学术期刊编辑发展转向研究：基于智能编辑技术

【摘要】智能编辑与人工编辑存在工作逻辑上精准识别与模糊识别、学习方式上模式迭代与信息内化、价值判断上标准依赖与弹性决策等区别，学术期刊编辑要基于此，进一步提升智能编辑工具应用能力，强化将编校实践经验标准化、程序化等能力，重点提升无法被编码化的隐性编辑素养：在价值判断上从重显性价值转向重隐性价值，在稿件加工时从重规范校正转向重价值提升，在传播宣介中从重渠道构建转向重情感赋能。

【关键词】智能编辑 学术期刊 专业发展 人工智能

【中图分类号】G232 【文献标识码】A 【文章编号】1003-6687（2022）8-085-05

【DOI】 10.13786/j.cnki.cn14-1066/g2.2022.8.011

智能编辑指基于大数据和机器深度学习技术而完成的编辑出版活动，面向图书出版、期刊出版及泛出版领域提供从内容资源整合、编纂流程管理、多渠道多介质发布全流程数字编辑出版技术，为编辑出版行业深度转型提供持续动能。

一、智能编辑对编辑出版领域的影响分析

1. 历史视角：创新性与传承性之实

我国编辑出版发展大致可划分为四个阶段：一是编辑出版胚胎阶段：“竹与刀”，以竹简和帛书为主要载体，以刻和抄为主要手段;二是编辑出版萌芽阶段：“铅与火”，以纸为主要载体，以雕版印刷为主要手段;三是编辑出版成熟阶段：“光与电”，以技术革新后生产的纸为主要载体，以西方工业革命的新印刷技术等为主要手段;[1]四是编辑出版繁荣阶段：“数与网”，以纸媒和电子媒介为主要形式，多种出版媒体形态并存，数字和网络出版快速发展、逐渐占据主导。

从创新角度看，编辑出版的媒介和技术一直在不断变革和升级之中，智能编辑只是编辑出版领域借助“数与网”实现的一次新的技术革新。编辑出版领域任何一次媒介或技术的创新都对编辑出版领域带来影响：在“竹与刀”阶段，编辑出版活动较少，创作和编辑融为一体，无专门的出版工作;在“铅与火”阶段，创作工作由某些领域的专家型人才完成，编辑工作和出版工作部分分离，专业从事编辑出版工作的人员出现但不多;在“光与电”阶段，编辑出版成为专门性工作，且出现分工细化、领域细化等特征，编辑出版学科体系逐渐完善，对编辑出版人员有较高的专业要求;在“数与网”阶段，人人都是“电子媒介人”，智能编辑能完成传统编辑出版工作中越来越多的工作，多模态出版形式快速发展。[1]编辑出版领域的每一次变革和创新都为编辑流程再造和出版业态创新注入了新的活力，[2]也对编辑人员提出了新的要求。

从传承的角度看，不论编辑出版媒介和技术如何变革，其核心仍然是对人类科技文化、社会文化成果的遴选、整理、传播、传承等。智能编辑工具主要发挥版面格式自动核校、上下文内容查重和标点符号审校修改、语言模糊分析和组织等方面的技术优势，其基础性数据和算法都必须由编辑出版人员和人工智能技术开发者共同创造。没有人工编辑提供的原始内容、规范、要求等基础内容，编校工作就无法实现标准化、编码化、数据化、程序化，智能编辑就不存在。智能编辑只是人工编辑的传承性发展，使编辑出版人员从大量重复、枯燥、确定的工作中解脱出来，将更多时间和精力用于研究编辑出版规律、提升编辑出版水平上，并借助新体验、新标准、新要求不断优化智能编辑算法，促使智能编辑更加满足编辑出版工作的需要。[3]简言之，智能编辑使编辑出版人员有更多的精力去完成不可编码或难以编码的内隐性、智慧性工作。

