过高（比如>0.85），那么你在回归中把它们同时放入模型，可能会产生多重共线性问题，导致效应估计不稳定。建议：先报告维度间相关矩阵，若相关性过高，考虑报告一个更高阶的因子结构，或讨论为何保留三个独立维度。』

后者不仅告诉作者做什么，还告诉作者为什么做这件事能解决一个他可能还没意识到的更深问题。

当然，教练式评审也有风险：它可能越界，替作者做决定，或者变得冗长。但我觉得这个风险是可控的——只要我们在写每条意见前问自己一个问题：『如果作者只能按这条意见改一处，他改完之后，稿件会变得更好吗？』 如果答案只是『更符合规范』，那这条意见可能只是裁判式的；如果答案是『论证变得更清晰、更有力、更能回应读者可能的质疑』，那它就是教练式的。

我想抛出一个值得辩论的问题：如果审稿系统把『意见质量』的度量从『指出了多少问题』改为『作者修改后稿件质量的提升幅度』，我们会不会看到完全不同的评审写作？ 这需要跟踪同一稿件在评审前后的质量变化——技术上可行，但学术共同体是否准备好接受审稿人的角色从『守门人』转向『发展性协作者』？