解密论文评审过程:SCI论文是匿名送审的吗?

news2024/10/7 0:27:06

我是娜姐 @迪娜学姐 ,一个SCI医学期刊编辑,探索用AI工具提效论文写作和发表。

图片


前几天有位学员问我,审稿人能看见我论文的作者和单位信息吗?应该是双方都匿名才更公平啊。

同行评议,在不同的期刊操作还真不一样。有双方信息都公开透明的,有单盲(single-blind,审稿人可以看见作者信息),有双盲(double-blind,双方互相不可见身份)这三种。

1 同行评审的发展史

同行评审发展到今天,也就80多年的历史。

2014年,科学公共图书馆 (PLOS) 的共同创始人Michael Eisen对《华尔街日报》说,人们不应当认为“学术期刊的同行评议表明了科学工作的正确性。这只是说明有几个人(1-4个)读过了,没有发现严重的缺陷。”

确实,要不然那么多发表出来又撤稿的论文,怎么解释?

2 双盲比单盲更公平吗?

那双方身份都不可见的双盲是否比单盲更公平呢?

Nature曾经做过尝试,并公布了结果:

图片

出人意料的是,双盲并没有如之前调查的那般受欢迎,只有不到20%的作者选择了双盲,且双盲的评审质量并没有比单盲更高。

而且对于审稿人来说,即使看不到作者信息,也很容易通过论文中的蛛丝马迹知道是谁的文章:比如在Introduction或Methods部分要提到之前的工作引用文献,还有写作风格,作图风格等等,圈子就那么大,很容易看出来出自哪个课题组。

甚至老司机作者也能反向猜出审稿人是谁。

3 目前主流审稿形式

目前最主流的审稿形式还是单盲,即审稿人可以看到作者全部信息,但作者不知道审稿人身份。

对于审稿人来说,提出更犀利尖锐的评审意见、甚至拒稿,都不会有什么心理负担和顾虑。但是,另一边,作者会说这给那些蓄意打压、怀有恶意的审稿人钻了空子。总之,并没有完美的解决方案。

4 同行评审未来的发展趋势

同行评审因为审稿过程中的偏见、不公正而被大家诟病,此外,这一步还是严重制约整个审稿周期时长的步骤,因为是义务劳动、没有责任和合同约束,编辑经常会面临找不到合适审稿人、好不容易集齐人数,又有个别审稿人放鸽子不返回审稿意见,编辑有的临时加人。此外,随着各大主流期刊纷纷创办新刊,再加上科研内卷、研究人员越来越忙碌,找到足够数量的审稿人越来越难了。

一区顶刊eLife率先做出改革,于2023年改为“创新开放式的同行评审模式”。传统同行评审的最终出版决定权在编辑手中,审稿步骤是:提交-初审-同行评议-终审-出版;而eLife assessment模式是:提交-同行评议-发表-作者修订-记录的版本。

图片

这也就意味着,作者接收到审稿意见后,如果觉得修改意见合理,可以进行修改后即可发表。如果作者觉得修改意见不妥,他可以提出异议或决定不发稿。

在eLife模式中,论文是否最终发表的决定权被移交到了作者手中。同行评议的效率大大提高。

eLife敢这么做,也在于它有一支高质量的专家编辑团队,他们都是生命科学和生物医学领域的知名学者。在初审阶段,就把60-70%的来稿拒之门外了。

目前,也只有eLife一家实行这种评审制度。

总之,虽然目前的同行评审制度,但是,学术界也没有更好的替代方案。每位作者投稿的时候,都要被审稿人拿捏。任你内心OS奇葩审稿人,不合理的意见,还的礼貌的回复,全面的修改。

关于如何回复审稿意见,可以看这一篇:
回复审稿意见:如何避免大修返回被拒稿?来看发表200篇论文的专家如何给你支招

往期干货精选
ChatGPT助力论文写作:

  • 怎么查论文的AI率是多少?这10款AI 检测工具别错过

  • 用ChatGPT翻译润色被坑了?这些技巧要注意

  • Kimi:作为一款超长文本AI工具,我是怎么用它来卷论文的?

  • 我的论文数据分析有救了!看ChatGPT如何帮你分析图表

  • ChatGPT写论文(疯狂版)--附正确使用方式

  • Discussion讨论部分被3个审稿人说没深度没逻辑,用这个AI工具三步拯救了我!

  • ChatGPT辅助论文文献综述,再加这个AI工具找论据,绝了!

  • 如何借助Al工具高效精准回复审稿意见

  • 论文投稿选刊,这样操作accept速度大大提升

  • 快速把重复率从58%降到5%,这论文降重很给力!

  • ChatGPT助力论文选题,这样操作效果太棒了!

  • 论文文献综述,这几款热门GPTs你用过没?

