中國學術期刊同行評議智能遴選審稿人的挑戰與創新之路

中圖分類號：G237.5 文獻標志碼：A

0 引言

學術期刊在學術交流與知識傳播中占據著至關重要的地位。同行評議作為學術期刊確保稿件質量的關鍵環節，審稿人的作用舉足輕重。審稿人憑借其專業知識和經驗，對稿件的學術價值、創新性、科學性等方面進行評估，為學術期刊篩選出高質量的稿件提供了保障。隨著全球學術研究的迅猛發展，稿件數量呈現爆發式增長。然而，傳統的審稿人遴選方式卻暴露出諸多弊端，難以適應新時代的需求。因此，智能遴選審稿人成為必然趨勢[1]。智能遴選可以利用大數據、人工智能等技術，更快速、準確地找到合適的審稿人。因此，在信息爆炸的背景下，如何高效、精準地遴選合適的審稿人，成為學術期刊面臨的一大難題。

目前，智能遴選審稿人的現狀呈現出多樣化的特點。一方面，如知網智能推薦審稿人專利所示，利用大數據和人工智能技術構建專家信息庫和知識圖譜，為審稿人遴選提供了新的途徑[2]。另一方面，一些國際化的軟件如AxureRP被引人智能審稿專家遴選系統的創建中[3]，可優化管理大量審稿專家資源信息，自動統計和匯總專家審稿時效，綜合給出專家評分，但在精準匹配審稿人方面仍有一定的局限性。還有部分采編系統，如勤云、瑪格泰克等也嵌入了只能遴選審稿人模塊，但都因種種原因導致最后匹配結果跟期望值不相符[4]。這導致部分學術期刊雖已引入在線投審稿系統，但智能化審稿人遴選的應用范圍仍較有限。多數期刊仍依賴人工方式選擇審稿人，智能化工具的使用尚處于起步階段。我國學術期刊領域數據分散，整合不足，專家庫建設不完善，缺乏對專家綜合能力的評估和動態更新。現有智能化工具功能較為基礎，算法準確性有待提高，難以充分考慮審稿人的學術聲譽、評審經驗等因素。期刊編輯對智能化工具態度不一，作者認知有限，推廣難度較大。

本文通過文獻綜述、問卷調查和實地訪談相結合的方法，對中國學術期刊智能遴選審稿人的現狀、問題和需求進行了全面研究。文獻綜述部分涵蓋了國內外相關研究的最新進展，重點關注大數據、人工智能在學術出版領域的應用。問卷調查面向中國學術期刊的編輯和作者，收集他們對智能遴選審稿人的認知、態度和需求。實地訪談則選取部分具有代表性的學術期刊編輯部，深入了解智能遴選系統的實際應用情況和存在的問題。

1中國學術期刊智能遴選審稿人現狀

1. 1 應用程度

部分學術期刊已使用在線投審稿系統[5]，為智能化遴選審稿人提供了基礎。大型期刊與學術數據庫合作，初步篩選審稿人后再人工審核，提高效率但仍存在算法準確性、結果多樣性等問題。多數期刊仍依賴人工方式，智能化工具使用處于起步階段。原因包括：編輯對新技術的接受度低、技術成本高、數據分散整合不足。

1.2數據基礎與資源利用

我國學術期刊領域擁有大量的學術數據，包括作者信息、論文內容、研究領域等。然而，這些數據分散在不同的期刊、數據庫和出版平臺中，缺乏有效的整合與共享[6。例如，知網、萬方等數據庫各自擁有海量的學術文獻數據，但這些數據之間缺乏互聯互通，導致智能化審稿人遴選系統在數據獲取和利用上存在困難。此外，一些期刊的內部數據管理系統也存在數據格式不統一、數據更新不及時等問題，進一步影響了智能化遴選的準確性和效率。專家庫是智能遴選審稿人的重要基礎資源。一些大型的學術期刊或出版機構可能已經建立了較為完善的專家庫，但對于一些小型期刊或新創辦的期刊來說，專家庫的建設還不夠完善，缺乏足夠的專家資源可供選擇。在智能化遴選過程中，專家庫的規模和質量直接影響推薦的效果。

