論文審稿人是如何評價一篇文章的創(chuàng)新性

為了回答好這個問題，我們專門找了幾位兼任若干SCI期刊審稿人的老師聊了聊，他們在審稿中對創(chuàng)新性的評價方式。

在實際的審稿中，他們對創(chuàng)新性的評價有可能更多的是一種直觀的感覺——這個工作的方法我沒見過，很驚艷，創(chuàng)新性很好。這個研究內(nèi)容我沒想到，深受啟發(fā)。

雖然看起來有點“唯心”，不夠“科學家”，但也必須承認，創(chuàng)新性其實很難準確評價，或者很難整體全面科學地評價。

有的工作，是實驗方法有不錯的創(chuàng)新，有的工作是研究內(nèi)容有創(chuàng)新，有的工作是發(fā)現(xiàn)問題有創(chuàng)新，不同的創(chuàng)新非要論個高低貴賤不僅不公平，而且很難。

一、復雜？技術？困難？

這里要先破除部分研究者和審稿人的一個共同的誤區(qū)。

審稿人雖然嘴上可能并不這么說，但實際審稿中，常常把工作的復雜性、技術實現(xiàn)的難度或者工作的困難性和創(chuàng)新性混為一談。

比如，如果一篇論文只是修改了某個公式的一項，那么據(jù)此做出的工作可能會讓有的審稿人覺得“創(chuàng)新性不足”。

這樣的觀點就導致目前很多老師和同學，在努力地堆疊和包裝著自己工作的復雜性和難度。

但實際上，簡單并不意味著不創(chuàng)新。

那么，到底怎么用科學的方式評價一篇文章的創(chuàng)新性？有兩位審稿人給了我一個比較有趣的方案——從不同的視角去評價創(chuàng)新性。

二、最初的視角——問題和方法視角

這個視角是最常見也最“天然”的。

一個新的問題或者一個新的方法顯然是創(chuàng)新的。

很多審稿人對論文的第一印象就來自于問題和方法。比如他們看到文章仍然在研究某個熟面孔，又或者研究方法就是某些成熟的研究套路，再或者方法和對象都挺熟，只不過在工作量上有些突破，那么審稿人對文章的第一印象就是創(chuàng)新性不太高。

所以，從問題和方法視角來看一篇文章，如果是新問題，并且這個問題很有研究價值，可以擴展出很多新的研究；或者雖然是老問題，但是用了一個新的方法，并且這個方法能很大提升原有研究效率/指標，那么這就屬于創(chuàng)新性比較好的工作。

很多人對創(chuàng)新性的理解和認同，其實主要集中在問題和方法視角。

當然，如果一篇文章從問題和方法視角來看亮點不足，但并不意味著它一定不夠“創(chuàng)新”。一篇文章不可能在所有維度都表現(xiàn)很好，只需要在一個視角表現(xiàn)不錯，就可以說具有不錯的“創(chuàng)新性”了。

所以接下來牛啟生物帶大家再看幾個其他的視角。

三、研究對象視角

研究對象既可以指這篇研究是關于什么的，也可以指這篇研究是基于什么數(shù)據(jù)，什么素材的。

所以我沒有把它和“問題方法”放在一起，而是單獨分開。

比如深度學習算法，一開始是在圖像識別領域大放異彩，但同一個算法用在了音頻識別或者自然語言處理上，那么就是研究對象的創(chuàng)新，同樣具有不錯的創(chuàng)新性。

四、結論視角

當然，還有一個視角就是結論視角了。

結論是你這篇文章得到了一個什么樣的成果，或者有什么新的發(fā)現(xiàn)。

一篇論文的創(chuàng)新性，最根本的是“結論”創(chuàng)新。也就是你要做出新的東西，發(fā)現(xiàn)新的現(xiàn)象，發(fā)明新的方法，更新已有的結果，創(chuàng)造了新的東西。

所以，結論是否前所未見，它的影響力大小，直接關系了文章的創(chuàng)新程度。

五、價值視角

其實還有一個視角，就是研究的實際價值視角。

這個視角關注的就是這篇研究，到底有多大的實際應用價值。比如雖然研究只是進行了一些小小的創(chuàng)新，但卻對實際的產(chǎn)業(yè)或者社會有巨大的價值，那么仍然可以看做“創(chuàng)新性”很大。

比如同樣是老問題老方法，像是研究糖尿病的危險因素，有的研究只能發(fā)表在中文期刊，甚至核心期刊都發(fā)表不上，但有的文章可以發(fā)表在醫(yī)學領域的頂級期刊，像比如柳葉刀。

內(nèi)里的原因就是，當你能拿到比如幾十年，上萬人的隨訪數(shù)據(jù)，那么哪怕是一個老問題老方法，但它得到結論的實際價值也是巨大的。因此，這篇研究就有潛力登上世界頂級刊物。這就是從“價值”視角對文章的評判。

六、創(chuàng)新性的分級

雖然從不同視角可以評判論文的創(chuàng)新性，但對于創(chuàng)新性的大小，其實審稿人心里也有桿秤。

按照幾位審稿人的意見綜合，大致給創(chuàng)新性排了個序。

1最頂級的創(chuàng)新性叫“開創(chuàng)性”。簡而言之，發(fā)現(xiàn)了一個全新的問題，創(chuàng)造了一個全新的方法，發(fā)明了一個全新的工具。之所以叫“開創(chuàng)性”，是因為這些創(chuàng)新開創(chuàng)了一大片新的“科研藍�！�，可以為后面大量的創(chuàng)新打下基礎。

比如第一個開創(chuàng)了深度學習算法的工作，這個工作為后面海量的工作打下了基礎，無數(shù)科學家前赴后繼，在深度學習這個框架下，開發(fā)新的算法，改進原有算法，解決新的問題，培養(yǎng)了數(shù)不清的博士碩士。

2第二層次的創(chuàng)新性就要差一些，可以是在開創(chuàng)的領域內(nèi)挖掘了一個小領域。比如在深度學習的框架內(nèi)，創(chuàng)新了圖卷積神經(jīng)網(wǎng)絡算法，這個工作也很創(chuàng)新，也能養(yǎng)活一大批課題組，培養(yǎng)大量學生。

3第三層次是對現(xiàn)有改進和完善，或者把現(xiàn)有的工具用在別的任務當中。還是以深度學習舉例，比如最初的圖卷積神經(jīng)網(wǎng)絡可能還比較粗糙，但是隨著改變改變結構，創(chuàng)新下編碼器解碼器，經(jīng)過許多人的不斷完善效率效能大大提升。或者卷積神經(jīng)網(wǎng)絡原本用來做圖像識別效果很好，新的工作拿來做了音頻識別，效果也不錯。這類創(chuàng)新也有價值，但價值顯然沒那么大。

4最后一個層次，問題和方法都沒變，只是調(diào)整調(diào)整細節(jié)，增加增加數(shù)據(jù)，或者東拼西湊把已經(jīng)研究過的東西結合到一起。比如像是生物領域，換個物種同樣通路，換個方法同樣動物，一樣的實驗堆疊工作量。這類工作幾乎沒有創(chuàng)新性可言，價值更是不大，有些文章甚至可能連SCI都中不了，只能在低水平刊物上打打轉。

當然，這個順序只是泛泛的排序，根據(jù)實際工作的不同，創(chuàng)新性還是會有極大的差異。

最后，還是那句話，一篇論文工作的創(chuàng)新性，其實很難準確衡量。甚至不同審稿人對一篇文章的創(chuàng)新性衡量標準都會不一樣。