科研人的一天从时间管理开始(4)
2020年2月15日
不做标题党,也能使你的论文题目更引人注目!!(上)
2020年2月15日

发表论文前推荐阅读:影响因子和它小伙伴的故事(中)

上次InVisor芳老师提到的那些觊觎IF地位的“初生牛犊”,到底都是什么样的新角色呢?2020年了,芳老师将继续把曾经挖的坑努力补上,声情并茂地给大噶介绍一下发表学术论文前需要认识的期刊评价指标!(嗯,感觉有“六”味了/战术后仰~)

H指数

首先,是2005年美国加利福利亚大学圣地亚哥分校(UCSD)物理教授Jorge E. Hirsch提出的H指数。该指数近些年火得一塌糊涂。本来这家伙是混合量化指标,最早是用来测定科研人员的个人能力的,打个比方,如果一位教授的H指数是30,那么就表明他发表的30篇论文中每篇都至少被别人引用过30次。你想,要是能达到这个数,说明他的研究成果是被很多人认可了的。一般H指数能达到40,就已经达到院士水准了。而……

而另一位……

不知道谷歌学术为啥不给霍金大大添加照片

你想知道H指数第一的是谁吗?无奖竞猜哦~

你福大爷永远是你福大爷

大噶感兴趣的话可以在下面这个网址找找你的偶像,挺好玩儿的~Ranking Web of Universities​www.webometrics.info咳咳,扯远了,扯远了,咱们说回来哈~由于H指数可以表现出传统文献计量指标(也就是IF)不同的特点,因此大家觉得可以将H指数的概念引申到评价科学工作者群体或是学术期刊上。将H指数应用到期刊上,它不仅可以反映期刊被引频次,还可以显示期刊被引寿命,二者综合来看就能大致了解该期刊于一段时间内的质量

不过,H指数还是会受到学科不同的影响。比如,生物学或医学领域的期刊相对较多,所以它们总体的H指数要明显高于诸如天文或者计算机等学科的期刊对应指标。但它能够将“新鲜血液”曝光出来,像快报类追求学科新进展的期刊就很容易受到更多人的关注,但如果你去看许多快报的IF,总是要比评述性期刊的IF低,而往往快报对于推动科学发展所作出的贡献短期来说更大。一般认为,H指数在两个方面对影响因子是有超越性的:

  1. H指数对近期的被引影响不敏感,所以当出现意外地过多被引现象时,准确性就比IF高很多。
  2. H指数巧妙地平衡了论文数量和其引用率之间的关系,因而减少了对小型期刊的“过高评价”。

其实,H指数和IF就像是互补的关系,两者结合着看会使期刊评价更可靠。所以,下次你可以在查阅期刊影响因子时关注一下它的H指数以及发表论文的作者本身的H指数,就可以知道这些期刊的大致情况了。

SJR(SCImago Journal Rankings)

SJR,是由来自西班牙国家研究机构的Félix de Moya以及其他两位教授在2007年共同提出的,基于引用权衡表、Scopus数据库的特征向量中心性再加上源于PageRank演算算法的核心理念,综合而成的新型期刊评价指标,可是被Nature誉为“IF最强劲的对手”哦~

它的逻辑演算类似Link-analysis algorithm,即通过期刊间引用的关系来评判第三期刊的重要性,比如期刊A和期刊B引用了期刊C,那么期刊C的SJR就等于期刊A引用数加上期刊B引用数,如果这时候期刊B又引用了期刊A,那么说明期刊A还有点实力,那么算进期刊C的SJR的引用数就要打个折扣,减去一半,最终期刊C的SJR就等于期刊A引用的一半加上期刊B的全部引用……

SJR公式

P.S. 上面这个公式是课后习题哇,对于文献计量学感兴趣的同学可以多多钻研啊~留给大家的期刊那么多,互相之间引用数目清晰可见,剩下的就交给算法不断地计算并更新,最后各个期刊的SJR都会趋于真实且稳定。而根据规定,SJR的计算时间区间为3年,不长不短,既可以保证各个学术期刊引用巅峰都被采纳,还能反映各期刊间良好的交流动能,并且SJR还把自引比例限制在33%,这样就不会使得单方面期刊指标碰撞而导致数据不准确。这个数据考量的是被引的质量,不过这种算法还有待进一步验证;说不定以后SJR的计算方法又会更科学,但就目前来说,其衡量期刊的重要性还是非常准确的。

SNIP(Source Normalized Impact per Paper)

标准化影响系数是由荷兰莱顿大学(University of Leiden)社会科学学院科技中心(CWTS)的Henk Moed教授于2010年提出的,根据篇均引用数及其总引用次数来给予某个学科领域引用权重,削弱不同学科领域期刊间的引用差异,进而比较各个领域的学术期刊。也就是说,SNIP的目的就是为了发现每篇论文期刊所引用的次数与学科领域引用可能性之间的关联。这也是SNIP相对于IF的优势,毕竟IF无法衡量不同学科的期刊。芳老师再次献上公式哈,看看你就知道啦~

图片来源:https://www.elsevier.com/

分子RIP不是Rest in Peace,而是篇均粗影响,即期刊三年内每篇论文平均被引次数,跟期刊三年影响因子类似,旨在衡量期刊论文的平均引用影响,而且这个值只涵盖受过同行评鉴的论文。而分母DCP数据库相对引用潜力是指期刊所在学科领域的论文被数据库纳入的平均值。

这个数据库指的是Elsevier公司通过Scopus收录的期刊、会议、综述论文这三种类型所构建的数据库,这一概念是借鉴了Eugene Garfield的“引用潜力(Citation Potential)”理念。这样计算的好处在于,SNIP可以计算出跨学科的期刊影响力,扫除了各个学科之间由于期刊数目的不平衡而导致的无法比较,但SNIP也是有不足的,它不能避免那些自引率较高的期刊对于数据的干扰,所以芳老师还是推荐和SJR搭配使用。反正,只要你耐心搜集目标期刊所有可观数据并仔细比较,总有一款适合你哒~


最后,大家可以对InVisor芳老师多多支持哦~点赞点赞点赞哈!!!如果大家对于科研背景提升」、「论文发表」、「科研课题辅导」、「名校科研助理申请」有任何想法的话,十分欢迎来戳一戳芳老师(一般人不告诉ta的客服微信:invisor003,记得备注“知乎学术科研”哈~~~)️❤️❤️

评论已关闭。