1.3技術應用與功能實現

現有的智能化審稿人遴選工具在功能上還比較初步[7]，主要集中在關鍵詞匹配、研究領域相似性分析等方面。例如，一些系統通過分析稿件的關鍵詞和研究領域，與專家庫中的專家信息進行匹配，推薦符合條件的審稿人。然而，這種匹配方式較為簡單，對于審稿人的學術聲譽、評審經驗、評審風格等因素的考慮還不夠充分，導致推薦的審稿人可能不完全符合期刊的需求。算法是智能化審稿人遴選的核心，但目前的算法在準確性上還有待提高[8]。可能會出現推薦的審稿人與稿件的相關性不高，或者遺漏了一些合適的審稿人的情況。此外，算法的更新和優化也需要不斷加強，以適應學術研究的不斷發展和變化。因此，需要開發更先進的算法，如基于知識圖譜的深度學習算法，以提高智能化遴選的準確性和可靠性。

1.4認知與接受程度

期刊編輯對智能化審稿人遴選的態度存在差異[9]。部分編輯積極采用智能工具提升遴選效率和準確性，認為能減輕工作負擔;另一部分則擔憂算法可靠性，堅持傳統人工方式。這種分歧源于對技術的認知差異和使用體驗。同時，作者群體普遍缺乏對該技術的了解，對其公平性存疑，制約了推廣應用。

2當前智能遴選審稿人存在的問題

在當今學術研究快速發展的背景下，稿件數量呈現出激增的趨勢。然而，審稿人數量卻相對貧乏，難以滿足日益增長的審稿需求。在這種數量與質量的矛盾中，審稿人的質量也成為一個關鍵問題。由于審稿人數量有限，期刊編輯在選擇審稿人時可能會降低標準，導致一些質量不高的審稿人參與審稿工作。這不僅會影響審稿的質量和公正性，還可能對學術期刊的聲譽造成損害。

2.1精準度不夠

現有技術雖提高審稿人匹配度，但面對細分和交叉領域時仍難以準確匹配。新興交叉學科領域缺乏專家數據和成熟算法模型，導致推薦不準確。審稿人研

究方向變化而系統數據未更新，也影響匹配準確性。

2.2數據質量和完整性不足

智能遴選系統的準確性很大程度上依賴于專家信息庫的質量和完整性。然而，自前的專家信息庫往往存在數據不完整、更新不及時等問題。此外，專家信息庫中缺乏對審稿人綜合能力的評估，如審稿經驗、學術聲譽等，也會影響智能化遴選的效果。

2.3 用戶體驗不佳

一些智能遴選系統的界面設計不夠友好，操作流程復雜，給用戶帶來了不便。如果系統頻繁出現故障或卡頓，將會嚴重影響編輯和審稿人的工作效率。

2.4安全性和穩定性不足

在數據傳輸和存儲過程中，可能會面臨數據泄露、丟失等風險。例如，如果系統遭受黑客攻擊，可能會導致專家信息和稿件內容泄露，給學術期刊和作者帶來嚴重的損失。因此，系統的安全性和穩定性需要進一步加強。同時，系統的穩定性也會影響審稿工作的正常進行。如果系統頻繁出現故障或卡頓，將會嚴重影響編輯和審稿人的工作效率。

3需求探討

為了全面掌握智能遴選審稿人相關需求，本研究通過問卷調查的方式收集了相關數據，調查的目標群體主要是中國學術期刊的同行評議負責人。問卷內容被劃分為3個主要部分：個人信息、所在期刊的基本信息以及具體需求，通過問卷星平臺完成的，現將需求歸納總結如下。

3.1編輯部的需求

3.1.1精準匹配需求

稿件激增和投稿方向多元導致學術期刊難以精準匹配審稿人。科學論文數量快速增長而審稿人數量不足，專家研究方向細化和交叉且常變化，增加了匹配難度。

3.1.2 效率與質量平衡需求

編輯部在智能遴選審稿人時，需要在提高效率的同時，保證審稿質量。一方面，隨著稿件數量的不斷增加，編輯部需要快速找到合適的審稿人，以保證審稿工作順利進行。另一方面，審稿質量是學術期刊的生命線，編輯部需要保證審稿人的專業性和公正性，以確保稿件的學術質量。

3.2作者的需求

作者作為學術成果的創作者，對審稿過程有著特定的需求，要深入研究作者對智能遴選審稿人的期望，這樣有助于打消作者的顧慮，加快推廣智能遴選審稿人的進程。

3.2.1公正快速評審

作者對公正、快速評審有著強烈的需求。一方面，公正是評審的基石，作者希望審稿人能夠秉持客觀、中立的態度，不受個人情感、利益沖突等因素的影

響。另一方面，快速評審對于作者也至關重要。如果審稿過程過于漫長，可能會影響作者的學術發展進度以及文章的時效性。

3.2.2建設性反饋需求

作者對審稿人反饋的期望主要體現在建設性方面。當作者提交論文后，他們希望審稿人能夠提供詳細、有價值的反饋意見。首先，具體的反饋可以幫助作者明確論文的不足之處。這樣作者可以有針對性地對論文進行修改和完善，提高論文的質量。其次，建設性的反饋還可以為作者提供未來研究的方向和建議。審稿人憑借其豐富的學術經驗和專業知識，能夠從更宏觀的角度為作者提供指導。這對于作者拓展研究思路，提升研究水平具有重要意義。

3.3多維度的審稿人評價體系需求

傳統的審稿人評價主要基于其學術背景和過往的審稿經驗。然而，隨著學術研究的復雜性和多樣性增加，單一維度的評價體系已難以滿足現代學術期刊的需求。需要構建一個多維度的審稿人評價體系，綜合考慮審稿人的專業知識、評審能力、學術聲譽等多個方面。

3.3.1專業知識評價

研究領域匹配度：系統應能夠根據稿件的研究領域，精準匹配具有相關專業知識的審稿人。新興領域識別：對于新興交叉學科領域的稿件，系統應能夠識別并推薦具有跨學科背景的審稿人。

3.3.2評審能力評價

審稿經驗：系統應記錄審稿人的歷史審稿數據包括審稿數量、審稿時效、審稿意見質量等。審稿風格：系統應能夠識別審稿人的審稿風格，如是否傾向于嚴格、建設性或溫和的評審意見

3.3.3學術聲譽評價

學術影響力：系統應綜合考慮審稿人的學術影響力，如H指數、引用次數、學術獎項等。同行評價：系統應引入同行評價機制，允許其他審稿人或編輯對審稿人的表現進行評價。

4對策分析

4.1編輯部需求導向對策分析

4.1.1精準匹配策略

引人用戶畫像技術，收集審稿人多維度信息，提高匹配精準度。該技術通過收集審稿人社會屬性等信息，抽象其“全貌”，實現精準匹配，并建立與審稿人的情感紐帶。

4.1.2 效率與質量平衡舉措

為了實現效率與質量的平衡，可以搭建一體化共享平臺，公開審稿人信息，建立激勵機制，拓展審稿人資源。例如，公開高質量的審稿人信息和具體的審稿數量等，通過頒發審稿證書、對審稿質量進行后評估等措施，推動審稿人成為學術共同體構建的重要部分。此外，編輯部還可以引入職業生涯早期研究員參與同行評審過程，拓展人脈，尋找潛在審稿人。

4.2作者的需求導向對策分析

作者作為學術成果的創作者，對審稿過程有著特定的需求，要深人研究作者對智能遴選審稿人的期望，這樣有助于打消作者的顧慮，加快推廣智能遴選審稿人的進程。

4.2.1公正快速的評審保障

優化智能遴選算法。在智能遴選審稿人時，應綜合考慮多維度因素，構建更復雜的算法模型。除了傳統的關鍵詞匹配和研究領域相似性分析外，還應將審稿人的學術聲譽、歷史審稿質量、審稿時效等納入考量范圍。同時，利用機器學習技術不斷優化算法，使其能夠適應學術研究的動態變化，精準識別新興領域的審稿專家，提高審稿人與稿件的匹配度。

加強監督機制。編輯部需建立完善的審稿監督體系，對審稿過程進行全程跟蹤和把控。在智能遴選的基礎上，編輯應仔細審核系統推薦的審稿人，對于可能存在利益沖突或不適合審稿的審稿人，應及時進行調整。同時，在審稿過程中，編輯要密切關注審稿進度和質量，及時與審稿人溝通，確保審稿意見的客觀、公正和全面。

4.2.2建設性反饋強化

引導審稿人提供具體深入反饋。在智能遴選審稿人時，注重選擇那些具有豐富評審經驗和良好溝通能力的審稿人。同時，編輯部應為審稿人提供詳細的審稿指南和培訓資料，引導其從研究方法、實驗設計、數據分析、創新性等多個維度對稿件進行深入剖析。此外，還可以通過定期舉辦審稿人培訓或線上講座，提升審稿人的專業素養和反饋質量。

建立反饋溝通機制。編輯部應建立有效的反饋溝通機制，在審稿完成后，編輯及時將審稿意見整理并反饋給作者，同時為作者提供向審稿人提問或澄清的機會。這種互動不僅有助于作者更好地理解審稿意見，還能使審稿人進一步完善其反饋，從而提升整個審稿過程的質量和價值。

4.3構建多維度的審稿人評價體系

4.3.1專業知識評價

綜合考量研究領域匹配度。在評價審稿人的專業知識時，首先要精準匹配研究領域。利用智能算法對稿件內容進行深度分析，提取關鍵的研究方向和主題，同時對審稿人的發表論文、研究項目等信息進行全面梳理，評估其在相關領域的研究深度和廣度。針對新興交叉學科領域的稿件，系統應具備識別并推薦具有跨學科背景審稿人的能力。通過構建知識圖譜，分析審稿人在多個領域的研究關聯性，挖掘潛在的新興領域專家。

4.3.2評審能力評價

記錄分析審稿經驗，通過對這些數據的深入分析，評估審稿人的評審能力。利用自然語言處理技術對審稿意見的語氣和內容進行分析，識別審稿風格，對于一些創新性較強但存在一定不足的稿件，嚴格風格的審稿人可能會直接指出其不足并建議拒絕，而建設性風格的審稿人則更可能在肯定創新性的基礎上提出具體的改進建議。

4.3.3學術聲譽評價

整合多來源數據，評估學術影響力。系統應與多個權威的學術數據庫（如WebofScience、Scopus等）對接，全面獲取審稿人的學術影響力數據。同時，建立同行評價機制，允許其他審稿人或編輯對審稿人的表現進行評價。通過定期問卷調查或在線評價系統，收集他們對審稿人專業水平、審稿質量、溝通能力等方面的評價意見，這有助于更全面地了解審稿人的學術地位和影響力。

5結論與展望

智能遴選審稿人在學術期刊的發展中具有重要意義。本文深入分析了中國學術期刊同行評議智能遴選審稿人的現狀與需求，基于此，為優化智能遴選審稿人機制提供有針對性的建議，推動學術期刊的繁榮和發展。未來，智能遴選審稿人技術將不斷發展和完善。隨著大數據、人工智能等技術的不斷進步，數據挖掘和分析將更加精準，知識圖譜構建將更加完善，能夠更好地為審稿人遴選提供支持。同時，用戶體驗也將得到進一步提升，系統的安全性和穩定性也會得到加強。在審稿人遴選方面，將更加注重數量與質量的平衡，更加注重國際化。

參考文獻

[1]YANG L，VEMBU S，ADAWI A，et al.Enabling editors through machine learning： examining the datascience behind meta biometriq intelligence [EB/OL].（2016-10-10）[2019-07-20]. https：//medium.com/ @ meta_6493/enabling-editors-t [hrough-machine-learning-81b52b496ce.

[2]江虎軍，郝艷妮，徐巖英，等.國家自然科學基金項目同行評議的智能化探討[J].中國科學基金，2019（2）： 149-153.

[3]張彤，周云霞，蔡斐，等.學術期刊同行評議的歷史演進[J].中國科技期刊研究，2019（6）：588-595.[4]張彤.學術期刊開放同行評議多層次模塊化[J].編輯學報，2019（5）：490-497.

[5]陳鴻，劉育猛，裴孟.人工智能與期刊發展融合的機遇、挑戰和實踐路徑研究[J]．中國科技期刊研究，2019（3）：217-224.

[6]張海生，吳朝平.人工智能與出版融合發展：內在機理、現實問題與路徑選擇[J]．中國科技期刊研究，2019（3）：225-231.

[7]MROWINSKIMJ，FRONCZAKP，FRONCZAKA，et al.Artificial intelligence in peer review：how canevolutionary computation support journal editors？[J].PLOS ONE，2017（9） ： 32-35.

[8]PRICE S，FLACH P A. Computational support foracademic peer review[J]. Communications of the ACM，2017（3）： 70-79.

[9]劉銀娣.學術出版領域的人工智能應用：現狀、挑戰與應對[J].科技與出版，2019（1）：64-68.

（編輯 李春燕）

Challenges and innovations of intelligent reviewer selection in peer review for Chinese academic journals

TIAN Haijiang （Periodical Ofice ， Chongqing University of Posts and Telecommunications， Chongqing 40oo65， China）

Abstract：Peer reviewers playa pivotal role inacademic journals.In theeraof information explosion，traditional reviewer selectionmethodshave exposed significant limitations，necessitating theadvancementof inteligentreviewer selectionsystems.This paper investigates thecurrent status of intellgent reviewer selection in Chineseacademic journals，encompassing application levels，data infrastructureand resource utilization，technical applications and functional implementations，as well asstakeholder cognitionand acceptancel6.It furtheranalyzes existing challenges and their root causes，explores demands from both authors’ and editors’ perspectives through surveys，and proposes correspondingstrategiestoacceleratethedigitalandintelligent transformationof China’sacademicpublishing ecosystem34.

Keywords： academic journals; peer review; intelligent reviewer selection