2. 现实视角：替代论与工具论之思

目前，人工智能在编辑出版领域的应用主要体现在以下方面：一是数据分析，即利用大数据提取研究热点，判断选题价值，预测市场需求，刻画读者群像;二是文稿创作，即根据特定事件或要求撰写文稿;三是排版校对，即按给定要求排版，并进行知识、语法、规范等方面的纠错和校正;四是个性推介，即基于读者不同的阅读需求，将整体的内容拆分并以不同的形式推送给他们。全域智能编辑出版系统能同时完成以上工作，而且达到较高水平，因此有悲观者认为学术期刊编辑将穷途末路，逐渐被智能编辑侵占职业空间甚至被完全取代。笔者认为，智能编辑对编辑出版工作的影响是巨大的，在编辑出版工作中的作用和地位将越来越大，但很难完全取代专家型编辑的工作。

（1）智能编辑将成为提高编辑出版效率不可或缺的工具。编辑出版涉及版式规范、学科知识、文字逻辑、文化常识、图文混排、表述规范、法律政策、宣传禁词等，是一项非常复杂、需要持续学习的工作，因此才有“三年入门，五年成熟”“无错不成书”等说法。智能编辑系统能借助大数据和深度学习建立基于编辑出版共性的知识自动纠错系统、敏感詞识别与排查系统、重复情况对比分析等通识性编辑算法[3]和基于出版面向的知识逻辑、学术表达等领域性应用场景。智能编辑可全流程、全方位按算法设定的编校规范对论文的格式、用词、计量单位、统计数据等进行自动编校，并对参考文献进行核实，[4]甚至可以提出修改意见，不仅能降低出错率，提高编校质量，且能提高编辑出版时效性。熟练使用智能编辑系统，将成为未来编辑人员的一项通识性能力。

（2）智能编辑无论发展到何种水平都无法完全取代人工编辑。智能编辑只能按照预设的程序、标准和要求执行被标准化、编码化、数据化、程序化的编校工作，其工作思路相对线性和单一。编辑工作的核心是人类文化的传承与传播，其关键是内容的品质、文字的灵性、思想的光辉和精神的魅力，[5]这些更多是内隐的、个性化的、模糊的，往往难以被有效编码，难以被设计成可被人工智能执行的算法。随着人工智能技术与编辑出版行业的深度融合，智能编辑可完成工作的广度更大、难度更高，编辑出版将逐渐迈入专业化与智能化并重的时代，[6]但人工编辑的工作仍无法被取代。此外，智能编辑存在技术局限，容易忽略社会效益，难以有效体现编辑工作的社会性和个性化，相关工作仍然需要专家型编辑完成。简言之，智能编辑主要是对人工编辑出版活动的机械化模拟，还无法产生主体的自觉行为和社会属性，[7]更无法替代编辑的远大理想、宽广眼界、乐于助人的职业形象，难以具备人工编辑强大的鉴别力和准确的预见力、准确的社会调查能力和良好的沟通能力、积极的学习意识和学习能力等核心素质。[8]

3. 未来视角：通识性与领域性之别

随着我国高等教育进入大众化时代以及民众受教育水平不断提高，人们的阅读需求越来越呈现出专业性、批判性、多样性等特点，对学术期刊编辑提出了挑战。未来的学术期刊编辑专业将会呈现出更清晰的二重性特征——基于编辑出版的通识性和基于学术面向的领域性。通识性专业主要包括专业情感、专业知识、专业技能、专业创新、通识素养等，具有“宽口径，厚基础”等特点，强调编辑要成为“通才”，能适应不同领域的编辑工作;领域性专业主要包括系统性专业知识、体验性专业实践、标志性专业成果，具有“深耕作，重引领”等特点，强调编辑要成为“专家”，能进行专业深度交流，甚至引领专业领域的研究方向。[1]智能编辑对学术期刊编辑专业通识性和领域性的影响程度不同。

