学术必看 2022-04-28 08:00
在高手如林的学术论文发表的竞争中，如何突破重围，脱颖而出呢？本文通过自己这些年来的审稿体会，总结出一些成功和失败的经验和教训，希望能和读者分享。首先声明，我写这篇文章，并不是因为我比别人厉害，英文学术期刊实行的是匿名审稿制度，每个作者原则上说机会是均等的，本人虽然有成功发表的记录，但也有很多被拒稿的经历。
一、背景
之所以想写这篇文章，是因为近几年不断接到各种学术刊物的审稿要求，起初我因为时间不够而经常拒绝，但后来发觉这是一个学习别人研究的好机会，于是就接受了。目前大概一两个星期就会接到一篇稿件，每年下来大概有四、五十篇吧。英文的学术审稿是没有报酬的，最多是免费送你两本期刊或书，一般的审稿人会把审稿放在自己的年终总结报告上。随着看的稿子越来越多，学到的东西越来越多，想法也多了，于是想到了和读者分享。
英文的学术刊物至少有两个或三个匿名审稿人，现在越来越多的编辑部，最后无论是决定发还是不发，都会把几个审稿人的意见寄给读者，并分别寄给几个匿名审稿人。我这里所说的心得，只是一家之言，并不代表其他审稿人，有的时候我觉得好，但其他人不喜欢，也有的时候我不喜欢，但还是发了。不过一般比较好的杂志通常有一个审稿人有反对意见就会拒稿。
近几年来我为多个学术刊物和出版社审过稿子，刊物从政治学（偶尔也有社会学）的顶尖杂志或中国研究的顶尖杂志到二、三流的杂志都有，出版社则主要是大学出版社，多数来自美国，还有欧洲、澳大利亚、英国、新加坡以及中国香港、中国台湾等地。我同意审的稿件通常有下面四个特征：首先当然是英文的；第二是讲中国的或者包括中国的；第三是政治学或社会学的（包括公共政策）；第四是定量研究的。
二、中西结合的研究题目
目前研究中国政治的热点话题之一是政权稳定性和支持度，很多稿子都与此有关，例如稳定性和支持度本身测量的各项指标，包括民意研究、精英政治、地方与中央的关系等等，以及影响稳定性和支持度的各种公共政策，包括医疗、扶贫、教育、司法，环境保护、计划生育、农民工、反腐等。此外，还有经济发展、收入水平、教育程度、职业、性别平等、城乡及地区差别、所有制类型、民族、语言、宗教、人际信任、社交网络、传统与新兴媒体、政治面貌、政治兴趣和政治取向等等对政权支持度的影响，其中每一个因素都可以写一篇文章甚至一本学术专著。
这种研究中国政治的方式其实和西方的政治学研究有些异曲同工。西方政治学研究的重点是选举，而选举的实质是政府的支持度和可持续性，以及影响支持度和可持续性的各种因素，包括上述公共政策和个人的社会经济地位以及政治社会环境的各种因素。从这个角度来说，其实西方政治学中关于选举的大量文献很容易被借鉴到中国来，如果用英文发表文章，借鉴这方面的英文文献可能更容易被西方读者和审稿人所接受、认可。
三、吸眼球的标题
我看稿子时一般会比较快速地浏览下列内容：标题、摘要、数据来源、变量的测量、表格、结论以及参考文献，如果仍然有疑问，再去看相关的细节。
我比较喜欢的标题当然是吸眼球的，例如“Capitalism without Democracy”(无民主的资本主义），“Accountability without Democracy”（无民主的问责）, “Managed Participation”（受管制的参与）, “Populist Authoritarianism”（民粹威权主义）, “Equality and Efficiency: A Big Trade Off”（平等与效率：重大的权衡取舍）, “Publish or Perish”（不发表就出局），等等，这些题目的共同特点是把两个自相矛盾的概念放在一起，或者两个本该在一起的却被分离，例如accountability（问责制）本应是democracy（民主）的一部分，但作者却说accountability可以脱离democracy存在，同样，文献上说capitalism（资本主义）和democracy也是不可分的，但作者却说两者可以独立存在。这些题目的另一个共同特点是一目了然，把核心观点用很少的几个字表达了出来。具有这两个特点的题目就更容易引起读者的兴趣。
