?> Enago英論閣 部落格：論文撰寫與科學研究發表支援
Navigate

期刊同行評議審稿專家的選擇過程

大多數SCI英文期刊要求至少有兩名同行評議審稿人對每篇論文進行評審。擔任高水準期刊的受邀審稿人是研究人員的一種榮譽和學術地位被認可的證明。審稿人是如何被挑選的，審稿人都有哪些責任並需要遵循哪些道德標準，這些問題是學術界所關心的。 一、審稿人的資格 以發表的論文或出版的書籍證明在相關領域具有活躍的學術成就，例如在過去10年內發表過10篇以上論著； 專精於細分領域並被期刊主編認為具有足夠強的學術寫作能力或論文發表能力的人員； 職位不要太高，否則可能會很忙而顧不上審稿；資深審稿人可以邀請資歷較淺的同事、學生或同行説明審稿，但需要征得期刊編輯的同意，並做好論文稿件的保密工作，且須在審稿報告上聯合署名；資深審稿人也可以向期刊編輯推薦他人而將審稿責任轉到他人名下； 不存在利益衝突，例如5年內未與被審稿論文的作者合作發表過論文、目前未與作者在同一機構工作等； 公開發表或私下發佈的言論或觀點不存在學術偏見，不存在打壓其他學術觀點的行為； 不在被審稿論文的作者提供的審稿人排除名單內； 沒有濫用審稿職權等不良記錄或被作者投訴的審稿違規記錄。 二、期刊慎用作者推薦的審稿人 審稿人由責任編輯、副主編或主編決定。有些期刊使用初級編輯或助理編輯幫助篩選初審合格的稿件，包括檢查稿件內容是否完整並符合投稿規定、是否存在抄襲問題等，但只有資深編輯才具有向審稿人發送同行評議請求的權力。在對論文稿件做出直接拒稿不予評審的決定或送交同行評議的決定之前，資深編輯需要評估稿件是否具有足夠強的原創性、科學性、完整性，並查看論文是否具有嚴重的概念性錯誤、方法性錯誤和英文語言問題，以及是否符合期刊的刊載範圍。 很多期刊在論文投稿時要求作者提供3到5名推薦審稿人的名單，包括姓名、電子郵箱、推薦理由等。作者們對於這一要求的應對方法各不相同。實際上，期刊很少會全部採用作者推薦的審稿人。 很多作者認為推薦審稿人是期刊的一個比較麻煩的要求，從而採取草率應付的態度，通常隨意從參考文獻列表裡選擇幾個第一作者或通訊作者交差。這種草率盲目的處理方式不僅使得作者喪失了引導期刊採用自己傾向的審稿人的機會，而且對於作者具有很大風險，因為作者可能會碰巧胡亂推薦了與自己論文觀點相左的審稿專家。 另外一些作者對推薦審稿人的要求非常認真，希冀這一過程能夠成為控制審稿人選的有效方式。因此，他們不僅仔細甄別參考文獻的作者，規避不合適的審稿人，而且喜歡推薦自己的熟人、朋友或老師作為審稿人。然而，正是由於這後一種做法，很多期刊的編輯對作者推薦的審稿人及其推薦理由經常持有謹慎和懷疑的態度而不予採納。 還有極少數作者利用期刊要求推薦審稿人的機會，大搞學術不端，編造虛假審稿人資訊及其電子郵箱，即利用自己掌控的電子郵箱或審稿人的虛假姓名欺騙期刊。如果期刊編輯疏於審核推薦理由和電子郵箱，期刊就容易上當受騙，造成論文的作者自己評審自己的嚴重作弊現象。因此，很多期刊非常介意被推薦審稿人的電子郵箱是否是帶有機構名稱的專屬郵箱，並嚴格核對被推薦審稿人所發表論文中使用的電子郵箱，以防止作者利用電子郵箱作弊。…

