主题：【原创】科学杂志排名，IF 对比 Pagerank -- 青方
最近生物化学杂志（JBC）的两位副主编，Vincent C. Hascall和Richard W Hanson写了一篇文章，“JBC on Journal Ranking”，文章非常有意思，对于现在科学界一切跟着影响因子（Impact Factor）转的潮流，算是浇上了一点冷水，也表达了JBC这个百年老杂志的不满之情。
目前杂志的排名多采用总部在美国费城的ISI（Institute for Scientific Information）公司采纳的影响因子，这个概念最早由Eugene Garfield提出来的，初衷是对科学界发表的文章根据发表的数量和引用率进行一下排名，以便于公司对巨量的科学信息进行管理，但之后这个“影响因子”影响巨大，是Eugene Garfield最初没有想到的，一些大学把ISI文章多少用来作为判定科学家水平的一个重要标志，甚至可以决定一位科研人员的命运。Eugene Garfield 1995年在一次演讲中说（大意）：“1955年，当我开始采纳这个影响因子的时候，我没有想到有朝一日这个能引来这么大的争论。正如核能一样，影响因子也是一把双刃剑，我期望人们能建设性的使用这个概念，但我逐渐意识到，在一些人手里，这个概念被乱用了”。
尽管这个影响因子的影响巨大，但这个算法也有很多不足，例如根据这个因子对杂志进行排名，排在最前面的总是一些综述性的杂志，例如排在前4名的分别是“Annu Rev Immunol”，“Annu Rev Biochem”，“Physiol Rev”和“Nat Rev Mol Cell Bio”四本综述杂志。其后才是著名的新英格兰医学杂志（New Eng J Med），第6，第7，第10位又全被综述杂志占据了，自然（Nature）和自然医学杂志（Nat Med）只是第8和第9位，而著名的科学和细胞杂志甚至不能进入前10名。JBC则只排在第180位。
最近Vincent C. Hascall，Johan Bollen和Richard W. Hanson用Google所采用的“Page rank”对5000多种科学杂志重新排了一下名，结果JBC由180位跳到了第一位。
用Page rank对科学杂志排名的理由是，目前世界上绝大多数杂志都有网络版，几乎所有科研文献在网络上都能找到，采用Google对世界上无数的网站进行排名的方式，无疑是一种全新的更合理的方法。所谓Page rank，是斯坦福大学Brin和Page开发的一种算法（所以叫Page rank），是基于网页在网络里的连接情况来计算的，不仅考虑到网页的流行性，也考虑到网页的威望或是本身的质量。这个算法不仅可以用于网页或网站的排名，也可以用于对科学杂志进行排名。用Page rank排名后，综述杂志就明显的被排在后面了，而一些著名的杂志都进入到了前10名，依次是1. J Biol Chem，2. Nature，3. Science，4. PNAS，5. Phys Rev Lett，6. Phys Rev B，7. New Eng J Med，8. Astrophys J，9. Cell，10. J Am Chem Soc。
如果把影响因子和Page rank算在一起，引入一个Y 因子，那么杂志的排名就更合理了，前10名分别是1. Nature， 2. Science， 3. New Eng J Med， 4. Cell， 5. PNAS， 6. J Biol Chem， 7. JAMA， 8. Lancet， 9. Nat Genet， 10. Phys Rev Lett。这个前10名涵盖了世界上几个众望所归的著名杂志。
排名在本质上讲只是个数字游戏，但这个排名对很多科研机构和科研人员来讲是命根子，是基本原则，既然很多人非常重视这个排名，如何让这个排名更合理，就应当引起人们足够的重视了。
可以预计，随着Google王国的逐渐扩张，用Page Rank对杂志进行排名会被越来越多的人所接受。
本帖一共被 1 帖 引用 (帖内工具实现)
这玩意儿的漏洞也是很容易被有心人攻破的，所以，在订立衡量规则的时候，要注意周全。。。有心人专门要走便门的另说
JBC有黄婆卖瓜的感觉：
MCB等等都是很不错的。
明显就是JCB的市场行为么！
不过IF的确很不合理。
想通过综述来提高自己的IF，结果没什么效果
何况排在前面的都是综述没什么问题啊，又不和普通杂志竞争，本来就是不同市场的产物。我想大部分人讨论杂志优劣，也把它们放在一边，因为那写杂志通常约稿，而不是投稿。
其实，公道在人心，搞学问的脑子里面都有自己的排名。JBC是好杂志大家知道。与其搞这种虚的东西。好好提高reviewer质量，editor的名望，影响自然上去了。看看PLOS这两年的表现就知道了
而且，这个期刊影响因子与研究领域的关系非常大。基本上研究人员越多的领域，其期刊的影响因子就越大。这对有些领域的研究人员很不公平。
我希望以后能有针对个人成就进行评定的体系，而这个体系应该是分专业的。
2005年9月，PNAS发表了一篇来自加州大学J.E. Hirsch的文章，引入一个新参数来评价科学家的影响力，这个参数是“h-指数”（h-index）。
在这里可以看到全文。简单的算法是把一个科学家的所有发表的文章列出来，然后标明每篇文章被引用的次数，再按照被引用次数从高到低排队，当被引用次数大于或等于文章总数的时候，这篇文章在这个总序列里的序号就是这个科学家的h－指数。
