除了影响因子 还有哪些指标可以评价论文的价值

1 星2 星3 星4 星5 星 ( 5.00分 - 1 票)
  • A+
所属分类:期刊 研究方法

除了影响因子,还有哪些指标可以评价论文的价值?一提起论文价值,恐怕首先想到的是影响因子。尤其是在中国,影响因子对于科研人员和工作者真是命根,晋级,升迁,申请基金,评奖等等无不与影响因子有关。但是除了影响因子,还有许多其它的评价论文价值的方法。本文就介绍一下常见和新兴的评价论文价值的指标。

评价一个论文价值,无非从量化和质化两个方面来评价,或者期刊和论文的角度来评价。下面提到的指标,有的是从量化,有的是从质化,有的是从期刊角度,有的是从文章角度。

影响因子

除了影响因子 还有哪些指标可以评价论文的价值

影响因子确切说是针对期刊的,而并非直接针对论文的。

影响因子应该是一个量化和半质化的指标。为何?这是因为高影响因子的期刊低水平的文章也并非没有,低影响因子高水平的论文也大有存在。

当然,如果论文婆家找的好,自身的身份也就自然高了。正如以前的皇妃,可能整个素质比一般大众好,可以平民中也大有出类拨粹的人物存在。

因此,现在影响因子也是饱受垢病。有的人戏称SCI是stupid chinese idea,其中的原因也就不多说了。

查看影响因子的方法有多种,最经典的方法当然是Web of Science,但是收费,一般人用不起。简单方便的方法可以使用医学文献助手:利用医学文献助手筛查PubMed文献质量

引用次数

这个就不用多介绍了吧。很多数据库和在线查询平台都可以实现引用次数的查看,例如Google和微软学术搜索Microsoft Academic Search,还有利用医学文献助手筛查PubMed文献质量

H指数(H Index)

H指数是2005年由美国加利福尼亚大学圣地亚哥分校的物理学家乔治·希尔施提出的。

H指数的计算基于其研究者的论文数量及其论文被引用的次数。赫希认为:一个人在其所有学术文章中有N篇论文分别被引用了至少N次,他的H指数就是N。

可以按照如下方法确定某人的H指数:

  • 将其发表的所有SCI论文按被引次数从高到低排序;
  • 从前往后查找排序后的列表,直到某篇论文的序号大于该论文被引次数。所得序号减一即为H指数。

以上有关H指数的内容来自维基百科

查看H指数的最简单的方法就是利用Google Scholar,注意是英文版的,中文版的不要。另外FireFox和Chrome也有相应的插件可以选用。

I10指数(I10-Index)

I10-index是由Google提出来的,指作者发表文章数被引用10次以上的个数。

比如我发表了100篇文章(呵呵,有点大了啥),其中90篇被他人引用了10次以上,那么本人的I10-index就是90。

如果说影响因子是针对期刊的话,那么H指数和I10指数就是针对个人的。论文的影响因子高,只能说该论文找了一个好婆家,具体引用情况并不一定。而H指数和I10指数就是确切反应论文引用的一种量化标准。

G指数(G-Index)

G-Index(G指数)相比于上述几个指标来有点默默无闻。G-Index是由Leo Egghe于2006年提出的, 评价作者论文数量的一个指标。

G指数的计算方法如下

  • 把所有作者发表文章按照引用次数降序排列,序号为g
  • 把作者所有发表文章的序号进行平方,得到g2
  • 把作者所有文章的引用次数进行加法,得到∑TC
  • 最后一个∑TC仍大于g2的序号就是G指数。

有点绕哈,没事举个例子更清楚一些,比如我发表了以下文章,按照引用次数进行排序如下

引用次数(TC)序号(g)文章引用次数之和(∑TC)g2
471471
422894
3731269
36416216
21518325
18620136
17721849
16823464
16925081
1610266100
1511281121
1312294144
1313307169
1314320196
1315333225
1216345256
1217357289
1218369324
1219381361
1120392400

由上表可以看出我的H指数是13,g指数是19,因为第20个文献g2已经大于前面所有引用次数之和了。(该例子数值来源于Egghe. An Improvement of the H-Index: the G-Index)

G指数相比于H指数和I10指数,更能反应论文整个引用情况。比如我发表的文章,总体都不高,可能H指数比较高,可是一算G指数立马原形毕露,原来是水货一枚。

H5指数(H5-index)和H5中位数(H5-median)