4 years ago

科學分析中的解釋變數和回應變數

無論對於概率性還是非概率性的問題，所有的科學分析在探索未知的過程中通常都需要建立參數之間的某種因果關係，即某個參數的變化導致另一個參數發生變化。這種參數（parameter）又稱變數（variable）。本文簡述試驗設計中的變數關係。 對於數學函數y=f(x)，x稱為引數或獨立引數（independent variable），y稱為因變數（dependent variable），這是因為x值的變化通過某種函數關係導致y的值發生變化。實際上，在自然科學和社會科學領域，大量的因果關係並不能用函數形式或某種數學顯式形式表現出來，但在變數之間確實是仍然存在關聯的。引數又稱為解釋變數（explanatory variable）或預測變數（predictor variable）。因變數又稱為回應變數（response variable）或結果變數（outcome variable）。所謂的解釋變數，其含義為該變數的值的變化能夠“解釋”回應變數的值發生的變化。表達解釋變數與回應變數之間關係的最簡單方式是採用散點圖（scatter plot），將解釋變數放在橫軸（x軸），而將回應變數放在縱軸（y軸），觀察資料點的分佈是否呈現某種明顯的規律或相關性。 人們之所以經常採用“解釋變數”而非“獨立引數”來稱呼引數的原因是雖然有些引數是獨立的，但有些引數是非獨立的（即存在某種依變關係）。例如，漢堡包和可樂的攝入量作為兩個引數，都可以影響體重，但是漢堡包和可樂之間在某些研究情況下是存在一定的依變關係而並不完全獨立無關的。例如，購買了漢堡包的人習慣於再購買一瓶可樂。如果研究的目標參數（因變數）是體重，那麼漢堡包和可樂的攝入量都是引數。在這種情況下，將漢堡包和可樂都稱為解釋變數比稱為獨立引數要更加合理和準確。但是，如果研究的目標參數改為可樂，那麼問題的構造可以改變為：漢堡包是引數，而可樂是因變數。簡而言之，解釋變數是原因，回應變數是結果。 與解釋變數之間的非獨立關係（即依變關係）所不同的另一種關係是解釋變數之間的相互作用（interaction）。如果回應變數相對於第一個解釋變數的變化程度取決於第二個解釋變數的取值，那麼就稱這兩個解釋變數之間存在相互作用。反之，如果無論第二個解釋變數的取值如何，回應變數相對於第一個解釋變數的變化程度都是一樣的，那麼就稱這兩個解釋變數之間不存在相互作用。例如，某種化肥和某種添加劑都對農作物的產量有影響，而化肥和添加劑是互相獨立的解釋變數；當添加劑的用量是1千克時，將化肥的用量從10千克增加到20千克，導致農作物產量從1噸增加到1.2噸，即增加了0.2噸。然而，當添加劑的用量是2千克時，將化肥的用量仍然從10千克增加到20千克，卻導致農作物產量從1.1噸猛增到1.7噸，即增加了0.6噸。這時，化肥用量和添加劑用量就稱為具有相互作用。 研究這類參數之間依變關係的學科稱為試驗設計（Design of Experiments，簡稱DoE）。在試驗設計中，解釋變數被稱為因子（factor），而回應變數被簡單地稱為回應（response）。試驗設計包括單因子問題、多因子問題、單回應問題、多回應問題等。變數按照是否具有隨機性質分為確定性（deterministic）變數和概率性（probabilistic）變數。確定性因子的離散取值稱為水準值（level）。 如果因子與回應之間能夠用具有物理意義的數學關係來描述，就稱這種關係為物理模型，例如立方體的體積等於底面積乘以高度。如果因子與回應之間的關係極為複雜，以至於不能用具有物理意義的數學模型來描述，那麼就需要採用資料擬合（又稱回歸）的方式建立某種關聯，例如顯式的多項式擬合模型或隱式的神經網路模型。多項式擬合模型稱為擬合器（emulator）或回應曲面模型（response…

4 years ago

系統工程的學術圖表製作詳談

學術圖表是指論文或著作中的插圖和表格。插圖和表格之間的主要區別在於表格可以展示具體數值，而插圖利於展示資料趨勢。引用自己過去發表過的或別人已經發表的圖表，不僅需要獲得出版社的版權許可，而且必須注明出處。插圖分為數據圖和示意圖，各有其目的。資料圖則是理工科論文結果部分的主要展示手段，無論對於揭示新的科學發現還是展示新的科研方法，都具有關鍵性作用。因此，策劃資料圖在本質上就是規劃科研成果的在完整性（深廣性）方面的具體內容。本文論述科研成果的核心內容——資料圖的製作方法。 能夠從資料圖上有效準確讀取資料的最大維度是二維，即一個由橫軸（x）和縱軸（y）圍成的平面。如果維度再多，就讀不准了。如果維度再少，則沒有充分利用人眼能夠準確讀取資料的全部空間潛力，即沒有將資料擺放到極致數量。零維是一個點。一維是一條線。二維是一個平面。三維圖（或稱立體圖）由於具有傾斜的透視效果，並不利於準確讀取資料。因此，人們通常將三維圖壓扁轉化為二維等值線圖，將原本屬於在立起來的第3根軸（z）上的數據投射到x-y二維平面上，用一圈圈的曲線表示z方向的等值資料。因此，資料圖的策劃目的就是如何使用x-y曲線圖和x-y-z等值線圖用滿二維平面所能發揮的表達潛力。 任何一個系統，都可以用“輸入-關聯-輸出”來表徵其科學內涵關係。學術論文的目的通常就是揭示輸入如何影響輸出，以及如何描述關聯。例如，對於發動機系統，輸入是燃料流量和環境溫度。輸出是功率和尾氣排放。關聯是發動機硬體或代表發動機硬體的性能計算模型。輸入參數稱為因子（factor）。輸出參數稱為回應（response）。因子通常用x1、x2、x3、…、xk表示，稱為k維因子，構成k維空間。因子中包括可控因子和雜訊因子（noise factor，即不可控因子）。回應通常用y1、y2、y3、…、ym表示，稱為m個回應。回應參數中包括優化目標和約束條件。 如果一個系統是穩態的，不隨時間變化，那麼這個系統的因子和回應就都是與時間無關的狀態參數。但是，很多系統都是具有動態變化的瞬態系統，即與時間有關的動力學系統。這時，時間（t）便成為一個獨特的因子，經常佔據資料圖的橫軸。這就導致在二維平面只能再放另外一個因子。這就是為什麼瞬態系統在資料表達方面非常困難的原因。 如果一個系統可以用確定性假設來描述，那麼它的因子就可以具有幾個離散的水準值。例如，發動機的燃料流量可以是10、20、30等。但是，如果一個系統必須用非確定性即概率性來描述，那麼它的因子就必須使用諸如正態分佈等概率分佈函數來表徵，例如某個參數的製造誤差或發動機的環境溫度變化規律。概率分佈用概率密度函數（probability density function，簡稱pdf）表徵，橫軸是參數取值，縱軸是pdf值，概率分佈曲線上的每一個點表徵該取值出現的機會大小。對於概率性資料，由於pdf值需要佔據一根坐標軸，這也導致在二維平面只能再放另外一個因子。這就是為什麼概率性系統在資料表達方面也非常困難的原因。 大多數的科研工作是穩態和確定性的，這意味著這些工作可以策劃將兩個因子放在二維平面。這時，有兩種作圖方式。第一種方式可以用Microsoft Excel作圖，將x1放在橫軸，將回應放在縱軸，做出一條曲線，此時x2必須固定某個取值。然後，將x2取3~5個水準值，分別做出3~5條曲線。這就是著名的“五線圖”。第二種方式需要用MATLAB作圖，將x1放在橫軸，將x2放在縱軸，將回應值標記在等值線上。這兩種作圖方式都稱為參變數掃值法（parametric sweeping）。它們的特點是將兩個變數像席捲掃描一樣囊括所有因子水準值的組合，這稱為全析因設計（full factorial design）。參變數掃值法對於應付一個或兩個因子是非常簡單、有效和準確的，而且可以從做出的資料圖中直接觀察和讀取最優值，即某個響應作為優化目標時的最大值或最小值，以及對應的一個或兩個因子的取值。 當因子數量超過兩個時，如果仍然使用參變數掃值法做全析因設計，不僅作圖表達會變得非常繁瑣，而且回應參數的計算量也隨著因子數量和因子水準值數量的增加而快速急劇增加，導致實際上無法執行全析因設計。這時，就需要使用部分析因設計（partial factorial…

