学术出版商对iThenticate相似度阈值的设定依据与实际操作

正文

学术出版商在投稿系统中为iThenticate设置的相似度警报阈值，是稿件在编辑初审阶段面临的第一道自动化筛选关口。这些阈值在各家出版社、甚至同一出版社旗下的不同期刊之间并不统一，但它们背后的设定逻辑具有相当程度的一致性——并非基于某个绝对的"抄袭判定标准"，而是基于出版社在长期实践中积累的经验性数据和对编辑工作流程的效率考量。

从目前可获取的公开信息来看，大多数国际学术出版商将 iThenticate 的自动警报阈值设置在 20% 至 30% 的总相似度区间。当一篇稿件的总相似度超过这一阈值时，投稿系统会自动向编辑发送预警邮件或在编辑仪表板上高亮该稿件。这一阈值的设定依据并非精确的统计学推导，而是出版社在大量稿件处理中形成的经验判断——低于这一区间的相似度，在绝大多数情况下可以通过编辑的人肉快速浏览被确认为无害（以方法学重复和分散式引用匹配为主）；高于这一区间的相似度，其中包含实质性内容复制的概率显著上升，值得编辑投入额外的时间去审阅完整报告。

然而，总相似度阈值在实际操作中存在一个被广泛认识的缺陷——它对"分散式高重复"和"集中式低重复"两种截然不同情况的区分能力有限。一篇文献综述可能因为引用了大量文献、在文本层面与众多来源产生了各占 1% 到 2% 的短语级匹配，总相似度达到 35%——但这种匹配模式在学术上是健康的。另一篇稿件可能总相似度仅有 9%，但这 9% 来自两个来源的大段连续匹配——其中一个在讨论部分，这种集中式低重复在实际原创性风险上远高于前者。正是出于这一原因，Crossref 和 iThenticate 官方指南均明确建议编辑不应设置一个刚性的"自动拒稿"阈值——单一的总百分比数字在脱离匹配来源的分布和性质的语境下，不足以作为任何学术判断的依据。

在实际操作中，有经验的编辑通常采取的是一种"双层筛选"策略。第一层——总相似度作为一个粗粒度的注意力分配工具，帮助编辑在大量投稿中快速定位那些最可能需要额外审查的稿件。第二层——对于被第一层筛选出的稿件，编辑打开完整报告，将注意力集中在高占比的单一来源上，判断其匹配的位置和性质。这种双层筛选模式使得总相似度阈值的"警示"功能与编辑的人类判断形成了互补——阈值用于辨识潜在风险的密度，人工用于判断风险的实际性质。ithenticate查重的报告格式在设计上支持这一双层筛选——封面上的总百分比提供粗筛信息，详细的来源列表和逐段匹配提供精读信息。ithenticate中文网站有更多关于不同出版社 iThenticate 政策对比的深度分析。