实验部分怎么写审稿人才买账？学术写作实战指南

投过几篇论文的人大概都有这种体会——实验部分是最容易被审稿人"找茬"的地方。引言写得再漂亮、理论推导再严谨，只要实验部分写得含糊、细节缺失、逻辑跳脱，审稿人立刻就会在意见里写上一长串质疑。

有个朋友前段时间就遇到这种事。他做的课题本身很有新意，实验结果也很好，但审稿人看完实验部分之后提了七八条意见，核心就一个意思："你写得太模糊了，我没办法相信这个结果的可靠性。" 最后补实验、改描述，折腾了两个月才被接收。

实验部分的核心目标其实就一个——让审稿人看完之后觉得"这个实验做得靠谱，结果可信"。那到底怎么写才能达到这个效果？下面说点实战层面的东西。

写实验部分之前，先想明白审稿人到底想看什么

很多人写实验部分的时候，脑子里想的是"我要把我的操作过程记下来"。这个思路本身没问题，但视角不对。审稿人看你的实验部分，关心的不是你做了什么，而是你做的这些事情能不能支撑你后面的结论。

换句话说，实验部分不是一个操作日志，而是一份论证材料。你要证明的是：基于这个实验设置，你得到的结果是可靠的、可重复的、有意义的。

从这个角度出发，写实验部分的时候就要有选择、有侧重。跟你研究问题直接相关的关键细节要写透、写清；那些常规操作、标准流程可以简写甚至引用文献替代。很多新手犯的错误就是什么细节都往上堆，结果有用的信息被淹没在大量无关细节里，审稿人根本抓不住重点。

审稿人在看实验部分的时候一般会问自己几个问题：实验设计有没有缺陷？样本量够不够？数据采集和分析方法合不合理？统计处理有没有问题？别人照着你的描述能不能把实验复现出来？你在写的时候，就把自己想象成审稿人，对着自己的草稿问一遍这些问题。

逻辑结构要清晰，不能是一笔流水账

实验部分最忌讳的就是"想到哪写到哪"。今天做了什么、明天做了什么、后天发现了什么——这种按时间顺序平铺直叙的写法，审稿人读着非常累，也很难判断你到底想干什么。

比较好的做法是按照研究逻辑来组织实验部分。通常可以这样分块：实验对象或样本是怎么来的、用了什么材料和设备、具体的实验流程是什么、数据是怎么采集和处理的、用了哪些统计分析方法。这几块按照"从宏观到微观"或者"从准备到执行到分析"的顺序排下来，逻辑链条非常清楚，审稿人一眼就能看明白你的研究框架。

每一块内部也要有层次。比如说实验流程这一块，如果涉及多组对比实验，那就应该用分组的方式来叙述，而不是把A组的操作写一遍、B组的操作写一遍、C组的操作再写一遍。找出共同的步骤，提出来统一写；不同之处单独说明。这样既简洁又清晰。

用恰当的标题和分段来区分这些不同模块，能让整个实验部分的结构一目了然。好的结构本身就是一种说服力——它表明你对研究的整体把握是清晰的。

细节决定成败，但"细节"不是什么都写

实验部分要写细节，这是一个共识。但"写细节"不等于"什么都写"。关键是写出那些影响实验结果可靠性的关键细节。

什么是关键细节？就是那些如果别人不知道、就没法准确复现你实验的内容。比如说：你用的某种试剂是什么品牌什么货号、关键设备设置了什么具体参数、实验环境的温度湿度有没有控制、操作中有没有特殊步骤、数据清洗时用了什么标准剔除异常值……

这些信息对实验的可重复性至关重要。有机构在《自然》子刊上发布了一份报告，里面分析了超过1600篇论文的实验可重复性问题，发现将近七成是因为关键步骤的描述缺失造成的。比如缺少关键试剂的批号、缺少实验环境条件的具体参数、缺少软件版本号——就这么点事，结果论文的结论别人没法验证，最后只能被质疑甚至被撤稿。

在生命科学领域，很多期刊现在甚至要求提交详细的实验方案清单，填写的模板动辄几十页。虽然通信工程或者物理学方向没有那么严格，但这个趋势是明确的——审稿人和期刊对实验细节的要求只会越来越严。

那怎么判断某个细节该不该写？给你一个简单的标准：如果这个参数发生变化，实验结果会不会变？如果会，那这个参数就必须写清楚。比如你研究的是通信系统的误码率，仿真平台的步长设置、信道模型的参数配置、蒙特卡洛仿真的次数这些，任何一个变了结果都会变，那就必须写。而如果你用的是市售的标准设备做常规测试，设备本身的技术参数可以在引用中说明，正文里简写就行了。

