毋庸置疑，学术(科学)论文必须具有新颖性—novelty。学术期刊编辑和审稿人在评估一篇论文是否可以发表时，最关注的就是新颖性：是否提出了新理论或者新方法。但是，如果所提出的新理论过于“新颖”，特别是与主流理论相悖或者是对主流理论提出质疑，这样的论文往往很难通过同行评审，有时甚至无法通过主编/编辑初审，导致越是“新颖”的论文越是难以发表的现象（见科学网博文【1，2】）。这种现象被称为“新颖性悖论”—novelty paradox。

笔者发表论文的经历在某种程度上验证了“新颖性悖论”。笔者发表的大部分论文属于“常规”科学研究成果，这些论文通常能够比较顺利地通过主编/编辑初审和同行评审（当然也有例外）。“常规”科学研究是指在当前流行的范式（即主流范式）下从事“解惑”的工作【3】。相比之下，有几篇论文属于非“常规”科学研究成果，发表难度极大。例如，笔者于2015年发现 “t-转换扭曲”以及基于著名的学生氏t-分布的小样本统计推断是一个谬误【4】。因为这个发现质疑经典的小样本理论，投稿过程非常艰难， 3年中经历了7次投稿和拒稿，直到2018年第8次投稿被 《Measurement Science and Technology》接受和发表【5，6】。笔者的体会是：非“常规”科学研究论文的发表需要遇到“伯乐”。

“新颖性悖论”也见于研究项目的资助申请。申请资助的研究项目一定要具备新颖性。但是新颖性偏离主流范式的研究项目获得资助的可能性减小。Boudreau 等人【7】研究了医学研究项目的专家同行评审过程，试图回答这样一个问题：“对于那些偏离现有研究范式的新颖的研究项目，在专家评审中是否受到负面偏见的对待？” 他们的研究发现：的确存在“新颖性悖论”，即研究项目需要新颖性——但是在专家评审中，偏离现有研究范式的新颖性不被赏识，实际上受到了惩罚。

那么，如何解释“新颖性悖论”呢？笔者最近重温了库恩的著名专著《科学革命的结构》，发现库恩的范式转换/科学革命理论可以很好地解释“新颖性悖论”。

根据库恩的理论【3】，科学家在从事科学研究中必须信奉（甚至是“效忠” ）某种范式。库恩指出：“若科学家不对某种范式做出承诺，则不会有常规科学【3，p86】”。“常规科学的目的即不是去发现新类型的现象，事实上，那些没有被装进盒子内的现象，常常是完全视而不见的；也不是发明新理论，而且往往也难以容忍别人发明新理论。相反，常规科学研究乃在于澄清范式所已经提供的那些现象与理论。【3，p20】”。常规科学研究风险较低，主编/编辑和审稿人通常偏向发表常规科学研究论文。这是因为主编/编辑和审稿人作为学术权威，已经对其领域主流范式做出了承诺并且建立了个人信念；他们很难超越主流范式并改变个人信念去接受新理论。他们往往也不愿意看到主流范式被新理论挑战。即使他们知道主流范式有缺陷甚至有错误，往往也会自觉地为主流范式进行辩护，而不愿意考虑新理论。通常论文的新颖性越高，其与主流范式的偏离程度就越大，甚至相悖。主编/编辑和审稿人对于这种非“常规”科学研究论文往往持保守甚至排斥的态度。这种情况符合“科学是保守的”观点。一些网友在科学网上曾经对“科学是保守的” 观点展开过热烈的讨论（见科学网博文【8，9，10，11】）。

“新颖性悖论”反映了科学的两面性：创新性和保守性。一方面，科学进步呼唤科学家们不断创新；“要想在科学领域取得进展，就必须勇于挑战既有的观念”【12】。另一方面，科学家们（学术共同体）不会轻易接受新理论，也不会轻易放弃主流范式。只有当越来越多的证据或者反例表明主流范式无法再“解惑”的时候，学术共同体才会认真考虑用新范式来取代旧范式。因此，范式转换—即科学革命—通常是一个漫长的过程 。

参考文献及相关链接

【1】张志东（2021）原创工作发表难之叶公好龙，科学网：https://blog.sciencenet.cn/blog-2344-1265601.html

【2】黄河宁（2020）为什么创新论文发表难，而创新成果推广更难？科学网：https://blog.sciencenet.cn/blog-3427112-1257604.html

【3】库恩（2013）《科学革命的结构》，第四版，金吾伦、胡新和译，北京大学出版社。

【4】黄河宁 （2020）为什么基于t-分布计算小样本测量不确定度是一个谬误？ -3 个悖论及其消解，Researchgate 链接：https://www.researchgate.net/publication/343039726_weishenmejiyu_t-fenbujisuanxiaoyangbenceliangbuquedingdushiyigemiuwu_-3_gebeilunjiqixiaojie

【5】Huang H (2018a) Uncertainty estimation with a small number of measurements, Part I: new insights on the t-interval method and its limitations Measurement Science and Technology 29  https://doi.org/10.1088/1361-6501/aa96c7

【6】Huang H (2018b) Uncertainty estimation with a small number of measurements, Part II: a redefinition of uncertainty and an estimator method Measurement Science and Technology 29  https://doi.org/10.1088/1361-6501/aa96d8

【7】  Boudreau, Kevin J., Eva C. Guinan, Karim R. Lakhani, and Christoph Riedl (2012) The Novelty Paradox & Bias for Normal Science: Evidence from Randomized Medical Grant Proposal Evaluations." Harvard Business School Working Paper, No. 13–053.

【8】聂广（2021）相对于自然哲学，科学的“保守性”（1）科学网：https://blog.sciencenet.cn/blog-279293-1291810.html

【9】聂广（2021）[转载]库恩《科学革命的结构》论证科学是保守的，科学网：https://blog.sciencenet.cn/blog-279293-1274552.html

【10】何毓琦 (2008) Why Is Science Conservative? - 科学为何是保守的（一）（原文及译文）科学网：https://blog.sciencenet.cn/blog-1565-29014.html

【11】何毓琦 (2008) Why is Science Conservative (II) - 科学为何是保守的（二）科学网：https://blog.sciencenet.cn/home.php?mod=space&do=blog&id=32022

【12】David Salsburg The Lady Tasting Tea: How Statistics Revolutionized Science in the Twentieth Century (ISBN 0-8050-7134-2)