（1）通识性专业方面，智能編辑能借助大数据和精准算法帮助学术期刊编辑快速达到“宽口径，厚基础”的专业要求，减少因为对编辑出版法律法规以及各项标准不熟、文字加工能力不强以及对历史知识、传统文化、通用常识不了解等导致的编校失误，帮助学术期刊编辑显著提升通识性专业知识、专业技能和通识内容方面的编校水平。然而，智能编辑对学术期刊编辑的专业认同、专业理念、专业性向等专业情感影响不大，对主要体现为选题策划创意、内容加工创意、版式装帧创意、宣传营销创意等的专业创意几乎没有影响。

（2）领域性专业方面，智能编辑只能承担基础性工作，无法做到个性化和深刻性。智能编辑系统能快速捕捉到领域内的热门事件、热点词汇、发展趋势，还可分析作者特点和读者偏好，重塑内容分发机制，[6]然而其局限性也非常明显。每种学术期刊都有自己的定位和风格，以期在激烈的同类刊物竞争中形成特色和品牌，引领或主导特定的专业细分领域，基于标准和模式的智能编辑系统显然很难达到这些要求。此外，特定领域内“首次出现”的价值点和不符合统计学规律的独特价值点往往很难被智能技术识别和捕捉到。因此，学术期刊在特定学术领域内的差异发展和价值引领更多地只能依赖于编辑人员独特的思维视角和个性化的价值判断，取决于学术期刊编辑信息捕捉的敏锐性、选题策划的创新性和个体人格的感召性。

二、智能编辑与人工编辑的逻辑机理分析

编辑的本质是文化选择和信息加工，其核心包含内容筛选、信息加工和传播宣介。面对智能编辑工具，我们需要深度思考编辑出版工作的本质和核心使命是什么、编辑出版专业能力的构成是什么，[9]更需要思考人工编辑和智能编辑的关键区别是什么，以便明确哪些工作可以借助智能编辑工具完成、哪些工作必须由人创造性地完成。以下主要结合学术期刊的编辑出版工作，讨论学术期刊编辑人员（简称人工编辑）和智能系统扮演的编辑工作角色（简称智能编辑）的工作机理。

1. 工作逻辑：精准识别与模糊识别

智能编辑利用大数据和人工智能深度学习，将编辑出版工作行为编码化和程序化，其工作逻辑是精准识别某些编码化的信息后按照设定的逻辑进行运算，接着将运算结果与算法库中的运算条件和标准进行比对和识别，直至编辑出版流程运算完毕反馈出最终结果。智能编辑工作依赖于对工作内容的精准识别，只有完全符合智能编辑系统已有模式并被精准识别后，编辑出版工作才会顺利进行，未被存储或者与已有模式识别条件不同的编辑出版工作都无法有效完成。简言之，智能编辑既无法识别没有匹配模式的错误，也容易将无法匹配的表达判断谬误。智能编辑本质上是算法系统，在目前的技术条件下其算法多样性和灵活性还明显不足，结果有时过于“精确”“单一”“刻板”，无法比肩人类非结构化、非线性的模糊思维模式。[10]

人工编辑对稿件价值的判断和编校处理往往依赖于编辑出版实践活动中积累的丰富经验，且常常是基于多种因素考量的模糊判断和综合取舍，其知识全面性、经验丰富性、价值取向性、主观感受稳定性，以及社会环境、文化习俗、市场需求、受众偏好等都会影响编辑出版工作进程和结果。相比于智能编辑工作依赖于清晰而明确的模式识别，人工编辑工作依赖于综合和模糊的信息处理。因此，同样的选题或文本，经过智能编辑加工后结果相对确定且单一，而经过人工编辑加工后结果可能天差地别，因为每一个因素和步骤都可能影响、改变人工编辑的判断、进程和结果。

