新的基于引用的期刊指标是如何加入文献计量工具箱的？

文献计量学评价中新的引文等级指标P100的反直觉行为示例

Examples for counterintuitive behavior of the new citation-rank indicator P100 for bibliometric evaluations

最近提出了一个新的基于竞争力的评级量表P100，以描述独特的引文值的分布方面的引文影响。在这里，我研究了5个示例数据集，两个简单的虚拟模型和三个较大的经验样本的P100。在模型数据集中表现出违反直觉的行为，指出在分析指标随时间的演变或比较不同领域或出版年份时存在困难。结果表明，类似的问题可能会发生三个较大的数据集的经验引用值。此外，据观察，性能评价结果的影响，在论文集可以通过选择不同的期刊发表的手稿。

特征因子、受众因子和影响力权重之间的关系

The relation between Eigenfactor, audience factor, and influence weight

我们提出了一个理论和实证分析的期刊绩效的文献计量指标。我们特别关注三个指标，即特征因子指标、受众因子和影响力权重指标。我们的主要发现是，后两个指标可以被视为第一个指标的一种特殊情况。我们还发现，这三个指标可以很好地表征在两个属性。我们把这些特性称为对领域差异不敏感的特性和对无关紧要的日志不敏感的特性。我们提出的实证结果说明了我们的理论研究结果。我们还表明，经验，期刊绩效的各种指标之间的差异是相当大的。

The Journal Impact Factor: A brief history, critique, and discussion of adverse effects

The Journal Impact Factor (JIF) is, by far, the most discussed bibliometric indicator. Since its introduction over 40 years ago, it has had enormous effects on the scientific ecosystem: transforming the publishing industry, shaping hiring practices and the allocation of resources, and, as a result, reorienting the research activities and dissemination practices of scholars. Given both the ubiquity and impact of the indicator, the JIF has been widely dissected and debated by scholars of every disciplinary orientation. Drawing on the existing literature as well as on original research, this chap…

文章读者信息的文献计量学性质

The Bibliometric Properties of Article Readership Information

美国航天局天体物理学数据系统（ADS）与天文学期刊和数据中心（一个称为URANIA的合作项目）一起开发了一个分布式在线数字图书馆，该图书馆已成为天文学家搜索、获取和阅读其技术文献的主要手段。数字图书馆，如美国航天局天体物理学数据系统，使人们能够容易地积累一种新型的文献计量学指标，即个别文章的电子访问（“阅读”）次数。我们探讨了这项新措施的各个方面。我们研究了实际读取测量的过时函数，并表明它可以很好地拟合的时间常数非常不同的四个指数的总和。我们比较了过时的功能，衡量读者与过时的功能，衡量引文。我们发现，引用功能是成正比的两个组件的读者功能的总和。这证明了规范的引文理论在本质上是正确的。我们进一步详细研究了引文率、读者率和每篇文章的总引文量之间的异同，并讨论了其中的一些原因。使用的阅读次数作为个人的文献计量学措施，我们介绍了阅读引用图提供一个二维视图的个人的科学生产力。我们开发了一个简单的模型来解释一个人的阅读和引用，并使用它来显示一个人在阅读引用图中的位置是年龄，先天生产力和工作历史的函数。我们显示了阅读和引用的年龄偏差，并开发了两种新的文献计量学方法，其年龄偏差比引用小得多

影响成熟时间和引用时间窗口：2年最大期刊影响因子

Impact maturity times and citation time windows: The 2-year maximum journal impact factor

期刊计量学是从文献计量学的角度对科技学术期刊进行评价的一种方法。在这种情况下，汤森路透期刊影响因子（JIF）是最常用的基于引用的指标。2年期刊影响因子（2-JIF）计算1年和2年前文章的引用次数，而5年期刊影响因子（5-JIF）计算1 - 5年前文章的引用次数。然而，这些指标在科学领域之间不具有可比性，原因有二：（i）每个领域的影响成熟时间不同;（ii）各学科的出版和引用行为存在系统性差异。事实上，5-JIF于2007年首次出现在期刊引文报告（JCR）中，目的是在影响力成熟缓慢的领域中产生更具可比性的影响力。然而，没有一个最佳的固定影响到期时间适用于所有领域。在其中一些国家，两年的时间可以提供良好的业绩，而在其他国家，则需要三年或更长时间。因此，当比较一个影响力成熟缓慢的领域的期刊与一个影响力迅速成熟的领域的期刊时，会有一个问题。在这项工作中，我们提出了2年最大期刊影响因子（2 M-JIF），这是一个新的影响指标，它考虑了2年滚动引用最大影响的时间窗口，而不是以前的2年时间窗口。最后，实证应用比较2-JIF，5-JIF，和2 M-JIF表明，最大滚动目标窗口减少组间方差相对于组内方差在一个随机样本的约600个期刊从8个不同的领域。