4 years ago

以定義問題為導向的論文引言“五段論”寫法

撰寫過學術論文的人都知道，在論文的標題、摘要、引言、材料和方法、結果和討論、結論、參考文獻等部分中，引言（Introduction）通常是僅次於摘要的最難寫的部分，以至於很多作者感覺很難把握其寫作標準和元素結構。然而，引言往往是論文中最引人入勝的部分，因為它介紹研究工作的來龍去脈和邏輯思路。因此，引言並不是一個簡單的開場白，而是一個能夠讓論文大放光彩的關鍵部分。本文總結以定義問題為導向的論文引言“五段論”寫法，創立一種標準化學術寫作格式，便於廣大科研人員掌握。 引言相比於論文的其他部分之所以難寫，是因為其他部分能夠在科研專案具體計畫指導下將產生的資料及論據解釋和討論清楚就可以了；而引言則需要撰寫論文的研究背景、意義、重要性和貢獻度，內容範圍鬆散自由，寫作規範不明確，造成撰寫難度較大。因此，論文的作者通常將引言和摘要留到最後撰寫。 “問題”在英文中具有三個含義，分別是課題（topic）、缺陷（problem）、疑問（question）。定義問題的過程就是確定課題、指出缺陷和提出疑問及假說的過程。確定課題是為了限定研究工作和論文的範圍及標題。指出缺陷是為了論述研究工作的意義和重要性。提出疑問是為了策劃論點和論據，以便滿足論文在原創性（創新性）、科學性（正確性）、完整性（深廣性）方面的要求。 期刊的編輯、審稿人和讀者通常會帶著以下五個問題閱讀和評審論文的引言： 這篇論文是否適合在該期刊發表？——定義的課題是否對路 這篇論文是否具有重要的研究意義？——解決的問題是否有用 這篇論文是否具有創新性？——提出的問題是否新穎，是否有足夠多和足夠新的參考文獻支持對相關研究成果的總結 這篇論文是否具有科學性？——解決問題的方法是否合理 這篇論文是否具有完整性？——題目的研究內容在深度和廣度上是否足夠深奧複雜 介紹引言撰寫方法的文章很多，提出的要素五花八門，令人無所適從。論文的作者要麼草率行事，將引言寫成幾句簡單的開場白，要麼生怕遺漏其中的一個要素，卻又不知各要素之間的寫作順序。實際上，引言的內容需要依序包括以下五個模組——即“五段論”： 研究的背景——指出本研究在領域中的位置，介紹問題（problem）的產生、該問題在過去和當前的研究進展；僅需引用與題目密切相關的文獻，無需寫成文獻綜述； 研究的理由——指出過去研究工作的缺陷和空白，介紹本研究的意義和重要性； 研究的目的——確定研究課題（topic），提出疑問（question）和假說（hypothesis），定義論文的論點範圍； 研究方法要點簡述——簡要總結論文在方法上的科學性或創新點，且文字上不與方法部分重複； 研究發現要點簡述——簡要總結論文在發現上的創新點、實用性和主要貢獻，且文字上不與結論部分重複。…

