摘要：为了更好地了解大数据时代我国科技期刊评价系统中的评价指标，本文采用统计分析的方法，对我国五大科技期刊评价系统的评价指标进行了统计分析。文中对五大科技期刊评价系统的创建时间及收录期刊数量等方面进行对比，同时给出了五大科技期刊评价系统的评价指标，并分别对其各自的评价指标进行分析。分析结果表明，与其他评价系统相比，中国人文社会科学核心期刊具有24项评价指标，其评价指标不仅有影响因子、论文引用量和基金论文比等传统的评价方式，而且运用大数据分析，更多地增加了人文关怀和期刊内部建设；中国核心期刊遴选数据库中的Web即年下载率和总下载量，能更好地反映科技期刊的网络扩散度，实现多类型文献的交叉链接，能更公平、公正、全面、科学地评价科技期刊。该研究为广大科技期刊工作者在大数据时代能更全面了解科技期刊的评价指标提供依据。
关键词：大数据； 科技期刊； 评价系统； 评价指标； 影响因子
科技期刊作为学术成果集中记录和交流的基本传播载体，在促进科技进步和经济发展等方面具有重要作用。同时，作为以刊登学术论文为主的科技期刊，又内在地具有评价学术成果和引导学术研究的功能。将科技期刊作为评价学术成果的依据，以科技期刊的等级来认定学术成果的优劣，是传统的高等学校、科研院所在科研管理工作中的通行做法[1]。虽然这种评价方法具有一定的合理性，但是受传统评价理念、数据采集能力和技术方法等方面的限制，期刊计量评价指标的设计和统计方法往往带有诸多主观因素，不能公平公正的评价科技期刊[2]，所以什么样的科技期刊是核心期刊[3]，什么样的科技期刊是非核心期刊，这就涉及到对众多科技期刊的评价问题。随着我国科学技术的迅猛发展和科研水平的不断提高，各学科知识创新日渐加速，跨学科研究日趋普遍，创新成果大量涌现，而如何将那些有价值的、优秀的研究成果及早地推向社会，服务于我国现代化建设是科技期刊的首要任务。因此，探索可以较为全面反应科技期刊质量和影响力的综合评价体系，受到学术界同仁的普遍重视。近年来，研究科学评价科技期刊质量和学术影响力的理论和方法有很多。王帅帅等人[4-6]对我国科技期刊几大评价体系存在的问题进行了对比分析。互联网的发展，推动着大数据时代的来临，大数据不仅为我国科技期刊带来了机遇与挑战[7-15]，大数据分析也为科技期刊的定性和定量评价提供一个客观、全面、规范和准确的量化标准。许多科技期刊研究人员采用文献计量学的方法，对科技期刊评价指标进行大数据统计与分析[16-19]，提升了科技期刊评价的科学性。目前，我国有五大具有影响力的科技期刊评价系统，这些评价系统所发布的核心期刊目录索引，已成为评价我国科技期刊优劣的标尺。因此，本文主要对大数据时代我国五大科技期刊评价系统的评价指标进行分析，使科技期刊工作者更好地了解科技期刊评价指标。该研究对建设我国高水平的优秀的科技期刊具有重要意义。
钾肥对青稞生育期的影响较小，本试验各处理的生育期在110～111 d。但施用钾肥后，基本苗、有效穗数、穗长、穗粒数、穗粒重、千粒重均优于对照，说明施用钾肥能够促进青稞良好生长。在不同生育阶段，各处理的茎秆弹性强度变化不一致，综合不同生育期的茎秆弹性强度，发现A4处理茎秆弹性强度最大，为2.19 N，其次为A5处理，对照处理的茎秆弹性强度最小。在产量上，不同处理之间也有差别，但施用钾肥的处理产量均高于对照，其中以A5处理产量最高，A4处理次之。综合产量结果、性状及茎秆弹性强度直观分析，以A4和A5处理最优，因此该施肥条件可作为最佳施肥量进行参考。
1我国科技期刊评价系统比较
我国期刊评价系统众多,评价结果各不相同，本文主要研究与科技期刊评价相关的评价系统。从评价目的、评价指标、评价范围等方面来看,我国最主要的科技期刊评价系统有5种，这5种科技期刊评价系统的评价指标均采用文献计量学的方法，定量与定性分析相结合来评价科技期刊。科技期刊评价系统比较如表1所示。
表1 科技期刊评价系统比较
