Preprints unterscheiden sich von Journaleinreichungen durch einen einzigartigen Schritt: Versionsaktualisierung. Nach Leser-Feedback, Vorschlägen von Mitarbeitern oder einem ersten Peer-Review können Sie das Preprint direkt als v2 oder v3 aktualisieren. Traditionelle Journaleinreichungen haben diesen Schritt nicht, daher unterrichtet ihn kaum jemand.

Das Ergebnis ist: Viele v2-Updates sind inhaltlich sinnvoll, aber eine schlechte Sprach- und Strukturbearbeitung erweckt bei Lesern den Eindruck, dass die Forschung wiederholt geflickt wird und instabil ist. bioRxiv und medRxiv machen alle Versionshistorien öffentlich. Leser können auf “version history” klicken und die Unterschiede zwischen den Updates sehen. Die Art und Weise, wie diese Unterschiede dargestellt werden, beeinflusst direkt die Wahrnehmung der Forschungsglaubwürdigkeit durch den Leser.

Im Folgenden sind die fünf häufigsten Fehler aufgelistet, die nicht-native Autoren bei v2/v3-Updates machen. Jeder Fehler wird mit Korrekturbeispielen versehen, die direkt übernommen werden können.

1. Version Notes sind formlos, Leser können akademische Änderungen nicht identifizieren

bioRxiv und medRxiv verlangen, dass Autoren beim Upload einer neuen Version einen Text eingeben wie “What’s new in this version” oder “Summary of changes”. Dieser Text ist, wie das v2-Abstract, eine Schlüsselhilfe für Leser zu entscheiden, ob sie das Preprint neu lesen sollen.

Viele Autoren schreiben dies wie ein Commit-Log: “Updated Figure 3. Added Supplementary Figure 5. Revised Discussion.” Leser können nicht unterscheiden, welche Änderungen Layoutrevisionen sind und welche Änderungen das Schlussfolgerungsniveau beeinflussen.

Typischer Originaltext:

Updated figures. Added new analysis. Revised text. Fixed typos. Updated references.

Dieser Text ist semantisch fast inhaltslos. Wenn ein Leser v1 bereits gelesen hat, kann er nicht feststellen, ob er v2 neu studieren muss.

Revisionsstrategie:

Version Notes sollten nach drei Ebenen strukturiert sein: Änderungen auf Schlussfolgerungsebene / Änderungen auf Datensatzebene / Änderungen auf Textebene. Änderungen auf Schlussfolgerungs- oder Hauptfundeebene kommen zuerst und machen klar, ob sie die Interpretation beeinflussen. Neue Daten oder Analysen kommen an zweiter Stelle. Layout, Wortwahl und Referenzen kommen zuletzt.

Überarbeitet:

Changes in v2:

  • Primary conclusion unchanged. Main figures and effect sizes updated with n = 28 additional patients recruited between Oct 2025 and Jan 2026. HR for the primary outcome shifted from 2.1 to 2.4 (95% CI 1.5–3.8); direction and significance preserved.
  • Added a new sensitivity analysis (new Supplementary Figure S5) addressing confounding by prior treatment.
  • Revised Discussion to engage with feedback from preprint readers regarding generalizability; no new claims added.
  • Minor typographical and reference corrections.

Wenn Leser diesen Text lesen, wissen sie: Die Schlussfolgerung hat sich nicht geändert, die Daten haben sich erweitert, die Discussion hat die Diskussionsgrenzen erweitert. Sie können direkt entscheiden, ob sie das Preprint neu lesen sollen.

2. Neue und alte Versionen: Abstract und Haupttext stimmen nicht überein

Der fehleranfälligste Schritt bei v2-Updates ist die Synchronisierung zwischen Abstract, Haupttext und Tabellen/Abbildungen. Häufiges Szenario: Der Autor erweitert die Stichprobe basierend auf Leserfeedback, aktualisiert n-Werte und Effektgrößen im Haupttext, aber das Abstract enthält immer noch die alten Nummern aus v1.

Wenn Leser eine solche Inkonsistenz erkennen, werden sie die gesamten Daten in Frage stellen. Dies schadet der Glaubwürdigkeit mehr als ein einzelner Fehler in v1.

Typisches Problem:

Abstract: We analyzed 186 patients with newly diagnosed type 2 diabetes… Methods: A total of 214 patients were enrolled (93 in the control arm and 121 in the intervention arm)…

Die 186 im Abstract ist v1, die 214 in Methods ist v2. Wenn Leser diese Inkonsistenz sehen, verlieren sie das Vertrauen in die gesamte Studie.

