·情报业务与情报服务·
不同学科领域期刊 Citescore指标与其 影响因子、特征因子的相关性分析
郝若扬
(中国社会科学院中国社会科学评价研究院，北京 100732)
摘 要： [目的/意义]Citescore是Elsevier发布的一个新的学术期刊评价指标，研究Citescore指标的主要特点和它在学术期刊评价中发挥的效力，对于发展和完善学术期刊评价是至关重要的。[方法/过程]本文以自然科学和社会学科领域的期刊为研究对象，对这些期刊的Citescore指标与其对应的影响因子、特征因子进行了相关性分析，并讨论Citescore指标的主要特征以及它与影响因子、特征因子的关联和差异。[结果/结论]研究结果表明，相对于影响因子和特征因子，Citescore指标在源引数据库、引证时间、文献类型、计算透明度以及免费获取方面具有明显的优势。同时，研究结果也表明，期刊的Citescore指标与其影响因子的相关性高于Citescore指标与其特征因子的相关性，而且期刊的Citescore指标与其影响因子、特征因子的相关性依赖于学科领域。
关键词： Citescore指标；影响因子；特征因子；相关性分析；期刊评价
学术期刊评价对于提高学术期刊的质量和科学性、引导学术期刊发展具有重要的意义。因此，学术期刊评价指标已经成为文献计量学研究的热点之一。在过去的40多年中，期刊影响因子(Impact Factor)一直是学术期刊评价的一个垄断性指标。然而，由于影响因子被滥用以及其自身存在的一些缺陷，受到了较多的争议和批评[1-2]。近年来，一些新的期刊评价指标得以涌现并得到了广泛的关注和研究，如期刊特征因子(Eigen Factor)[3-4]、谷歌学术H5指数[5]等。近期的研究表明，这些新的期刊评价指标与期刊影响因子存在一定的相关性[4-5]，特别是特征因子，由于引入了Page Rank的加权思想，因此它相对于影响因子更能够反映期刊在学术领域中的重要性[4]。目前它已被Web of Science(WOS)数据库列为一个重要的期刊评价指标。2016年12月，Elsevier出版公司依托它们开发的世界上最大的引文数据库Scopus，发布了一个新的期刊评价指标Citescore。Citescore类似于影响因子，采用了均篇被引的计算方式，但其引证时间为3年，比计算影响因子的引证时间多了1年。更为突出的是，Citescore源引的Scopus数据库包含了22 200多种期刊，是影响因子和特征因子源引WOS数据库中期刊数目的2倍[6-8]；而且Citescore计算中包含了所有的文献类型，比影响因子和特征因子计算中的文献类型更为全面和广泛[9]。自Citescore指标发布以来，它受到了广泛的关注。一些学者认为Citescore指标将会成为期刊影响因子最有力的竞争者[9-11]，这对于发展和完善期刊评价体系有一定的推动作用。
做为一个新的期刊评价指标，近期国内外学者对它展开了初步研究。Silva J A T等[9]比较了Citescore指标与影响因子之间的差异，并进一步讨论了Citescore指标对于学术期刊的发展以及相关的读者和作者群的影响。叶艳等[10]通过引文分析，采用知识扩散因子和他引率两个评价指标，对经济管理领域的期刊的影响因子和Citescore指标进行了对比分析。分析结果表明：在经济管理领域中，基于期刊影响因子的排序要优于基于Citescore指标的排序[10]。刘雪立等[11]选取了8个不同的人文社科和综合医学领域，基于统计方法分析8个学科领域的期刊影响因子与其Citescore指标的相关性。结果表明，在这些学科领域中，期刊影响因子与Citescore指标具有几乎一致期刊评价力，并且对于被引半衰期较长的学科期刊，Citescore指标相对于影响因子在期刊影响力评价中具有一定的优势[11]。肖仙桃等[12]对比分析了期刊影响因子和Citescore指标在期刊收录范围、相互覆盖程度等方面的差异，并进一步分析了645种中国科技期刊在影响因子和Citescore指标中的排名表现。盛丽娜[13]分析了4个不同学科领域中期刊Citescore指标及其百分位与影响因子、即年指标的相关性，并指出了Citescore指标相对于影响因子更为客观，同时Citescore指标百分位适用于期刊的跨学科评价。Kim K等[14]总结了Citescore统计方式与其它期刊评价指标的不同。目前，由于Citescore指标的发布时间较短，国内外关于Citescore指标的研究相对较少，主要集中于将Citescore指标与影响因子进行比较，并没有对于Citescore指标的主要特征和期刊评价效力进行深入分析和研究。此外，Citescore指标与影响因子的比较分析主要集中在人文社科学科领域的期刊中，目前关于自然学科领域期刊的比较分析非常之少。
本文选取WOS与Scopus数据库中共同收录的3类典型自然科学和3类典型社会科学领域期刊为研究对象，通过分析这些期刊2018年的Citescore指标和科睿唯安公布的最新期刊引证报告JCR(Journal Citation Reports)期刊影响因子以及特征因子之间的相关性，总结出在不同学科领域中，Citescore指标与期刊影响因子以及特征因子的关联和差异，从而进一步探讨Citescore指标对于不同学科领域，期刊评价的主要特征和评价效力，为深入理解和使用Citescore指标提供一定的指导。
1 Citescore指标的主要特征及优缺点
在这一节中，将主要介绍Citescore指标的定义，并总结Citescore指标的主要特征，同时指出Citescore指标相对于影响因子、特征因子的优缺点。类似于影响因子，Citescore指标采用了均篇被引的计算方式，其定义为：某期刊前3年发表文献在统计当年的被引次数除以该期刊前3年发表的文献数目，即期刊前3年发表文献的平均被引次数。通过对国内外研究文献[9-14]的总结，Citescore指标具有如下的主要特征：
从3个年级分别采用基于K-means算法的评选方法和传统评选方法的结果对比表中可以分析出：基于K-means算法的评选结果与传统评选结果存在部分重叠的情况，是因为部分班级不仅总分高，而且班级各属性值都较均衡，同时可以说明，新的优秀班集体评选方法，在传统评选方法的基础上兼顾了班级各项评价属性的均衡发展。
本文对不同自然科学和社会学科领域期刊的Citescore指标与其影响因子、特征因子进行了相关性分析。分析结果表明，对于不同自然科学和社会科学领域的期刊，Citescore指标与影响因子、特征因子具有较为一致的期刊评价效力，Citescore指标与其影响因子的相关性总是高于Citescore指标与其特征因子的相关性，且Citescore指标与影响因子、特征因子的相关性依赖于学科领域。同时，本文也总结了Citescore指标的主要特征。相比影响因子和特征因子，Citescore指标在源引数据库、引证时间、文献类型、计算透明以及免费获取方面具有较为明显的优势，这对于发展和完善期刊的评价体系具有一定促进和推动作用。但是，Citescore指标也存在一些不足之处：1)Citescore指标的源引数据库对于新期刊的筛选没有严格的规则，无法区分一些通过非正规手段提升引用次数的期刊；2)从本质上而言，Citescore指标的计算方式类似于影响因子的计算方式，因此无法从根本上解决影响因子目前已面临的重要问题。
2)Citescore指标的计算数据是透明的，且可以免费获取和使用[6]。Citescore指标是基于Scopus数据库。这一数据库中的数据是可以免费获取的，且在其官方网站了列出了期刊论文的详细数据[6]。根据Citescore指标的定义，任何人可以通过这些公开透明的数据计算期刊的Citescore指标，并使用这些指标。而WOS数据库则是需要支付相应的费用获取一定的使用权限。因此，相对于影响因子和特征因子，Citescore指标的计算更为透明，获取和使用更为方便。
图1给出3类自然科学领域期刊的影响因子和与其对应的Citescore指标。对这些数据分别进行Person相关分析，其相关系数分别为0.971(应用物理类期刊)、0.974(化学类期刊)和0.931(材料科学类期刊)。图1的直线为线性回归分析的结果，所对应的拟合优度分别为0.941(应用物理类期刊)、0.949(化学类期刊)和0.866(材料科学类期刊)。从这些统计结果可以看出，对于这3类自然科学领域期刊，Citescore指标与影响因子具有显著的正相关。这一研究结果与近期盛丽娜对4类不同自然科学领域期刊的分析结果[13]是一致的。另外，值得注意的是，这些期刊的Citescore指标稍高于影响因子，其原因是Citescore指标的源引数据库包含了更多的期刊，同时Citescore指标具有较长的引证时间，从而导致了较高的均篇被引次数。表2列出了3类自然科学领域期刊的影响因子与Citescore指标的比较及其对应的配对T检验的结果。在应用物理和材料科学领域，Citescore指标大于影响因子的期刊数目居多，而在化学领域则相反。从配对T检验的结果来看，相比应用物理和材料科学领域，化学领域期刊的影响因子与Citescore指标之间的差异较为显著。这意味着应用物理和材料科学领域期刊的老化速度相对较慢，Citescore指标比影响因子有适于评价应用物理和材料科学领域期刊。
图3给出3类社会科学领域期刊的影响因子与其对应的Citescore指标。对这些数据分别进行Person相关分析，得出其相关系数分别为0.932(商业类期刊)、0.852(历史类期刊)和0.889(信息、图书馆类期刊)。图3也给出了线性回归分析的结果，所对应的拟合优度分别为0.867(商业类期刊)、0.723(历史类期刊)和0.787(信息、图书馆类期刊)。从这些统计结果可以看出，对于这3类社会科学领域期刊，Citescore指标与其影响因子呈现出显著的正相关。这一研究结果与刘雪立等的研究结果[11]是吻合的。表3列出了3类社会科学领域期刊的影响因子与Citescore指标的差异比较及其对应的T检验的结果。在商业和信息、图书馆领域中，Citescore指标大于影响因子的期刊较多，而历史领域期刊的情况则相反。从配对T检验的结果来看，商业和信息、图书馆领域期刊的影响因子和Citescore指标的差异较为显著，而历史学期刊的影响因子和Citescore指标的差异则不显著。这表明Citescore指标有利于评价商业和信息、图书馆领域期刊。
2 Citescore指标、影响因子与特征因子的相关性分析
图2给出3类自然科学领域期刊的特征因子与其对应的Citescore指标。对这些数据分别进行Person相关分析，获得的相关系数分别为0.560(应用物理类期刊)、0.571(化学类期刊)和0.456(材料科学类期刊)。图2也展示了线性回归分析的结果，所对应的拟合优度分别为0.308(应用物理类期刊)、0.322(化学类期刊)和0.205(材料科学类期刊)。这些结果表明，这3类自然科学领域期刊的Citescore指标与特征因子存在一定的正相关，但是其相关性弱于Citescore指标与影响因子的相关性。其原因主要是Citescore指标的计算方式不同于特征因子的计算方式，但类似于影响因子的计算方式。
2.1 数据与方法
从上述的相关性分析中，不难看出不论对于自然科学领域期刊，还是社会科学领域期刊，Citescore指标与其影响因子存在显著的正相关，而与其特征因子的也存在一定的正相关，但是相关性较低。这说明了这3个评价指标对于不同学科期刊的评价结果是一致的。对比图1和图3的相关分析结果可以看出，自然科学领域期刊的Citescore指标与其影响因子的相关性高于社会科学领域期刊的Citescore指标与其影响因子的相关性。然而，对比图2和图4的相关分析结果可以看出，自然科学领域期刊的Citescore指标与其特征因子的相关性要低于社会科学领域期刊的Citescore指标与其特征因子的相关性。这表明了在期刊评价方面，Citescore指标与影响因子、特征因子的相关性依赖于学科领域。另外，从图1和图3中Citescore指标和影响因子最高的前5名期刊的排序来看，在自然学科领域，Citescore指标和影响因子在期刊的排名方面具有较高的一致性，但是在社会学科领域，Citescore指标和影响因子在期刊的排名方面具有一定的分散性。这说明了Citescore指标与影响因子对于期刊排名的相关也会依赖于学科领域。
表1 2018年3类自然科学和3类社会科学领域期刊数目及其评价指标的均值
注：上述表格中期刊评价指标所对应的数字表示为均值±方差。
2.2 自然科学领域期刊的Citescore指标、影响因子与特征因子的相关性分析
3)Citescore指标的引证时间为3年，相比影响因子的引证时间增加了1年。如此，多数期刊的被引次数将会在更长的引证时间窗口内得到增加，因此对于这些期刊，其Citescore指标要高于影响因子。此外，相比于影响因子，Citescore指标具有较长的引证时间，因此将有利于评价被引半衰期较长的期刊(即老化速度较慢的学术期刊)[11,14-15]。
在这一节中，将选取WOS与Scopus数据库中共同收录的3类典型自然科学和3类典型社会科学领域期刊为研究对象，通过统计方法分析这些期刊在2018年的Citescore指标与期刊影响因子以及特征因子之间的相关性，从而探讨在不同学科领域中Citescore指标与影响因子及特征因子的关联，并突出在Citescore指标在不同学科领域中的评价效力。
表2 2018年3类自然科学期刊的影响因子与Citescore指标的比较
注：上述表格中IF代表影响因子，CS代表Citescore指标。
图2 3类自然科学领域期刊的特征因子与Citescore指标的相关性
2.3 社会科学领域期刊的Citescore指标、影响因子与特征因子的相关性分析
4)Citescore指标计算中包括了期刊中所有的参考文献(包括论文、综述、评论、新闻、读者来信、更正信息等)[6]，而影响因子计算中仅统计论文和综述的引用。从这一点来看，Citescore指标比影响因子具有更宽的文献覆盖面。由于Citescore指标考虑期刊中所有文献类型的引用，将会导致一些期刊编辑部开始重视非研究类的文献材料，如编辑评述、读者来信、更正信息和新闻等，这样在一定程度上将会改变期刊的出版计划，从而影响到整个学术出版行业。
图4展示了3类社会科学领域期刊的特征因子与其对应的Citescore指标。对这些数据分别进行Person相关分析，可以得出其相关系数分别为0.614(商业类期刊)、0.655(历史类期刊)和0.514(信息、图书馆类期刊)。同时，图3也给出了线性拟合的分析结果，所对应的拟合优度分别为0.373(商业类期刊)、0.421(历史类期刊)和0.254(信息、图书馆类期刊)。从这些统计结果可以看出，这3类社会科学领域期刊的Citescore指标与其特征因子存在一定的正相关，但是其相关性的程度具有一定的分散性，同时其相关性明显低于Citescore指标与影响因子的相关性。
表3 2018年3类社会科学期刊的影响因子与Citescore指标的比较
注：上述表格中IF代表影响因子，CS代表Citescore指标。
图4 3个社会科学领域期刊的特征因子与Citescore指标的相关性
2.4 Citescore指标与影响因子、特征因子的相关性对不同学科领域的依赖
根据WOS数据库中的学科分类，选取了3类典型自然科学和3类典型社会科学领域期刊，这些期刊均被WOS和Scopus数据库共同收录。在选择这些期刊时，本文充分考虑到学科的规模和期刊数量，同时兼顾了期刊的被引半衰期。所选取的3类自然科学分别为应用物理学、化学和材料科学，3类社会科学分别为商学、历史学和信息及图书馆学。这些学科的规模和期刊影响力均有一定的差异，且在自然、社会科学中具有一定的代表性。在确定了WOS和Scopus数据库共同收录的期刊之后，在WOS和Scopus数据库中分别检索到这些期刊在2018年所对应的影响因子、特征因子和Citescore指标，然后对这3个指标数据进行统计分析。表1列出了所选取的3类自然科学和3类社会科学领域期刊数目以及3个评价指标的均值和方差。从表1中可以看出，自然科学类期刊的3个评价指标均高于社会科学类期刊。在自然科学领域中，化学类期刊的3个评价指标最高，次之为材料科学类期刊，最后为应用物理类期刊；而在社会科学领域中，商业类期刊的3个评价指标最高，次之为信息、图书馆学类期刊，最后为历史类期刊。这说明了，3个期刊评价指标对于不同科学领域的期刊平均水平的评价是一致的。另外，从表1中可以看出，Citescore指标的与影响因子量级相当，比特征因子高几个量级。这是由于Citescore指标和影响因子的计算方式类似，而与特征因子的计算方式不同所造成的。值得注意的是，自然科学期刊影响因子的平均值总是大于Citescore指标的平均值；而对于社会科学期刊则相反。这是因为自然科学期刊的半衰期较短，而社会科学期刊的半衰期较长所造成的。通常期刊半衰期较长意味着该期刊的老化速度较慢。Citescore指标具有较长的引证时间，有利于统计半衰期较长期刊的被引频次，因此对于半衰期较长(即老化速度较慢)期刊，其Citescore指标比对应的影响因子较大。自然科学期刊影响因子的方差也总是大于Citescore指标的方差；而社会科学期刊恰恰相反。这说明自然科学期刊的影响因子的离散程度比Citescore指标的大，即影响因子在不同期刊之间的差异相对较大；而社会科学期刊则反之。这些都充分体现了影响因子与Citescore指标在自然和社会科学期刊中的差异。
3 结 论
1)Citescore指标是基于Scopus数据库统计得出的。Scopus数据库收录了22 000多种学术期刊，涵盖了世界上最广泛的自然和社会科学领域的文献以及索引[6-8]。其中有11 000多种期刊是没有被WOS数据库所收录，因此没有对应的影响因子和特征因子。值得指出的是，在这些期刊中包含了一些新创刊的出版刊物，主要是开放获取期刊，其中的一些期刊在相应的学科领域中有着不错的口碑。从这一点可以看出，Citescore指标有利于新刊的发展，特别是开放获取期刊。另外，值得一提的是，截止到2018年，Scopus数据库收录了570多种中文期刊[6]，这对于提升中文期刊的国际影响力有着一定的促进作用。相比而言，期刊影响因子和特征因子是基于WOS数据库得来的，而Citescore指标的源引数据库比WOS数据库包括更多的期刊，因此从期刊覆盖规模来说，Citescore指标比影响因子和特征因子更为全面和广泛。但是，近年来，随着开放获取期刊的增多，这些新期刊的质量饱受争议，因此一些学者对于Scopus数据库没有制定严格筛选新期刊的规则有一定的疑虑。
根据南安被动房项目情况，结合政府推广被动房的积极性以及购房者对购买被动房的态度，将复制动态方程其他相关参数设置初始值如下：S1=4、S2=0.5、S3=7、S4=1、S5=3，C1=1、C2=1.5、C3=1，Y=0.4。在讨论某个参数时会相应的对该参数进行变化，其他参数保持不变，变化时需要满足S5>C3和S3>S2+C1+C2。
由表1可知，大坝上游坝坡在各种运行工况下稳定性较差，均小于规范允许值；特别是在工况5，上游坝坡安全系数仅有0.98。说明上游坝坡存在失稳可能，而下游坝坡稳定性较好，因此需重点加固上游坝坡。
针对当前农业生产问题的迭出，尤其是固体氮肥的施用，造成氮肥利用率低，且与农药化肥零增长的思想相悖，资源浪费严重，不利于环境保护、不利于土壤的改良，致使农民收益降低。对此，在科技不断雕琢下的艾力素给出了解决方案，并成为农民心中认可的品牌。
目前，本文对Citescore指标与影响因子、特征因子的相关性仅是进行了初步的探究，对Citescore指标与影响因子、特征因子的内在关联的分析还不够深入。在随后的研究中，将根据更多学科领域期刊的统计数据对Citescore指标与影响因子、特征因子的内在关联和差异进行更为深入、系统的研究，同时也将对Citescore指标与其它评价指标进行对比分析研究。
2.5 孕晚期血清sFlt-1/PLGF比值预测高危孕妇子痫前期发病的ROC曲线分析 血清sFlt-1/PLGF比值对高危孕妇子痫前期的曲线下面积(AUC)为0.824(95%CI=0.657～0.992)。最佳截断值为8.39(灵敏度 72.7%，特异度 86.5%)。ROC曲线见图1。
参考文献
[1]Archambault E,Lariviere V.History of Journal Impact Factor:Contingencies and Consequences[J].Scientometrics,2009,79(3):639-653.
[2]陈巍,李文兰.期刊h指数、Web即年下载率与影响因子相关性研究——以CSSCI 收录图书情报类核心期刊为样本[J].情报科学,2010,28(12):1832-1836.
[3]West J D,Bergstrom T C,et al.Eigenfactor[EB/OL].http://www.eigenfactor.org/.
[4]刘艳华,华薇娜.期刊评价新指标———特征因子[J].情报杂志,2010,29(7):122-126.
[5]郝若扬.H5指数研究及其与影响因子的比较分析[J].情报科学,2017,35(6),120-129.
[6]Elsevier.Journal Metrics[EB/OL].https://www.elsevier.com/solutions/scopus.
[7]Falagas M E,Pitsouni E I,Malietzis G A,et al.Comparison of PubMed,Scopus,Web of Science,and Google Scholar:Strengths and Weaknesses[J].FASEB Journal,2008,22(2):338-342.
[8]Mongeon P,Paul-Hus A.The Journal Coverage of Web of Science and Scopus:A Comparative Analysis[J].Scientometrics,2015,106(1):1-16.
[9]Silva J A T,Memon A R.CiteScore:A Cite for Sore Eyes,or a Valuable,Transparent Metric?[J].Scientometrics,2017,111:553-556.
[10]叶艳,张李义.基于CiteScore 指数与影响因子的期刊评价研究——以经济管理领域期刊为例[J].情报科学,2017,35(7):126-131.
[11]刘雪立,任胜利,程维红,等.不同学科期刊CiteScore与影响因子的比较研究[J].中国科技期刊研究,2017,28(9):837-841.
[12]肖仙桃,曲建升,王玏,樊向伟,安培浚.CiteScore与JCR期刊评估指标的比较分析[J].中国科技期刊研究,2017,28(10):954-958.
[13]盛丽娜.CiteScore、CiteScore百分位与常用期刊评价指标的相关性分析[J].中国科技期刊研究,2018,29(6):605-611.
[14]Kim K,Chung Y.Overview of Journal Metrics[J].Science Editing,2018,5(1):16-20.
[15]Dorta-Gonzalez P,Dorta-Gonzalez M I.Impact Maturity Timesand Citation Time Windows:The 2-year Maximum Journal Impactfactor[J].Journal of Informetrics,2013,7(3):593-602.
Correlation Analyses among Citescore ,Impact Factor and Eigenfactor for Journals in Different Disciplines
Hao Ruoyang
(Chinese Evaluation Center for Humanities and Social Sciences,Chinese Academy of Social Sciences, Beijing 100732,China)
Abstract ：[Propose/Significance]Citescore is a new metricsto measure the citation impact for the journals,which was proposed by Elsevier in recent years.Investigating the feature and effectiveness of citescore is crucial for both development and improvement of the metrics for journal evaluation.[Method/Process]In this paper,we took the journals in different fields of natural and social sciences as samples,and investigated the correlation among the citescores,impact factors and eigenfactors of these journals.At the same time,we also discussed the main features of citescore,and the intrinsic relationship and differences of three metrics,including citescore,impact factor and eigenfactor.[Result/Conclusion]The results showed that compared with impact factor and eigenfactor,the citescore had more significant advantages in the database,citation time,literature type,calculation transparency and free access.Furthermore,the degree of correlation between citescore and impact factor was higher than that between citescore and eigenfactor.The degrees of correlation among citescore,impact factor and eigenfactor were associated with the disciplines of natural and social sciences.
Key words ：Citescore;impact factor;eigenfactor;correlation analysis;journal evaluation
DOI: 10.3969/j.issn.1008-0821.2019.12.010
〔中图分类号〕 G203
〔文献标识码〕 A
〔文章编号〕 1008-0821( 2019) 12-0081-07
收稿日期： 2019-09-06
作者简介： 郝若扬 (1980-)，女，副研究员，研究方向：文献计量。
(责任编辑： 郭沫含)
标签：Citescore指标论文; 影响因子论文; 特征因子论文; 相关性分析论文; 期刊评价论文; 中国社会科学院中国社会科学评价研究院论文;