SSP 2027 年会主题“定义我们的未来:重新审视出版什么、如何出版与为何出版”
SSP 2027 年会将于 6 月 2-4 日在罗德岛普罗维登斯举行,主题为“定义我们的未来:重新审视出版什么、如何出版与为何出版”。会议征集教育专场提案,截止 11 月 9 日,海报、5 分钟预览和 Industry Breakout 专场截止日期均在 2 月。
按时间排列的全部内容。默认只显示通过双重评分的入选条目;切换到“全部收录”可以检索所有抓到的资料。
166 条收录动态,更新于 21:25
全部收录包含没有通过评分的资料,标题以常规字体显示并标为“未入选”,只供检索,不写入选理由。
SSP 2027 年会将于 6 月 2-4 日在罗德岛普罗维登斯举行,主题为“定义我们的未来:重新审视出版什么、如何出版与为何出版”。会议征集教育专场提案,截止 11 月 9 日,海报、5 分钟预览和 Industry Breakout 专场截止日期均在 2 月。
Silverchair 在 Platform Strategies 2026 召集 Science Magazine、NEJM Group 等机构专家,讨论科学不实信息传播快于严谨科学时出版方如何应对。
Silverchair 宣布与 ReviewerZero 合作,将科研诚信检查接入 ScholarOne Manuscripts 的投稿、邀请审稿人、审稿报告提交和返修四个环节,该集成现已向使用 ScholarOne Manuscripts 的出版商开放。
入选理由同行评审环节的诚信筛查被接入 ScholarOne 工作流,编辑可在投稿、邀请审稿人、审稿报告和返修四个节点看到证据。
Google DeepMind 近期将 SynthID Detector 向公众开放,并推出 SynthID Bio 为 AI 设计的功能性蛋白质加水印。Pushmeet Kohli 与 Dartmouth 教授 Hany Farid 讨论了溯源为何是 Google DeepMind 使命的关键,认为其核心是水印技术,需前沿研究、可互操作的开放标准及跨平台协作。全文见 Google 公共政策博客。
研究团队提出一条流程,把微调后的神经网络 AI 文本检测器转换为基于人类可读概念的分类器:直接在检测器的残差流上训练稀疏自编码器(SAE),为每个 SAE 特征分配自动解释标签,只保留描述通过全局保真度阈值的特征,再在这些可解释特征上训练轻量分类器。
2026 法兰克福书展上,关于 AI 的讨论焦点从能力转向权限、责任与可信内容能否被实际发现和使用。Research Information 的 Scholarly Publishing: Trends for Constructive Growth 报告显示,学术机构被普遍认为对 AI 准备不足,科研诚信虽是共同优先事项,但产业界与学术界的进展认知存在差距。
MDPI 数据智能团队提出 MATCH 框架,用标题、摘要和作者关键词把 SCALE 分类体系中的 Scientific Concepts 分配给单篇论文,并保留完整层级路径。
LSE Impact Blog 刊文主张,高校学者作为知识生产者与教育者,负有伦理责任捍卫 Wikipedia 等开放知识社区。文章称生成式 AI 产品分流读者、未经授权抓取内容,而 Wikipedia 由志愿者社区运营、依赖读者补充新血。
Crossref 与 STM 合作面向全体会员发起科研诚信调查,问卷已发送至各机构主要联系人,由机构内科研诚信专家填写,开放至 11 月 15 日。调查聚焦会员遇到的不端问题类型及其对工作流程的实际影响,结果将用于指导 Crossref 科研诚信(ISR)项目的下一步,并计划在 12 月 9 日 STM 的 Research Integrity Day 上分享。
担任 Elsevier 期刊 Nurse Education in Practice 主编的 Prof. Roger Watson 在 SciSpace 网络研讨会上拆解了编辑在送审前如何筛稿:他假期后收件箱积压 152 篇稿件,预计仅 25 篇能转给其他编辑处理。
SciSpace 发布指南,对比研究论文与综述文章的区别:研究论文报告原创调查发现,综述文章则综合已有研究、评估证据一致与冲突之处并指出未解问题。指南梳理了两类文章的常见类型与结构,并说明选择取决于研究目标、已完成的工作和目标期刊要求。
Frontiers 在都柏林举行的 2026 AI in Science Summit(AIS26)上发布 AI in Science Enablers 承诺。
入选理由Frontiers 把数据整理、数据论文发表和 AI 数据管理工具打包成面向 Horizon Europe 研究者的免费支持,可观察出版商如何介入研究数据准备环节。
