联系我们| 下载专区| 网站地图
   
  服务
借阅服务
咨询服务
学科服务
多媒体服务
文献传递
馆际互借
定题检索
委托查新引证
研讨室预约
 
首页 >> 服务 >> 学科服务 >> 正文
 
文献信息导航——「细数各种学术期刊评价指标」
作者:  来源:   时间:2023-11-06  浏览量:

影响因子作为学界评估期刊并对期刊进行排名的工具,已有四十余年。近年来,其他基于文献引用的指标被开发出来,或对影响因子进行补充,或与之竞争。

本文意在提供参考,并不供文献计量学家研究之用。没有哪一个评价指标是完美的,下述内容仅用于突出体现各指标的显著优缺点。

基于各文献引用指标的算法设计对这些指标进行分组:

第一组(比率指标)与影响因子的模型相同,以引用次数除以文献数量。第二组(混合量化指标)根据分等级的文献计算分数。最后一组(共引网络指标)旨在衡量文献在更大的文献引用网络内的影响力。

好的评价指标简化基础数据,结果可靠,基础数据透明,且不易被操纵。最重要的是,好的评价指标与其试图衡量的基础结构有着紧密的理论联系,这些都值得细谈。

各种指标

1. 影响因子(Impact Factor)

由Clarivate(前Thomson Reuters)推出,每年6月发布

该指标的计算方式是:某期刊过去2年发表的所有文献在某一年份的总引用次数除以该期刊过去2年发表的论文和综述的总数。

优点:公式简单,有历史数据。

缺点:对于大部分期刊而言,2年的出版时间太短;分子中包含对未计入分母的论文的引用。

2. 5年期影响因子(5-yr Impact Factor)

由Clarivate(前Thomson Reuters)推出,每年6月发布

该指标的计算方式与影响因子类似,区别在于以5年期计数:某期刊过去5年发表的所有文献在某一年份的总引用次数除以该期刊过去5年内发表的论文和综述的总数。

优点:文献引用生命周期较长的领域(如社会科学)中的首选指标。

3. CiteScore

由Elsevier推出,基于Scopus数据,每月更新

该指标的计算方式是:某期刊过去3年发表的所有文献在特定年份的总引用次数除以过去3年发表的文献总数。

优点:具有透明性,没有试图按文章类型分类或设限;基于更广泛的Scopus数据集;免费资源。

缺点:对发表社论、新闻、信函等前辅文(front matter)的期刊不利。

4. Impact per Publication, IPP

由莱顿大学排名(CWTS, Leiden University)推出,基于Scopus数据,每年6月发布

该指标计算方法与影响因子类似,但以3年出版时间进行计算;仅包括对于论文、会议论文或综述的引用;基于更广泛的Scopus数据集。

优点:观察周期更长;计算次数的引用仅限于计入分母的文献。

缺点:与影响因子一样,限定文章类型可能会造成问题。

5.Source-Normalized Impact per Paper, SNIP:

由莱顿大学排名(CWTS, Leiden University)推出,每年6月发布

该指标与IPP类似,但评分是标准化的,用以说明不同学科领域的文献引用差异,该指标根据期刊引用的论文划分学科领域。

优点:能够跨领域比较期刊。

缺点:标准化的评分使得指标不那么透明。

6. h指数(h-index)

由理学家Jorge Hirsch提出,众多来源计算个人的h指数值。

该指标衡量个人的学术成果数量及表现。h代表“高引用次数”(high citations)。一个人的h指数是指在一定期间内该作者发表的论文至少有h篇的被引频次不低于h次。

优点:能够衡量学术表现;不受外部影响(如其他高引用的论文)。

缺点:基于学科领域;忽视作者顺序;随着作者的年龄增长、产出率提高而提高;对自引和操纵敏感,这一点在谷歌学术上尤为明显。

7.谷歌学术h5指数(h5):

由谷歌学术推出,每年6月发布

该指标是h指数的变体,仅对近五年发表的论文进行计算。谷歌学术以这一指标对期刊进行比较:某期刊近五年发表的N 篇论文中,有h 篇论文至少被引用了h 次,其余每篇(N-h)论文的被引频次都小于h,此h 值就是该期刊的h5指数。

优点:在这一指标下,新期刊能够与老牌期刊进行比较。

缺点:该指标对大刊有偏好。谷歌学术发布h5中位数就是为了增加公平性。

共引网络指标

8. 特征因子(Eigenfactor):

由Clarivate推出,每年6月发布.

该指标衡量期刊在整个引用网络中的影响力。它基于特征向量中心度计算分数,迭代计算引文加权重要性,这样来自一本期刊的引用就比来自另一本期刊的引用更具有影响力。

优点:该指标能够更加真实地对科研影响进行结构性反映。

缺点:计算复杂,难以检验,且其应用于大多数期刊的结果常常与计算更简便的指标(如影响因子)所得出的结果无异。

9. SCImago期刊排名(SCImago Journal Rank, SJR)

由SCImago 研究团队提出,每年6月发布.

该指标与Eigenfactor类似,但基Scopus数据库进行计算。其核心概念来自Google 的PageRank 计算法,测量期刊的声望,并且考虑了期刊的选题和声望对其引文价值的影响,赋予高声望期刊的引用以较高的权重。

10. 相对引用率(Relative Citation Ratio, RCR)

由美国国立卫生研究院(National Institutes of Health,NIH)推出。

这一领域标准化论文引用指标基于NIH 的PubMed数据库,依据有共同引用的相关论文的引用文献划分领域。例如,如果论文B、论文C和论文D共同引用了论文A,论文A的领域则根据论文B、论文C、论文D所引用的文献来划分。

优点:在这一指标下,每篇论文都由其自身的引用网络定义,不依赖于外部的领域划分。

缺点:对于跨学科的引用和多学科期刊敏感。RCR在权衡文献引用中列出的期刊时依赖于影响因子。

参考文献

知乎 https://zhuanlan.zhihu.com/p/384726239

版权所有:浙江药科职业大学图书馆