不同领域和不同时间的影响因子差异

Differences in Impact Factor Across Fields and Over Time

文献计量学影响因子是期刊影响力的主要指标，影响因子通常用于从选择期刊订阅到分配研究资金到决定终身职位案例的决策。然而，随着时间的推移，期刊的影响因子逐渐增加，而且影响因子在学科之间差异很大。在这里，我们量化通货膨胀随着时间的推移和影响因子得分的不同领域，并确定这些差异的来源。我们发现，参考文献列表中的平均引用次数逐渐增加，这是影响因子分数随时间推移而膨胀的主要因素。汤姆森科学的期刊引用报告索引的文献引用比例的领域特定变化是不同领域期刊影响因子差异的最大贡献者。科学文献作为一个整体的增长率，以及各个领域的净规模和增长率的跨领域差异，对影响因子膨胀或影响因子的跨领域差异的影响很小。

量化科研影响和范围的二维的指数

A two-dimensional index to quantify both scientific research impact and scope

现代研究管理越来越多地基于定量文献计量学指标。如今，h指数是衡量研究成果的主要指标，已经取代了所有其他基于引用的指数。在这种情况下，通过评估研究成果的不同方面来补充h指数的指标是令人信服的。作为一个额外的文献计量学来源，可以很容易地从现有的数据库中提取，我们建议使用不同的期刊Nj的数量，其中一个人的论文发表。我们发现，NJ是独立的引用计数，并认为这是一个相关的指标的研究范围，因为它量化的读者范围和科学的多学科性。结合h指数和Nj，我们定义了一个二维的指数（H，M），它既衡量个人研究的产出（通过H），又衡量个人研究的外延（通过M）。为了探讨这个二维的指数的相关性，我们分析了属于同一部门，但不同的研究主题的物理学家小组的科学生产。文献计量学数据的分析证实，这两个指数是不相关的，并表明，虽然H可靠的排名研究人员的影响，M准确地排序多学科或读者方面。我们的结论是，这两个指数一起提供了一个更完整的图片的研究绩效，可以应用于个人，研究小组或机构。

综合影响指标（I3）与影响因子（IF）的比较：一种具有政策含义的替代研究设计

Integrated Impact Indicators (I3) compared with Impact Factors (IFs): An alternative research design with policy implications

在文献计量学中，将“影响力”与中心趋势统计联系起来是错误的。影响累积起来，因此引用曲线应该被整合而不是平均。例如，《MIS Quarterly》和《JASIST》期刊在各自的影响因子（IF）方面相差两倍，但IF较低的期刊具有较高的影响力。使用百分比等级（例如，前1%、前10%等），综合影响指标（I3）可以基于引用曲线的综合，但是在将引用曲线归一化到相同尺度之后。跨文档集的结果可以作为参考集的总影响的百分比进行比较。然而，不应该使用引用总数，因为引用曲线的形状不被欣赏。I3可以应用于任何文档集和任何引用窗口。积分（求和）的结果可以完全分解为期刊或机构单位，如国家、大学等，因为百分比等级是在纸张级别上确定的。在这项研究中，我们首先比较了I3和IF的两个ISI学科类别（“信息科学与图书馆学”和“多学科科学”）的期刊。此外，地雷影响调查还按国家进行了分解。这种可能的范式转变在引文影响分析的政策影响。

研究群体文献计量统计属性的绩效相关差异：累积优势与层级网络

Performance-related differences of bibliometric statistical properties of research groups: cumulative advantages and hierarchically layered networks

本文在分析两大研究群体文献计量特征的统计属性时，区分了表现最好的群体和表现较低的群体。我们发现高绩效和低绩效群体之间存在有趣的差异，而且两组研究群体之间也存在差异。特别是后者的差异是有趣的，因为它们可能表明研究管理策略的影响。性能较低的组比性能最高的组具有更大的规模相关累积优势。我们还发现，无论表现如何，较大的群体有较少的未被引用的出版物。我们引入了一个简单的模型，在该模型中，微观层面的过程导致在宏观层面上观察到的现象。平均而言，表现最好的群体在整个期刊影响范围内更成功。我们将我们的发现融入到分层网络的概念中。在这个概念中，研究小组的网络构成了一个层次，比通过引用连接的出版物的基本网络高出一个层次。一个群体收到的引文的累积规模优势看起来像是基本网络中的优先连接，其中高度连接的节点（出版物）比连接较少的节点更快地增加其连接性。但在我们的研究中，是规模造成了优势。一般来说，一个群体（研究群体网络中的节点）越大，这个群体以非线性、累积的方式获得的传入链接就越多。此外，表现最好的群体在建立联系方面的效率大约高出一个数量级（即，接受引用）比低性能组。

Gender issues in fundamental physics: Strumia's bibliometric analysis fails to account for key confounders and confuses correlation with causation

Alessandro Strumia recently published a survey of gender differences in publications and citations in high-energy physics (HEP). In addition to providing full access to the data, code, and methodology, Strumia (2020) systematically describes and accounts for gender differences in HEP citation networks. His analysis points both to ongoing difficulties in attracting women to high-energy physics and an encouraging-though slow-trend in improvement. Unfortunately, however, the time and effort Strumia (2020) devoted to collating and quantifying the data are not matched by a similar rigour in interpr…