I preprint hanno un passaggio unico rispetto alla sottomissione a riviste: l’iterazione delle versioni. Dopo aver ricevuto feedback dai lettori, suggerimenti dai collaboratori o una prima revisione tra pari, puoi aggiornare direttamente il preprint a v2, v3. La sottomissione tradizionale a riviste non prevede questo passaggio, quindi quasi nessuno insegna come gestirlo.

Il risultato è che molti aggiornamenti da v1 a v2 sono ragionevoli dal punto di vista del contenuto accademico, ma se gestiti male nel linguaggio e nella struttura, fanno sembrare ai lettori che “questa ricerca sia in continuo ripristino, instabile”. bioRxiv e medRxiv mantengono pubblicamente tutte le versioni storiche, e quando i lettori cliccano su “version history” possono vedere le differenze di ogni aggiornamento. Il modo in cui queste differenze vengono presentate influisce direttamente sul giudizio dei lettori sulla credibilità della ricerca.

Di seguito sono riportati i cinque errori più comuni che gli autori non madrelingua commettono quando aggiornano a v2/v3. Ogni errore include esempi di correzione che puoi applicare direttamente.

1. Note di versione scritte come diari, il lettore non sa dove sia il cambio accademico

bioRxiv e medRxiv richiedono agli autori di compilare una sezione “What’s new in this version” o “Summary of changes” quando caricano una nuova versione. Questo testo, come l’abstract di v2, è essenziale per il lettore decidere se rileggere l’articolo.

Molti autori scrivono questa sezione come un elenco di commit log: “Updated Figure 3. Added Supplementary Figure 5. Revised Discussion.” Il lettore finisce di leggere senza capire quali siano modifiche di impaginazione e quali siano aggiornamenti a livello di conclusioni.

Frase tipica originale:

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

Questo testo è quasi privo di significato semantico. Se il lettore ha già letto v1, non può decidere se ha bisogno di rileggere v2 nel dettaglio.

Direzione della correzione:

La nota di versione deve essere categorizzata secondo “aggiornamenti a livello di conclusioni / aggiornamenti a livello di dati / aggiornamenti a livello di testo”. Gli aggiornamenti a livello di conclusioni vanno in primo, specificando chiaramente se influenzano l’interpretazione; i nuovi dati o analisi vanno in secondo; correzioni di impaginazione, terminologia e riferimenti vanno per ultimi.

Dopo la correzione:

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.

Dopo aver letto questa sezione, il lettore sa che le conclusioni non sono cambiate, i dati sono stati ampliati e la Discussion ha esteso i confini della discussione. Può decidere direttamente se rileggere.

2. Abstract e testo principale incongruenti tra le versioni

La fase più critica quando si aggiorna a v2 è la sincronizzazione tra abstract, testo principale e figure. Scenario tipico: l’autore, in risposta ai feedback, ha ampliato il campione, ha aggiornato i valori di n e le dimensioni dell’effetto nel testo principale, ma l’abstract contiene ancora i vecchi numeri di v1.

Una volta che il lettore scopre questa incongruenza controllando in modo incrociato, dubbiterà direttamente dell’integrità dell’intera raccolta di dati. Questo è più dannoso per la credibilità che avere un errore piccolo in v1.

Problema tipico:

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)…

Il 186 nell’abstract è il numero di v1, il 214 nei Methods è il numero aggiornato di v2. Quando il lettore vede questa incongruenza, perde fiducia nell’intera ricerca.

Direzione della correzione:

Prima di caricare v2, fai un‘“autorevifica di coerenza numerica” dedicata. Elencare le seguenti categorie di numeri e controllare uno per uno se siano completamente coherenti in abstract, Methods, Results, Discussion, didascalie di figure e didascalie di tabelle:

  1. Dimensione del campione (totale, per braccio)
  2. Durata del follow-up
  3. Dimensioni dell’effetto e statistiche dell’esito primario
  4. Dimensioni dell’effetto degli esiti secondari
  5. Percentuali chiave (tasso di risposta, tasso di eventi, tasso di perdita, ecc.)

Si consiglia di aggiungere un “controllo congelato” al flusso di iterazione delle versioni: l’abstract e le figure di v2 dovrebbero essere controllati da un collaboratore indipendente prima della sottomissione.

3. Il testo principale è aggiornato, ma le didascalie di figure e tabelle mantengono il linguaggio di v1

Questo è il tipo di problema più subdolo negli aggiornamenti v2. L’autore ha unificato la terminologia nel testo principale (per esempio, v1 usa “responder”, v2 diventa “sustained responder”), ma ha dimenticato di aggiornare anche la didascalia di Figure 3 e la didascalia di Table 2.

Figure e tabelle su bioRxiv e medRxiv sono caricate separatamente come PDF/PNG. Gli autori di solito concentrano gli sforzi sul PDF del testo principale e trascurano la sincronizzazione del testo nelle figure. Di conseguenza, il lettore vede “responder” in Figure 3 e “sustained responder” nel testo principale, incerto se siano due concetti diversi.

Scenario tipico:

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

I due termini convivono, il lettore deve fermarsi per controllare, il ritmo di lettura è interrotto.