4 years ago

科研方法面面觀

科研方法是一個龐大的話題，涉及科研活動的方方面面，大到很多人無從下手來學習和把握，搞不清楚自己如何才能掌握科研方法，甚至不知道什麼才算是先進的科研方法——究竟是小到用好Excel作圖處理資料，還是大到每天遵守好科研專案管理的4W原則（Who，What，When，How），或是應該用更大的視角來評判？本文論述科研方法的論文描述、能力範圍、創新理念——分別對應科研方法的操作、能力、意識。 論文的作者對科研方法印象深刻的部分大概是論文的“方法與材料”部分的撰寫經歷。不少作者感到迷惑的是方法（method）與方法論（methodology）之間的區別。概括來講，學術論文中的方法與方法論在理論層次、研究重點、分類方式、論述方式、對論文創新性的貢獻這五個方面均有所不同。方法論比方法在理論層次上更高，在範圍上更大。方法論強調多個方法的匯總，因此比方法具備更強的系統性和理論性。方法是指為解決某問題所採用的具體手段，而方法論則是將多個具體手段匯總提煉成為帶有共性的概括，以及手段差別之間的比較，用於解釋不同手段的異同原因和優化組合的辦法。方法是系統工程中的一個元素或子元素，而方法論則是整個系統工程。方法是局部，而方法論是總體。方法的研究特點是深而窄，而方法論的研究特點是淺而寬，並更加關注方法之間的相關性。方法論是用來尋找最佳方法或最佳方法組合的理論。方法論關注的並不是方法本身的細節，而是所用方法在全部可能採用的各種方法中所起的作用、組合方式和局限性。換言之，當談論的內容是涉及幾個不同方法之間的關係而非其中一個方法時，就是在談方法論。在論文中論述方法，其實就是將自己做科研工作的步驟一步一步地具體寫出來，包括材料、工具、儀器、軟體、過程、分析方法、誤差處理等。在論文中論述方法論，則是在闡述系統中各方法之間的關係。由於方法論的範圍比方法更大，在方法論上做出原創性貢獻的難度要大於在某個方法上獲得突破的難度。 科研工作的目的是發現新的科學現象、創造新的工作方法或發明新的科技產品。從掌握科研方法的能力範圍的角度來講，科研方法涉及又快又好地達成科研目的之所有活動，包括選擇科研課題、撰寫科研經費申請、編制科研計畫、執行專案管理流程、分析、設計、測試、協調、參與資料管理、撰寫學術論文或發明專利等。對於理工科研究人員來講，先進的科研方法在分析、設計、測試等資料策劃和資料產生的工作中，具體體現在對於三大通用基礎的運用水準——即系統工程，可靠性工程，優化技術。 在科研思路的創新理念方面，在各個學科領域，從還原論到系統論的科研方法演變是需要高度關注和宣導的。還原論是主張將高級運動形式還原為低級運動形式的一種哲學觀點。它認為自然世界中的每一種現象都可以看成是更低級、更基本的現象的集合體或組成物。還原論派生出來的方法論手段就是對研究物件不斷進行深入分割剖析到最原始的狀態，化複雜為簡單。例如，現代醫學源自解剖，從人體器官、神經系統、骨骼等宏觀層次逐步走向微觀，分科越來越精細。對細胞、基因和分子等微觀元素的觀測、解構和分析，被廣泛應用于現代醫學的診療過程，這就是還原論的發展思路。還原論將複雜事物解構為若干孤立部分，分別研究各部分的屬性、結構和功能，簡化研究對象的複雜性，是科學研究中非常重要的方法。 系統論則是強調研究各組成部分之間的相互作用，將研究重心放在系統的整體表現上。系統論克服了還原論在將整體分解為部分時割裂或忽視各種相互作用的局限，揭示了相互關係的存在及其重大意義，並且闡明達到系統整體最佳的途徑。從上世紀下半葉開始，隨著系統工程理論的發展，研究和宣導系統論達到了一個高潮。在科學技術領域，還原論曾經所處的思維模式主導地位已經從根本上被系統論動搖。系統論思維模式已經上升到了一個更加重要的統治地位。而且，這種在思維模式和創新理念上的轉變將在各行各業更加普及和深化。系統生物學、系統設計等領域的重大發展都是典型的例子。  

