不同學科領域期刊Citescore指標與其影響因子、特征因子的相關性分析

摘要：[目的/意義]Citescore是Elsevier發布的一個新的學術期刊評價指標，研究Citescore指標的主要特點和它在學術期刊評價中發揮的效力，對于發展和完善學術期刊評價是至關重要的。[方法/過程]本文以自然科學和社會學科領域的期刊為研究對象，對這些期刊的Citescore指標與其對應的影響因子、特征因子進行了相關性分析，并討論Citescore指標的主要特征以及它與影響因子、特征因子的關聯和差異。[結果/結論]研究結果表明，相對于影響因子和特征因子，Citescore指標在源引數據庫、引證時間、文獻類型、計算透明度以及免費獲取方面具有明顯的優勢。同時，研究結果也表明，期刊的Citescore指標與其影響因子的相關性高于Citescore指標與其特征因子的相關性，而且期刊的Citescore指標與其影響因子、特征因子的相關性依賴于學科領域。

關鍵詞：Citescore指標：影響因子：特征因子：相關性分析：期刊評價

DOl： 10.3969/j .issn .1008 -0821 .2019 .12 .010

[中圖分類號] G203 [文獻標識碼]A [文章編號]1008-0821（ 2019） 12-0081-07

學術期刊評價對于提高學術期刊的質量和科學性、引導學術期刊發展具有重要的意義。因此，學術期刊評價指標已經成為文獻計量學研究的熱點之一。在過去的40多年中，期刊影響因子（ ImpactFactor） -直是學術期刊評價的一個壟斷性指標。然而，由于影響因子被濫用以及其自身存在的一些缺陷，受到了較多的爭議和批評[1-2]。近年來，一些新的期刊評價指標得以涌現并得到了廣泛的關注和研究，如期刊特征因子（ Eigen Factor） [3-4]、谷歌學術H5指數[5]等。近期的研究表明，這些新的期刊評價指標與期刊影響因子存在一定的相關性[4-5]，特別是特征因子，由于引入了Page Rank的加權思想，因此它相對于影響因子更能夠反映期刊在學術領域中的重要性[4]。目前它已被Web ofScience （WOS）數據庫列為一個重要的期刊評價指標。2016年12月，Elsevier出版公司依托它們開發的世界上最大的引文數據庫Scopus，發布了一個新的期刊評價指標Citescore。Citescore類似于影響因子，采用了均篇被引的計算方式，但其引證時間為3年，比計算影響因子的引證時間多了1年。更為突出的是，Citescore源引的Scopus數據庫包含了22 200多種期刊，是影響因子和特征因子源引WOS數據庫中期刊數目的2倍[6-8];而且Citescore計算中包含了所有的文獻類型，比影響因子和特征因子計算中的文獻類型更為全面和廣泛[9]。自Ci-tescore指標發布以來，它受到了廣泛的關注。一些學者認為Citescore指標將會成為期刊影響因子最有力的競爭者[9-11]，這對于發展和完善期刊評價體系有一定的推動作用。

做為一個新的期刊評價指標，近期國內外學者對它展開了初步研究。Silva J A T等[9]比較了Ci-tescore指標與影響因子之間的差異，并進一步討論了Citescore指標對于學術期刊的發展以及相關的讀者和作者群的影響。葉艷等[10]通過引文分析，采用知識擴散因子和他引率兩個評價指標，對經濟管理領域的期刊的影響因子和Citescore指標進行了對比分析。分析結果表明：在經濟管理領域中，基于期刊影響因子的排序要優于基于Citescore指標的排序[10]。劉雪立等[11]選取了8個不同的人文社科和綜合醫學領域，基于統計方法分析8個學科領域的期刊影響因子與其Citescore指標的相關性。結果表明，在這些學科領域中，期刊影響因子與Citescore指標具有幾乎一致期刊評價力，并且對于被引半衰期較長的學科期刊，Citescore指標相對于影響因子在期刊影響力評價中具有一定的優勢[11]。肖仙桃等[12]對比分析了期刊影響因子和Citescore指標在期刊收錄范圍、相互覆蓋程度等方面的差異，并進一步分析了645種中國科技期刊在影響因子和Citescore指標中的排名表現。盛麗娜[13]分析了4個不同學科領域中期刊Citescore指標及其百分位與影響因子、即年指標的相關性，并指出了Ci-tescore指標相對于影響因子更為客觀，同時Ci-tescore指標百分位適用于期刊的跨學科評價。KimK等[14]總結了Citescore統計方式與其它期刊評價指標的不同。目前，由于Citescore指標的發布時間較短，國內外關于Citescore指標的研究相對較少，主要集中于將Citescore指標與影響因子進行比較，并沒有對于Citescore指標的主要特征和期刊評價效力進行深入分析和研究。此外，Citescore指標與影響因子的比較分析主要集中在人文社科學科領域的期刊中，目前關于自然學科領域期刊的比較分析非常之少。

