2018 年發表的研究系統性分析了 784 篇投稿的拒稿原因，雖然資料來自神經科/頭痛醫學期刊，但裡面列出的六大拒稿理由，在教育與社會科學領域同樣高度適用。
樣本與方法
從 2014 到 2016 年投稿至此期刊的 784 篇稿件中，只有 434 篇送外審，外審後被拒的有 155 篇。作者對這 155 篇的拒稿意見進行編碼分析。
拒稿原因分成九大類，由高至低為：
- 方法：85.8%
- 定義案例：70.3%
- 討論/結論：64.5%
- 統計問題：53.5%
- 背景/目的：51.0%
- 一般：37.4%
- 結果：34.2%
- 倫理：21.3%
- 寫作：20.0%
每篇文章拒稿原因的中位數是 5 個。也就是說，大多數被拒的論文，不是踩了一個雷，而是同時踩了五個。
作者進一步從中提煉出六個最關鍵的拒稿原因，以下逐一說明，並補充我在教育類期刊投稿與評審的實際觀察。
拒稿原因一：方法與研究設計的缺陷
方法上、研究設計上的缺陷（flaws in methodology and study design），74.8% 的拒稿論文都有這個問題，是六大原因裡排名最高的。
在教育領域，寬容度或許比醫學略高——評審者知道教育研究很難做隨機對照實驗，限制多是常態。但這不代表設計上的根本缺陷可以被接受。
最致命的情況是：研究問題根本無法被現有的方法或設計回答。用錯誤的設計去解決研究問題，修改的可能性極低，通常直接拒絕。
這種問題的常見形式包括：比較的兩組在系統性上就不對等、用橫斷面資料下縱向因果的結論、或是研究情境根本不支持研究者想宣稱的推論範圍。
拒稿原因二：方法描述不清
60% 的拒稿論文有方法描述不清（poor reporting of methodology）的問題。
這個原因有時比設計缺陷更令人惋惜——研究本身或許做得不錯，但因為沒有說清楚，審稿人根本無法判斷。方法描述不清的意思是：讀完方法段，還是不知道研究是怎麼做的。常見情形：
- 沒說清楚研究工具是如何選定或改編的
- 問卷如何施測、回收率如何，完全略過
- 缺失資料（missing data）的處理方式沒有交代
- 若有多個評分者（inter-rater），一致性如何確認沒有說明
在教育研究裡，常見的問題是：引用他人開發的量表，卻沒有交代在本研究情境下的效度與信度驗證；或只寫「用 SPSS 進行迴歸分析」，但整個分析流程語焉不詳。
方法描述不清屬於可修正的問題，但若審稿人對研究流程已失去信心，修改後被接受的機率也會大打折扣。
拒稿原因三：統計分析問題
53.5% 的拒稿論文有統計分析問題（poor statistical analysis）。最常見的情形：
- 用錯分析方法：資料違反常態假設，卻直接用參數檢定
- 沒報告效果量（effect size）：只有 p 值，沒有實質意義的評估
- SEM 的修改索引濫用：大量調整誤差共變結構（modification indices）讓模型配適，卻沒有理論依據
最後這一點值得特別說明。在審稿時，我看過不少論文在 SEM 裡做大規模誤差項調整，讓 fit index 看起來很漂亮，但一問為什麼這樣修，沒有理論說明。這不是「讓模型反映資料」，而是「讓資料服從模型」，是統計上的硬傷。
另一個教育研究裡常見的問題，是樣本量不足以支撐統計考驗力（statistical power），卻沒有做事先的 power analysis，也沒有在限制中說明。
拒稿原因四：過度解讀結論
64.5% 的拒稿論文在結論上有問題——或是過度解讀，或是討論段不夠充分。這是九大類裡排名第三高的。
⚠️ 最常見的過度解讀：用相關（correlation）資料下因果（causality）的結論。「A 和 B 有顯著相關」和「A 導致 B」是截然不同的陳述。但很多論文在討論段會不自覺地滑向因果語言，例如「本研究結果顯示 AI 工具有效提升學習成效」——但研究設計根本不支持因果推論。
另一個常見問題是過度推論研究對象。樣本是某所大學的大學生，結論卻說「所有學習者在面對……時都會……」。研究情境和樣本特性在教育研究中影響極大，把結論放大超過資料所能支撐的範圍，審稿人一眼就看得出來。
✅ 誠實討論限制，反而會增加可信度。審稿人不會因為你說「本研究僅限於某情境，推論需謹慎」就扣分；他們會因為你假裝限制不存在而扣分。
拒稿原因五：協變量或結果的問題
41.3% 的拒稿論文在協變量（covariates）或結果變數（outcomes）的定義上有問題。簡單說，就兩種情況：
1. 測量工具測不到理論上要測的東西：研究者聲稱在測「自主學習能力」，但量表實際上在測的是「自我效能感」——兩個概念有重疊，但不相同。測量效度有問題，整篇的建構效度都會受質疑。
2. 分析時沒有控制應該控制的變數：研究 AI 介入對學習成效的影響，卻沒有控制學生的先備知識或學習動機，結論自然站不穩。審稿人不是在挑剔，而是在問：你確定你測到的差異是介入造成的，不是其它因素？
拒稿原因六：控制組或實驗組的問題
同樣有 41.3% 的拒稿論文在控制組或實驗組的設計上出了問題。這類問題往往在研究設計階段就埋下了，研究完成後很難補救。
最典型的情況：實驗組和控制組的學生來自不同學校、不同教師，甚至不同年級，但結果差異全被歸因於介入方案本身。這種系統性差異（systematic difference）如果沒有在設計階段透過隨機分派或配對來排除，事後很難靠統計手段完全處理。
另一種常見問題是比較的基準點根本不對等。例如把 AI 生成的作文反饋與完全沒有反饋的情況比較——差異不只是「有 AI vs 沒有 AI」，也包含了「有反饋 vs 沒有反饋」，研究結論自然無法只歸功於 AI 本身。
⚠️ 這個問題屬於致命性問題（fatal flaw）：一旦研究執行完畢，無法在修改階段補救。唯一的解法是重新設計研究。
投稿前的自我檢查清單
這六大拒稿原因裡，有三個屬於「致命性問題」（設計缺陷、控制組問題、協變量問題）——研究做完後無法修補；另外三個在理論上可以透過修改改善，但能否真正挽回審稿人的信心，就不一定了。
- ✅ 研究問題是否在動筆前就明確定義？
- ✅ 設計方法是否能真的回答研究問題？
- ✅ 測量工具是否與理論構念一致？
- ✅ 是否控制了關鍵的干擾變數？
- ✅ 結論是否超出資料所能支撐的範圍？
- ✅ 方法段是否清楚到讓人能重複這個研究？
參考文獻
Hesterman, C. M., Szperka, C. L., & Turner, D. P. (2018). Reasons for manuscript rejection after peer review from the journal Headache. Headache: The Journal of Head and Face Pain, 58(8), 1220–1229. https://doi.org/10.1111/head.13343