序号中文名称评价单位收录期刊/种创建时间/年1中文核心期刊要目总览北京大学图书馆1 98219922中国人文社会科学核心期刊中国社会科学院文献计量与科学评价研究中心1 52319993中国科学引文数据库(CSCD)中国科学院文献情报中心1 22919894中国科技期刊引证报告(CJCR)中国科学技术信息研究所2 39619875中国核心期刊遴选数据库中国科学文献计量评价研究中心和清华大学图书馆3 7732003
注：表中“收录期刊/种”主要是2016～2018年的数据。
2科技期刊主要评价系统的评价标准统计及分析
2.1中文核心期刊要目总览
《中文核心期刊要目总览》[20]的主要目的是为了图书和情报部门进行期刊采购、典藏、导读等工作提供参考依据，而不是学术评价的标准，更不具备法律和行政效应，只是一个科研课题成果，根据期刊的动态发展变化特点定期更新。《中文核心期刊要目总览》第8版(2017年版)于2018年11月出版，共有16项评价指标。中文核心期刊要目总览评价指标如表2所示。
表2 中文核心期刊要目总览评价指标
序号评价指标序号评价指标序号评价指标序号评价指标1被摘量(全文,摘要)5影响因子9特征因子13获奖或被重要检索工具收录2被摘率(全文,摘要)6他引影响因子10论文影响分值14基金论文比(国家及省部级)3被引量75年影响因子11论文被引指数15Web下载量4他引量(期刊,博士论文,会议)85年他引影响因子12互引指数16Web下载率
由表2可以看出，与2014年版相比，2017年版中文核心期刊要目总览增加了获奖、5年影响因子、5年他引影响因子、特征因子、论文影响分值和Web下载率6个评价指标。但该评价体系的出版时间比数据统计时间滞后，不利于对科技期刊进行科学合理的评价。另外，对获奖或被重要检索工具收录这一评价指标的设置有些不当，期刊获奖只能说明当时情况，不能代表未来，况且奖项的评定也带有人为因素，具有一定的局限性，而被重要检索工具收录的期刊，其影响力不一定强。
由表5可以看出，中国科技期刊引证报告，在采用国际通用评价体系基础上，又考虑了我国科技期刊的实际情况，从科技期刊被引用、期刊来源以及学科分类这3个方面，计算了24项学术计量指标，基本涵盖和描述了期刊的各个方面，反映了科技期刊在某一学科的影响力。
2.2中国人文社会科学核心期刊(A刊)
多次被高学术影响力的期刊引用，这不仅考察了该刊的引文数量，也体现了该刊的学术水平；通过采用PageRank计算，得到期刊整体影响力指标，并以此衡量期刊的总体影响力；而高倍引论文是以10年为统计窗口，统计该期刊论文从发表后累积被引频次，并达到该期刊所属学科每年度被引频次前1%的论文。
表3 中国人文社会科学核心期刊评价指标
吸引力影响力管理力获奖情况论文状况同行评议学术影响力社会影响力国际影响力学术不端编辑作者队伍制度规范信息化建设期刊、编辑人员获奖基金论文比专家委员即年影响因子发行量海外发行编辑队伍制度建设网站建设开放获取推荐专家影响因子网络显示度作者队伍编辑规范在线稿件处理系统论文获奖下载量科研人员管理人员5年影响因子微信公众号论文转载量期刊与学科关系指标
中国核心期刊遴选数据库[24]是核心期刊测评和论文统计分析的数据源基础。其评价指标包括：影响因子，总被引频次，他引影响因子，量效指数(journal mass index，JMI)等，每个指标中又包含若干指标，共有14项学术计量指标。中国核心期刊遴选数据库学术计量指标如表6所示。由表6可以看出，中国核心期刊遴选数据库的评价指标，已从传统的以定量分析为主，向定量与定性分析相结合的评价方法转变。该数据库应用大数据对收集到的科技期刊的庞大数据进行处理、分析、归纳、总结整理，统计出复合影响因子、复合他引影响因子等复合指标体系，实现资讯的有效利用，而Web即年下载率和总下载量能更好地反映科技期刊的网络扩散度，实现多类型文献的交叉链接，使其对科技期刊的评价更具系统性、科学性和准确性。
2.3中国科学引文数据库