本文選取WOS與Scopus數據庫中共同收錄的3類典型自然科學和3類典型社會科學領域期刊為研究對象，通過分析這些期刊2018年的Citescore指標和科睿唯安公布的最新期刊引證報告JCR（ Journal Citation Reports）期刊影響因子以及特征因子之間的相關性，總結出在不同學科領域中.Citescore指標與期刊影響因子以及特征因子的關聯和差異，從而進一步探討Citescore指標對于不同學科領域，期刊評價的主要特征和評價效力，為深入理解和使用Citescore指標提供一定的指導。

1 Citescore指標的主要特征及優缺點

在這一節中，將主要介紹Citescore指標的定義，并總結Citescore指標的主要特征，同時指出Citescore指標相對于影響因子、特征因子的優缺點。類似于影響因子，Citescore指標采用了均篇被引的計算方式，其定義為：某期刊前3年發表文獻在統計當年的被引次數除以該期刊前3年發表的文獻數目，即期刊前3年發表文獻的平均被引次數。通過對國內外研究文獻[9-14]的總結，Citescore指標具有如下的主要特征：

1） Citescore指標是基于Scopus數據庫統計得出的。Scopus數據庫收錄了22 000多種學術期刊，涵蓋了世界上最廣泛的自然和社會科學領域的文獻以及索引[6-8]。其中有11 000多種期刊是沒有被WOS數據庫所收錄，因此沒有對應的影響因子和特征因子。值得指出的是，在這些期刊中包含了一些新創刊的出版刊物，主要是開放獲取期刊，其中的一些期刊在相應的學科領域中有著不錯的口碑。從這一點可以看出.Citescore指標有利于新刊的發展，特別是開放獲取期刊。另外，值得一提的是，截止到2018年，Scopus數據庫收錄了570多種中文期刊[6]，這對于提升中文期刊的國際影響力有著一定的促進作用。相比而言，期刊影響因子和特征因子是基于WOS數據庫得來的，而Citescore指標的源引數據庫比WOS數據庫包括更多的期刊，因此從期刊覆蓋規模來說，Citescore指標比影響因子和特征因子更為全面和廣泛。但是，近年來，隨著開放獲取期刊的增多，這些新期刊的質量飽受爭議，因此一些學者對于Scopus數據庫沒有制定嚴格篩選新期刊的規則有一定的疑慮。

2） Citescore指標的計算數據是透明的，且可以免費獲取和使用[6]。Citescore指標是基于Scopus數據庫。這一數據庫中的數據是可以免費獲取的，且在其官方網站了列出了期刊論文的詳細數據[6]。根據Citescore指標的定義，任何人可以通過這些公開透明的數據計算期刊的Citescore指標，并使用這些指標。而WOS數據庫則是需要支付相應的費用獲取一定的使用權限。因此，相對于影響因子和特征因子，Citescore指標的計算更為透明，獲取和使用更為方便。

3） Citescore指標的引證時間為3年，相比影響因子的引證時間增加了1年。如此，多數期刊的被引次數將會在更長的引證時間窗口內得到增加，因此對于這些期刊，其Citescore指標要高于影響因子。此外，相比于影響因子，Citescore指標具有較長的引證時間，因此將有利于評價被引半衰期較長的期刊（即老化速度較慢的學術期刊）[11，14-15]。

4） Citescore指標計算中包括了期刊中所有的參考文獻（包括論文、綜述、評論、新聞、讀者來信、更正信息等）[6]，而影響因子計算中僅統計論文和綜述的引用。從這一點來看，Citescore指標比影響因子具有更寬的文獻覆蓋面。由于Citescore指標考慮期刊中所有文獻類型的引用，將會導致一些期刊編輯部開始重視非研究類的文獻材料，如編輯評述、讀者來信、更正信息和新聞等，這樣在一定程度上將會改變期刊的出版計劃，從而影響到整個學術出版行業。

