科技期刊编辑部 · 选题策划 · AI 预筛
选题策划,可以让 AI 先做一道会前预筛
从一次真实讨论说起,科技期刊选题策划怎样把调研材料变成会前判断
主判断
AI 最适合介入的位置,是调研之后、主编会之前这一道会前预筛;它不宜放在策划起点,更不能替代最终拍板。
最近有编辑同行问我:AI能不能帮助选题?
这个问题容易被答成两种极端。一种说当然能,让 AI 直接列十个方向;另一种说不能,选题是编辑部的专业判断,机器替不了。可真实编辑工作没有这么简单。科技期刊做选题策划,靠的是一套会前准备,不能只凭临时灵感。编辑会先调研本刊栏目和来稿,翻同行专题,整理编委意见,也会把年度方向、作者线索、审稿资源一起掂量。这些材料才会进入主编会。
所以,编辑同行真正困惑的问题,其实更具体:已有调研、已有候选方向、还没有正式上会之前,AI到底能插在哪一步?太前,容易空泛造题;太后,主编会已经讨论,它又很难补上前期判断。
在笔者看来,比较合适的位置,是调研后、主编会前。AI 更像一道会前预筛,用来帮助编辑整理材料、暴露风险、补上遗漏;最终拍板仍要回到主编会。
编辑部选题会上最尴尬的场面,常常来自方向太多,却说不清哪些真值得做。候选清单上有很多漂亮词:学科交叉、智能出版、开放科学、科研诚信、知识服务……每一个都像可以做,每一个又都可能太大。主编追问“和本刊定位是什么关系”,编委补一句“作者资源在哪儿”,编辑再想想审稿资源,刚才看起来很稳的方向,立刻松了。
这不完全是准备不足的问题。选题策划本来就难。编辑要判断的不只是一个词热不热,还包括这个方向能不能组织成稿件,能不能找到合适作者,专题边界能不能收住。很多好选题输掉的地方,不在价值本身,而在会前还没有被整理成可讨论的样子。
第 一 部分
先把材料喂对,再谈让 AI 想题
没有本刊材料,AI 只会返回适合所有期刊的公共热词。
如果要让 AI 真正派上用场,第一步应先把材料喂对,再谈让它参与选题。
只给它几个热词,它当然只能返回更像热词的东西。更有效的做法,是把编辑部已经掌握的材料放进去:本刊近几年重点栏目、相关来稿和退修信息、已刊文章中反复出现的问题;外部材料里可以有同行期刊近期专题、学科会议议题、公开政策文件表述;资源材料里可以有熟悉作者、潜在约稿对象、编委建议、可能审稿人方向;风险材料也别省,比如过去做类似专题时遇到的稿源不足、边界过宽、审稿周期长、栏目不匹配。
这些材料未必都要整理得很精美。真实编辑部工作里,很多材料就是会议纪要、调研摘录、表格备注、编辑自己的零散判断。关键是让 AI 看到“本刊”和“现场”,避免只围着公共热词打转。没有本刊材料,它给出的方向很容易适合所有期刊,也就没有辨识度。
材料给进去之后,不急着让 AI 输出最终选题。可以先请它做一件更朴素的事:归类和补漏。让它把候选方向与材料依据对应起来,看哪些方向有支撑,哪些只是因为词新才被放进清单;再让它回头检查材料,找一找有没有“材料中反复出现,但候选清单没有单独列出”的方向。
这里有一个很实用的判断点:AI最有价值的提醒,常常来自它对既有材料的回读。它可能指出:“你们的材料已经在提醒这个问题,只是还没有把它命名为选题。”例如编委意见里几次提到同一类方法问题,来稿里也出现类似短板,同行期刊又在相邻领域做了专题,但编辑部候选清单里只写了一个更大的概念。此时 AI 提醒“这个大概念可能需要拆出一个更窄专题”,就比凭空给十个题目有用得多。
编辑也可以把问题问得更像工作问题,少做提示词表演。比如问它:这些候选方向里,哪些只是热词,缺少可执行路径?哪些方向边界过宽,需要拆成更小专题?哪些方向在材料中反复出现,却没有被单独列入候选题?哪些方向适合本刊,哪些更可能适合同行期刊?哪些方向短期不宜启动,但值得长期观察?
