基于IF(JCR)\IF(Scopus)\H指数\SJR值\SNIP值的期刊评价研究术

[摘要]把专家评价作为待考察的文献计量学指标的“参照系”，探讨用IF(JCR)、IF(Scopus)、H指数、SJR值、SNIP值进行学术期刊评价的效果。以IF(JCR)、IF(Scopus)、H指数、SJR值、SNIP值与专家评价相比较，进行Spearman非参数相关分析，结果表明：这些期刊评价指标与专家评价值相关性排序(从大到小)依次为SJR值、IF(JCR)、IF(Scopus)、SNIP值、H指数。这表明SJR值可作为IF(JCR)的替代工具，可能由于它同时兼顾期刊被引的数量与质量，与其他评价指标相比，其期刊评价效果更优。建议我国期刊数据库适当开发适应中文期刊需要的评价指标，并指出我国期刊评价未来将呈现多样化、综合化、自动化、国际化的发展趋势。

[关键词]期刊评价文献计量学指标专家评价发展趋势

[分类号]G350

1　前言

期刊评价有助于优选高质量的期刊，从而为高水平的馆藏资源建设提供参考；也有助于期刊编辑工作水平的提高，从而提升期刊学术水平。评价期刊的指标有很多，比如影响因子、H指数、SJR值和SNIP值等。由Eugene Garfield提出的大名鼎鼎的基于JCR的影响因子IF(JCR)历史悠久，近年来又出现了基于Scopus~数据库的影响因子IF(Scopus)，影响因子出现多样化。从2005年美国的Jorge Hirsch教授提出H指数以来，研究热潮一直居高不下，各种变体如雨后春笋般涌现，如R指数、g指数、hg指数、m指数、q2指数、h指数、e指数、a指数等，让人眼花缭乱。SJR和SNIP是近年出现的新生事物，大有后来者居上之势。

sJR是SCImago Joumal Rankings的缩写，是一个既考虑了期刊被引数量，又考虑了期刊被引质量的指标。它采用Goode的PageRank算法，赋予高声望期刊的引用以较高的权重，并以此规则迭代计算直到收敛。SNIP是Source Normalized Impact per Paper的缩写，是衡量期刊影响力的新工具。它是荷兰莱顿大学科技研究中心(CWTS)的Hank Moed博士开发出的期刊度量指标。SNIP是在三年引文窗中某一来源出版物中的每篇论文的平均被引次数与该学科领域的“引文潜力”之间的比值，其中“引文潜力”是指一篇文章估计在指定的学科领域中所达到的平均被引次数。它不用考虑期刊分类，依据作者引用其他论文的频次、引用影响的成熟速度和数据库在领域内的文献覆盖率，就可以对不同学科领域的期刊进行直接比较。SNIP一年更新两次，具有动态发展性。它在网站ht.tp://www.joumalindicators.corn.或上免费可查，也可在收费的Scopus Journal Analyzer(www.省略.)中查到。其来源数据是全球最大的文摘引文数据库Scopus，与SCI相比，该文摘引文数据库的来源文献量较大，但收录的引文数据年限较短。该指标为研究评价提供了新的视角。

IF(JCR)、IF(Scopus)、H指数、SJR值、SNIP值各有各的优势，人们不禁要问：到底以哪个指标进行期刊评价效果更佳?尽管同行评议存在一些问题，但是大多数研究人员更愿意选择同行评议。到目前为止，同行专家评价被认为是非常重要的期刊评价方法，而且被认为是验证计量指标有效性的自然标准。因此，本文把专家评价(peer review)作为文献计量学指标的“参照系”：如某指标与专家评价值之间的非参数相关性更强，则认为该指标评价效果更佳；反之，则认为该指标评价效果不佳。

2　研究方法

2003年ARL图书馆馆长和信息管理系主任共93人对71种图书情报期刊进行了评价打分。笔者以文献中表2数据为基础，以某期刊分值=(ARL图书馆馆长人数*所给的平均分+信息管理系主任人数*所给的平均分)／(ARL图书馆馆长人数+信息管理系主任人数)，计算出2003年期刊专家所给出的分值。需要说明的是，该文中表2把对期刊“不熟悉”的回复和空白回复统统弃去不予考虑。

