免疫学与生物信息学论文相关性分析.docxVIP

免疫学与生物信息学论文相关性分析 自1975年《jct》公布以来，if成为一个关注的焦点，并逐渐发展成为一个国际基准和科研评估的核心内容。期刊评估也是评价科研评估的同义词。然而, 近年来伴随着日益复杂的科研环境以及评价需求,IF弊端凸显, 因此新型期刊引文测评方法成为国内外研究的热点,AF (audience factor, 读者指数) ,SNIP ( Source normalized impact per paper, 单篇文章源标准影响指数) 以及Crown factor(荣誉指数) 等概念不断推出。本文将从期刊评价发展脉络中追溯其进化历程, 并通过相关分析、聚类分析与因子分析论证主要评价指标相关性及其优劣。 1 期刊评价发展 1972年, 基于Martyn和Gilchrist所谓26.1%引文来自2年内的文献这一事实,Garfield将IF定义为某期刊前两年发表的论文在统计当年的被引用总次数除以该刊在前两年内发表的论文总数。IF的确立无疑是具有里程碑意义的, 它奠定并开创了科学计量学的基础。但是从根本上说, 这一指标原产于美国、因美国图书馆员选刊而生, 简单而明了是其基本特征。后来人们用之于期刊评价并在科学评价中备受争议, 这一点Garfield本人也始料未及。由于用途的改变, 没有将专业性、引文密度、半衰期等可变因素考虑在内而造成的许多重要信息的丢失问题也就浮出水面。综合起来, 问题的焦点主要集中在以下几个方面:首先, 没有滤过自引造成的噪声而引起人为操纵;其次,2年统计期使不同刊物、不同学科可比性受到制约;第三, 引文来源不清, 仅仅基于被引绝对数量将不同来源引文等同视之。上述因素引发的发展的内部张力, 加之本世纪初复杂网络研究的兴起以及PageRank所谓“不同链接贡献不等值”理念输入的新思维, 促使期刊评价在矫正和补充IF中进化。总的来说, 期刊评价指标沿着下述四个方向发展: (1) 类PageRank型:以Eigenfactor与SCImago Journal Rank(简称SJR) 为代表。这两个指标皆是Google网页排名算法应用于引文网络的产物。首先是2007年,Bergstrom等人构建了特征因子 (Eigenfactor) , 其中将期刊引文测评方法的理论假设从“所有引文重要性等价”修正为“引文重要性正比于施引期刊重要性”, 它通过构建剔除期刊自引的5年期引文矩阵, 以类似于PageRank的算法迭代计算出期刊的权重影响值, 从而实现了早在1965年Price提出的引文数量与价值的综合评价。同年,Félix de Moya教授带领的西班牙SCImago研究团队使用Scopus数据给出新型期刊测评指标SJR, 这一指标将期刊引文网络从同等对待各刊引用的无权网进化到体现各刊声望差异的权重网。 (2) 类h-指数型:以期刊h-指数为典型。这一指标是2005年美国加州大学圣迭哥分校物理学家乔治·赫什 (Jorge E.Hirsch) 提出的衡量科学家个人科研成就的h-指数的衍生物。2007年,Braun将h-指数扩展到对期刊的评价, 并定义为在统计时段内, 该期刊至少有h篇论文获得了h次引用。其继承了h-指数兼顾生产率和影响力的优点, 巧妙地将数量指标 (论文数量) 和质量指标 (被引频次) 有机结合, 从而摈弃了影响因子的弊端, 迎合了学术界开发更为客观、透明的学术遴选指标的迫切需求。 (3) 百分比排序型:以五年期影响因子 (下文简称IF5) 为代表。其沿袭了2年期影响因子的算法, 只不过将统计年限确定为5年, 因此通过较长时间的期刊平均生产率以及论文被引的统计折射出期刊的影响。 (4) SNA型:如Loet Leydesdorff教授提出的期刊中心度的概念。它是社会网络 (Social Network, 简称SN) 在引文网络中的体现, 即根据期刊在引文网络中所处位置的重要程度评判期刊的学术地位, 而网络由代表期刊的节点和代表期刊间引用关系的连线构成, 期刊的重要程度则用中心性指标如:点度、中介和特征向量中心度来表示。 此外, 常用的指标还包括JCR中的论文影响分值 (Article InfluenceTMscore, 下文简称AI) 、即时指数 (immediacy factor) , 以及2010年Henk F. Moed教授开发的新指标SNIP, 本文将采用定量方法就上述指标的相关性展开分析。 2 文献检索和snip查询 本文选用F1000数据库, 以该库中免疫学、生物信息学文献为统计对象, 统计年限为2005年。在F1000高级检索界面中, 笔者设定检索式为:article publication data=2005 and subject=“immunology”or subject=“b