除了影響因子 還有哪些指標能夠評價論文的價值

除了影響因子，還有哪些指標能夠評價論文的價值？一提起論文價值，恐怕首先想到的是影響因子。尤爲是在中國，影響因子對於科研人員和工做者真是命根，晉級，升遷，申請基金，評獎等等無不與影響因子有關。可是除了影響因子，還有許多其它的評價論文價值的方法。本文就介紹一下常見和新興的評價論文價值的指標。

評價一個論文價值，無非從量化和質化兩個方面來評價，或者期刊和論文的角度來評價。下面提到的指標，有的是從量化，有的是從質化，有的是從期刊角度，有的是從文章角度。

影響因子

影響因子確切說是針對期刊的，而並不是直接針對論文的。

影響因子應該是一個量化和半質化的指標。爲什麼？這是由於高影響因子的期刊低水平的文章也並不是沒有，低影響因子高水平的論文也大有存在。

固然，若是論文婆家找的好，自身的身份也就天然高了。正如之前的皇妃，可能整個素質比通常大衆好，能夠平民中也大有出類撥粹的人物存在。

所以，如今影響因子也是飽受垢病。有的人戲稱SCI是stupid chinese idea，其中的緣由也就很少說了。

查看影響因子的方法有多種，最經典的方法固然是Web of Science，可是收費，通常人用不起。簡單方便的方法可使用醫學文獻助手：利用醫學文獻助手篩查PubMed文獻質量

引用次數

這個就不用多介紹了吧。不少數據庫和在線查詢平臺均可以實現引用次數的查看，例如Google和微軟學術搜索Microsoft Academic Search，還有利用醫學文獻助手篩查PubMed文獻質量

H指數（H Index）

H指數是2005年由美國加利福尼亞大學聖地亞哥分校的物理學家喬治·希爾施提出的。

H指數的計算基於其研究者的論文數量及其論文被引用的次數。赫希認爲：一我的在其全部學術文章中有N篇論文分別被引用了至少N次，他的H指數就是N。

能夠按照以下方法肯定某人的H指數：

• 將其發表的全部SCI論文按被引次數從高到低排序；
• 從前日後查找排序後的列表，直到某篇論文的序號大於該論文被引次數。所得序號減一即爲H指數。

以上有關H指數的內容來自維基百科

查看H指數的最簡單的方法就是利用Google Scholar，注意是英文版的，中文版的不要。另外FireFox和Chrome也有相應的插件能夠選用。

I10指數（I10-Index）

I10-index是由Google提出來的，指做者發表文章數被引用10次以上的個數。

好比我發表了100篇文章（呵呵，有點大了啥），其中90篇被他人引用了10次以上，那麼本人的I10-index就是90。

若是說影響因子是針對期刊的話，那麼H指數和I10指數就是針對我的的。論文的影響因子高，只能說該論文找了一個好婆家，具體引用狀況並不必定。而H指數和I10指數就是確切反應論文引用的一種量化標準。

G指數（G-Index）

G-Index（G指數）相比於上述幾個指標來有點默默無聞。G-Index是由Leo Egghe於2006年提出的， 評價做者論文數量的一個指標。

G指數的計算方法以下

• 把全部做者發表文章按照引用次數降序排列，序號爲g
• 把做者全部發表文章的序號進行平方，獲得g2
• 把做者全部文章的引用次數進行加法，獲得∑TC
• 最後一個∑TC仍大於g2的序號就是G指數。

有點繞哈，沒事舉個例子更清楚一些，好比我發表瞭如下文章，按照引用次數進行排序以下

引用次數（TC）	序號（g）	文章引用次數之和（∑TC）	g2
47	1	47	1
42	2	89	4
37	3	126	9
36	4	162	16
21	5	183	25
18	6	201	36
17	7	218	49
16	8	234	64
16	9	250	81
16	10	266	100
15	11	281	121
13	12	294	144
13	13	307	169
13	14	320	196
13	15	333	225
12	16	345	256
12	17	357	289
12	18	369	324
12	19	381	361
11	20	392	400
…	…	…	…

由上表能夠看出個人H指數是13，g指數是19，由於第20個文獻g2已經大於前面全部引用次數之和了。（該例子數值來源於Egghe. An Improvement of the H-Index: the G-Index）

G指數相比於H指數和I10指數，更能反應論文整個引用狀況。好比我發表的文章，整體都不高，可能H指數比較高，但是一算G指數立馬原形畢露，原來是水貨一枚。

H5指數（H5-index）和H5中位數（H5-median）

H指數、I10指數和G指數是針對我的論文引用次數的統計，而H5指數和H5中位數（H5-median）是針對雜誌引用次數的一種評價體系。

H5指數

H5指數是過去5年以內某一雜誌所發表的論文數相比於引用數的最小值，如

Nature雜誌過去5年以內發表了1000篇文章（固然實際數值比這個大），按照每篇論文的引用數進行降序排列

第381位的文章的引用數是381，而382的文章引用數是300，那麼Nature的H5指數就是381

H5相較於IF，是反應雜誌過去5年文章的引用狀況，而IF是反應的雜誌平均引用狀況。H5相較於H指數，是針對雜誌的整體狀況，而H指數是針對於我的論文的引用狀況。

有時候不一樣影響因子的雜誌，H5可能同樣。如PLoS One和Nature Reviews Immunology的H5都是130，但是二者的影響因子相差可不止一個檔次。

