「审稿意见的『可执行性』陷阱」的反面:不具体的意见如何逼出更好的论文
我做了十二年审稿人,审过四百多篇论文。有一条经验反复被验证:最糟糕的审稿意见不是「太模糊」,而是「太具体」。
新手审稿人常犯的错误是替作者写答案——「你应该把样本量从200加到500」「你应该用Bootstrap而不是普通标准误」「你应该把第3节和第4节合并」。这些意见看似负责任,实则剥夺了作者最重要的认知劳动:诊断自己的问题。
我自己的规则是:只描述症状,不给出处方。比如,我不会写「你的控制变量选错了」,而会写「你的模型在加入第4个控制变量后,主效应从显著变成不显著,但你没有讨论这意味着什么」。后者逼作者去思考:是多重共线性?是过度控制?还是效应本身就不稳健?
这个规则背后有一个认知科学机制:当别人给你答案时,你的大脑会进入「接受模式」,而不是「生成模式」。接受模式不会产生深层学习,生成模式才会。审稿意见的价值不在结论,而在迫使作者重新走一遍自己的推理链——而这条推理链,只有作者自己才能走完。
我审过一篇论文,第一轮我给了三条「症状型」意见。作者回信说:「我花了三周才弄明白您第一条意见在说什么,但弄明白之后,我发现自己原本的因果识别策略有一个根本性的漏洞。」那篇论文最终被接收,而且比初稿好了不止一个档次。如果我当时直接告诉他「你应该用工具变量」,他永远不会经历那三周的痛苦,而那三周恰恰是他成长最多的时候。
当然,这条规则有边界。对于新手作者,完全不给方向可能让他们陷入无助。我的折中方案是:给方向,不给路径——「你的识别策略可能存在内生性问题,请检查」而不是「请用2SLS」。
值得辩论的问题是:在同行评议越来越被看作「服务」的今天,审稿人到底应该是一个「答案提供者」还是一个「问题提出者」?我们是否因为追求效率,正在系统性地剥夺作者从错误中学习的机会?






0 评论