2. 学习逻辑：模式迭代与信息内化

一切可以清晰描述和程序化的人工编辑内容和技能都可以实现智能化，人工编辑经验的数据化和编码化是智能编辑系统发展的基础和关键。智能编辑工具的能力主要来自两方面：一方面，来自智能编校系统设计时的原始输入，即借助人工智能技术将人工编辑设置好的工作场景、内容标准、工作流程和工作结果编码化、程序化、智能化，以便智能系统能代替人工执行。输入何种场景、数据、限定性要求[11]以及这些输入内容是否正确、精确都直接影响到智能编辑的结果准确性和工作效率。另一方面，来自机器深度学习所获部分，即机器在原始输入数据的基础上，借助深度学习技术，不断将原始算法进行组合、迭代，在数据库中进行逐层训练，产生新的应用场景和模式，[10]形成多层级的深度学习结构。智能编辑在数据基础上进行的量化训练质量取决于原始经验数据的准确性与丰富性，也取决于深度学习算法逻辑的科学性和智能性。简言之，智能编辑以“有”为学习基础，以逻辑迭代为学习方式，进行算法叠加，生成新的工作内容。

人工编辑的学习是以信息内化为基础的，具有以下特点：一是学习内容的逻辑无关性，即人工编辑学习的内容既可能与编辑出版工作内容无关，也可能与编辑原有的知识体系无关，体现出高度的开放性，可能只存在与编辑出版工作的弱联系性。二是关联意义的自我创生性，即编辑在学习过程中会创生不同事物间的新联系，常常创生出原本没有直接关联的独立事物间的联结，产生许多独特性、偶得性联想和感性表象。三是信息内化的个体差异性，即对同样的信息，不同编辑的理解与运用呈现出丰富多彩的结果，形成了个性化、多样性的加工结果。简言之，基于信息内化，人工编辑具有“悟事于心”之“悟”的主动性和“表理于文”之“表”的个性化特点，这是智能编辑无法比拟的。

3. 价值逻辑：标准依赖与弹性决策

质量是学术期刊的生命，对文章价值的判断是学术期刊编辑最核心的能力，是办好期刊的前提和关键。智能编辑对文章价值判断的逻辑起点是算法中价值判断指标和价值判断标准的科学性，其价值判断依据是文章相关指标对价值标准的满足程度。换言之，智能编辑工具对内容的价值判断完全按标准和程序进行，缺少灵活性。应用同一智能编辑工具对相同文本的价值判断结果具有单一性，缺乏对期刊风格和编辑个性的考量。即使期刊编辑能根据期刊定位和自身经验，设计出针对性的价值判断标准和程序，一旦程序设定，智能编辑系统仍然只能按照设定的标准判断文本价值。

人工编辑对文章价值判断的基础是自己对文本的理解和对学术价值指标的偏好，一般采用弹性尺度，进行对比性、模糊性判断。人工编辑对价值的判断一般不是与某个确定的标准和指标对照，而是采用對比的方式，分别与期刊往期发表的文章比，与相邻时间段内其他期刊发表的文章比，与和作者基本情况相似群体的文章比，甚至与作者以往的文章比，通过多维比较确定文章的创新性、深刻性和价值性。相比而言，人工编辑的价值判断更具弹性，能够灵活地“好中选好”“差中选好”，甚至“弃‘好用‘差”地培育作者等。随着人工智能技术和编辑工作的深度融合，可编码化的编辑出版内容会越来越多，但是价值判断以及人文情怀等在相当长一段时间内仍然很难完全由智能编辑工具完成。

三、智能时代学术期刊编辑专业发展转向

在此我们将进一步探讨智能编辑深度发展背景下学术期刊编辑专业发展策略。学术期刊编辑具有编辑的共性特征，也具有鲜明的群体特点：一是面向特定专业领域，编辑内容体现出一定的专业性、理论性和学术性;二是编辑工作的重点是稿件遴选和组约，而不是文章撰写;三是常常既负责稿件编辑也负责稿件校对;四是参与期刊推介和品牌建设。智能编辑背景下，学术期刊编辑工作仍然强调专业性和学术性，但在价值判断、稿件加工、传播宣介等方面呈现出新特点。