2 Citescore指標、影響因子與特征因子的相關性分析

在這一節中，將選取WOS與Scopus數據庫中共同收錄的3類典型自然科學和3類典型社會科學領域期刊為研究對象，通過統計方法分析這些期刊在2018年的Citescore指標與期刊影響因子以及特征因子之間的相關性，從而探討在不同學科領域中Citescore指標與影響因子及特征因子的關聯，并突出在Citescore指標在不同學科領域中的評價效力。

2.1 數據與方法

根據WOS數據庫中的學科分類，選取了3類典型自然科學和3類典型社會科學領域期刊，這些期刊均被WOS和Scopus數據庫共同收錄。在選擇這些期刊時，本文充分考慮到學科的規模和期刊數量，同時兼顧了期刊的被引半衰期。所選取的3類自然科學分別為應用物理學、化學和材料科學，3類社會科學分別為商學、歷史學和信息及圖書館學。這些學科的規模和期刊影響力均有一定的差異，且在自然、社會科學中具有一定的代表性。在確定了WOS和Scopus數據庫共同收錄的期刊之后，在WOS和Scopus數據庫中分別檢索到這些期刊在2018年所對應的影響因子、特征因子和Ci-tescore指標，然后對這3個指標數據進行統計分析。表1列出了所選取的3類自然科學和3類社會科學領域期刊數目以及3個評價指標的均值和方差。從表1中可以看出，自然科學類期刊的3個評價指標均高于社會科學類期刊。在自然科學領域中，化學類期刊的3個評價指標最高，次之為材料科學類期刊，最后為應用物理類期刊;而在社會科學領域中，商業類期刊的3個評價指標最高，次之為信息、圖書館學類期刊，最后為歷史類期刊。這說明了.3個期刊評價指標對于不同科學領域的期刊平均水平的評價是一致的。另外，從表1中可以看出，Citescore指標的與影響因子量級相當，比特征因子高幾個量級。這是由于Citescore指標和影響因子的計算方式類似，而與特征因子的計算方式不同所造成的。值得注意的是，自然科學期刊影響因子的平均值總是大于Citescore指標的平均值;而對于社會科學期刊則相反。這是因為自然科學期刊的半衰期較短，而社會科學期刊的半衰期較長所造成的。通常期刊半衰期較長意味著該期刊的老化速度較慢。Citescore指標具有較長的引證時間，有利于統計半衰期較長期刊的被引頻次，因此對于半衰期較長（即老化速度較慢）期刊，其Citescore指標比對應的影響因子較大。自然科學期刊影響因子的方差也總是大于Citescore指標的方差：而社會科學期刊恰恰相反。這說明自然科學期刊的影響因子的離散程度比Citescore指標的大，即影響因子在不同期刊之間的差異相對較大：而社會科學期刊則反之。這些都充分體現了影響因子與Citescore指標在自然和社會科學期刊中的差異。

2.2 自然科學領域期刊的Citescore指標、影響因子與特征因子的相關性分析

圖1給出3類自然科學領域期刊的影響因子和與其對應的Citescore指標。對這些數據分別進行Person相關分析，其相關系數分別為0.971（應用物理類期刊）、0. 974（化學類期刊）和0.931（材料科學類期刊）。圖1的直線為線性回歸分析的結果，所對應的擬合優度分別為0. 941（應用物理類期刊）、0. 949（化學類期刊）和0.866（材料科學類期刊）。從這些統計結果可以看出，對于這3類自然科學領域期刊.Citescore指標與影響因子具有顯著的正相關。這一研究結果與近期盛麗娜對4類不同自然科學領域期刊的分析結果[13]是一致的。另外，值得注意的是，這些期刊的Citescore指標稍高于影響因子，其原因是Citescore指標的源引數據庫包含了更多的期刊，同時Citescore指標具有較長的引證時間，從而導致了較高的均篇被引次數。表2列出了3類自然科學領域期刊的影響因子與Citescore指標的比較及其對應的配對T檢驗的結果。在應用物理和材料科學領域，Citescore指標大于影響因子的期刊數目居多，而在化學領域則相反。從配對T檢驗的結果來看，相比應用物理和材料科學領域，化學領域期刊的影響因子與Ci-tescore指標之間的差異較為顯著。這意味著應用物理和材料科學領域期刊的老化速度相對較慢.Ci-tescore指標比影響因子有適于評價應用物理和材料科學領域期刊。