举个例子，如果一位科学家发表了20篇文章，被引用次数多少不等，从多到少排队，到第10篇文章的时候，被引用次数正好也是10次，那么这个科学家的h－指数就是10。
这样做的好处有很多，如果按照发表的文章总数量来评价科学家的影响力，只能说明“产量”，无法判断“质量”，如果按照总引用次数评价，可能因为几篇高引用文章而掩盖了总体的质量。这个h－指数，表明科学家发表文章不仅要注重数量，也一定要重视质量。
作者在计算了2005年度被选为美国科学院院士的35位科学家的h－指数后发现，最高的是135，最低的是18，中位数是57。很多诺贝尔奖得主的h－指数都大于100。
这个h－指数概念发表以后，引起很大的反响，有人建议，在大学里拿助理教授的人，h－指数不能低于8，教授则不能低于12，进入科学院当院士不能低于45等等。
在考虑中国科学家距离诺贝尔奖有多远的时候，这就是一个具体的数字，国内的索引机构可以计算一下中国科学家的h－指数，当出现很多个100以上的人的时候，诺贝尔科学奖就快要光临中国科学家了。
h-index可以表明一个科学家的有价值文章的数量。但是，有一个非常关键的问题，就是他很容易忽略掉那些对科学有极大贡献，却因为某些原因仅仅在科学领域短期工作的人。或者，那些仅仅作了一项“开创性”工作的科学家。
换句话说，h-index告诉大家，写20篇引用数50的文章的科学家比写一篇引用数1000的文章的科学家要好。然而，事实上是那篇引用数1000的文章往往是开天辟地似的，对社会对科学的贡献远远大于那20篇文章的总和。再设想，如果爱因斯坦不幸写完相对论就去世了，他的h-index肯定要低得可怜，可是你能说他的贡献不大么？
我倒是觉得获不获诺贝尔奖与h-index关系不大，应该与某一（或几）篇文章的总引用数有关，因为诺贝尔多数是奖励的成果，但是对于某些终生成就奖项（比如说院士），h-index可以作为参考。
当然，现在有不少人对h-index进行改进。我也承认，一个公平的评价系统几乎是不存在的。实际上，需要这些评价系统完全是因为需要外行领导内行，评价个人成就往往是那些学校的行政人员，如果是同领域的，谁不知道你的斤两啊，这也是为什么很多美国大学评终身教授时也很重视推荐信的原因。
完全同意，特别说到的这是外行领导内行时可以参考的数值，这点是根本。
多发文章，然后互相引用，这样引用数也不少啊
其实大杂志之所以引用数高，也有这个因素。那些发在CNS上的文章，很大部分从大实验室出来，大实验室又往往会在其他文章引这些结果，然后良性循环。
的确存在这样的问题，有的实验室在一定的领域走的很快，别人跟不上，就很容易形成自己引用自己的现象，但随着时间的推移，如果还是自我欣赏的话，要么就是这个领域太高深了，要么这些人就是太自恋了。
毕竟一个实验室的工作如果成系统的话，后面文章就是回答前面文章的问题。这时候引以前的成果也很正常。还有一种情况是，老板写了review, 自己引。目前中国IF第一高的杂志当年就是这样起家的
国外，至少在美国，生物这行，大家其实也就是看看而已。真的要出名，站住脚，还是要看你具体的工作，牛的结果文章，field里都传诵。你只是凭一两篇在CNS上的文章，现在想找好的faculty位子也是没戏的。最关键的还是要能拿到经费，这都是同行评议，侬拿大的杂志来压人一点效果都没有的。大家都清楚好杂志时不时有烂文章，所以只有靠你的真水平（在圈子里很明显的）。
IF当然有缺点，但综述类杂志的高引用率并不影响论文杂志的地位。
因为能够写综述的大牛们早就功成身就了，不信你写个综述投去试试？何况很多综述都是专门邀请某领域的顶尖人物写的。
IF的另一个缺点其实和学科有关，某些目前的热门学科，比如生物学医学类，做的人多，自然引用率就普遍较高。某些冷门专业可能全世界就几百人做，无论如何IF都上不去。所以做冷门专业的人就比较郁闷。这个问题也有解决方法，就是看你是不是在这个领域的顶尖杂志发表了文章，那么别人也会认可你的成绩。
IF的优点其实就是它的简单性，虽然计算起来也挺麻烦。就是说如果你做的东西很重要，自然会有人在你的基础上接着做，那么一定会引用你的文章。比如牛顿先生写出了三个公式，那么以后全世界的物理学家写论文都得引用他的那本‘原理’。这个例子有点开玩笑，但大致就是这个意思。比如96年有两组科学家发现了一个新的神经递质，接下来的几年内有几百篇文章引用了他们的工作。这说明了他们的发现是很重要的。再比如发现NO的那几个科学家，20多年过去了，引用他们的文章有成千上万篇，最后他们获得了炸药奖。
这个page的方法，不妥的地方在于，我上网看你的网页，但不一定引用你杂志中的文章啊，最后最关键的是引用与否。另外这个也容易作假。
其实PNAS我觉得也就是10分左右吧，差不多了。原因是PNAS有所谓推荐文章的制度，美国科学院院士每年都能推荐一定数量的论文，不经过审稿直接发表，这部分论文的质量就很难说了。我就见过一篇院士推荐的文章，图表上没有标准误都行。
另外，Nature和Science根本就不需要做广告，cell系列也不需要。即使他们的IF比不上某些综述杂志，大家还是公认他们是是最顶尖的杂志。不过Nature最近几年有商业化的趋势，变成了Nature Group，收编了很多几分的杂志，是好是坏过几年就知道了。