不成功的例子也有很多。比如一类问题是标题过长，例如, “Understanding the Puzzle: The Double and Coastal-Inland Differential Effect of Regional Growth on Chinese Political Electoral Participation”（解惑：区域增长对中国政治选举参与的双重和沿海—内陆差异影响）。在这个近20个字的标题中，即没有抓眼球的亮点，又没有文章的观点，读者要有足够的耐心才会去读。有些标题的另一个问题是没有起到画龙点睛的作用，例如除了上面的例子，还有“Government Trust and Social Trust”（政府信任与社会信任）, “Economic Development and Political Support”（经济发展与政治支持）。这些标题虽然不长，但并没有道出文章的主要观点，不会引起读者的兴趣。还有一种标题是故弄玄虚，例如在题目中用“黑箱”这个词，读者反而不会感兴趣。因为如果是黑箱，那我看完了也不知道黑箱里面究竟发生了什么，看也白看。另一类问题是标题与内容不符，例如有一次我看到一个讲中国不同年龄层之间政治支持度区别的题目，觉得挺有意思，决定接受审稿。但看完了才发现，作者认为不同年龄层差别不大，然后用另一半的篇幅讲其他因素对政治支持度的影响，看完让人有受骗的感觉。
最后想说说目前在研究中国政治的英文文章中大量出现的一个词：authoritarianism（威权主义）。国内的学者对这个词有一定的误解，因为在中文的语境中，这个词翻译过来听着可能有点别扭，但是在英文的语境中，它代表的是非西方民主制度。虽然它在某些政客和媒体人眼中仍然可能有负面的意思，但在学术界却包含有更加中性的意思，特别是近年来有些新兴民主国国家和地区不成功的经验，使政治学研究更多地转向了对以中国为代表的非西方民主模式的研究。目前Authoritarian Politics（威权政治）在美国各个大学变成了一门受欢迎的课程。
现在在研究中国政治的英文文章中，这个词几乎成了一个标准的称呼，中国国内的学者虽然在写中文文章时会用民主这个词，但是翻译成英文会让审稿人产生疑问，甚至产生负面情绪。如果用authoritarianism，读者就会很明确，不会有误解。因此，从实用的角度讲，用authoritarianism或许会更容易发表。
四、涵盖文章精髓的内容提要
一般我会比较认真地看内容提要，因为写得好的内容提要一般都会包括文章的精华，例如研究问题，现有文献的主要观点以及待解决的问题，研究假设，数据来源、主要发现、结论以及研究的意义。别看内容提要这短短的一、两百字，却包含了一篇论文的所有必要组成部分。
其中研究问题和发现尤为重要，例如有一篇文章，研究问题是中国的政治支持度为什么高，最后得到证明的假设是百姓的期望值低。以我的经验，这篇文章涉及的是一个重要的理论问题，支持度是真的高还是百姓期望值低，不同的结论会涉及到制度本身性质的问题，因此我会仔细阅读文章的证明过程。要想通过我的标准，证明的过程必须无懈可击。
写内容提要应该尽量包括上述要素，有些写的不好的内容提要，会让读者不知所云。例如我看到过一个内容提要，只写研究问题和文献中的辩论，却故意卖关子不写发现和结论，这样会让审稿人不爽，因为还要去翻很多页，不知道在哪里才能找到作者的发现和结论。
五、可靠的数据来源
接下来我会看的是数据来源，一般来说数据来源会有几种，第一种比较普遍的是现有的调查数据，包括World Values Survey（世界价值观调查）, Asian Barometer Survey（亚洲民主动态调查）, Chinese General Social Survey（中国综合社会调查）, China Labor-force Dynamics Survey（中国劳动力动态调查）, Chinese Family Panel Studies（中国家庭追踪调查），以及其他现有的大规模全国乃至世界范围的公开数据。由于对这些数据比较熟悉，我一般不会太追究这些数据收集过程的问题。