H5中位數

H5中位數（H5-median）是指所用文章引用次數的中位數。爲毛不用平均數？由於資料不是正態分佈。每個雜誌的文章引用次數確定不會是平均分佈的，正如我國居民收入同樣。有的引用次數確定很大，但是有的文獻可能很水，引用次數少的可憐。若是平均沒法反應真實的引用狀況，中位數最佳的選擇。

F1000

F1000(Faculty of 1000)是爲生物學及醫學研究人員提供評估服務的二次文獻數據庫，是由英國BioMed Central出版的一種新型在線研究輔助工具，包括生物學（Biology）和醫學（Medicine）兩大系列。 其目前是給生命科學研究者一個新的評價體系，而不只僅依賴因而否被SCI收錄。

醫學F1000：由2400多位世界頂級的臨牀專家、學者收集和評價，提供目前世界上最重要的醫學論文信息及發展趨勢。它包括18個領域：麻醉和鎮痛、心血管疾病、重症監護和急診醫學、皮膚病學、糖尿病和內分泌病學、循證醫學、胃腸病和肝病學、血液病學、感染性疾病、腎病學、神經疾病、腫瘤學、心理學、公共衛生和流行病學、呼吸系統疾病、風溼和臨牀免疫、泌尿病學、女性健康。該網站文獻與PubMed及PubMed Central進行了連接。

生物學F1000：由2300多位專家學者的評價，提供目前世界上最重要的生物學論文信息及研究趨勢。涵蓋學科領域：生物學、生物化學、生物信息學、生物技術、癌症生物學、心血管生物學、細胞生物學、化學生物學、發育生物學、生態學、進化生物學、胃腸生物學、基因組學和遺傳學、免疫學、代謝及內分泌學、微生物學、分子生物學、分子醫學、神經科學、藥理學與藥物發現、生理學、植物生物學、腎生物學、呼吸生物學、結構生物學。

主要特色

• 主要對PubMed收錄的重要論文的進行客觀評估，評估依據是以學術成就而非該期刊是否被SCI收錄；
• 參加評議的成員分別由美國和歐洲等國際知名機構的著名專家組成。根據論文對當前世界生物和醫學研究的貢獻程度和科學價值，經過客觀反映學術水平的指標（F1000因子）給予評分，每日將最近一個月內的極少數優秀論文推薦給讀者，並提供Pubmed連接。

F1000三個等級分別爲9分（傑出）、6分（必讀）和3分（推薦）。

以上有關F1000的內容來自百度百科。

所以F1000相比於影響因子，多人工挑選的干預，其分值高的研究意義就比較重大。F1000應該是一個質化的指標，最簡單的實時查看F1000的方法也可使用醫學文獻助手。

聊完了傳統的評價指標，再扒一扒新興的論文評價指標

Altmetric

Altmetric是一個新興的指標，雖然字面意思是替代指標，可是我認爲「社會化影響力」或者「網絡影響因子」或者「分享因子」更能反應其本質。

Altmetric出現的背景

可能你們遇到這麼一種狀況，有的論文發表之後，被你們普遍轉載，網絡新聞報道，Twitter或者G+上評論和分享。這時，影響因子和F1000就不能反應這些了。

Altmetric就是在這種狀況下出現的，Altmetric就是反應某一論文分享、下載、閱讀的狀況。

可是如今Altmetric爭議也比較大，關於名字都有爭議。我我的認爲InterMetric更好，簡稱IM，有點和實時通信軟件混了啥。SocialMetirc，簡稱SM，有點變態了哈。

有關Altmetric更多詳情能夠參閱此文：利用Altmetric評價系統瞭解論文的關注度分享狀況

相似的還有Plum Metrics （利用Plum Metrics評價系統瞭解論文的關注度分享狀況）和Impactstory（這個可能要掛代理）

RG Score

RG Score（RG因子）是ResearchGate推出的一個評價做者的指標。RG Score推出的目的是爲了幫助評價本身在科學圈內的處於一個啥水平。計算方法並非自我發表了多少文章，而是本身的科研工做被同行承認以程度。

RG Score不一樣於傳統評價指標在於能夠統計更多的信息，以下載，瀏覽、分享等。RG Score不一樣於Altmetric之處在於RG Score更測重於分享。若是和同行分享本身的Idea，並獲得同行的承認和討論，那麼RG Score增加很快。

更多有關RG Score的詳情能夠查看此文：ResearchGate科研人員本身的FaceBook