Revisionsstrategie:

Vor dem v2-Upload sollten Sie eine spezielle Selbstprüfung zur “Zahlenkonsistenz” durchführen. Listen Sie die folgenden Zahlenkategorien auf und überprüfen Sie, ob diese in Abstract, Methods, Results, Discussion, Bildunterschriften und Tabellenunterschriften vollständig konsistent sind:

  1. Stichprobengröße (Gesamtzahl, nach Gruppen)
  2. Nachbeobachtungsdauer
  3. Effektgrößen und statistische Maße des primären Endpunkts
  4. Effektgrößen des sekundären Endpunkts
  5. Kritische Prozentsätze (Ansprechquote, Ereignisrate, Abbruchquote, usw.)

Es wird empfohlen, einen “Einfrierungsprüfungs”-Schritt in den Versionsaktualisierungsprozess einzubauen: Das Abstract und die Abbildungen von v2 werden vor der Einreichung von einem unabhängigen Mitarbeiter überprüft.

3. Der Haupttext wurde aktualisiert, aber Bild- und Tabellenunterschriften verwenden immer noch v1-Sprache

Dies ist das versteckteste Problem bei v2-Updates. Der Autor vereinheitlichte Schlüsselbegriffe im Haupttext (z.B. v1 verwendete “responder”, v2 änderte auf “sustained responder”), vergaß aber, auch die Bildunterschriften von Figure 3 und die Tabellenunterschriften von Table 2 zu ändern.

bioRxiv und medRxiv-Abbildungen werden separat als PDF/PNG hochgeladen. Autoren konzentrieren sich normalerweise auf das Haupt-PDF und übersehen die Textsynchronisierung in den Abbildungen. Leser sehen dann “responder” in Figure 3 und “sustained responder” im Haupttext und sind unsicher, ob es sich um zwei unterschiedliche Konzepte handelt.

Typisches Szenario:

  • Haupttext Methods: “We defined sustained responders as patients with continuous tumor shrinkage for at least 6 months.”
  • Figure 3 Bildunterschrift: “Kaplan-Meier curves of overall survival in responders versus non-responders.”

Die Terminologie kollidiert, Leser müssen innehalten, um zu überprüfen, ob es zwei unterschiedliche Konzepte sind. Das unterbricht den Lesefluss.

Revisionsstrategie:

Vor dem v2-Upload sollten Sie alle Text- und Beschriftungselemente in den Abbildungen (Bildunterschriften, Tabellenunterschriften, Achsenbeschriftungen, Legenden) mit dem Haupttext synchronisieren. Das verläuft wie folgt:

  1. Erstellen Sie eine Liste von Schlüsselbegriffen, die sich in v2 gegenüber v1 geändert haben
  2. Suchen Sie für jeden Begriff das v1-Originalwort in der Haupt-PDF und allen Abbildungs-PDFs und bestätigen Sie, dass es vollständig ersetzt wurde
  3. Überprüfen Sie besonders, ob die Legende (legend) und Bildunterschrift (caption) mit dem Haupttext konsistent sind

Terminologische Konsistenz ist ein direktes Signal für sprachliche Professionalität, besonders wichtig für v2-Updates, wo die Änderungen öffentlich sichtbar sind.

4. v2 ändert die Hauptschlussfolgerung stillschweigend, Version Notes erwähnen dies nicht

Dies ist der schadendste Fehler für Glaubwürdigkeit. Der Autor ändert in v2 basierend auf neuen Daten oder Reanalyse v1s “compound X significantly reduces tumor volume” in “compound X marginally reduces tumor volume in a subset of models”, erwähnt aber in der Version Note nur “Updated analysis”.

Dies ist akademisch fragwürdig. Leser, die v1 gelesen haben, haben sie möglicherweise weitergeleitet oder zitiert. Sie müssen wissen, ob sich Ihre Schlussfolgerung geändert hat.

Nicht empfohlene Version Note:

v2: Updated analysis and revised text.

Empfohlene Version Note:

Changes in v2 (conclusion-relevant):

  • The primary efficacy claim has been narrowed. In v1 we reported that compound X significantly reduced tumor volume across all three xenograft models. On re-analysis with a pre-registered statistical plan submitted during v1 review, the effect is statistically significant only in the two MSI-H models and not in the MSS model.
  • All figures, the abstract, and the discussion have been updated to reflect this narrower claim.
  • The original v1 preprint remains publicly accessible via the version history for transparency.

