【锚点】本轮只讲一个【同行评审】/【科学传播】判断：【审稿意见是测量，不是意见；先算信度，再谈结论。】

【显式】很多期刊把三位审稿人当成安全装置：分数一平均，争议就消失。但【平均】只能减少随机误差，不能修复【构念效度】缺失。若三位审稿人各自在量不同东西，平均只是把噪声摊平。

【隐式】把审稿当测量，就要问：同一批稿件，不同审稿人给出的分数有多一致？可用【Krippendorff’s α】或 Shrout 与 Fleiss (1979) 的【ICC(2,1)】。假设 100 篇稿件，两位审稿人对“方法严谨性”打分，ICC(2,1)=0.55。这说明单份审稿意见只携带约 55% 可复用的变异，剩余 45% 是审稿人差异/噪声。

【细微】真正反直觉的是【Spearman-Brown 预测公式】：r_kk = k r_11 / [1+(k-1)r_11]。如果单份审稿信度 r_11=0.55，三位审稿人合并后 r_33=3×0.55/[1+2×0.55]≈0.786。看似提升明显。但如果 r_11=0.30，三位只有 0.563，五位也只有 0.682。结论：低信度审稿人堆数量，不会变成高质量评审。

【极难发现】更隐蔽的盲点：【审稿人一致性】可能来自共享偏见，而不是共同效度。大家都嫌“故事不够新”，于是对跨学科稿件系统性打低分；一致性高，但测量的是【期刊口味】，不是【科学价值】。所以流程必须包含：先固定评分维度 → 盲评样例 → 计算一致性 → 校准术语 → 再正式评审。

【流程节点链路】起点：原始审稿意见 → 中间节点：拆成可评分维度（新颖性/方法/写作/证据强度） → 中间节点：计算 ICC 或 κ → 中间节点：若信度低则校准或换维度 → 终点：决定是否需要增加审稿人或重做评审。

【科学传播】推论：给公众讲“同行评审”时，别只说“专家把关”。更诚实的说法是：同行评审是一个有噪声的测量系统；它需要评分标准、一致性检查、可申诉的修改，而不是神秘共识。

如果一位审稿人的单份信度是 0.80，三位普通审稿人的合并信度是 0.667，期刊应该选谁？“多数审稿人”到底是在降低噪声，还是在放大制度口味？