4 years ago

系統工程的學術圖表製作詳談

學術圖表是指論文或著作中的插圖和表格。插圖和表格之間的主要區別在於表格可以展示具體數值，而插圖利於展示資料趨勢。引用自己過去發表過的或別人已經發表的圖表，不僅需要獲得出版社的版權許可，而且必須注明出處。插圖分為數據圖和示意圖，各有其目的。資料圖則是理工科論文結果部分的主要展示手段，無論對於揭示新的科學發現還是展示新的科研方法，都具有關鍵性作用。因此，策劃資料圖在本質上就是規劃科研成果的在完整性（深廣性）方面的具體內容。本文論述科研成果的核心內容——資料圖的策劃方法。 能夠從資料圖上有效準確讀取資料的最大維度是二維，即一個由橫軸（x）和縱軸（y）圍成的平面。如果維度再多，就讀不准了。如果維度再少，則沒有充分利用人眼能夠準確讀取資料的全部空間潛力，即沒有將資料擺放到極致數量。零維是一個點。一維是一條線。二維是一個平面。三維圖（或稱立體圖）由於具有傾斜的透視效果，並不利於準確讀取資料。因此，人們通常將三維圖壓扁轉化為二維等值線圖，將原本屬於在立起來的第3根軸（z）上的數據投射到x-y二維平面上，用一圈圈的曲線表示z方向的等值資料。因此，資料圖的策劃目的就是如何使用x-y曲線圖和x-y-z等值線圖用滿二維平面所能發揮的表達潛力。 任何一個系統，都可以用“輸入-關聯-輸出”來表徵其科學內涵關係。學術論文的目的通常就是揭示輸入如何影響輸出，以及如何描述關聯。例如，對於發動機系統，輸入是燃料流量和環境溫度。輸出是功率和尾氣排放。關聯是發動機硬體或代表發動機硬體的性能計算模型。輸入參數稱為因數（factor）。輸出參數稱為回應（response）。因數通常用x1、x2、x3、…、xk表示，稱為k維因數，構成k維空間。因數中包括可控因數和雜訊因數（noise factor，即不可控因數）。回應通常用y1、y2、y3、…、ym表示，稱為m個回應。回應參數中包括優化目標和約束條件。 如果一個系統是穩態的，不隨時間變化，那麼這個系統的因數和回應就都是與時間無關的狀態參數。但是，很多系統都是具有動態變化的瞬態系統，即與時間有關的動力學系統。這時，時間（t）便成為一個獨特的因數，經常佔據資料圖的橫軸。這就導致在二維平面只能再放另外一個因數。這就是為什麼瞬態系統在資料表達方面非常困難的原因。 如果一個系統可以用確定性假設來描述，那麼它的因數就可以具有幾個離散的水準值。例如，發動機的燃料流量可以是10、20、30等。但是，如果一個系統必須用非確定性即概率性來描述，那麼它的因數就必須使用諸如正態分佈等概率分佈函數來表徵，例如某個參數的製造誤差或發動機的環境溫度變化規律。概率分佈用概率密度函數（probability density function，簡稱pdf）表徵，橫軸是參數取值，縱軸是pdf值，概率分佈曲線上的每一個點表徵該取值出現的機會大小。對於概率性資料，由於pdf值需要佔據一根坐標軸，這也導致在二維平面只能再放另外一個因數。這就是為什麼概率性系統在資料表達方面也非常困難的原因。 大多數的科研工作是穩態和確定性的，這意味著這些工作可以策劃將兩個因數放在二維平面。這時，有兩種作圖方式。第一種方式可以用Microsoft Excel作圖，將x1放在橫軸，將回應放在縱軸，做出一條曲線，此時x2必須固定某個取值。然後，將x2取3~5個水準值，分別做出3~5條曲線。這就是著名的“五線圖”。第二種方式需要用MATLAB作圖，將x1放在橫軸，將x2放在縱軸，將回應值標記在等值線上。這兩種作圖方式都稱為參變數掃值法（parametric sweeping）。它們的特點是將兩個變數像席捲掃描一樣囊括所有因數水準值的組合，這稱為全析因設計（full factorial design）。參變數掃值法對於應付一個或兩個因數是非常簡單、有效和準確的，而且可以從做出的資料圖中直接觀察和讀取最優值，即某個響應作為優化目標時的最大值或最小值，以及對應的一個或兩個因數的取值。 當因數數量超過兩個時，如果仍然使用參變數掃值法做全析因設計，不僅作圖表達會變得非常繁瑣，而且回應參數的計算量也隨著因數數量和因數水準值數量的增加而快速急劇增加，導致實際上無法執行全析因設計。這時，就需要使用部分析因設計（partial factorial…