圖2給出3類自然科學領域期刊的特征因子與其對應的Citescore指標。對這些數據分別進行Per-son相關分析，獲得的相關系數分別為0.560（應用物理類期刊）、0. 571（化學類期刊）和0.456（材料科學類期刊）。圖2也展示了線性回歸分析的結果，所對應的擬合優度分別為0.308（應用物理類期刊）、0.322（化學類期刊）和0.205（材料科學類期刊）。這些結果表明，這3類自然科學領域期刊的Citescore指標與特征因子存在一定的正相關，但是其相關性弱于Citescore指標與影響因子的相關性。其原因主要是Citescore指標的計算方式不同于特征因子的計算方式，但類似于影響因子的計算方式。

2.3 社會科學領域期刊的Citescore指標、影響因子與特征因子的相關性分析

圖3給出3類社會科學領域期刊的影響因子與其對應的Citescore指標。對這些數據分別進行Per-son相關分析，得出其相關系數分別為0.932（商業類期刊）、0. 852（歷史類期刊）和0.889（信息、圖書館類期刊）。圖3也給出了線性回歸分析的結果，所對應的擬合優度分別為0. 867（商業類期刊）、0.723（歷史類期刊）和0.787（信息、圖書館類期刊）。從這些統計結果可以看出，對于這3類社會科學領域期刊，Citescore指標與其影響因子呈現出顯著的正相關。這一研究結果與劉雪立等的研究結果[iI]是吻合的。表3列出了3類社會科學領域期刊的影響因子與Citescore指標的差異比較及其對應的T檢驗的結果。在商業和信息、圖書館領域中，Citescore指標大于影響因子的期刊較多，而歷史領域期刊的情況則相反。從配對T檢驗的結果來看，商業和信息、圖書館領域期刊的影響因子和Citescore指標的差異較為顯著，而歷史學期刊的影響因子和Citescore指標的差異則不顯著。這表明Citescore指標有利于評價商業和信息、圖書館領域期刊。

圖4展示了3類社會科學領域期刊的特征因子與其對應的Citescore指標。對這些數據分別進行Person相關分析，可以得出其相關系數分別為0.614（商業類期刊）、0.655（歷史類期刊）和0.514（信息、圖書館類期刊）。同時，圖3也給出了線性擬合的分析結果，所對應的擬合優度分別為0. 373（商業類期刊）、0.421（歷史類期刊）和0. 254（信息、圖書館類期刊）。從這些統計結果可以看出，這3類社會科學領域期刊的Citescore指標與其特征因子存在一定的正相關，但是其相關性的程度具有一定的分散性，同時其相關性明顯低于Citescore指標與影響因子的相關性。

2.4Citescore指標與影響因子、特征因子的相關性對不同學科領域的依賴

從上述的相關性分析中，不難看出不論對于自然科學領域期刊，還是社會科學領域期刊，Ci-tescore指標與其影響因子存在顯著的正相關，而與其特征因子的也存在一定的正相關，但是相關性較低。這說明了這3個評價指標對于不同學科期刊的評價結果是一致的。對比圖1和圖3的相關分析結果可以看出，自然科學領域期刊的Citescore指標與其影響因子的相關性高于社會科學領域期刊的Citescore指標與其影響因子的相關性。然而，對比圖2和圖4的相關分析結果可以看出，自然科學領域期刊的Citescore指標與其特征因子的相關性要低于社會科學領域期刊的Citescore指標與其特征因子的相關性。這表明了在期刊評價方面，Ci-tescore指標與影響因子、特征因子的相關性依賴于學科領域。另外，從圖1和圖3中Citescore指標和影響因子最高的前5名期刊的排序來看，在自然學科領域，Citescore指標和影響因子在期刊的排名方面具有較高的一致性，但是在社會學科領域，Ci-tescore指標和影響因子在期刊的排名方面具有一定的分散性。這說明了Citescore指標與影響因子對于期刊排名的相關也會依賴于學科領域。