H指数、I10指数和G指数是针对个人论文引用次数的统计,而H5指数和H5中位数(H5-median)是针对杂志引用次数的一种评价体系。

H5指数

H5指数是过去5年之内某一杂志所发表的论文数相比于引用数的最小值,如

Nature杂志过去5年之内发表了1000篇文章(当然实际数值比这个大),按照每篇论文的引用数进行降序排列

第381位的文章的引用数是381,而382的文章引用数是300,那么Nature的H5指数就是381

H5相较于IF,是反应杂志过去5年文章的引用情况,而IF是反应的杂志平均引用情况。H5相较于H指数,是针对杂志的总体情况,而H指数是针对于个人论文的引用情况。

有时候不同影响因子的杂志,H5可能一样。如PLoS One和Nature Reviews Immunology的H5都是130,可是两者的影响因子相差可不止一个档次。

H5中位数

H5中位数(H5-median)是指所用文章引用次数的中位数。为毛不用平均数?因为资料不是正态分布。每一个杂志的文章引用次数肯定不会是平均分布的,正如我国居民收入一样。有的引用次数肯定很大,可是有的文献可能很水,引用次数少的可怜。如果平均无法反应真实的引用情况,中位数最佳的选择。

F1000

F1000(Faculty of 1000)是为生物学及医学研究人员提供评估服务的二次文献数据库,是由英国BioMed Central出版的一种新型在线研究辅助工具,包括生物学(Biology)和医学(Medicine)两大系列。 其目前是给生命科学研究者一个新的评价体系,而不仅仅依赖于是否被SCI收录。

医学F1000:由2400多位世界顶级的临床专家、学者收集和评价,提供目前世界上最重要的医学论文信息及发展趋势。它包括18个领域:麻醉和镇痛、心血管疾病、重症监护和急诊医学、皮肤病学、糖尿病和内分泌病学、循证医学、胃肠病和肝病学、血液病学、感染性疾病、肾病学、神经疾病、肿瘤学、心理学、公共卫生和流行病学、呼吸系统疾病、风湿和临床免疫、泌尿病学、女性健康。该网站文献与PubMed及PubMed Central进行了链接。

生物学F1000:由2300多位专家学者的评价,提供目前世界上最重要的生物学论文信息及研究趋势。涵盖学科领域:生物学、生物化学、生物信息学、生物技术、癌症生物学、心血管生物学、细胞生物学、化学生物学、发育生物学、生态学、进化生物学、胃肠生物学、基因组学和遗传学、免疫学、代谢及内分泌学、微生物学、分子生物学、分子医学、神经科学、药理学与药物发现、生理学、植物生物学、肾生物学、呼吸生物学、结构生物学。

主要特点

  • 主要对PubMed收录的重要论文的进行客观评估,评估依据是以学术成就而非该期刊是否被SCI收录;
  • 参加评议的成员分别由美国和欧洲等国际知名机构的著名专家组成。根据论文对当前世界生物和医学研究的贡献程度和科学价值,通过客观反映学术水平的指标(F1000因子)给予评分,每日将最近一个月内的极少数优秀论文推荐给读者,并提供Pubmed链接。

F1000三个等级分别为9分(杰出)、6分(必读)和3分(推荐)。

以上有关F1000的内容来自百度百科

因此F1000相比于影响因子,多人工挑选的干预,其分值高的研究意义就比较重大。F1000应该是一个质化的指标,最简单的实时查看F1000的方法也可以使用医学文献助手。

聊完了传统的评价指标,再扒一扒新兴的论文评价指标

Altmetric

Altmetric是一个新兴的指标,虽然字面意思是替代指标,但是我认为「社会化影响力」或者「网络影响因子」或者「分享因子」更能反应其本质。

Altmetric出现的背景

可能大家遇到这么一种情况,有的论文发表以后,被大家广泛转载,网络新闻报道,Twitter或者G+上评论和分享。这时,影响因子和F1000就不能反应这些了。

Altmetric就是在这种情况下出现的,Altmetric就是反应某一论文分享、下载、阅读的情况。

但是现在Altmetric争议也比较大,关于名字都有争议。我个人认为InterMetric更好,简称IM,有点和实时通讯软件混了啥。SocialMetirc,简称SM,有点变态了哈。

有关Altmetric更多详情可以参阅此文:利用Altmetric评价系统了解论文的关注度分享情况

类似的还有Plum Metrics利用Plum Metrics评价系统了解论文的关注度分享情况)和Impactstory(这个可能要挂代理)

RG Score

RG Score(RG因子)是ResearchGate推出的一个评价作者的指标。RG Score推出的目的是为了帮助评价自己在科学圈内的处于一个啥水平。计算方法并不是自我发表了多少文章,而是自己的科研工作被同行认可以程度。

RG Score不同于传统评价指标在于可以统计更多的信息,如下载,浏览、分享等。RG Score不同于Altmetric之处在于RG Score更测重于分享。如果和同行分享自己的Idea,并得到同行的认可和讨论,那么RG Score增长很快。

更多有关RG Score的详情可以查看此文:ResearchGate科研人员自己的FaceBook

weinxin
公众号
科研动力微信公众号,欢迎关注!

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: