论文的价值，你如何评价



       关于论文价值，恐怕首先会想到的是影响因子。尤其是在中国，影响因子对于科研人员和工作者真是命根，晋级，升迁，申请基金，评奖等等无不与影响因子有关。但是除了影响因子，还有许多其它的评价论文价值的方法。评价一个论文价值，无非从量化和质化两个方面来评价，或者期刊和论文的角度来评价。

影响因子：

影响因子确切的说是针对期刊，而并非直接针对论文的。影响因子应该是一个量化和半质化的指标。为何？这是因为高影响因子的期刊低水平的文章也并非没有，低影响因子高水平的论文也大有存在。当然，如果论文婆家找的好，自身的身份也就自然高了。因此，现在影响因子也是饱受垢病。有的人戏称SCI是stupid chinese idea，其中的原因也就不多说了。查看影响因子的方法有很多，最经典的方法则是通过Web of Science，不过需要收费。

H指数：

H指数是2005年由美国加利福尼亚大学圣地亚哥分校的物理学家乔治·希尔施提出的。H指数的计算基于其研究者的论文数量及其论文被引用的次数。赫希认为：一个人在其所有学术文章中有N篇论文分别被引用了至少N次，他的H指数就是N。可以按照如下方法确定某人的H指数：首先将其发表的所有SCI论文按被引次数从高到低排序，然后从前往后查找排序后的列表，直到某篇论文的序号大于该论文被引次数。所得序号减1即为H指数。查看H指数的最简单的方法就是利用Google Scholar。

I10指数：

I10-index是由Google提出来的，指作者发表文章数被引用10次以上的个数。比如某研究者发表了100篇文章，其中有90篇被他人引用了10次以上，那么他的I10-index就是90。如果说影响因子是针对期刊的话，那么H指数和I10指数就是针对个人的。论文的影响因子高，只能说该论文找了一个好婆家，具体引用情况并不一定。而H指数和I10指数就是确切反应论文引用的一种量化标准。

G指数：

G-Index相比于上述几个指标来有点默默无闻。G-Index是由Leo Egghe于2006年提出的， 评价作者论文数量的一个指标。G指数的计算方法如下：1.把所有作者发表文章按照引用次数降序排列，序号为g；2.把作者所有发表文章的序号进行平方，得到g²；3.把作者所有文章的引用次数进行加法，得到∑TC；4.最后一个∑TC仍大于g²的序号就是G指数。举个例子更清楚一些，比如某研究者发表了以下文章，按照引用次数进行排序如下

引用次数（TC）	序号（g）	文章引用次数之和（∑TC）	g2
47	1	47	1
42	2	89	4
37	3	126	9
36	4	162	16
21	5	183	25
18	6	201	36
17	7	218	49
16	8	234	64
16	9	250	81
16	10	266	100
15	11	281	121
13	12	294	144
13	13	307	169
13	14	320	196
13	15	333	225
12	16	345	256
12	17	357	289
12	18	369	324
12	19	381	361
11	20	392	400
…	…	…	…

由上表可以看出他的H指数是13，g指数是19，因为第20个文献g²已经大于前面所有引用次数之和了。G指数相比于H指数和I10指数，更能反应论文整个引用情况。比如我发表的文章，总体都不高，可能H指数比较高，可是一算G指数立马原形毕露，原来是水货一枚。

H5指数和H5中位数：

H指数、I10指数和G指数是针对个人论文引用次数的统计，而H5指数和H5中位数（H5-median）是针对杂志引用次数的一种评价体系。H5指数是过去5年之内某一杂志所发表的论文数相比于引用数的最小值，如Nature杂志过去5年之内发表了1000篇文章（当然实际数值比这个大），按照每篇论文的引用数进行降序排列第381位的文章的引用数是381，而382的文章引用数是300，那么Nature的H5指数就是381H5相较于IF，是反应杂志过去5年文章的引用情况，而IF是反应的杂志平均引用情况。H5相较于H指数，是针对杂志的总体情况，而H指数是针对于个人论文的引用情况。有时候不同影响因子的杂志，H5可能一样。如PLoS One和Nature Reviews Immunology的H5都是130，可是两者的影响因子相差可不止一个档次。H5中位数（H5-median）是指所用文章引用次数的中位数。为毛不用平均数？因为资料不是正态分布。每一个杂志的文章引用次数肯定不会是平均分布的，正如我国居民收入一样。有的引用次数肯定很大，可是有的文献可能很水，引用次数少的可怜。如果平均无法反应真实的引用情况，中位数最佳的选择。

Altmetric:

Altmetric是一个新兴的指标，虽然字面意思是替代指标，但是社会化影响力或者网络影响因子亦或者分享因子更能反应其本质。假设这么一种情况，论文发表以后，被大家广泛转载，网络新闻报道，Twitter或者G+上评论和分享。这时，影响因子和F1000就不能反应这些了。Altmetric就是在这种情况下出现的，Altmetric就是反应某一论文分享、下载、阅读的情况。但是现在Altmetric争议也比较大，关于名字都有争议。

RG因子：

RG Score（RG因子）是ResearchGate推出的一个评价作者的指标。RG Score推出的目的是为了帮助评价自己在科学圈内的处于一个啥水平。计算方法并不是自我发表了多少文章，而是自己的科研工作被同行认可以程度。RG Score不同于传统评价指标在于可以统计更多的信息，如下载，浏览、分享等。RG Score不同于Altmetric之处在于RG Score更测重于分享。如果和同行分享自己的Idea，并得到同行的认可和讨论，那么RG Score增长很快。