在荷兰莱顿大学科技研究中心(CWTS)期刊指标网站(www.省略/SearchJoumal.aspx)输入某期刊名，点击“search”按钮，即可找出2003年该期刊的SNIP值。在SCImago研究组的期刊排序网站(www.scimagojr.corn/joumalrank，php)中选中・2003年，点击“Refresh”按钮，下载2003年Excel形式的数据表格，从中可得到期刊的SJR值和IF(scopus)(即Cites/Doc.(2years))。H指数是从Scopus网站(hnp://www.省略/)中获取的，具体方法是选中“Source Title”输入期刊名，时间截止到2003年，点击“search”按钮。对检索出的结果进行甄别，仅对精确符合期刊名的，才按引文数排序，被引频次不少于H。SNIP值、SJR值、IF(scopus)和H指数的数据均来源于Elsevier的Seopus~数据库。在ISI的SSCI期刊JCR中，学科领域选“Social Sciences”，学科类别选“Library and Information Sciences”，对2003年数据进行检索，可得2003年的经典IF(JCR)。

数据采用国际著名的统计软件SPSS 13.0进行非参数Spearman相关分析。这样，在总体方差未知或知道甚少的情况下，利用样本数据可对总体分布形态等进行推断。该方法简便，适用性强。

3　研究结果

专家评价的期刊、Seopus数据库收录的期刊、JCR数据库收录的期刊三者重合的共48种，有关评价因子结果见表1。

从Spearman相关分析结果(见表2)可以得出，SNIP值、SJR值、H指数、IF(scopus)、IF(JCR)与专家评价值之间的相关系数分别是0.329、0.379、0.237、0.344、0.369，因此，各评价指标与专家评价值相关性排序(从大到小)依次为SJR值>IF(JCR)>IF(scopus)>SNI P值>H指数。SJR值与专家评价值之间的非参数相关性更强，可认为该指标评价效果更佳。

4　讨论

4.1SJR的期刊评价功能与其他评价指标相比更优

这与文献的研究结果是一致的。该文献以2007年SSCI与Scopus收录重合的38种图书情报期刊为例，通过Spearman相关系数对SJR(来源于Scopus)、JIF

(来源于JCR)和H指数(来源于Seopus~)三种学术期刊评价指标之间关系进行研究。结果表明，SJR、JIF和H指数三者呈线性关系，但由于SJR同时兼顾期刊被引数量与质量而更优。其他有关的研究还有：赵星、高小强和唐宇使用因子分析、回归及相关分析等方法实证研究了SJR与JIF、期刊H指数的关系，结果表明：SJR与JIF和期刊H指数均有较强正相关性；Bo-rnmann、Marx和Schier以20种有机化学期刊为例进行研究，研究结果表明：以Spearman非参数相关检验进行分析，H指数及其一些变体(g指数，h指数，a指数和R指数)与期刊影响因子两两之间均具有很高的相关性，因而这些被研究的指标之间在实证应用时存在冗余性。

如果以单一评价指标进行期刊评价，从本文的研究结果来看，SJR可作为IF(JCR)的替代工具，其期刊评价功能更佳。不过，本文以图书情报领域期刊为例进行研究，所获得结论是否具有普适性，尚待在其他领域进一步探讨。一般来说，期刊评价采用几种指标进行综合评价总是比较可靠的，比如以H指数和特征因子值(Eigenfactor score)分别作为x轴、Y轴，通过划分象限对期刊进行评价；又如，以Eigenfactor值和论文影响值(Article Influence Score)之乘积对期刊进行评价；再如，以ISI的影响因子(IF)与加权的Pager-ank(Weighted PageRank)的乘积进行评价期刊。当然，最好的情况是能把定性评价与定量评价有机结合起来，把定量化的计量指标与定性化的同行评价结合起来。需要特别强调的是，如果欲使评价简单化，可制作计算机软件，从而可使评价自动化、智能化。此外，也可考虑参考国外的粗分法进行期刊的评价，如澳大利亚研究理事会(Australian Research Council)采用ERA模型(Excellence in Research for Australia)把期刊分为四级(A*、A、B与c)等。