数据处理和统计分析要经得起推敲

审稿人对数据处理的审视往往是最严格的。为什么？因为数据处理的步骤直接决定了最终结论的可靠性，也最容易被操作。

写数据处理这部分的时候，要交代清楚：原始数据是怎么采集的、有没有做过预处理、用了什么软件什么版本做什么样的分析、统计检验的方法是什么、显著性水平是怎么设定的。如果你是用了某种特定的算法或自定义脚本处理数据，最好在补充材料里附上脚本文件或者伪代码，或者告知脚本已存放在某个公开代码库中。现在越来越多审稿人会要求看原始数据和处理代码。

重复测量、独立实验次数这些也要写清楚。是做了三次独立的实验然后取平均值，还是同一组数据做了三次分析？这两者含义完全不同。很多拒稿就源于审稿人发现作者把这两种情况搞混了。

统计方法的选择也要合理。有不少论文被指出"滥用统计方法"，比如在小样本情况下用了参数检验、多重比较的时候没有进行校正、异常值直接删除但没说明标准等等。如果你对统计方法不太确定，建议跟统计专业的同事聊聊或者翻阅相关的统计指南，别自己拍脑袋。

一套严谨的数据分析流程，能极大提升审稿人对研究结果的信任度。

图表是实验部分的"第二语言"

实验部分不全是文字，图表的质量也非常关键。很多审稿人拿到论文之后，第一件事就是翻到实验部分看图表。图表做得清楚，印象分一下子就上来了。

好的图表应该做到"自明性"——也就是读者不读正文就能大致看懂图表在说什么。坐标轴的标注要清楚、单位要写全、图例要准确。图和表的标题要用描述性的语言，比如"不同信噪比条件下三种算法的误码率对比"就比简单的"误码率结果"好得多。审稿人一眼就知道这张图想表达什么。

数据的误差棒、统计显著性的标记、样本数量这些也要在图表中明确标出。不要觉得这些是"小事情"，有经验的审稿人第一眼就会看这些地方。误差棒标注不规范、显著差异没有标记、图注内容不完整，都会让审稿人对你的整体严谨性产生怀疑。

另外有个容易被忽视的点：图表的编号和正文中提到的顺序要对得上。这听起来像是常识，但实际操作中因为改稿子调换顺序导致图表编号错乱的情况非常多见。提交之前一定要逐条核对。

实验设计的完整性和对照组设置要经得起推敲

实验设计本身的合理性是审稿人判断的核心之一。你的实验有没有设立合理的对照组？样本量是怎么确定的？有没有排除干扰因素？这些都会影响审稿人对你结论的判断。

对照组的问题尤其值得注意。很多年轻研究者只设了一个阳性对照或者根本不做对照实验，结果审稿人一问"你怎么排除其他因素的影响"就答不上来了。对照组的意义在于证明你观察到的效应确实来自你操纵的变量，而不是别的什么东西。这个逻辑必须闭环。

样本量的确定也要有个交代。如果是基于功效分析算出来的，那就写清楚参数和计算方法；如果是基于前期实验经验定的，也说明一下依据。完全没有说明就给定了一个样本量，审稿人很容易觉得你在随意凑数。

如果是涉及动物实验或人体研究，伦理审批编号和知情同意信息也是必须包含的内容。这个不仅是规范问题，也关系到论文最终的发表资格。

跟已有研究"对一下表"

一个很实用但很多人忽略的技巧是：在实验部分适当呼应一下前人研究中使用的方法。如果你采用的方法跟某个经典研究类似，可以提一句"参考某某的方法并做如下调整"；如果你的方法跟主流做法不太一样，解释一下为什么这么选择。

这种"对话感"会让审稿人觉得你对领域内的研究很熟悉，你的实验设计不是拍脑袋来的，而是有依据、有思考的。当然，这部分不用写太长，几句话点到即止就行了。

常见错误清单，写完对照自查

最后，根据实际经验罗列一个实验部分常见的"雷区"。每次写完之后对照自查一遍，能帮你挡掉不少审稿意见。

信息缺失类： 关键试剂没有批号和供应商、设备没有型号和设置参数、软件没有版本号、样本来源和筛选标准没说清楚、统计检验的具体方法没说明。

逻辑混乱类： 实验步骤顺序颠倒混乱、数据分析和实验操作混在一起写、重复内容在不同段落里反复出现。

过度简化类： 把复杂的实验流程简化成两句话就带过去了、数据处理的关键步骤一笔带过、没有说明为什么要选某种特定的实验方法。

过度冗余类： 标准操作引用文献即可却写了整整两页、常识性的背景知识大段大段地复制、无关紧要的操作细节充字数。

实验部分的写作没有太多花哨的技巧，它考验的是你对研究本身的理解有多深、对细节有多较真。一个实验部分写得好的论文，审稿人读完之后不仅不会提太多质疑，反而会对作者的专业素养留下好印象。这个印象分在整个审稿过程中值多少钱，有过投稿经历的人应该都懂。