1. 价值判断：从重显性价值转向重隐性价值

学术期刊编辑最基础也最关键的工作是选择优质稿件。在传统编辑出版工作中，对选题的价值判断完全依赖于编辑个人对领域性知识的整体认知和趋势把握，依赖于编辑对选题价值的敏锐捕捉和深度加工。

智能编辑时代，选题来源有两种：一是借助大数据的算法尤其是热点捕捉技术发现选题，如借助人工智能快速捕捉到领域内新出现的热点事件、前沿资讯、学术冲突，并分析其关注热度和关注群体的特点及变化趋势，其质量取决于数据样本的有效性和数据分析技术的科学性;二是编辑以自身经验判断或团队研究共识为导向进行策划，主要依赖经验而非数据，其质量取决于编辑的信息捕捉敏锐性和选题策划创新性。

学术期刊编校较以往任何时候都更容易获得读者关注度高的有价值的选题，而且多种相同的选题可能被同时呈现给领域内的不同期刊。因此，学术期刊编辑对文章选题的价值判断应该更加注重隐性价值。具体而言，学术期刊编辑在价值判断时要注意以下方面：一要提高同中求异的选题能力，在保障选题有价值的前提下体现特定的期刊定位、读者对象等个性化取向，体现特定学术期刊的独特视角和风格;二要提高对选题未来价值的洞察力，通过对眼前价值的判断和对发展趋势的分析，洞察那些还没有被智能算法统计分析出来而又具有持续关注价值的选题;三要强化识别冗余信息和整合碎片化信息的能力，从海量碎片化信息中寻找选题;[12]四要防止信息蚕茧效应，尝试突破信息壁垒，尤其要提高“冷题热做”“热题冷做”等反向创生价值的策划能力。

2. 稿件加工：从重规范校正转向重价值提升

在传统的学术期刊编辑工作中，稿件的规范加工和错误校正是一项很重要的工作。由于通识性知识积累不够深厚、文字功底不够扎实、编校规范不够熟悉等，加之人工编辑的精力很难长时间高度集中，有时即使经历了“三审三校一通读”的规范程序，仍难以有效消灭差错，因此“无错不成书”成为编辑出版领域的共识。智能编辑借助强大的数据库和精准的算法可以保障原始算法正确编校结果就一定正确，能帮助学术期刊编辑显著提高规范校正、知识纠错等方面的质量和效率，将他们从机械、枯燥、繁重的程序性编校工作中解脱出来，使之有更多的时间和精力来思考和研究如何提升文章的价值。一方面，要深度提炼选题的学术价值，如依循“遇疑—探因—寻策”“析例—化类—选向”“定点—释义—呈策”等路径有效提升选题价值和成果质量;[13]另一方面，要坚持期刊自身的价值立场，发挥宣介政策、引导舆论、指导实践等作用，并强化期刊声誉和品牌建设。

需要强调的是，智能编辑时代的学术期刊编辑要克服技术迷信，借助但不能完全依赖智能编校，更要谨防效率至上主义。有时正是在低效的状态下，某些奇思怪想的价值才被捕捉到，某些模糊和不确定性的价值才变得澄明。如果只关心效率，只出那些更快更好更大的效率之作，[9]就可能扼杀创新作品发表的机会，就可能遮蔽文章的内隐价值。

3. 传播宣介：从重渠道构建转向重情感赋能

传播学术价值是期刊存在的主要意义，而学术价值传播的实现取决于期刊文章—传播源、读者—传播对象和传播途径—阅读。以往，期刊出版了，征订了，是谁订阅的，订后有没有阅读，阅读了哪些文章，阅读的文章是否对他们产生了影响……这些对期刊编辑而言都是难以了解和把握的。大数据时代，借助智能编辑工具的数据跟踪和分析功能，学术期刊编辑很容易了解已刊发的每篇文章实际分别被阅读、被下载、被引用了多少次，还可以清楚地知道某篇文章被哪些期刊、哪些作者在哪些文章中引用了。智能编辑时代，对作者和读者的了解变得简单和高效，对阅读群体的精准分析和定向推送变得相对容易，构建与作者、读者的沟通渠道更便捷。因此，在期刊传播宣介方面，学术期刊编辑应在渠道构建和维护上实现情感赋能。