4.2建议我国期刊数据库适当开发适应中文期刊需要的评价指标

我国期刊数据库既要适当采用传统的文献计量指标，如载文量、引文量、被引量、总被引频次、影响因子、被引半衰期、引用半衰期、他引量、他引率、Price指数、即年指数、扩散因子、二次文献转载量、参考文献量、基金论文比、国际论文比、趋势指数、稳定指数等，也要采用网络计量学指标，如Web上网文献数、Web下载总频次、Web影响因子、Web即年下载率、Web扩散系数。而且，应注意借鉴国内外期刊评价的最新研究成果，可考虑适当增加H族指数(H指数、R指数、g指数、hg指数、m指数、q2指数、h指数、e指数、a指数等)，期刊中心度指标(点度中心度、接近中心度、中介中心度、特征向量中心度)，以及类似SJR值、类似特征因子、类似SNIP值、类似论文影响值等指标。此外，应下大力气研究探索新的期刊评价指标，如利用改进的HITS算法(Hyperlink-Induced Topic Search)或改进的PageRank算法构建期刊评价的新指标以及通过一些评价指标的组合而形成新指标等。这样期刊计量指标的多样化，既便于不同的用户直接进行比较，满足不同的需求，也便于学者进行各种计量研究，岂不是一举两得，皆大欢喜?

4.3未来我国期刊评价的发展趋势

4.3.1期刊评价多样化①评价机构多样：目前国内主要的期刊评价机构有7家，既有高等院校的，又有科研院所的。可以预计，不久的将来，期刊评价机构数量会更多，呈现出百花齐放、百家争鸣的局面。②指标多维度：既有引文评价指标，又有期刊的使用评价指标，还有同行评价指标等；评价方式多样，既有定量评价，又有定性评价。

4.3.2期刊评价综合化①评价指标综合：仅凭单一的评价指标进行期刊评价，不如多指标评价更好。②评价模型综合：可尝试把不同的评价模型组合起来，探索其优劣。③评价方法综合：可尝试走定量评价(文献计量法、网络计量法、经济计量法等方法)与定性评价(同行评价、用户评价等方法)相结合的路子。

4.3.3期刊评价自动化未来，计算机应用更广泛，网络更发达，信息采集将会出现在线调查为主、实地问卷调查为辅的局面。而且，可以编制有关计算机程序，研发期刊评价计算机支持系统，既大大降低人工的劳动量，提高期刊评价的效率，又大大减少了人工计算的失误几率，增加期刊评价的准确性。

4.3.4期刊评价国际化未来期刊评价要走出去，既要注意吸收国内外的先进成果，又要积极邀请国际一流相关领域的学者加盟。期刊评价国际化，既有利于与国际接轨，促进国际间的合作与交流，又有利于提高我国期刊的质量，扩大影响力，加快期刊国际化建设的步伐。

目前，期刊评价主要有引文评价(citation analy，sis)、同行评价(peer review)。引文评价从问世以来便受到种种责难、攻击，主要源于人们的困惑：引文真的能代表学术的质量吗?文献被引用得多就一定表示该文献质量高吗?Maier于2006年发现：对于区域科学期刊的同行评价与这些期刊的影响因子无显著的正相关。不过，引文评价与同行评价相比，它简单明了，易于量化，易于操作，花费小，效率高，因此从问世以来一直备受科研评价者和政策制定者的重视。同行评价被认为是验证计量指标有效性的自然标准，因此，本文把同行评价作为判断其他方法优劣的“参照系”。由于时间所限以及数据获取的不便性等多种因素，还有一些期刊评价指标未进行分析，尚待对更多的评价指标进行更深入的分析和比较。另外，有些数据库如Google Scholar未作为评价指标的来源，故未对一些基于该数据库的H指数等指标进行分析。这些都有待于将来做进一步的研究。