哲学社会科学体现了一个民族的思维能力、精神状态和文明素质，承载着认识世界、传承文明、创新理论、咨政育人、服务社会的重要历史使命。高等学校有着开展哲学社会科学研究工作得天独厚的优势，是繁荣发展哲学社会科学事业的重镇。改革开放以来，我国各个高校的哲学社会科学事业取得了辉煌的成就，研究阵容、研究领域和研究水平皆有长足发展，为社会主义物质文明、精神文明和政治文明作出了巨大贡献。与此同时，我们也应清醒地认识到，高校的哲学社会科学事业仍旧存在着种种弊端和不足之处，高校的哲学社会科学工作者仍然任重而道远。有鉴于此，我们应充分利用全面提升协同创新能力这一契机，进一步繁荣发展高校的哲学社会科学事业。
中国科学引文数据库[22]2017年期刊引证指标于2018年10月公布，该数据库主要是为广大用户，尤其是科研管理部门提供一份重要的、量化的参考依据。中国科学引文数据库评价指标如表4所示。
表4 中国科学引文数据库评价指标
序号评价指标序号评价指标序号评价指标1论文量7引用半衰期13H指数2基金论文量8影响因子14特征因子3论文机构数9即年指标15论文影响力分值4参考文献数10总被引频次16研究热点指数5篇均参考文献数11自被引率17高被引论文6自引率12被引半衰期18期刊分区
由表4可以看出，中国科学引文数据库的学术期刊评价指标是从论文的产出力和影响力两个层面确定，其统计对象包含地区、机构、合作研究、人才研究、文献评价和基金资助等多方面，共有18项评价指标。其中，特征因子(Eigenfactor Scores)是一种全新的期刊引文评价指标，这一指标是基于该期刊前5年所发表的论文，在统计年
中国科技期刊引证报告[23]，又称中国科技核心期刊，其目的是为国内科技期刊编辑部、科研机构、科研管理部门及广大科技工作者能快速地评价科技期刊，并客观准确地选择和利用科技期刊提供科学依据。同时，也为科学研究人员和科技期刊编辑客观了解自身学术影响力，提供公平、公正、合理、客观的评价依据。中国科技期刊引证报告学术计量指标如表5所示。
表5 中国科技论期刊引证报告学术计量指标
期刊被引用计量指标期刊来源计量指标学科分类期刊计量指标核心总被引频次来源文献量综合评价总分核心影响因子文献选出率学科扩散指标核心即年指标AR论文量学科影响指标核心他引率平均引文数核心总被引频次的离均差率核心开放因子平均作者数核心影响因子的离均差率核心扩散因子地区分布数-权威因子机构分布数-核心被引半衰期海外论文比-核心引用刊数基金论文比--引用半衰期-
中国人文社会科学核心期刊[21]，简称A刊，主要是面向科研工作，为优化学术期刊的使用和文献资源的利用服务。A刊评价按三大类、多个学科划分，评价指标体系由3个1级指标，10个2级指标和24个3级指标构成，设置一票否决制。中国人文社会科学核心期刊评价指标如表3所示。
2.4中国科技期刊引证报告
比如在进行“玩扫雷”这节课的时候，教学的目标就是让学生可以了解扫雷的策略技巧和规则，但是通过这节课的学习还能够对鼠标的操作加强练习。除此之外还可对学生的创新能力以及推理能力加以培养。通过对扫雷游戏的实际操作可以使学生对技巧上的掌握更加熟悉，同时还可以培养小学生观察力和分析探究问题的能力。这样这节课的教学目标达到了，同时还能够使学生获取信息、处理信息的能力也得到提升
她的脸涨得通红，欲言又止，陈留莫名其妙地看着她，似乎明白了什么。他站起来，说：“我们走吧，让阿姨安静地看会儿电视吧。”
表6 中国核心期刊遴选数据库学术计量指标
期刊影响因子类指标期刊被引频次类指标期刊其他指标复合影响因子复合总被引可被引文献量复合他引影响因子复合他引总被引基金论文比复合即年指标被各类统计源引用频次他引总引比期刊综合影响因子-Web即年下载率期刊综合他引影响因子-总下载量(万次)期刊综合即年指标--
2.5中国核心期刊遴选数据库
由表3可以看出，中国人文社会科学核心期刊评价指标，是以期刊在学科中的影响力为主线，从期刊被利用的情况来评价和选择。综合评价AMI指标体系主要从吸引力、影响力和管理力3个层面对期刊进行评价。与其他评价系统相比，其评价指标不仅有影响因子、论文转载量和基金论文比等传统的评价方式，而且更多的增加了人文关怀和期刊内部建设，运用大数据分析，从国家新闻出版广电总局、cnki学术不端文献检测系统和各期刊网站建设等方面采集期刊数据信息，并把期刊的编辑队伍数量、学历构成、期刊发行量、期刊投稿系统、海外发行、论文获奖情况等纳入到评价中，对每本期刊进行全面、公平、公正的评价。