3 結論

本文對不同自然科學和社會學科領域期刊的Citescore指標與其影響因子、特征因子進行了相關性分析。分析結果表明，對于不同自然科學和社會科學領域的期刊，Citescore指標與影響因子、特征因子具有較為一致的期刊評價效力，Citescore指標與其影響因子的相關性總是高于Citescore指標與其特征因子的相關性，且Citescore指標與影響因子、特征因子的相關性依賴于學科領域。同時，本文也總結了Citescore指標的主要特征。相比影響因子和特征因子，Citescore指標在源引數據庫、引證時間、文獻類型、計算透明以及免費獲取方面具有較為明顯的優勢，這對于發展和完善期刊的評價體系具有一定促進和推動作用。但是，Citescore指標也存在一些不足之處：1）Citescore指標的源引數據庫對于新期刊的篩選沒有嚴格的規則，無法區分一些通過非正規手段提升引用次數的期刊;2）從本質上而言，Citescore指標的計算方式類似于影響因子的計算方式，因此無法從根本上解決影響因子目前已面臨的重要問題。

目前，本文對Citescore指標與影響因子、特征因子的相關性僅是進行了初步的探究，對Ci-tescore指標與影響因子、特征因子的內在關聯的分析還不夠深入。在隨后的研究中，將根據更多學科領域期刊的統計數據對Citescore指標與影響因子、特征因子的內在關聯和差異進行更為深入、系統的研究，同時也將對Citescore指標與其它評價指標進行對比分析研究。

參考文獻

[1] Archamhault E. Lariviere V.History of Journal Impact Factor：Contingencies and Consequences[ Jl. Scientometrics， 2009， 79（3）：639-653.

[2]陳巍，李文蘭.期刊h指數、Web即年下載率與影響因子相關性研究——以CSSCI收錄圖書情報類核心期刊為樣本[J].情報科學，2010. 28（ 12）：1832-1836.

[3] West J D. Bergstrom T C， et al.Eigenfactor[ EB/OL] http：//www.eigenfactor.org/.

[4]劉艷華，華薇娜.期刊評價新指標——特征因子[J].情報雜志，2010， 29 （7）：122-126.

[5]都若揚.H5指數研究及其與影響因子的比較分析[J].情報科學，2017，35（6），120-129.

[6]Elsevier. Joumal Metrics[ EB/OL]. https：//www. elsevier. com/solutions/scopus

[7] Falagas M E， Pitsouni E I，Malietzis G A. et al.Comparison ofPubMed， Scopus， Web of Science， and Google Scholar：Strengths and Weaknesses [J] FASEB Joumal， 2008， 22 （2）： 338-342.

[8]Mongeon P，Paul-HusA.The Joumal Coverage of Web of Scienceand Scopus：A Comparative Analysis[J].Scientometrics， 2015，106（1）：1-16.

[9] Silva J A T，Memon A R.CiteScore：A Cite for Sore Eyes， or aValuahle， Transparent Metric？[J].Scientometrics. 2017，111： 553-556.

[10]葉艷，張李義.基于CiteScore指數與影響因子的期刊評價研究——以經濟管理領域期刊為例[J].情報科學，2017， 35（7）：126-131

[11]劉雪立，任勝利，程維紅，等.不同學科期刊CiteScore與影響因子的比較研究[J].中國科技期刊研究，2017. 28（9）：837-841.

[12]肖仙桃，曲建升，王功，樊向偉，安培浚.CiteScore與JCR期刊評估指標的比較分析[J]中國科技期刊研究，2017，28（ 10）：954-958.

[13]盛麗娜.CiteScore. CiteScore百分位與常用期刊評價指標的相關性分析[J].中國科技期刊研究，2018， 29（ 6）：605- 611.

[14] Kim K， Chung Y.Overview of Joumal Metrics[J] Science Ed-iting， 2018.5（1）： 16-20.

[15] Dorta-Gonzalez P， Dorta-Conzalez M I.Impact Matumy Time-sand Citation Time Windows： The 2-year Maximum Journal Im-pactfactor [J]. Joumal of Informetrics， 2013，7（3）： 593 - 602.

（責任編輯：郭沫含）

收稿日期：2019-09-06

作者簡介：郝若揚（1980-），女，副研究員，研究方向：文獻計量。