當前評估一本Journal的好壞
最常用的方法就是看這本Journal的Impact Factor (IF)
所謂的IF就是
以某雜誌的所有文章在過去兩年內被引用的次數
除以該雜誌所有文章的數目
所得到的數字
美國西北大學的Luis Amaral
做了一項研究(發表在The PLOS ONE)
他統計了1995以後
大約2千3百萬篇科學論文
其中被引用次數最多的有20000多次
但也有半數的論文從來沒有被引用過
論文被引用次數完全不是常態分佈
所以在這種情況下
用平均數來代表一本Journal內所有文章的被引用數
並不準確
以此來評估一本Journal的品質(被引用次數)
也變得不可信
試想某本雜誌有一篇超好的文章被引用了20000次
其他所有的文章都超爛, 從來沒有被引用
如此算出來的IF可能不低, 因為IF是取平均
可是這本雜誌明明就是爛雜誌
只是它碰巧有一篇好文章
在這個極端的例子裡
IF確實不可靠
IF的另一個問題就是
不同領域的文章被引用的頻率不同
某些熱門的領域
可能一篇普普的論文也可以很快累積被引用數目
因為該領域的文章總數多
某些較冷門的領域
就算是千古難得一見的好文章
也不一定很快就有很多人引用
因為可能該領域的研究不多
或看得懂該研究的人不多
如此以IF來衡量一篇文章的好壞
確實有失精準
在合理的情況下
高IF Journal的文章的被引用次數
應該高於低IF的Journal裡的文章
可是以目前的IF排名方法
卻未必如此
有沒有解決方法?
Luis Amaral主張把被引用的次數改成對數!
如此會比較接近常態分佈
然後
一篇文章通常隨著時間被引用的機率會下降
達到一個穩定狀態
Luis Amaral就用一種數學模式(很複雜, 我完全看不懂, sorry)
預測各個Journals的文章會多快達到穩定狀態
然後用這個方法估計出該Journal的文章的被引用數
舉例來說
有一本Journal叫做
Trends in Biochemical Science
它的IF很高(13.863)
遠高於同一個類別的EMBO(10.086), Plant Cell (9.868), 或Journal of Biological Chemistry (5.808)
但是用Luis Amaral提出的新ranking方法(稱為q值)
Trends in Biochemical Science(1.51)就會落到EMBO(1.97), Plant Cell (1.87), 或Journal of Biological Chemistry (1.69)後面
排名完全改觀 請看這裡
確實
Trends in Biochemical Science裡的大部分文章的被引用數並沒有上述Journals的多
針對科學雜誌的排名
我們是不是真的需要一種新的方法?
延伸閱讀
The Scientist 的報導
有人說IF不能reproducible 請看這裡
有人說IF容易受到人為的操弄 請看這裡
google pr 演算法的期刊評等:
http://www.scimagojr.com/index.php
Nice perception!
[…] factor 不可盡信的impact factor? (實驗室裡實驗室外)Impact Factor 我們需要新的Impact Factor? SCI? Impact Factor? 學術界拿來譁眾取寵的工具。 The Impact Factor Game […]
[…] 轉載自台大醫院小兒部呂俊毅醫師的我們需要新的Impact Factor […]