3应用大数据优势提升科技期刊评价指标
大数据时代的到来，为我国科技期刊评价系统提供了新思路、新手段和新方法，科技期刊评价系统应充分运用大数据带来的优势，创建符合大数据时代的、科学的科技期刊评价指标。本文所分析的五大科技期刊评价系统，其传统而单一的评价体系已不复存在，相应的已向综合指标评价体系转变。
体视显微镜的光源数目为一个或两个。除了调节光线的强弱，趋光角度不同，镜下标本的成像也会有很大不同。正确的选择上下光源，通过结合体视显微镜上方的变倍旋钮，让我们即可清晰的观察标本的结构形态等细节特点，又可以宏观对比不同标本的形态特征，观察活体标本的行动轨迹[5]。
由于受统计数据与统计方法的限制，传统的评价指标主要是影响因子、被摘率、被引用率等，且五大评价系统均基于各自的评价优势，采集相对的评价指标。而大数据时代，可以利用移动互联网、云计算等网络优势，实现科技期刊数据信息的共享与整合。
虽然以大数据为依托的定性分析具有及时、客观、全面和准确的特点，但该统计方法也存在一定的弊端，如果研究人员受利益驱使，修改数据，并利用数据造假，那么以大数据为依托的客观性则难以保证。因此，基于大数据分析的科技期刊评价系统，在秉承原有评价体系的基础上，应该向多元化和精准化发展。
4结束语
本文主要对我国五大科技期刊评价系统的评价指标进行研究。良好的学术生态系统的形成，是依靠科学的学术评价机制。尽管一切学术信息都能由大数据量化，但人类的价值取向却无法用大数据量化。科学研究是人类认识和探索未知世界，而学术评价则有其独特性，学术论文的评价，不能仅以影响因子和总被引频次这两个单一评价指标为标准，而是需要通过综合指标进行评价，使科技期刊评价更加全面、客观和准确。因此，科技期刊评价指标的确立，应遵循科学性与价值性相结合、定量分析与定性分析相结合的原则，构建主客观评价相统一的科技期刊评价标准，而且评价的主体应实行同行评价和专家评价相结合，网络评价与数据的客观影响评价相统一的综合评价体系；推行原创性、前沿性和影响力等评价指标，更加系统、公正和全面地评价科技期刊期刊。该研究对我国科技期刊的发展具有重要意义。
参考文献:
[1] 徐惠. 完善我国科技期刊评价指标体系的几点建议[DB]. 道客巴巴, http: ∥www. doc88. com/P-306517835728. htmi. 2012-07-09.
[2] 陈锐锋. 我国科技期刊评价存在问题及对策[J]. 科技传播, 2017(4下): 17-19.
[3] 郝秀清, 姚佳良. “985工程”高校学报在不同数据库中评价指标对比分析[J]. 科技管理研究, 2013(17): 76-80.
[4] 王帅帅, 史水超. 我国科技期刊评价体系的分析和建议[J]. 编辑学报, 2015, 27(s2): 109-112.
[5] 梁葆朱, 穆俊霞. 我国科技期刊质量评价权威机构评价体系对比与分析[J]. 山西中医学院学报, 2016, 17(5): 10-12, 16.
[6] 两大中文电子期刊数据库对比分析研究[J]. 晋图学刊, 2008(2): 27-29, 59.
[7] 徐伟娟, 蔡雯雯, 江雨蓬. 浅谈大数据时代科技期刊面临的挑战与机遇[J]. 今传媒, 2016(3): 105-106.
[8] 大数据时代对我国科技期刊的影响及其对策[C]∥第十二届全国核心期刊与期刊国际化、网络化研讨会论文集. 南昌: 中国科学技术期刊编辑学会等, 2014: 95-99.
[9] 吴年华, 于向凤. 大数据时代科技期刊经营策略研究[J]. 编辑学报, 2017, 29(5): 412-415.
[10] 蓝艳华, 颜志森. 大数据时代科技期刊的应对策略探讨[J]. 传播与出版, 2016(8): 48-50.