编辑可以先问 AI 的五个工作问题
这些候选方向里,哪些只是热词,缺少可执行路径?
哪些方向边界过宽,需要拆成更小专题?
哪些方向在材料中反复出现,却没有被单独列入候选题?
哪些方向适合本刊,哪些更可能适合同行期刊?
哪些方向短期不宜启动,但值得长期观察?
这些问法的好处,是把 AI 拉回编辑部的真实处境。我们需要的,是一组会前可能被追问的问题,而非一份看起来聪明的答案。坦白讲,AI 的回答不一定准确,有时会把风险说得过满,或者把普通线索包装成趋势。但只要它能让编辑在会前多看一眼材料、多问一句“这个题到底凭什么上会”,它就已经有价值。
第 二 部分
候选清单不够用,要变成会前选题卡
主编会需要一组能判断、能比较、能取舍的信息,而不只是一串方向。
接下来,比候选清单更有用的,是把方向做成会前选题卡。
候选清单的优点是简洁,缺点也正在这里。它常常只有题名或一句说明,适合汇总,不适合讨论。主编会更需要一张张能判断、能比较、能取舍的卡片。卡片并非增加文书工作。它的价值,是把编辑原本散落在脑子里的判断写下来,让主编和编委看见同一组信息。
一张会前选题卡可以很朴素,不必设计得复杂。大致包括这些内容:
会前选题卡模板
选题方向
问题意识
与本刊定位关系
可约作者类型
可能稿件形态
已有材料依据
风险点
建议处理方式:上会 / 拆小 / 暂缓 / 长期观察
这里最要紧的地方在于,每一项都逼着编辑做判断。“问题意识”防止题目只剩概念;“与本刊定位关系”提醒我们别把同行期刊更适合的题硬搬过来;“可约作者类型”和“可能稿件形态”让选题落到组织路径;“已有材料依据”防止凭感觉造题;“风险点”则把会上最容易被问到的问题提前写清。
AI 可以先把候选方向整理成卡片雏形,但编辑一定要改。尤其是作者资源、审稿资源、栏目匹配和风险判断,必须回到编辑经验。比如 AI 说“可邀请领域专家撰写综述”,这句话几乎没有信息量。编辑要把它改成更具体的判断:适合约综述,还是组织笔谈?青年作者能承接,还是必须请编委牵头?这些细节,才是主编会能用的内容。
第 三 部分
复核 AI 输出:看依据、看风险、看取舍
如果 AI 只是让清单变长,它就在增加负担;只有帮助删减和排序,才真正有用。
复核 AI 输出时,建议盯住三点。
判断 AI 输出有没有用,看这三点
01 · 看它有没有材料依据
凡是没有依据的趋势判断、专家判断、稿源判断,都不要直接带上会。
02 · 看它有没有指出风险
如果一个方向只有价值,没有边界、资源和执行难点,大概率还没筛清楚。
03 · 看它有没有帮助取舍
好的预筛结果会提示哪些上会、拆小、暂缓或长期观察,而不只是把清单变长。
这三点也能反过来判断 AI 有没有用。如果用了 AI 之后,编辑部只是多了二十个更热闹的题名,那是在增加负担;如果原来的十个方向被整理成六张有依据、有风险、有处理建议的卡片,主编会讨论就会更聚焦。
选题策划的最后决定,仍然属于主编会,属于编辑部和编委会的专业判断。AI不能替刊物理解读者,也不能替编辑承担约稿、审稿和栏目建设的责任。它更像会前那个不知疲倦的整理员:帮你把材料重读一遍,把遗漏处圈出来,把过大的方向提醒你拆小,把看似热门但难落地的题放到灯下照一照。
下一次主编会前,不妨少带一点“候选方向清单”,多带几张“会前选题卡”。会上讨论的就会从热词转向依据、边界和资源判断。
AI 参与选题策划,最合适的作用,是在编辑已经做过调研之后,帮我们少漏掉好选题,也少把暂时做不成的题匆忙推上会。对于科技期刊来说,这道会前预筛不神秘,却很实用。
夜雨聆风