Direzione della correzione:

Prima di caricare v2, allinea il testo di tutte le figure (didascalie, etichette degli assi, leggende) con il testo principale. Il metodo è:

  1. Elencare la terminologia chiave che è cambiata in v2 rispetto a v1
  2. Per ogni termine, cercare la parola di v1 nel PDF del testo principale e in tutti i PDF delle figure, confermando che sia stata completamente sostituita
  3. Controllare in particolare se i termini in legenda (legend) e didascalia (caption) siano coerenti con il testo principale

La coerenza terminologica è un segnale diretto di professionalità linguistica, particolarmente critica per v2 dove le revisioni sono pubbliche.

4. v2 cambia silenziosamente le conclusioni principali, ma la nota di versione non lo indica

Questo è il tipo di errore più dannoso per la credibilità. L’autore, in base a nuovi dati o a una nuova analisi, cambia da “compound X reduces tumor volume significantly” di v1 a “compound X marginally reduces tumor volume in a subset of models” in v2, ma nella nota di versione scrive solo “Updated analysis”.

Dal punto di vista dell’integrità accademica, questo approccio è problematico. I lettori che hanno letto v1 e hanno fatto retweet o citazioni hanno il diritto di sapere se le tue conclusioni sono cambiate.

Nota di versione non consigliata:

v2: Updated analysis and revised text.

Nota di versione consigliata:

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.

Indicare in modo diretto “cambio a livello di conclusioni” non farà sembrare ai lettori che la ricerca sia instabile, anzi gli farà sentire più fiducia nella serietà dell’autore. Nascondere i cambiamenti alle conclusioni ha l’effetto opposto: una volta scoperto (la sezione commenti dei preprint spesso ha lettori che fanno confronti), la credibilità della ricerca è gravemente danneggiata.

5. Versioni ripetute (v2, v3) senza elevare la qualità del linguaggio

L’ultimo tipo di problema è strutturale: molti preprint da v1 a v3 hanno modificato dati più volte e aggiunto più volte analisi, ma la qualità del linguaggio rimane al livello della bozza iniziale di v1. Ogni volta che il lettore apre una nuova versione, vede la stessa voce passiva, la stessa nomenclatura complessa, la stessa terminologia ridondante.

Questo tipo di iterazione “aggiorna solo i dati, non il linguaggio” porterà i lettori esperti a formare un giudizio implicito: gli autori di questo articolo non danno importanza al linguaggio, e potrebbe essere rifiutato dalla rivista target per “language issues”. Questo giudizio ridurrà ulteriormente la volontà dei lettori di aprire v4.

Metodo consigliato:

Ad ogni aggiornamento della versione, dedica almeno una volta al perfezionamento complessivo del linguaggio, non solo a correzioni locali. Nello specifico:

  1. Da v1 a v2: concentrati sul perfezionamento di abstract e Discussion. Queste due parti sono le più probabili da essere screenshottate quando i lettori condividono
  2. Da v2 a v3: se sei pronto a sottoporre a una rivista, fai un upgrade linguistico complessivo di Introduction, Methods, Results, vedi i cinque aggiustamenti linguistici più facilmente trascurati quando si passa da preprint a sottomissione a rivista
  3. Prima di ogni caricamento, rilleggi una volta i cinque problemi linguistici dell’abstract di preprint, confronta con la tua versione

L’upgrade della qualità linguistica non deve essere completato tutto in una volta. Finché ogni v2, v3 fa sentire ai lettori “questo articolo sta migliorando”, anziché “questo articolo sta rattoppando”, la credibilità del preprint continuerà ad accumularsi.

Checklist di autocontrollo prima di caricare v2

  1. Stratificazione della nota di versione: Hai scritto il cambio seguendo i “tre livelli di conclusioni / dati / testo”? I cambiamenti a livello di conclusioni sono indicati chiaramente?
  2. Coerenza numerica: I numeri chiave in abstract, Methods, Results, Discussion, didascalie di figure e didascalie di tabelle sono tutti allineati ai valori più recenti di v2?
  3. Coerenza terminologica: La terminologia chiave nuova o modificata in v2 è stata sostituita in tutti i testi di figure e tabelle?
  4. Trasparenza dei cambiamenti alle conclusioni: Le conclusioni principali hanno subito cambiamenti di direzione, significatività o campo di applicazione dopo v1? Se sì, la nota di versione lo dice chiaramente?
  5. Upgrade linguistico: Questo v2 ha almeno un modulo (abstract, Discussion o Introduction) che ha subito un perfezionamento linguistico complessivo, non solo un aggiornamento dei dati?

Se stai preparando un caricamento di v2 o v3, o se sei incerto su come scrivere una nota di versione che mantenga l’integrità accademica senza far sentire ai lettori che la ricerca sia instabile, sei invitato a inviare v1 e l’elenco delle modifiche previste a contact@scholarmemory.com. Fornirò un campione gratuito di revisione delle differenze di versione linguistiche, per aiutarti a determinare quali aggiustamenti linguistici serve fare sulla nuova versione.