[11] 王永超. 大数据时代纸质科技期刊出版模式的改进与提升[J]. 江苏科技信息, 2017(6): 29-31.
[12] 易基圣. 基于大数据的科技期刊数字化转型研究[J]. 长江大学学报(社科版): 2014, 37(8): 154-156.
[13] 万连城, 郭晓霞, 陈英. 基于大数据的学术期刊管理云系统研究[J]. 科学与管理, 2017, 37(6): 28-31.
[14] 周洁. 利用大数据优化科技期刊出版流程的实践与思考[J]. 中国科技期刊研究, 2018, 29(2): 144-147.
[15] 林静, 院金谒, 严秀丽. 基于《农村科技》的中国学术期刊大数据及农业供给侧改革期刊发展方向分析[J]. 传播与出版, 2018(2): 44-47.
[16] 刘俊, 张昕. 大数据视域下的科技期刊数据库建设[J]. 编辑学报, 2014, 26(1): 59-62.
[17] 庞达. 大数据背景下学术期刊的评价标准研究[J]. 科技与管理, 2016, 18(4): 87-91.
[18] 熊水斌, 彭桃英, 骆超, 等. 我国科技期刊引证指标数据库的对比分析[J]. 中国科技期刊研究, 2015, 26(2): 198-204.
[19] 单爱莲, 倪力强. 我国三种重要检索大数据库对期刊影响因子的作用与影响[J]. 中国临床药理学杂志, 2015, 31(8): 677-680.
[20] 陈建龙, 朱强, 张俊娥, 等. 中文核心期刊要目总览[M]. 北京: 北京大学出版社, 2018.
[21] 中国社会科学院文献信息中心. 中国人文社会科学核心期刊要览[M]. 北京: 社会科学文献出版社, 2018.
[22] 中国科学院文献情报中心. 中国科学引文数据库[DB]. 中国科学引文数据库网站, 2018.
[23] 中国科学技术信息研究所. 中国科技期刊引证报告[M]. 北京: 科学技术文献出版社, 2018.
[24] 中国科学文献计量评价研究中心, 清华大学图书馆. 中国学术期刊影响因子年报(自然科学与工程技术)[M]. 北京: 中国学术期刊(光盘版)电子杂志社有限公司, 2018.
StatisticsandAnalysisofEvaluationIndexesofChineseScienceandTechnologyPeriodicalsintheBigDataEra
ZHAO Yang, KONG Qian
( Editorial Department of Journal of Qingdao University, Qingdao 266071, China)
Abstract: In order to understand the evaluation indexes better in the evaluation system of Chinese science and technology periodicals in the big data era, the statistical analysis method is used to analyze the evaluation indexes of the evaluation system of Chinese science and technology periodicals in this paper. The establishment time and the number of the journals included in the evaluation system of the five major periodicals are compared. At the same time the evaluation indexes of the evaluation system of the five major science and technology periodicals are given and their evaluation indexes are analyzed respectively. The results of analysis show that there are 24 evaluation indexes in the core journals of Chinese humanities and social sciences compared with other evaluation systems. And the evaluation indexes not only include the traditional evaluation methods such as impact factors, citation of papers and fund supporting paper ratio, but also use big data analysis to increase humanistic care and internal construction of journals. The annual download rate and the total download from the web of the selection Chinese database of the core journals can reflect the network diffusion degree of science and technology periodicals better. Realizing cross-linking of multiple types of literatures can make it in a fairer, more comprehensive and scientific way to evaluate science and technology periodicals. This study will provide a basis for the majority of science and technology periodical workers to understand the evaluation indexes of science and technology periodicals more comprehensively in the big data era.
Keywords: big data； science and technology periodical； evaluation system； evaluation index； impact factor
中图分类号：C03
文献标识码：A
收稿日期：2019-06-20；修回日期:2019-08-29
作者简介： 赵洋(1964-),女,副编审,主要研究方向为科技期刊编辑学。 Email: qdxbgc@126.com
文章编号：1006-9798(2019)04-0098-05；DOI：10.13306/j.1006-9798.2019.04.021
标签：科技期刊论文; 评价论文; 中国论文; 评价指标论文; 期刊论文; 社会科学总论论文; 社会科学理论与方法论论文; 科学的方法论论文; 《青岛大学学报(工程技术版)》2019年第4期论文; 青岛大学学报编辑部论文;