细数各种期刊评价指标

Clarivate(前Thomson Reuters)即将发布期刊引证报告(Journal Citation Report),对一万多本学术期刊的引用情况进行年度总结。尽管期刊引证报告包含众多评价指标,大多数人只关注其中一个——期刊影响因子(Journal Impact Factor)。

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。
本文旨在对当今主要的文献引用指标进行简要总结,并非全面介绍,也并不打算就哪一个指标最好发表意见。本文意在为评价指标的广大用户提供参考,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。
笔者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。
任何关于评价指标的讨论都会引起强烈的意见,如评价指标的误用、滥用以及其对社会、文化和政治影响。这些意见很重要,但与评价指标本身却不大相关。
尽管这些讨论是必要的,笔者更希望读者将评论重点放在评价指标本身上:笔者是否遗漏(或错误表述)了重要的评价指标?某一评价指标是否比另一指标在捕捉基本价值结构上的表现更好?使某一评价指标更加可靠、透明,或更不易被操纵的因素是什么?

细数各种期刊评价指标

各种指标

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。

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。

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。

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。

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。

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。

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


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。

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。

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:
https://scholarlykitchen.sspnet.org/2017/05/15/citation-performance-indicators-short-introduction/

版权声明:Robin 发表于 2022年5月12日 pm6:14。
转载请注明:细数各种期刊评价指标 | 爱学术导航

相关文章

暂无评论

暂无评论...