大语言模型辅助的开放同行评议文本挖掘：基于关注维度与语言风格的分析

出版科学 ›› 2026, Vol. 34 ›› Issue (4): 42-53.

大语言模型辅助的开放同行评议文本挖掘：基于关注维度与语言风格的分析

（上海大学文化遗产与信息管理学院 / 上海大学情报研究中心，上海，200444）（上海大学文化遗产与信息管理学院，上海，200444）（华中师范大学信息管理学院，武汉，430079）（武汉大学信息资源研究中心 / 武汉大学信息管理学院，武汉，430072）

收稿日期:2026-03-02 修回日期:2026-06-07 出版日期:2026-09-15 发布日期:2026-09-15
作者简介:陈晓宇，哲学博士，上海大学文化遗产与信息管理学院 / 上海大学情报研究中心副教授；张浩亮，上海大学文化遗产与信息管理学院2024级硕士生；曾粤亮，管理学博士，华中师范大学信息管理学院副教授；邓胜利，管理学博士，武汉大学信息资源研究中心 / 武汉大学信息管理学院教授。
基金资助:
本文系上海大学一流研究生教育培养质量提升项目教育教学改革专项“大模型驱动图书情报学研究方法教学：场景、问题与策略”（2025GY4）阶段性成果。

Mining Open Peer Review Reports with a Large Language Model: Focal Dimensions and Language Styles

（School of Cultural Heritage and Information Management / Information Research Center, Shanghai University, Shanghai, 200444）（School of Cultural Heritage and Information Management, Shanghai University, Shanghai, 200444）（School of Information Management, Central China Normal University, Wuhan, 430079）（Center for Studies of Information Resources / School of Information Management, Wuhan University, Wuhan, 430072）

Received:2026-03-02 Revised:2026-06-07 Online:2026-09-15 Published:2026-09-15

摘要/Abstract

摘要：

为分析开放同行评议文本的内容结构与话语特征，以《心理学报》公开评审报告中的62901 条评审语句为对象，基于 Llama3.2:8B 构建关注维度与语言风格双维度的分析框架。结果表明：在关注维度上，研究 / 实验设计关注度最高（45.61%），文献综述最低（10.60%），呈现鲜明的实证导向特征；在语言风格上，文本以中立表达（46.89%）和高正式度（99.00%）为主，否定与质疑类意见中低礼貌度、高主观度文本占比均超过 60%，形成兼具批判性与建设性的表达模式。揭示了开放同行评议的内容结构与话语规律，为优化中文学术出版物的评审规范、提升开放评议质量提供实证依据。

Abstract: To reveal the content structure and discourse characteristics of open peer review texts, this article takes 62901 review sentences from publicly available review reports of Acta Psychologica Sinica as the research object, and establishes a dual-dimensional analytical framework including focal dimensions and language styles. The results show that research/experimental design receives the highest attention（45.61%）, while literature review receives the lowest（10.60%）, showing a distinct empirical orientation. In language style, texts are dominated by neutral expressions（46.89%）and high formality（99.00%）. In negative and questioning comments, the proportions of low politeness and high subjectivity both exceed 60%, forming a critical yet constructive expression pattern. This article reveals the content structure and discourse logic of open peer review, providing empirical support for improving Chinese academic review norms and evaluation quality.

Key words: Open peer review　Focal dimension　Language style　Large language model　Scholarly evaluation behavior

中图分类号:

G237

陈晓宇　张浩亮　曾粤亮　邓胜利. 大语言模型辅助的开放同行评议文本挖掘：基于关注维度与语言风格的分析[J]. 出版科学, 2026, 34(4): 42-53.

Chen Xiaoyu Zhang Haoliang Zeng Yueliang Deng Shengli. Mining Open Peer Review Reports with a Large Language Model: Focal Dimensions and Language Styles [J]. Publishing Journal, 2026, 34(4): 42-53.

参考文献

[1] Armstrong J S. Barriers to scientific contributions: The author’s formula[J]. Behavioral and Brain Sciences，1982，5（2）：197-198
[2] Walker R，Rocha Da Silva P. Emerging trends in peer review: A survey[J]. Frontiers in Neuroscience，2015，9：169
[3] Dondio P，Casnici N，Grimaldo F，et al. The “invisible hand” of peer review: The implications of author-referee networks on peer review in a scholarly journal[J]. Journal of Informetrics，2019，13（2）：714
[4] 钱寿初. 审稿是否可以公开了?[J]. 编辑学报，1999（3）：186
[5] 郑辛甜，张斯龙. 学术期刊公开同行评议的发展现状及发展趋势[J]. 中国科技期刊研究，2015，26（2）：133-135
[6] 杜杏叶，李贺，王玲，等. 中国学者对学术论文公开同行评议的接受度研究[J]. 图书情报工作，2018，62（2）：75-80
[7] 贺颖，徐小然. 基于特征数据的开放式同行评议关键因素的实证分析[J]. 中国科技期刊研究，2022，33（8）：1043-1044
[8] 曾粤亮，乔雨杉，郑汉. 开放科学背景下开放同行评议模式体系及协同运行机理[J]. 出版科学，2024，32（1）：90-95
[9] 李艳红，邓履翔. 科技期刊实施开放同行评议面临的挑战与应对策略[J]. 科技与出版，2025（6）：81-85
[10] 王勇臻，王贤文. 同行评议质量新探：同行评议意见挖掘研究综述[J]. 信息资源管理学报，2023，13（2）：129-130
[11] Herber O R，Bradbury-Jones C，Bling S，et al. What feedback do reviewers give when reviewing qualitative manuscripts? A focused mapping review and synthesis[J]. BMC Medical Research Methodology，2020，20：122
[12] 梁帅，高继平. 基于F5000论文评审意见的优秀论文特征识别[J]. 科学学研究，2017，35（3）：335-337
[13] 高耀，杨佳乐.“存在问题”专业硕士学位论文中的典型问题：基于Y市论文抽检同行专家文字评审意见的分析[J]. 教育科学，2017，33（3）：70
[14] 陈然. 工程类专业硕士学位论文的典型问题：基于论文抽检专家文字评审意见的分析[J]. 大学教育，2023（22）：139-140
[15] 张光耀，谢维熙，夏鑫璐，等. 非共识研究的影响力更高还是更低呢?——基于中文开放同行评议审稿意见的分析[J]. 情报理论与实践，2022，45（9）：107
[16] Sun Z. Textual features of peer review predict top-cited papers: An interpretable machine learning perspective[J]. Journal of Informetrics，2024，18（2）：14
[17] 李佳轩，高宏宇，郭剑明，等. 我该如何表达？在线知识社区中语言风格对知识交互质量与满意度的影响[J]. 图书与情报，2025（2）：113-114
[18] Wang S，Sun X，Li X，et al. GPT-NER: Named entity recognition via large language models[C]//Findings of the Association for Computational Linguistics: NAACL 2025. Albuquerque: Association for Computational Linguistics，2025：4264
[19] Lv T，Luo L，Li J，et al. A unified biomedical named entity recognition framework with large language models[EB/OL].（2025-10-08）[2025-12-15]. https://arxiv.org/abs/2510.08902
[20] 林建浩，孙乐轩. 大语言模型与经济金融文本分析：基本原理、应用场景与研究展望[J]. 计量经济学报，2025，5（1）：14-15
[21] 龚永罡，陈舒汉，廉小亲，等. 基于大语言模型的中文开放领域实体关系抽取策略[J]. 计算机应用，2025，45（10）：3121
[22] 王紫璇，卢笑，周炫余，等. 基于大小语言模型协同的评教文本方面级情感分析模型[J]. 武汉大学学报（理学版），2025，71（5）：687
[23] 龙禹辰，勾智楠，陈宇欣，等. 基于大语言模型的多任务生成式重构对话情绪识别[J]. 计算机应用研究，2025，42（7）：1969
[24] Saussure F D. Course in general linguistics[M]. Baskin W，trans. London: Peter Owen，1959：65-66
[25] Eco U. A theory of semiotics[M]. Bloomington: Indiana University Press，1976：48-52
[26] Artstein R，Poesio M. Inter-coder agreement for computational linguistics[J]. Computational Linguistics，2008，34（4）：590
[27] Wolfram D，Wang P，Hembree A，et al. Open peer review: promoting transparency in open science[J]. Scientometrics，2020，125（2）：1037