  • 关于GPTs的基础知识和我创建的学术GPTs应用分享送

    SCI论文写作与发表:

  • 到底谁在说Nature Communications和Science Advances是水刊?

  • SCI文章发了,5分,学校不认,怎么回事?

  • 论文初审就被拒,较常见的10类负面意见 (拒稿理由)

  • SCI文章发了,5分,学校不认,怎么回事?

  • 论文初审就被拒,较常见的10类负面意见 (拒稿理由)

  • SCI论文审稿:有拒稿或大修的审稿意见,该如何修改才能顺利接收?

  • SCl论文发表:回复审稿意见的正确姿势及避坑指南

  • 关于伦理批准,这些问题可能导致论文被拒/被撤稿。一文讲清楚正确操作流程和写法(建议收藏)

  • SCI论文审稿:审稿周期太长,该如何有效催稿又不招致reject?

  • SCI论文发表:校稿proof--如何正确使用论文正式发表前的最后一次修改机会?

  • SCl论文摘要Abstract部分的写作技巧及避坑指南

  • 投稿中这些增加好感和败好感的细节,get就能大大提升投稿命中率

  • SCI论文图片Figure处理要求及避坑指南5000字原创干货分享

  • SCl论文中的Results & Discussion部分该怎么写?

  • SCl论文的Introduction部分该怎么写?    

AI进展速递:
Openai新出的文生视频AI Sora,我们有哪些期待?
谷歌Bard更名Gemini,意图超越ChatGPT,现在付费版免费2个月
送福利了!Perplexity Pro免费试用2个月,GPT4可用   

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1698822.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

python数据分析——数据可视化(图形绘制)

数据可视化(图形绘制基础) 前言一、图形绘制基础Matplotlib简介使用过程sin函数示例 二、常用图形绘制折线图的绘制plot示例 散点图的绘制scatter()示例 柱状图的绘制bar示例 箱型图绘制plot.box示例 饼状图的绘制pie示例 三、图形绘制的组合情况多个折线…

代码随想录|Day55|动态规划 part15|● 392.判断子序列 ● 115.不同的子序列

392.判断子序列 class Solution: def isSubsequence(self, s: str, t: str) -> bool: dp [[0] * (len(t) 1) for _ in range(len(s) 1)] for i in range(1, len(s) 1): for j in range(1, len(t) 1): if s[i - 1] t[j - 1]: dp[i][j] dp[i - 1][j - 1] 1 else: dp[i…

3、xss-labs之lecel3

1、测试 开始页面&#xff0c;传入<script>alert(1)</script>&#xff0c;不出意外没有弹窗 2、按住CTRLU&#xff0c;查看返回的前端代码 3、看后端源码 htmlspecialchars() 是一个 PHP 函数&#xff0c;用于将特殊字符转换为 HTML 实体。比如 & &#xff08…

访问元组元素

自学python如何成为大佬(目录):https://blog.csdn.net/weixin_67859959/article/details/139049996?spm1001.2014.3001.5501 在Python中&#xff0c;如果想将元组的内容输出也比较简单&#xff0c;可以直接使用print()函数即可。例如&#xff0c;要想打印上面元组中的untitle…

Java核心:注解处理器

Java提供了一个javac -processor命令支持处理标注有特定注解的类&#xff0c;来生成新的源文件&#xff0c;并对新生成的源文件重复执行。执行的命令大概是这样的: javac -XprintRounds -processor com.keyniu.anno.processor.ToStringProcessor com.keyniu.anno.processor.Po…

LeetCode热题100—链表(一)

160.相交链表 题目 给你两个单链表的头节点 headA 和 headB &#xff0c;请你找出并返回两个单链表相交的起始节点。如果两个链表不存在相交节点&#xff0c;返回 null 。 图示两个链表在节点 c1 开始相交&#xff1a; 题目数据 保证 整个链式结构中不存在环。 注意&#x…

头歌结构化分析方法-数据流图

第1关&#xff1a;数据流图-画出外部实体 第2关&#xff1a;数据流图-画出加工 第3关&#xff1a;数据流图-画出数据存储 第4关&#xff1a;数据流图-画出数据流 第5关&#xff1a;数据流图-机票预定系统

奥维互动地图奥维彩色图源

彩色图源(不足&#xff0c;更精细放大) 等位线3D模式 中科星 谷歌2024(不足没以前高清)

神经网络与深度学习-简要入门

参考引用 神经网络与深度学习 1. 绪论 从根源来讲&#xff0c;深度学习是机器学习的一个分支&#xff0c;是指一类问题以及解决这类问题的方法 深度学习问题是一个机器学习问题&#xff0c;指从有限样例中通过算法总结出一般性的规律&#xff0c;并可以应用到新的未知数据上深…

vi和vim编辑器

目录 1 vi和vim的基本介绍 2 vi和vim常用的三种模式 1&#xff09;正常模式 2&#xff09;插入模式 3&#xff09;命令行模式 3 vim快捷键 1&#xff09;普通模式下&#xff1a; 2&#xff09;输入模式 3&#xff09;命令行模式 4&#xff09;可视模式 1 vi和vim的基本…

