在中国，若是一种管理学刊物被国家自然科学基金委管理学部认定为A类重要期刊（以下简称“A类期刊”），那是颇为光荣的。我恰好参与了两种A类期刊的编辑工作：《情报学报》和《中国软科学》。另外，我也是另外两种A类期刊的编委会成员。我们这些A类期刊办刊人的共同感慨是：来稿众多，中意者甚少。换句话说，我们收到的部分稿件并不能令人满意，那么，我们到底欢迎什么样的稿件呢？

一是选题新颖的稿件。例如，Altmetrics是个问世不太久的新概念，本刊2013年第2期发表《不同类型选择性计量指标评价论文相关性研究》就较敏感地抓住这个新概念做了一些实证研究。与此同时，我们厌恶“伪新潮”选题，比如，有的来稿在标题中挂上“数字时代”、“XX2.0”、“大数据”之类的新潮标签，其实内容非常老旧。

二是论证透彻的稿件。选题新颖毕竟是较为困难的，但若能采用不太新的题目，做出令人耳目一新的文章，那也很好。正好比，能设计出“领导服装新潮流”的设计师是了不起的，能根据已有设计生产出高质量服装的厂家也同样是了不起的。本刊2013年第1期发表的《科学计量学的研究主题与发展基于普赖斯奖得主的扩展作者共现分析》，虽然在研究方法与研究对象上并无创新之处，但是，由于整篇文章逻辑清晰，实证扎实，仍然能够使读者获得一些启示。与此同时，我们厌恶“伪定量研究”型文稿，比如，某文稿利用问卷调查获得的数据建立某种模型，建模过程自身并没有问题，但仔细考察一下问卷填写者的情况就可以推定，他们对问卷上的问题不可能有多深的理解，只能是应付性地乱填一番。在这种情况下，定量分析部分再严谨，又有什么意义呢？

三是勇于探索的稿件。这里的探索，包括思想、方法、研究对象等各个方面。例如，本刊2012年第12期发表了《用共关键词网络揭示知识结构的实验研究》一文，该文与过去人们主要依赖引文分析来揭示知识结构的思路不同，探索性地利用共关键词形成的网络来揭示知识结构。即使这样的工作还很不完善，但我们也永远应该为探路者喝彩、加油。与此同时，我们不太欢迎（不是厌恶）所谓“中规中矩”的论文，这类文章的特征是：选题不新鲜，方法是老一套，可能选择了一个人们过去没有做过实证研究的学科或领域做了一番实证，实证过程没有错误，提供了一些能使人们加深对该学科或领域的认识的信息。

与浏览中文情报学期刊时的感受相比，我在阅读英文情报学期刊时感到眼前一亮的情形要更为频繁。我们必须承认，目前中文情报学期刊（包括《情报学报》）所登载论文的平均水平与国际同行办的期刊所登论文的平均水平相比，还有一定的差距。例如，Journal of the American Society for Information Science and Technology杂志2010年第2期发表的论文The Impact Factor's Matthew Effect: A Natural Experiment in Bibliometrics就是可以让人击节称叹的文章。该文对4532组“重复发表”论文被引状况的对比分析表明，发表在较高影响因子刊物上的论文，要比发表在较低影响因子刊物上的同样内容论文的被引次数，平均高1倍！文章是一样的文章，被引次数却有差异，这说明，文章被引用，反映的并非完全是论文的内在价值，还部分反映了发表这些论文的期刊的影响力和显示度。换句话说，马太效应在这里是存在的。

如果在我们的来稿中不时出现这么高水平的论文，作为主编，我做梦都会笑醒过来。

文章转载自：http://blog.sciencenet.cn/blog-1557-749364.html

13博士班杨艳妮供稿