IOP Publishing 出版新刊 AI Horizons,这是一本专注人工智能的钻石开放获取期刊,与宁波东方理工大学、浙江省科协和世界青年科学家联合会合作创办,由东方理工大学校长陈十一任主编。期刊覆盖 AI for science and engineering、时空智能、具身智能与量子智能,读者可免费阅读,作者无需支付文章处理费,费用由期刊赞助方承担。
Digital Science 旗下 Symplectic Elements 以 OA Monitor 等工具减少开放获取带来的手工行政负担,支持一键存缴与后台自动采集数据。
数学研究者 Shaoming Guo 等在 Terence Tao 博客宣布正筹备一本新期刊,拟以“理解优先于首发”和“论文证明须经 Lean 形式化验证”为核心准则,以应对大语言模型参与数学证明后难以察觉的错误风险。该刊尚在规划阶段,除开放获取等传统价值外另设上述两条标准,作者同时公开征集对这一方案及不同期刊愿景的反馈。
面对 AI 引发的投稿潮,计算机科学会议开始对投稿数量设限。Lancet Group 工会成员在上月首次罢工后计划再罢工三天,理由是雇主未采取行动。OpenAI 最新成果引发数学家震动,相关预印本已被撤回。
中国科学院自动化研究所主办的英文新刊Data Research and Applications(DRA)将于2026年底正式出版创刊号,主编曾大军称其定位是让数据与模型以独立、可引用、可评价的学术体裁进入学术秩序。
青海高等职业技术学院教师杨某称,其2014年本科毕业论文《试论白鹿原黑娃悲剧形象》于2021年被同事李某的妻子用于自考本科毕业论文申请学位,2025年李某又将该论文提供给校内同事,后者论文于2026年公开发表。学院已成立专项核查工作组启动核查程序。
近期多家期刊宣布暂不接收生成式人工智能参与写作的稿件,润色、改写、翻译也在拒绝范围内。《五台山研究》编辑部2026年10月15日称,审稿中发现个别稿件内容空泛、逻辑脱节,甚至存在篡改引文、虚构文献及杜撰史实等问题,违规使用 AI 的稿件将一律退稿,并视情节限制或拒收该作者后续投稿。
学术出版学会(SSP)第49届年会将于2027年6月2日至4日在罗德岛普罗维登斯举行,现已开放教育分会、行业分组会、海报和5分钟行业预览四类提案征集。教育分会截止2026年11月9日,行业分组会截止2027年2月1日,海报与5分钟行业预览均截止2027年2月12日,提案通过Ex Ordo提交。
MIT 校长 Sally Kornbluth 在 STAT Summit 上表示,联邦科研经费削减 1 亿美元直接导致该校今秋研究生入学人数减少近 500 人,较 2024 年下降 20%。
OpenAlex 为每个来源新增 listed_in 字段,记录该期刊出现在哪些外部期刊名单上,用户可在网站和 API 中按名单过滤文献与来源。
入选理由OpenAlex 把 61 份可信期刊名单做成可查询字段,研究者与评估方可以按名单而非单一索引划定检索和评价边界。
Wiley 产品管理高级总监 Chris Reid 提出,学术内容正从"智能体发现"走向"智能体消费"——后者指系统在工作流中使用文献、执行动作、评估结果并决定下一步。
Prophy 提出,同行评审困境并非审稿人数量不足:ScholarOne Manuscripts 期刊 2026 年第一季度投稿量同比增 33%,同期审稿人池扩大 54%,但邀请仍大量投向不匹配的稿件。Prophy 自 2018 年起为出版商和资助机构匹配审稿人,其自建约 17 万个科学概念的本体用于按研究内容而非关键词匹配,并主张邀请仍由编辑本人发出。
纽卡斯尔大学决定在 2026–27 学年结束后不再使用 Turnitin,威斯敏斯特大学也将在 2027 年 7 月现有合同到期时停用,此前南安普顿大学已宣布不再续约。
汤森路透团队在 arXiv 发布预印本,报告一套已投产的多智能体流水线,把美国州立法 PDF 转换为受 DTD 约束的出版 XML,并在 153 份专家标注法案(103 份爱达荷、50 份新泽西)上做模型与编排的交叉消融。
PA EDitorial 首席运营官 Sarah Hands 在 The Scholarly Kitchen 撰文指出,出版商对 AI 工具的采用可能正快于对其实际成效的评估,工具上线只是开始,更需追问是否带来预期收益、在何处引入新风险。
Digital Science 指出,引用是滞后指标,Altmetric 平台通过学术、非学术、政府与专业来源追踪文章、书籍、报告及灰色文献的分享与提及,可识别特定 KOL 并分析社群情绪。该平台近期将研讨会与读者信息纳入数据集。社交媒体讨论可在发表当天出现,播客通常至少一年后,政策与指南引用一般要两到三年。
一项预印本研究对ICLR 2025和2026的200篇论文做了约1.4万次AI评审,考察单次AI评分的可靠性、分数分布估计以及不同模型对修订增益的一致性。结果显示,即使论文、模型和评审配置固定,重复评审的分数仍会波动;更细的评分粒度会降低方差但系统性改变均分;同一份修订稿在不同评审模型下可能得到方向相反的增益,原始论文评分高度相关的两个模型在修订增益上的相关性明显下降。