识别同行评审中的评价维度

同行评审是学术出版的核心环节，但随着提交量的不断增长，正在施加巨大的压力。这催生了开发计算方法以支持同行评审的需求。尽管每个评审都针对特定论文，但评审者通常会根据某些维度（如 Novelty，即新颖性）进行评估，这反映了研究社区的价值观。这为标准化评审过程、提高质量控制以及实现计算支持提供了机会。尽管已有研究表明评价维度分析对同行评审辅助具有潜力，但该概念仍未得到正式化。现有方法通常从评审表格和指南中推导维度，而数据驱动的方法在评价维度识别方面仍鲜有探索。为弥补这一空白，我们的工作采用自下而上的方法：我们提出了评价维度的操作性定义，发展了从同行评审语料库中推导维度的数据驱动模式。我们引入了一个增强了评价维度的同行评审数据集，并展示了如何用于社区层面的评审分析。我们进一步表明，维度选择会对下游应用（如 LLM 生成评审检测）产生影响。我们的结果为原则且数据驱动的评审维度调查奠定了基础，并为利用自然语言处理技术支持同行评审的新应用指明了道路。