||
2023年期刊引用报告JCR数据全球影响因子普降, 根据统计(n=12,208),有约65%的期刊同前一年有所下降,其余35%左右有所上升,由于影响因子保留到小数据点位数由三位变成了一位,只有28种期刊影响因子保持不变。而如果我们回看过往10多年的数据(如下图),可以发现涨的占比多降点比少才是普遍规律,尤其是近些年来的指标比较。
图1. 各年影响因子升降占比, 源于:https://clarivate.com/blog/journal-citation-reports-2022-a-preview/
这种普降的表现,同样在影响因子top 1000期刊得以体现。 如下图可以更加形象的看出,由红色表示的JIF 2022 多数没有突破绿色所表示的JIF 2021。从绝对数字上看,有621种期刊影响因子同比下降,而上升的只有379种,同样存在普降的情况。
图2. JIF 2022 与JIF 2021 影响因子top 1000 期刊数据比较
关于普降的原因,科睿唯安在去年JCR发布时已经有所提示(https://clarivate.com/blog/journal-citation-reports-2022-covid-19-research-continues-to-drive-increased-citation-impact/ ),虽然说的只是2022年版本JCR中的数据全面受到covid-19的影响,但当风浪过后, 是不是也意味着“水降船低”,2023年的数据会挤出covid-19的影响呢?现在看来也许真是“解铃还须系铃人”,2023年发布的2022年期刊的影响因子果然是有了普降。科睿唯安没有给出数据作为佐证,证明这一结论也确实需要第一手的数据作为分析的依据,但笔者尝试了一下用inCites平台的Citation Topics(Micro)top主题的变化,也似乎可以窥斑见豹,从一个角度片面的佐证covid-19对JCR全球期刊影响因子所造成的影响。
首先,2018年到2019年,也就是疫情爆发前的两年,Citation Topics(Micro)论文引用排在第一的研究主题是“Deep Learning” 论文量为26,786篇, 平均每一篇论文所产生的引用Citation Impact 为32.89次。这个也非常符合当时的现状,在岁月静好时,深度学习是最为热门的研究方向。
图3. 2018-2019 Citation Topics(Micro)主题引用排名
同时,我们可以看一下与Covid-19最相关的主题“Coronavirus” 排名141,论文只有1401篇,Citation Impact较高达到72.53,但由于论文量少,引用数也有限。
图4. 2018-2019 Citation Topics(Micro)主题“Coronavirus”引用排名
将时间切换到疫情爆发后的2019年到2020年,我们再看Citation Topics(Micro)“Coronavirus”直接冲到了第一名,论文数44,999也近乎双倍于上两年周期的“Deep Learning”,篇均引用更是达到了52.83交,远超同一时段的其他主题,总的引用数据也达到了230多万,比第二大主题”Supercapacitor”三倍还多。这一数据可能还不足以解释JIF 2021全面上升的原因,但这“凭空”多出的数以百万计(没有考虑相关主题,可能还不只这些)的引用,已经很能说明问题了 (2019-2022 Web of Science核心合集论文也不过600万篇)。
图5. 2019-2020 Citation Topics(Micro)主题引用排名
下一步,故事发展到了2020年到2021年, 也就是JIF 2022计算时所用的数据时间窗口。我们在下表可以看到“Coronavirus”主题论文数量已经上升到119,570篇,引用总量达到了380万次,但篇均引用降到了31.85。也就是说文章量在增长,但篇均的引用在急剧下滑,而且可以想象,这一趋势在2022年更加明显,从而直接影响到了JIF 2022的数据(JIF分子)。
图6. 2020-2021 Citation Topics(Micro)主题引用排名
我们不妨将时间线再向前推进一年, 看一下2021年到2022年的情况,这应该是有助于我们展望明年的JIF,也可以进一步佐证所谓的普降。果然,我们可以看到“Coronavirus”主题论文数量、引用量尤其是篇均引用Citation Impact 降到了12.91, 与排在前几名的主题相比也看不出明显的优势。这样看来,我们是不是可以预测,2024年JCR 发布的2023 JIF 会不会仍然受Covid-19影响而无法走上疫情之前几年的“正轨”呢?
图7. 2021-2022 Citation Topics(Micro)主题引用排名
以上仅是个人一家之言,没有更全面严格的数据分析,也希望有专业人士给出更加科学的分析。当然,对于具体的办刊人而言还是要展开看数据的细节,尤其是与期刊自己有关的细节,这就是进一步读JCR影响因子数据的功夫了。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-27 06:27
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社