Eine klare Kennzeichnung von “Änderungen auf Schlussfolgerungsebene” wird Leser nicht denken lassen, dass die Forschung instabil ist. Sie werden die Sorgfalt des Autors mehr vertrauen. Das Verstecken von Schlussfolgerungsänderungen ist das Gegenteil. Wenn es entdeckt wird (Kommentarbereich von Preprints haben oft Vergleiche), wird die Glaubwürdigkeit der Forschung stark beschädigt.

5. Wiederholte v2, v3, aber Sprachqualität bleibt bei v1-Entwurfsniveau

Das letzte strukturelle Problem: Viele Preprints wurden mehrfach von v1 zu v3 mit geänderten Daten und ergänzten Analysen aktualisiert, aber die Sprachqualität bleibt beim v1-Entwurfsniveau. Jedes Mal, wenn Leser eine neue Version öffnen, sehen sie die gleiche Passivkonstruktion, die gleichen langwierigen Nominalphrasen, die gleiche redundante Wortwahl.

Diese “Nur-Daten-nicht-Sprache”-Iteration lässt erfahrene Leser einen impliziten Verdacht bilden: Der Autor bewertet die Sprache nicht, die Zielzeitschrift könnte das Manuskript wegen “language issues” ablehnen, bevor es Peer-Review erreicht. Dieser Verdacht vermindert die Bereitschaft, v4 zu öffnen.

Empfohlenes Vorgehen:

Bei jeder Versionsaktualisierung sollten Sie mindestens eine Runde zur Gesamtsprachverbesserung durchführen, nicht nur lokale Korrekturen. Das verläuft so:

  1. v1 zu v2: Konzentrieren Sie sich auf die Verbesserung des Abstracts und der Discussion. Diese zwei Teile werden von Lesern am häufigsten abgebildet
  2. v2 zu v3: Wenn Sie planen, zur Zeitschrift einzureichen, führen Sie eine vollständige Sprachverbesserung von Introduction, Methods und Results durch, siehe die fünf sprachlichen Anpassungen bei der Umwandlung vom Preprint zur Journaleinreichung, die am häufigsten übersehen werden
  3. Vor jedem Upload lesen Sie erneut die fünf Sprachprobleme des Preprint-Abstracts und überprüfen Sie danach

Die Verbesserung der Sprachqualität muss nicht auf einmal abgeschlossen sein. Solange jedes v2 und v3 Leser denken lässt “dieses Papier wird besser”, nicht “dieses Papier wird wiederholt geflickt”, wird die Glaubwürdigkeit des Preprints kontinuierlich wachsen.

Selbstprüfliste vor v2-Upload

  1. Version Notes Layering: Sind die Änderungen nach “Schlussfolgerungs- / Daten- / Textebene” in drei Stufen geschrieben? Sind Änderungen auf Schlussfolgerungsebene klar gekennzeichnet?
  2. Zahlenkonsistenz: Sind alle Schlüsselzahlen in Abstract, Methods, Results, Discussion, Bildunterschriften und Tabellenunterschriften vollständig auf v2-Werte abgestimmt?
  3. Terminologische Konsistenz: Sind alle Schlüsselbegriffe, die in v2 eingeführt oder geändert wurden, in allen Abbildungstexten synchron ersetzt?
  4. Transparenz von Schlussfolgerungsänderungen: Haben sich die Hauptschlussfolgerungen seit v1 in Richtung, Signifikanz oder Anwendungsbereich geändert? Wenn ja, sind diese Änderungen in der Version Note klar gekennzeichnet?
  5. Sprachverbesserung: Hat dieses v2 Update mindestens ein Modul (Abstract, Discussion oder Introduction) mit vollständiger Sprachverbesserung durchlaufen, oder nur Datenkorrekturen?

Wenn Sie v2 oder v3 vorbereiten oder sich fragen, wie Sie die Version Note gestalten, um akademische Integrität zu wahren und den Eindruck von Instabilität zu vermeiden, können Sie eine Liste der geplanten Änderungen an contact@scholarmemory.com senden. Ich stelle eine kostenlose Stichprobe einer Versionsdifferenz-Sprachprüfung zur Verfügung, damit Sie beurteilen können, welche sprachlichen Anpassungen für die neue Version erforderlich sind.