袁健博士：“投稿前先当一次最挑剔的审稿人”|《科学报告》作者访谈

《科学报告》（Scientific Reports）是 Nature Portfolio 旗下的一本多学科开放获取期刊，恪守具有建设性、既观点包容又严格的同行评审。《科学报告》为打破学科之间传统边界的研究提供了展示平台，发表范围涵盖自然科学、心理学、医学及工程学所有领域，专注科学上严谨、技术水准高的原创研究。其多元化的作者群体包括了 2026 年诺贝尔奖获得者 Karl Deisseroth、Peter Hegemann 等科学家。

了解一本期刊，既要听编辑怎么说，也要看作者的真实体验。继"《科学报告》编委访谈"之后，我们全新推出“作者访谈"系列——将访问国内多位投稿作者，以第一视角还原他们的投稿全历程。从选择期刊的考量、与编辑的沟通细节，到论文上线后的传播反馈，每一期访谈都是一次毫无保留的经验共享：因何选择《科学报告》？审稿流程如何？为研究带来了怎样的影响力？给后来者的建议是什么？这些来自“亲历者”的真实故事将为您提供切实的参考。

在此次访谈中，我们请王磊博士谈谈他在《科学报告》担任编委的工作。

主要有三点：一是开放获取（OA）模式。编队控制领域的读者本来就横跨控制、机器人、无人机和智能交通等方向，OA 能让不同领域的人无障碍地读到，避免订阅墙挡住潜在引用；二是审稿导向，相对看重方法的严谨性和可复现性，比较适合我们这种把时滞切换、滤波估计做扎实的工作；三是 Nature Portfolio 旗下期刊的声誉。对我这个阶段的研究者来说，其能见度和认可度比较均衡。另外，审稿周期相对可控也是一个现实考虑。

投稿和返修过程中，编辑与审稿人都明确要求公开仿真代码、列清拓扑与滤波参数，方法部分的透明度要求比我以前投过的期刊更细。这种要求倒逼我们把过去只在自己电脑上跑得通的代码整理成别人能复现的版本，客观上提升了工作的可信度，也得到了评审人的认可。

我主要关注的是利益冲突声明、数据与代码可得性声明，以及图像处理规范这几块。了解渠道主要是投稿系统里的投稿指南和投稿时系统自动弹出的伦理声明勾选项；返修阶段，编辑也会再次提醒确认。

这些要求本身不会增加负担，但确实影响信任度：一个对利益冲突、数据可得性有明确要求的期刊，会让我觉得它确实在把关论文质量，而不只是看影响因子。反过来，如果一家期刊在伦理方面含糊不清，我会担心自己的工作发表在那里会受到同行质疑。

《科学报告》对数据与代码的可得性有明确要求，编辑也会在返修信中跟进这一点，确实推动了我们把可复现性做扎实。建议期刊提供更结构化的方法清单模板，减少作者凭经验“写多少算多少”的空间。

我认为 AI 应定位为辅助而非替代。语言润色、公式与符号一致性检查、文献初筛、排查仿真代码中的明显逻辑漏洞，都能显著提效。但对控制协议创新性、稳定性证明严谨性、仿真工况是否覆盖关键边界的判断，必须由有控制理论背景的审稿人负责。建议期刊要求作者与审稿人透明声明 AI 使用情况，并明确 AI 不能替代学科判断。

责任编辑把多位审稿人的意见统一梳理、整合后再发给我们，而不是把原始意见直接转发，这样拿到的是一份去重、归类、分好优先级的清单。让我印象深的是，编辑把每条意见编号；当我们对其中一条有异议时，编辑也允许我们在回复信中说明理由，而不是被迫全盘接受。整体流程清晰，对作者公平。

有一封邮件来自一个做多智能体仿真平台的团队，询问我们的参数表细节，算是比较直接的跨学科关注。总体感觉《科学报告》的开放获取让文章比传统订阅期刊更容易被不同领域搜到。

建议首次投稿前，自己先当一次最挑剔的审稿人，把参数选取依据写清楚，再投出去。这样返修时被动补实验的工作量会小很多，结论也更经得起推敲。

我支持数据与代码公开。没有代码，别人光看论文几乎无法复现。但也应承认，涉及未公开实物平台或与工程单位合作的数据存在敏感性，不能一刀切。期刊可推进的方向：一是提供结构化的方法与参数清单模板；二是区分强制公开与应要求提供，对涉密数据允许脱敏公开；三是对公开代码的论文标注可复现标识，给作者正向激励；四是在审稿阶段就把可复现性作为正式审稿维度，而不是事后补要求。