有时候也有作者用自己的调查数据的，这种情况我会看的比较仔细。记得有一篇文章声称要研究城市“低端人口“，但是自己做的调查中有一半以上是高收入的白领，说明这个调查的样本有很大问题。还有一篇文章的作者声称做了一个全国问卷调查，但样本只有60个人，不懂专业的人也不会相信这60个人能有代表性。本人建议尽量用已有的数据，这些都是花了大钱由非常专业的团队收集的，个人无论从资源还是专业知识方面都是无法企及的。
第二类数据来源是大数据，例如网络大数据、媒体大数据、法律案例大数据等等。这些数据虽然规模宏大，但不太容易做出有意思的发现来。例如有一篇文章用中国领导人历年讲话的大数据，发现中国老百姓对法治的理解与领导人对法治的解读有直接关系，另一篇文章用微博的大数据发现，中国的网民只要不鼓吹暴力，就会有很大的批评政府政策的空间。这些结论可能不做大数据分析的一般人都能知道，我看到的比较成功利用大数据的稿子，通常是和调查数据结合起来使用的。
第三类数据来源是越来越多的网络民调。由于网络民调无法保证样本的代表性，我对这样的研究比较持怀疑态度，例如有人用网络民调证明中国的百姓不支持中国政府与日本的对抗，但网络民调的样本大多数是受过高等教育的白领年轻人，无法代表中国人口的平均水平。但是有一种情况下我会接受网调的结果，那就是实验数据。做实验不需要样本的代表性，只需要实验组和控制组随机分开就可以了。
第四种数据来源是实验数据。实验数据正在成为一股热潮，正在被越来越多的文章使用。一个重要的原因是低成本，实验可以在少则几十多则几百个人中、并在一个固定的地点甚至网上进行，比全国性的抽样问卷调查省钱的多。实验的另一个好处是比问卷调查更能够准确地确立因果关系，例如在问卷调查中可以问受访人是否经常使用媒体，然后再问受访人对时事的兴趣。虽然研究者认为媒体使用会增加对时事的兴趣，但是问卷调查的两个问题并没有直接的因果关系。而在实验中，受访者可以观看一段媒体报道，如果之后对时事的兴趣提高，就说明媒体和时事兴趣有因果关系。虽然实验有上述优势，但它的样本往往有限，不具代表性。现在越来越多的做法是将抽样调查和实验结合起来，既避免了两者的不足，又包括了两者的优点。当然，这种做法要有足够研究经费的保证。
从目前数据利用的发展趋势来看，越来越多的作者在一篇文章或一本书中会同时使用多种类型的数据，包括动辄几十万、几百万，甚至上千万的大数据，还有面访的问卷调查数据、实验数据和深入访谈的数据，如果你的研究包含了所有这些数据类型，并且运用了比较新的统计方法，编辑和审稿人都会对你另眼相看，哪怕研究的创意并不是那么明显。
六、最好别说“别人没做过”
老实说，我在看稿子时对文献部分花的时间并不多，并不是说这一部分不重要，而是由于我从事这方面的研究时间比较长了，对现有文献中讨论的问题比较熟悉，况且经常参加学术会议，也知道什么人在用什么数据做什么题目并有什么新发现。有时候我看看参考文献，就大概知道作者是否找到、并讨论了应该讨论的问题了，或者作者根本就不熟悉本领域的研究现状。
在文献讨论中，除非你非常有把握，建议最好不要说“我做的研究还没人做过”，这样比较容易得罪审稿人。在审稿人眼中，你做的东西他或别人都想过或者做过，你说没人做过是在打审稿人的脸。比较有效的文献讨论是在很好阅读和领会了现有研究的基础上提出新的问题，比如说现有文献无法解释的现象，或者是现有文献中存在对立的观点，或者说现有理论中还没有用数据证明的观点。
另外，在文献引用时一定要避免不加引号地引用原文，最好的方法是paraphrase（意译），也就是用自己的话把文献中的观点说出来，否则会被人指责你是在剽窃。然，要做到意译，首先要求作者对英文文献有准确的理解，这对有些国内的学者来说可能并不容易做到。
有的时候我从参考文献中能看出来这个稿子是否是国内学者写的，因为国内学者一般对国内的文献引的会比较多，英文会比较少，中文的文献相对比较新，英文的比较旧。这种情况会让审稿人觉得作者对当前英文语境下的研究现状不熟悉。
