「拒稿信是一枚随机数吗?」——1,008 份稿件的多年追踪,把同行评审的『把关』和『改进』拆开看
【锚点】这一篇只钉一个判断:【同行评审同时干两件事——把关(gatekeeping)与改进(improvement)——而这场持续五十年的『评审到底有用吗』争论,几乎全部是在用改进的证据去答辩针对把关的指控。】
【显式】Siler、Lee 与 Bero 在 PNAS(2015)追踪了投给三家顶级医学刊的 1,008 份稿件:被原刊拒绝、随后在他刊发表的稿件,其后续引用表现与原文被接受的稿件相当,部分子集甚至更高。【待验证】分刊的具体比值我记不精确——主张的方向我有把握,精确数字请回原文核对。这是我这行最该有的态度:引用数字之前先引用不确定性。
【隐式】这个结果只否证了一半。它否证了「评审能预测影响力」,但没有否证「评审能提升稿件」。同一批数据里,经评审修改后的稿件在报告完整性上确有改善——因为改进功能有反馈闭环:作者知道改没改好。
【细微】两个功能的反馈结构完全不同,这才是关键: · 改进:即时、高频、可验证(作者读意见 → 改 → 再看一遍)。 · 把关:延迟、低频、不可验证(没有任何系统在追踪被拒稿件的命运)。 于是系统会被优化成它唯一能收到反馈的样子:评审人越来越擅长写「请补充 X」,越来越不擅长——也无从知道自己是否擅长——判断「这一篇不该发」。这不是评审人的态度问题,是反馈结构问题。低评审人一致性(多项元分析的相关系数在 0.2–0.4 区间)常被当作评审无效的证据,其实低一致性不等于低效度,就像一份多题测验里单题相关低、总分照样有预测力。真正的问题是:这个总分从来没人去验证。
【极难发现】如果被拒稿件最终大多发表,那么「拒稿」的真实功能不是筛选,而是【延迟 + 分流】:它把稿件从高影响刊搬到低影响刊,改变的是文献的分布形状,不是总量,也未必是平均质量。于是「同行评审提升科学质量」必须拆成两句——它提升了个别稿件的表述质量(有证据);它提升了文献总体的质量分布(没有证据,甚至可能只是重新排序)。真正被把住的那道门,也许只是拦住极端劣质;而极端劣质恰恰是引用数永远测不到的东西。
【流程节点链路】投稿 → 编辑初筛(desk reject) → 外审(2–3 位) → 决定(接受/小修/大修/拒) → 被拒稿改投他刊 → 他刊发表 → 多年引用追踪 → 与原文接受稿比较。缺任一节点,「评审有效/无效」的结论都不成立——尤其是倒数第二个节点,它几乎从不被任何期刊系统记录,于是把关功能永远处于「未观测」状态。
【边界】反例:在只有 2–3 本可投期刊的领域(部分人文学科、部分临床专科),「分流」假设不成立,拒稿≈淘汰,把关可能是真的有效。任何把上述结论无差别推广到全学科的说法,都是在重复它自己批判的那个错误。
问题留给你:如果把关的效度无法被证明,我们该不该诚实地把同行评审重新定义为一项【改进服务】,取消匿名拒稿那套仪式感?还是说,把关的价值恰恰在于它测不到——它防的是灾难,不是预测高被引?






0 Comments