情感属性是人工编辑区别于智能编辑的重要特征，[10]学术期刊编辑在期刊宣传推介过程中的情感赋能体现在以下方面：一是为读者赋能，即通过沟通充分阐释文章的价值所在、创新所在，并通过编读互动及时回应读者的问题，让读者阅读后更加受益，甚至引导读者将某些阅读思考变成选题;二是为作者赋能，及时将读者的意见反馈给作者，促使作者细化、深化研究，做作者学术研究的把关者、推动者、促进者甚至引领者;三是为期刊赋能，与作者和读者形成情感联结，产生思维共鸣，增进他们对刊物的认可度和忠诚度。

智能編辑时代，学术期刊编辑要提升智能编辑工具应用能力，强化将编校经验标准化的能力，更要聚焦于编辑专业能力中无法被编码化、无法被智能编辑代替的隐性部分，强化工作的原创性、情感性、社会性等，提升价值洞察能力、深度加工能力和情感赋能能力等。

参考文献：

[1] 钟建林. 失衡与调适：学术期刊编辑专业二重性研究[J]. 扬州大学学报（人文社会科学版），2021（2）：112-118.

[2] 张炯，吴平. 人工智能时代的编辑力体系重构及生成路径[J]. 出版发行研究，2020（4）：72-77.

[3] 高婷. 智能时代图书编辑能力提升路径思考[J]. 出版广角，2019（17）：56-58.

[4] 林章碧，刘怡静，伍少梅. 写作机器人在科技期刊编辑工作中应用的思考[J]. 科技视界，2018（13）：25-26.

[5] 夏德元，刘博. 智能媒体时代的出版变局与编辑身份危机[J]. 编辑学刊，2020（6）：6-11.

[6] 罗飞宁. 人工智能时代：编辑的能与不能[J]. 出版广角，2018（14）：41-43.

[7] 鞠天相. 智能编辑时代的机遇与挑战[N]. 中国新闻出版广电报，2017-11-15（4）.

[8] 崔开源. 智能时代学术论文编辑的素质要求[J]. 内蒙古电大学刊，2018（6）：42-44.

[9] 卢俊，张永美. 编辑的本质：从手工业到智能时代编辑能力的迭代[J]. 编辑之友，2019（11）：80-88.

[10] 万安伦，常晋，都芃. 从辅助到共存：智能编辑与人工编辑的关系新论[J]. 现代出版，2020（2）：80-85.

[11] 丁春燕. 人工智能创作活动对传统出版业的影响及应对[J]. 科技传播，2019（6）：163-165.

[12] 夏德元，刘博. 智能媒体时代编辑角色重构与编辑素养新内涵[J]. 中国编辑，2020（10）：65-69.

[13] 钟建林. 中小学教育科研选题价值提升路径研究[J]. 教育学术月刊，2019（4）：63-69.

Research on the Development of Academic Journal Editing： Based on Intelligent Editing Technology

ZHONG Jian-lin（Fujian Institute of Education Science Research， Fuzhou 350003， China）

Abstract： Intelligent editing differs from manual editing when the following aspects are considered： accurate or fuzzy detection in work logic; the mode iteration and information institutionalization in learning methods; and standard reliance or flexible decision-making in value judgment. Based on the strengths and weaknesses of manual and intelligent editing， academic journal editors should enhance the competence of using intelligent editing tools and the standardization and routinization of the practical experiences. Attention should be paid to the improvement of implicit editing qualities that cannot be codified. For instance， focuses can be shifted from explicit to implicit value in value judgment， from normative correction to value promotion in manuscript processing， and from channel construction to emotional empowerment in publicity.

Key words： intelligent editing; academic journal; professional development; artificial intelligence