4 years ago

影響科研工作重現性的五大因素

令學術界和工業界倍感困擾的一個問題是科研工作的不可重現性，使得大量已發表的科學發現淪為不可靠的、不可信的或虛假的結果。可重現性、可再現性或可複製性（reproducibility）、可重複性（repeatability）、可驗證性（verifiability）講的都是同一個意思。雖然有些學者去深究這幾個詞之間的細微區別，例如有人嚴格區分說重現性是在不同條件下複製，而重複性是在相同條件下複製，但是這種用詞之間的區別的現實意義不大。它們說的都是科研成果能夠被自己或他人複製重現的程度，具體包括資料或結論的可重複性。對於非概率性資料，如果使用相同的輸入條件和工作方法，資料應該能夠被重複出來。對於概率性資料，雖然資料無法原樣複製，但是結論應該能夠被重複出來。本文簡述重現性問題出現的原因和規範措施。 眾所周知，科研工作的創新性是以科學發現、科研方法、技術產品中的任何一條出現新穎的創意為標誌。那麼，創新性必須展示穩定的、可以多次反復出現的、可以被驗證的（validated）結果，這樣才有研究的意義，例如某項生物醫學的細胞技術。這並不是說報告在大自然界或宇宙學領域觀測到的一過性的、不可重現的新的自然現象就沒有意義，這只是說在人類認識世界和改造世界的過程中，絕大多數的有意義的科研工作都不能是偶然的、不可重複的。科研工作的科學性（正確性）和完整性（深廣性）亦然，也必須能夠被重複驗證。 不可重現性問題產生的原因包括科研方法和學術道德兩個範疇。在科研方法中，科研工作種類包括理論推導、數值計算、實驗測試三大類。科研資料包括確定性資料和概率性資料兩大類。在科研工作過程中出現的任何不規範的做法和報告方式，都可能導致自己或他人無法重現科研結果，包括對一個公式的理論推導、對一個設計點的模擬計算、對一套臨床樣本資料的測試分析等。在學術道德中，數據造假是十大學術不端現象之一。資料造假是科研結果不可重現的另一個主要原因，這從不少期刊由於收到舉報而頻撤稿就可見一斑。 不可重現性問題為社會帶來巨大的學術成果誤導或資源浪費。從小處說，它是學術不嚴謹。從大處講，它是故意欺詐。例如，很多醫藥公司根據發表在著名期刊上的癌症研究論文開啟了昂貴的藥物研發項目，但是卻發現僅有10%的發表成果的結論是可以被重現的，導致90%的專案被迫取消，造成巨大的資源浪費。 影響科研工作重現性的五大因素包括： 學術不端中的資料造假； 科研工作過程的標準化管理和實施； 科研論著中的方法報告和披露； 同行評議糾錯； 同行監督舉報和鼓勵機制。 一、學術不端中的資料造假 與科研工作中的誠實性錯誤和疏忽不同，資料造假是具有惡意的故意欺騙行為。造假的動機和行為方式有很多種，包括明知故犯的選擇性發表，把並不具備代表性的偶然性資料挑選出來作為必然性資料予以宣稱發表，或“報喜不報憂”，以及篡改和編造資料，為了編造創新性來發表論文。 二、科研工作過程的標準化管理和實施 科研工作中重現性問題最大的原因來自工作執行階段的不規範和發表論文階段的不規範，導致自己和他人無法重現資料或結論。因此，學術界和工業界越來越強調標準化規範和資料品質控制的重要性，包括實驗測試要求具有一定的重複數量或樣本例數，使得均數逼真、標準差穩定，並使得樣本的統計量能夠代表總體的參數，使得統計推斷準確可靠等。另外，研究人員不能控制的雜訊變數（noise factor）和隨機化導致的假陽性等也都可能降低研究結論的重現性。各行各業的科研工作標準化流程方法、統計學規範方法和對複雜資料的分析方法均有所不同。在這方面的標準化研究或推動宣導的貢獻無疑是重要和令人關注的，因為重現性問題已經成為一個令學術界和工業界高度擔憂而亟待解決的熱點問題。另外，工作報告中的資料品質管理也是業界需要大力執行和完善的。…