有时候我和国内学者聊天时，常常有人问我在某一个题目上有什么经典文献。在现在的网络时代，这个问题其实可以在网上回答，如果你能上Google Scholar（谷歌学术），就可以搜索关键词，然后再查看各个搜索结果的引用量，这比任何人告诉你的“经典”文献都更准，因为经典难免有主观性。另一个快速掌握英文文献的办法，就是找几本或几篇关于某个你感兴趣的题目最新出版的专著或文章，最好是好一点的出版社或杂志出的，从参考文献入手，但一定要比较新的作品。
七、理论与经验的对话
量化研究通常是先有数据（经验）然后再考虑做什么题目，而在分析数据的过程中，很容易陷进去拔不出来，忘了这些数据后面代表的理论问题，从而犯了见树不见林的错误。这是一个比较常见的问题，也是比较致命的。
记得看过一篇稿子，所用的调查数据中有受访人对医保政策过去的满意度和将来对该政策满意度的预期，作者用这两个问题之间的差别做了一个新变量，叫做满意度差，差别越大该变量的值就越大，但却不分到底是过去满意度大于未来满意度，还是未来满意度大于过去满意度，然后用此来估计民众对政府的信任度。这个做法表面上看挺聪明，但作者却没有说明这个新变量到底代表了什么意思，让读者无法理解这个研究的意义到底在哪里。这个问题的实质是经验与理论的脱节。
还看过一篇文章，通过数据分析得出结论，电视会加强年轻人对中央政府的信任并促进选举参与，使用微博会加强他们对地方政府的不信任并导致非选举参与，仅此而已，让人看完了很不过瘾。虽然作者把当下时髦的概念都牵扯进来了，诸如政治传播、政治参与、政治信任等等，但更重要的问题没谈：这对媒体的发展有什么意义？选举参与与非选举参与的区别有什么意义？不同媒体和不同参与形式对政治支持度和政权稳定性又有什么意义？至于说这个研究如何与理论研究对话，只好留给读者自己去琢磨了，这是经验与理论脱节的另一种表现形式。
类似的例子还有很多，举不胜举。例如我还看过一篇讲政治信任与人际信任关系的文章，通过一套高深复杂的统计分析，得出了一个耐人寻味的结论：当人际信任从信任自己人扩展到信任陌生人时，政治信任会从信任中央政府下降到信任地方政府。这是一个不大不小看似很有内涵的结论，但是它却缺乏与理论和制度层面的连接。让人看完了不禁会问：然后呢？这对不同政治制度的比较有什么意义？对中国政治制度的发展又会有什么意义？对西方的民主制度又意味着什么？只有回答了这些理论层面的问题，才能让读者感觉有所收获，以及量化研究对理论的贡献。
还有一类文章，通过大量的数据分析，得出很简单的结论。例如没有工作安全感的人更容易参加集体抗争行为，国内经济不好了政府就会在外交上更加强硬以激发民众的爱国主义情绪从而加强对政府的支持，民众对法治的认知和政府对法治的解读高度相关等等，这些显然都是一般人都懂的常识，如果作者不帮助读者在理论上升华，读者就会觉得这种研究好没有意思，秀了一大堆技术肌肉，得出一个常识性结论，不免让人觉得四肢发达头脑简单，这是一个定量研究中比较典型的问题，也是那些对定量研究不屑的人经常用来敲打定量研究的借口。这是经验与理论脱节的又一种表现形式。
那么如何区分什么是常识性结论、什么不是呢？有些人会说：我还没看够那么多的书，所以我不知道文献中哪些是大家都认可的“常识”。我个人倒是觉得，所谓常识，就是你没看那么多书就可以想到的事情，否则就不叫常识了，例如生活水平提高了人们会更支持政府，香港人看到周围的人去游行所以自己也想去凑热闹，法治加强了犯罪率就下降了等，这些结论真的不需要多少学问就能理解。但是如果你说生活好了支持率反而下降，知道别人去游行反而我不想去了，法制加强了犯罪率反而上升了，这就有些反常识了，读者会更好奇你为什么会得出这些反常识的结论。但如果要能“反常识”，首先应该有常识感。
八、数据分析：四肢发达头脑不能简单
数据分析是定量研究的核心部分，也是我看稿子最关注的部分。数据分析的软件包目前用的比较多的是STATA，还有人仍然在用SPSS, SAS，这些都是付费的，最近几年比较流行的免费软件是R，很多年轻人比较喜欢用R，除了不要钱，他们觉得很酷，因为是新的，而且用户可以自己写程序（其实STATA也可以）。记得当初我在匹兹堡大学（University of Pittsburgh）工作时，别人都在用当时更流行的SPSS，我们全系只有我一个人会用STATA，学生问我为什么不教他们SPSS，我说是因为STATA更酷。这么多年过去了，R开始流行，我已经落伍了，不知道20年之后现在这些觉得R很酷的人会怎么想。其实每个软件包的功能都是大同小异，并且也都在不断地自我完善，软件包就像工具一样，用熟了都会越用越好用。