【机器学习与大模型】开源大模型和闭源大模型:技术发展与社会责任的平衡点

目录 &#x1f4a1;引言✈️✈️一&#xff0c;开源大模型的优势与劣势✈️✈️1.1 优势&#xff1a;✈️✈️1.2 挑战和劣势&#xff1a; &#x1f680;&#x1f680;2. 闭源大模型的优势与劣势&#x1f680;&#x1f680;2.1 优势&#xff1a;&#x1f680;&#x1f680;2.2 …

代码随想录算法训练营第四天| 24. 两两交换链表中的节点、19.删除链表的倒数第N个节点 、 面试题 02.07. 链表相交、142.环形链表II

24. 两两交换链表中的节点 题目链接&#xff1a; 24. 两两交换链表中的节点 文档讲解&#xff1a;代码随想录 状态&#xff1a;没做出来&#xff0c;没有正确更新头节点&#xff0c;因为head和cur共享引用&#xff0c;会随着cur的移动&#xff0c;丢失之前存放的节点 错误代码&…

6.定时器分时复用测量占空比

1.CUBEMAX配置 测量PA6&#xff0c;PA7输出的占空比&#xff0c;只需要把主要的配置&#xff0c;配置为A6口就行&#xff0c;A7口黄色表示配置不正确&#xff0c;不用管。 2.软件代码 TIME.c中找到TIM3的初始化&#xff0c;在后面初始化A7口 void MX_TIM3_Init_PA7(void) {/*…

JVM之【类加载机制】

一、类加载过程 1. 加载&#xff08;Loading&#xff09; 工作内容&#xff1a; 通过类的全限定名来获取定义此类的二进制字节流&#xff1a; JVM首先会调用类加载器的findClass方法来找到类文件的路径&#xff0c;通常从文件系统、JAR包、网络、数据库等来源获取类文件。 将…

揭秘Markdown:轻松掌握基础语法,让你的写作更高效、优雅!

文章目录 前言1.标题1.1 使用 和 - 标记一级和二级标题1.2 使用 # 号标记 2.段落格式2.1 字体2.2 分割线2.3 删除线2.4 下划线2.5 脚注 3.列表3.1 无序列表3.2 有序列表3.3 列表嵌套 4.区块4.1 区块中使用列表4.2 列表中使用区块 5.代码代码区块 6.链接7.图片8.表格9.高级技巧…

C#对文件进行批量重命名或者对某个单独的文件进行改名

目录 一、FolderBrowserDialog 二、OpenFileDialog 三、Path 四、ui设计 五、代码部分 一、FolderBrowserDialog FolderBrowserDialog是一个用于选择文件夹的对话框控件&#xff0c;可以在windows Forms应用程序中使用。使用它可以让用户选择一个文件夹&#xff0c;并返…

闲话 .NET(6):.NET Core 各个版本的特性

前言 之前我们聊了一下 .NET Core 有哪些优势&#xff0c;.NET Core 发展非常迅速&#xff0c;不过短短几年&#xff0c;.NET Core 已经发布 .NET 8 了&#xff0c;基本上保持了一年一个版本的速度&#xff0c;每个版本都有自己的独有特性&#xff0c;下面我们来简单的盘点一下…

从零实现Llama3中文版

1.前言 一个月前&#xff0c;Meta 发布了开源大模型 llama3 系列&#xff0c;在多个关键基准测试中优于业界 SOTA 模型&#xff0c;并在代码生成任务上全面领先。 此后&#xff0c;开发者们便开始了本地部署和实现&#xff0c;比如 llama3 的中文实现、llama3 的纯 NumPy 实现…

【机器学习300问】100、怎么理解卷积神经网络CNN中的池化操作?

一、什么是池化&#xff1f; 卷积神经网络&#xff08;CNN&#xff09;中的池化&#xff08;Pooling&#xff09;操作是一种下采样技术&#xff0c;其目的是减少数据的空间维度&#xff08;宽度和高度&#xff09;&#xff0c;同时保持最重要的特征并降低计算复杂度。池化操作不…

高速数据采集与传输(一):ADC08D500调研

前言&#xff1a;高速ADC数据采集的应用和开发&#xff0c;涉及的技术面非常的广泛&#xff0c;后续阶段博主将尝试以纯项目开发的形式做一次专题技术分享&#xff0c;将基于高速数据采集的相关内容进行一系列的技术文档更新。博主全凭兴趣在更新和总结&#xff0c;很难做到一直…