4 years ago

學術論文中假說的寫法

學術論文的原創性由新發現、新方法、新技術中的任何一條所體現。對於新發現，通常涉及對現象的解釋。如果這個解釋不是透過嚴格的定理推導獲得的科學真理，那麼就需要提出某種推測性的假說（hypothesis），然後根據假說進行推理，匯出一些預言（prediction），並根據實驗或計算結果檢驗假說的預言，從而接受假說，或者否定假說。當系統化的規模較大的假說被驗證後，即可上升為理論或“相對的科學真理”。在科研基金申請和論文評審時，經常會審查提交的稿件是否具有足夠強大和足夠新穎的科學假說。那麼，很多論文作者可能會疑惑：究竟什麼是假說？假說包括哪些類型？假說在論文中出現在哪些部分？是否每篇論文都必須具有假說？假說的作用是什麼？如何建立假說？本文就這些問題予以解惑和總結。 一、假說的定義和特徵 假說（hypothesis）既不同於假設條件（assumption），也不同於預測或推論（prediction）。假說指經過科學研究後所提出的、沒有最後定論的、帶有假設性的、帶有證據的新見解。假說的規模可大可小。大的假說如宇宙大爆炸、宇宙膨脹、大陸漂移、哥德巴赫猜想等，小的假說如發動機的雜訊與某個設計參數有關。假設條件是在推論某個事物時所做的假設或簡化，並不需要證據支援，例如，“假設某人今天不來出席”，那麼這個活動就需要取消；計算氣缸壓力時“假設氣體具有理想氣體的特徵”。預測或推論是從假說中推導出來的結論，即如果某個假說成立，那麼就預測會有某個事件發生；而這個事件可以用來判斷假說是否成立。 假說在特徵上具有不完備性，即需要經受長期的證明、修正或批判，才能演進為被廣泛接受的成熟理論或相對科學真理，尤其對於規模較大的系統化假說而言。因此，在學術論文中對於大規模假說求全責備，是不現實和不正確的過度挑剔。在涉及假說的創新性科研中，目的就是以優質多證的假說向真理逼近。當假說上升為理論後，仍然可能會遇到在科學進步過程中的質疑和挑戰，例如愛因斯坦的相對論就推翻了牛頓古典力學的很多內容。 假說具有逐漸改進的近似性或不準確性，即沒有人能夠一下子拿出確鑿的證據證明假說是真理。換言之，從方法學上看，如果從一開始發現的就是真理，那就不需要經過假說這個階段。例如，數學中的畢氏定理就是真理而非假說。畢氏定理指的是直角三角形的兩條直角邊的平方和等於斜邊的平方。畢氏定理是畢達哥拉斯首先發現的，他是最早論證這個定理的人。既然能夠直接從公理或定理論證，那就沒有必要提出假說——這是理論推導學科的特徵。 假說具有證據性，即沒有根據的猜測談不上是科學假說。例如，在出土一件考古文物後，有人根據證據和調查，引經據典，提出這件文物的主人和年代，這就是假說；而還有人則憑空猜測這件文物的輾轉經歷，這就屬於瞎猜和編故事，不是學術研究中的假說。 二、假說的類型和在論文中出現的位置 假說包括統計性假說和專業性假說。最著名的統計性假說是統計無效假說（null hypothesis）和備擇假說（alternative hypothesis）。統計無效假說是對試驗結果進行統計分析的零假說，通常針對隨機事件，其形式為：A與B無關；或A=B；或A<B。它的備擇假說的形式為：A與B有關；或A≠B；或A>B。針對統計性假說的工作是在一定概率水準上接受或拒絕零假說。 專業性假說是研究因數（引數）對回應（因變數）的影響關係。典型的提法是針對“為什麼A事件會發生”這種問題，提出“B是A發生的原因”這種假說，並在試驗中驗證，如果這個假說成立的話，將會看到什麼結果，從而能夠對假說進行證偽。因此，所涉科研過程包括三步：（1）提出疑問；（2）構造假說；（3）依靠假說的推論設計試驗來證偽和檢驗假說。前兩步發生在論文的引言中。第三步發生在論文的“材料和方法”及“結果和討論”這兩個部分。論文的結果和討論可以混在一起撰寫。在描述完結果後，討論部分需要闡述研究中出現的問題，與他人工作進行對比，論述假說或理論，指出結果的意義和解決問題的措施，簡述研究局限性和未來工作展望等。  假說還可以細分為前設假說和後證假說。前設假說是在非常有限的事實基礎上提出的，用以指導有關課題的設計和實施。後證假說則基於較多的事實依據對機理進行解釋。 三、雖然並非每篇論文都必須有假說，但是假說是理論水準的體現 如果科研工作是從一個數學定理推導出另一個定律，這種具有嚴格邏輯性的理論推導所產生的結果就是科學真理。那麼，就沒有必要採用假說的形式進行論述。假說是針對那些不能用嚴格邏輯推導出的內容而言，例如某個草原上斑馬種群數量週期性變化的原因。假說最常見於具有新發現的論文中，但有時也會出現在新方法或新技術的論文中。毋庸置疑，新發現的背後通常需要在機理上進行解釋，而這個解釋就是假說。低水準的假說可能會出現以偏概全的問題。高水準的假說會在論文的完整性（深廣性）上考慮得更加周全。對於新方法或新技術，也可以採用假說的形式對其機理或功效進行解釋。 假說通常是論文的主要論點之一。科研課題的原創性主要體現在其科學假說（並非表面現象）是否具有前無古人、現無他人的新說法。在論文中，假說的存在是理論水準的標誌。如果僅把討論停留在表面現象和資料趨勢的描述上，而未進行機理性的探討，論文的理論水準將會大打折扣。這是很多研究生論文的原創性水準不高的主要原因之一。另外，在科學史上由於忽視假說而流於表像從而錯失建立重大理論機會的例子比比皆是。這就是為什麼在基金申請和論文評審時人們非常看重科學假說的原因。當然，假說在論文中的存在並不以是否明確採用“假說（hypothesis）”這種文字作為標誌。在實質上進行具有一定深度的理論探討的任何討論（discussion）都可以被看成是假說。…