不仅仅是数据分析的软件包在不断更新完善，数据分析的方法在过去的几十年中也发生了巨大的变化。我记得以前在爱荷华大学（The University of Iowa）工作时有一个同事，他是60年代伊利诺伊大学香槟分校（University of Illinois at Urbana-Champaign）博士毕业的，很快被爱荷华大学雇用，是因为他掌握了当时最前沿的统计分析方法：用计算器手算相关系数！时过境迁，别说用手算，哪怕使用计算机，现在的论文如果只有相关系数而没有回归分析，基本没有发表的可能了。
近几年看的稿子中，数据分析方法较之前也有了不少改进，以下是几个例子：
（1）以前的回归模型中的自变量是不太容易区分对待个人变量和单位变量的（如社区、学校、地区等），现在可以用多层次回归模型对不同变量分别处理（multilevel analysis）
（2）以前做完回归模型就可以了，现在比较时髦的做法是还要加上一个检验的步骤——稳健性检验（robustness check），例如利用工具变量对模型中变量之间的因果关系的检测，以证明回归分析结果的可靠性
（3）回归分析的结果以前用一个表格就可以了，但现在时髦的做法是用95%置信区间（confidence interval）图来表示
（4）以前的回归分析只要把自变量放入模型中就可以了，现在比较时髦的做法是要进一步检查自变量之间的交互作用（interaction effect）
（5）以前为了不损失样本量，对缺失值的处理是将其编为均值，现在的新方法是利用数据中其他变量的已知信息去估计另一个变量中的缺失值——多重插补（multiple imputation）
（6）以前的回归模型中的变量只能是自变量或因变量，但是新的方法可以在同一个模型中将一个变量同时作为自变量和因变量——结构方程模型（structural equation model）
当然，还有其他很多新的方法在不断地涌现，这里只是想举一些比较常见的例子，不可能全面。
现在越来越多的作者正在用新的统计软件和新的统计分析方法，但有些人在写论文时经常会忽略最基本的注意事项，其中最常出现的问题是不提供回归模型中所使用的变量的统计特征——描述性统计（summary statistics），即每个变量的样本量，均值，标准误差，最小值与最大值。我所看到的稿子中大概有80%都忽略了这一步，殊不知这些信息对解释文章的回归分析结果有着至关重要的作用，例如如果回归模型的样本量有缺失，变量的统计特征就会显示是哪个变量造成的。更重要的是，只有知道每个变量的最大值和最小值，才能解释其回归系数及其在回归模型中的相对重要性。
数据分析的另一个常见的问题是图表的标识不清楚，例如在一个回归分析表格中，只标有“模型1”，“模型2”，“模型3”等，但却看不出因变量是什么，还有的图表没有标出数据来源。有的时候其实作者应该在图表下面加一些注释，以便读者理解和解释图表中的结果。当然，作者会说，你要的这些信息我在文章中都提供了，但问题是有些读者（包括我）常常是首先就奔着表格去了，如果你的图表不能一目了然，还要翻页去找答案，会增加读者的负面心理。
九、写作风格：尊重你的读者
一般的刊物和出版社都会要求审稿人对稿子的写作风格提出意见，这说明了写作水平的重要性，而写作水平说白了，就是两点，一个是能不能吸引人，除了要有新意，吸引力还要求文章的语言要流畅、诙谐，每一句话和每个段落之间有逻辑的衔接，文章结构要有完整性。
另一个更重要的写作要求，也是最基本的，是能不能让人家看懂，这一点对于定量分析的文章尤为重要。有些作者，特别是在研究生阶段或者是研究生刚刚毕业的（包括我自己），学了一大堆统计方法，都倾注到文章中了，却不会用一般人能听懂的语言来解释其中的机理。记得有一次看过一篇稿子，作者用了一个高深的“施耐德-马力诺托夫”模型，得出了一个统计意义显著的系数，于是就声称自己的假设被证明了。我在审稿意见中问作者什么是“施耐德-马力诺托夫”模型，作者回了两页纸的数学推理，我只好再次问作者是否能把这两页纸的数学推理放到附录中去，在文章中用通俗易懂的语言解释一下这个模型的基本原理是什么，为什么要用这个模型而不是其它的方法。如果秀了一大堆技术肌肉再得出一个大家都知道的结论，就更显得你四肢发达头脑简单，让读者更加反感，觉得你是在忽悠人家。