4 years ago

11種示意圖在學術論文中的用法

所謂示意圖是指不具備定量（quantitative）資料關係而僅具備定性（qualitative）內容的插圖。示意圖與資料圖構成了插圖的全部種類。理工農醫類學科的絕大部分科研成果均使用資料圖或資料表的形式展示，這與這些學科通常需要使用定量資料描述客觀規律的科研特徵有直接關係。相比之下，文史哲等學科則更多地使用示意圖或示意表。實際上，示意圖在日常工作計畫中和任何學科的科研成果展示中都非常重要。本文簡述示意圖的作用、工具和使用原則。 資料圖與資料表的主要區別在於資料圖偏重展示資料之間的比較關係和走向趨勢，而非強調顯示資料的具體數值，雖然數值也能夠被標記在資料圖上。資料表則偏重展示資料的具體數值，或展示比較不同類別或不同單位的資料，例如在同1個表格中開列6列具有不同單位的資料。而帶有這麼多不同單位的資料如果用圖來展示，則需要使用很多張圖。 文字或表格與圖之間的區別在於文字或表格不夠直觀，而圖由於具有在形狀、色彩、線條、指向和位置關係等方面的優勢而非常直觀，能夠讓讀者用最短的時間將內容理解得最為透徹。這就是為什麼人們常說“一幅好的插圖勝過千言萬語”。 示意圖與資料圖之間的最大區別在於示意圖能夠在表達思路或概念方面擺脫數字的束縛。因此，在日常工作中和發表論著時，只要遇到無需展示精確數位的場合，都可以考慮使用示意圖來直觀有力地表達，達到精簡文字描述的目的。正是由於沒有精確數位的束縛，示意圖被方便快捷地廣泛用於工作方案的策劃和討論中，即人們常說的草圖。但是，需要注意的是，示意圖並不等於潦草或不成熟。很多正式的學術成果、方法和概念恰恰需要使用不帶數位的示意圖來表達，因為示意圖具有資料圖所不具備的特殊優點。 雖然有很多軟體能夠製作示意圖，但是對於絕大多數科研人員來講，PowerPoint軟體中的示意圖功能已經能夠基本滿足多數需求，包括流程圖、邏輯關係圖、層級關係圖、迴圈關係圖等。因此，有必要重點介紹PowerPoint中的SmartArt的功能。在Microsoft Office 2007版出現之前，繪製示意圖很麻煩，通常需要在PowerPoint中使用線條、方框、箭頭等基本元素逐個拼接作圖，並在統一格式和對齊位置等美工細節方面耗費大量時間。自Microsoft Office 2007版開始，在PowerPoint、Word、Excel中，在“插入”功能表下均增加了一類極為方便的示意圖，稱為SmartArt圖形，使使用者能夠使用大量的預置範本輕鬆創建清單、流程、迴圈、層次結構、關係、矩陣、金字塔圖表這7類圖形。而且，每種類型均包括很多種不同風格的佈局格式供用戶選擇。在SmartArt圖形的左側顯示有文本視窗，使用者能夠輸入和修改示意圖中想要顯示的文字或數位。 清單（Blocks）類型的SmartArt圖形能夠用合適的顏色和幾何形狀展示非有序區塊或分組區塊。這對於總結論文的論點或內容提要非常有用。 流程（Flowchart）類型的SmartArt圖形能夠用各種箭頭和長方塊展示流程，顯示工作任務流中的順序步驟。使用者再也不需要去花費時間拼接箭頭和色塊位置。這對於介紹論文所用的科研方法和試驗步驟非常有用。 迴圈（Circulation）類型的SmartArt圖形能夠用各種箭頭和色塊展示具有迴圈性質或反覆運算性質的流程。 層次（Hierachy）結構類型的SmartArt圖形能夠用各種組織結構形式或邏輯結構形式展示層級關係或平行關係。這對於介紹組織結構或事件的邏輯推理非常有用。 關係（Relationship）類型的SmartArt圖形能夠用各種匯總、分解和比較的邏輯關係形式展示各因素之間的關係。這對於論文的結果總結部分和討論部分的邏輯推理非常有用。 矩陣（Matrix）類型的SmartArt圖形能夠用四個象限的形式表達二維平面上的元素邏輯關係，或顯示部分與整體的關係。這對於使用排列組合方法介紹論文中的邏輯分類非常有用。…

4 years ago

面對同行評議中的棘手問題，作者如何識別審稿人意圖、見招拆招？

論文的作者在投稿論文時，經常會遇到棘手的同行評議審稿意見。如何識別審稿人的動機，合理應對審稿意見，是一項重要的學術技能。 回覆和辯駁審稿意見是一項具有高難度的專業性工作，通常需要由論文的資深作者（例如通訊作者）來完成。這種工作就好比律師撰寫答辯狀，需要高度的技巧。答辯的原則是在儘量滿足審稿專家要求的基礎上，保證論文的品質，並最大限度地維護自己的利益，獲得期刊編輯的支持。論文是否錄用，取決於期刊編輯的決定，審稿專家的意見只是供編輯參考而已。因此，審稿意見不一定全是正確的或都必須執行。期刊編輯是在同行評議過程中起到裁判員的作用，兼聽審稿人和作者的意見，並做出是否錄用論文的決定。 英文論文的審稿意見答辯在專業內容的難度之上又增加了語言難度，因此更加需要英文水準比較高的資深作者執筆或把關，確保答辯格式正確（尤其需要無遺漏地逐條答辯）、理由充分、 英文正確得體。 對於高水準（高影響因子）期刊來講，審稿人對於創新性（新穎性）、正確性（科學性）和完整性（深廣性）的要求通常很高，而且對於科研工作的意義和重要性的要求也很高。對於很多期刊來講，如果其中一個審稿人給出拒稿意見，而且獲得期刊編輯的認同，那麼編輯對於論文的處理意見很可能就是拒稿，而不給予修改機會。這種情況主要發生在以下三個方面：（1）論文關於新穎性的論述不足以服人；（2）論文出現嚴重的常識性錯誤；（3）論文出現嚴重的常識性缺失內容。因此，論文的作者必須特別注意檢查這三個方面，防止被拒稿而喪失修改機會。 如果論文有幸被給予修改機會，審稿意見中的棘手部分主要涉及以下五個方面： 論點的提煉 論據的補充 論點向深度擴展 論點向廣度擴展 英文語言問題 關於英文語言問題的修改要求都是合理的。其餘四個要求則可能存在審稿人的不合理要求。如果作者感覺論文的英文水準已經無法再提高，而審稿人仍然指出英文需要大力修改，那麼作者應當毫不猶豫地使用付費的專業化語言編輯機構獲取幫助。由於有些作者的英文水準有限，自己無法看出很多語法、拼寫、寫作風格方面的錯誤和問題，因此獲得英文母語編輯的幫助不可避免，否則會導致論文在修改提交後由於語言不合格而拒稿，這將非常可惜。 一、論點的提煉 如果論文的結論（即論點）在創新性上有幸被審稿人認可，但是審稿人感覺論點過於瑣碎而不夠凝練到應有的高度，例如羅列大量具體的數據，論文作者需要努力總結提煉數據並爭取獲得更加凝練的結論，並且需要注意將論點與工作的意義和重要性銜接起來。 二、論據的補充…

4 years ago