还有一个小的建议，可以增加文章的易读性，对于定量分析的文章，有的时候不要怕重复，例如你在开头说了爱国主义的四个定义，隔了五六页之后，在数据分析这一节中用到爱国主义时，可以再提醒作者一次开头的那四个定义。再比如，在数据分析中虽然你已经说到了结果，但在文章的结论中不妨再提醒读者你数据分析中的主要发现是什么，因为有时候读者会直接去看你的结论，从中找不到你的主要发现，还要反到前面去，容易让读者产生不耐烦。
总之，写学术文章时应该从读者的角度考虑，应该让读者看起来容易理解并且有意思，而不是晦涩难懂，应该怀着尊重和感激写，应该对读者说：我懂的并不一定比你多，感谢你抽时间看我的文章。有时候会听到作者抱怨说审稿人根本就没有看懂TA的文章，我的直觉反应是作者应该从自身找问题，人家看不懂可能不是人家的错儿，是你自己没写清楚。
十、学术审稿的主客观性：三七开
英文学术文章和专著的匿名审稿制度历来存在很大的争议，支持的人认为匿名可以最大限度的消除审稿人的主观偏见，反对的人则认为匿名制度存在较大的随机性，无法使自己的稿件得到更加专业的评价。以本人有限的观察，这个制度有客观的一面，但仍然有主观的因素，但客观性为主，可以占到60-70%，剩下的主观性大概占到30-40%，而在主观性中，又包含一定程度的随机性（例如送给谁审稿）。
客观性是指文章的质量，包括观点是否新颖，证明是否严谨，是否吸收了前人的成果，研究的问题是否有理论贡献和文章的写作是否流畅易懂等。主观性表现在几个方面，一个是文章的时间性，如果当下美国媒体的时髦话题是中美贸易战或者是新冠肺炎疫情，那么这方面的文章说不定会更加引起主编和审稿人的兴趣。另一个主观因素是政治正确性，如果美国媒体都在“反华”，那么说中国好的文章就会被审查得更加严格，还有，你的文章正好是审稿人喜欢的类型或结论，或你引用了审稿人的文章，这样你过关的可能性也会增加。
主观性的另一种表现形式是主编不把你的稿子送出去审（desk rejection），这是因为你的稿子不适合TA的刊物或出版社，作者对这种拒稿完全没有必要灰心，因为这种做法与稿子的质量完全没有关系，转身把稿子寄给其他编辑部就可以了。
主客观性有时还表现在刊物的组织和管理上，现在越来越多的英文期刊采用轮换主编制度，有些期刊甚至还采取团队制度，例如目前的《美国政治学评论》（American Political Science Review, APSR）就有若干个团队，包括美国政治团队、国际关系团队、比较政治学团队、政治学理论团队等等，每个团队成员的任期是有限制的。这样的好处是没有人会积累过多的权力，有利于客观性和机会平等，但问题是过多的人参与和过分频繁的轮替会导致刊物质量的不稳定。另一些刊物是由一个主编长期把持，这种形式可以避免轮换制带来的不稳定因素，使刊物的特点更加突出，质量更稳定，但问题是主编在做决定时难免会受到任人唯亲的主观因素的干扰，从而影响了刊物的客观性。例如，主编可以决定找什么样的人审稿更容易通过，主编还可以决定一篇稿子是“枪毙”还是让作者继续修改，这里面的主观因素会起很大的作用。
十一、学术专著依然是立足之本
接下来想说一说学术专著的发表和审稿。现在在美国的政治学界有一种说法，文章比书重要，越来越多的博士生只要写三篇文章就能毕业（不用发表），不用像以前那样要写书一样长的博士论文。这个现象的确存在，但是有原因的，和钱有关系。美国大学近年来一直面临经费紧缩的压力，都希望用有限的资源培养更多的博士毕业生，如果必须有博士论文才能毕业，就会卡住很多人。我见到的用三、五年才能写完论文的人不在少数，因为博士论文是一本书，而写一本书要求作者有更深入的研究和思考，而写三篇独立的文章会容易得多，可以在一两年内完成。尽管如此，很多学校在比较政治学这个领域还是更看重书而不是文章，特别是在好的学校评终身职时，书还是不能少的。
出书的程序是这样的，作者先和出版社联系，寄去一个简短的说明，如果出版社感兴趣，就会要求作者把书稿寄给出版社。同时，出版社有时候会要求作者提供几位审稿人的姓名，出版社会在此名单中选一两个，然后再根据自己的名单选一两个。审稿人在审阅稿件时，会知道作者是谁，但作者并不知道审稿人是谁。与文章不同，书稿可以一稿多投，只要你在投的时候告诉出版社就可以。审书稿时，出版社一般都会给你两三百美元的代金券，让你在他们出版社买书用。
在比较政治学领域，评职称一般需要两本书，第一本是用来评终职并提副教授的，第二本是用来评正教授的。出版社一般要求是大学出版社，商业出版社对评职称用处不如学术出版社大，特别是比较注重研究的大学。当然，如前所述，现在很多人没有书也能评上职称。无论是书还是文章，在顶级期刊或出版社发表和评职称这种比较功利的考虑之外，最重要的还是看它是否有利于知识的积累和理论的发展。
十二、学术刊物的排名很重要，但是权宜之计
现在学术论文的发表越来越讲究排名了，首先是要看期刊是否在社会科学引文索引之列（Social Science Citation Index），然后还要看每个期刊的引用量，因为现在各个大学在考核和评职称时越来越用此作为指标，国内好像尤为看重。
在什么期刊发表固然重要，但本人觉得文章的质量更重要，好种子插在牛粪里也能开花，有些影响很大的文章并不是在排名很高的杂志和出版社出的，例如亨廷顿（Samuel Huntington）的文章和书、福山(Francis Fukuyama)的文章和书，都是在排名不高甚至连匿名审稿都不是的刊物和出版社出的，但是后来都有广泛的读者和很大的影响力。
学术刊物的排名与刊物文章的引用量有很大关系，而引用量又是一个不太靠谱的指标。一篇文章的作者越多，引用量就会越大，因为每个作者都会宣传自己的作品，形成弥散效应，同样是一篇文章，三个作者的引用量说不定是另一篇单一作者的三倍。另外还有一种情况也会影响到引用量，在美国，研究美国政治的学者远比研究中国的人数多，所以一篇讲美国政治的文章的引用量就会高于讲中国的文章。总之，起码在这两种情况下，引用量都和文章的质量关系不大。一个办法是对引用量加权，用作者人数来除引用量，这样可以避免由于作者人数而产生的通胀效应。
起码到目前为止，在美国的研究型大学中，期刊排名和文章引用量并不是评职称的硬性指标，只能用来参考，同领域的同行匿名外审仍然是最重要的因素。
十三、总结
总之，我喜欢的文章是简单明了，技术过硬（包括数据和分析方法），结果新颖，吸取前人的研究，涉及到重大理论问题。换一种说法，如果我觉得一篇文章有发表的可能，它的结论应当有理论贡献，数据或者方法比别人更好更新，并且/或者证明过程无懈可击。
记得以前在芝加哥大学读书时，我的导师亚当·舍沃斯基（Adam Przeworski）曾经说过，一篇好文章或一本好书必须要满足两个条件：性感 ＋暴力。性感的意思就是我前文所说的吸引眼球和激起读者好奇心的能力，这个相对比较容易做到，但要达到暴力的境界就不太容易，因为暴力意味着破旧立新，而 “旧”的意思是现有的普遍接受的观点及其所连带的既得利益。如果太暴力，会遭到包括大咖在内的学者们群起而攻之，因此风险比较大，对文献、理论、数据、方法、写作水平等要求会更高，而一旦成功，影响力也就不言而喻。
最后，我想鼓励国内的学者多在英文刊物和出版社发表自己的作品。近些年来有不少国内的学者已经开始在一些英文刊物上发文章了，我也经常能看出来有些匿名稿件是国内学者写的（从写作风格和参考文献上有时候能猜出来），这说明中国的学术界正在走向世界。当然用英文写作在语言上和参考文献上会是挑战，但近年来越来越多在国外读过书的学者回到了国内，带动了国内学者与国际学术界的对话，同时也促进了国内学者英文水平和英文文献掌握程度的提高。国内学者的好处是对中国的情况更了解，说话更有发言权，而且常常有更好的数据。更重要的是，英文的匿名审稿制度不管你来自哪个国家、是哪个学校毕业的，也不管你是研究生还是有终身职的教授，人人都有平等的机会来展示自己的研究成果，并得到相对公平的反馈意见。
本文来源：《中国政治学》2020年第3辑 作者：唐文方
如有侵权，请联系本站删除！
