论文部分内容阅读
本文首先介绍了期刊评价以及将引文分析应用于期刊评价的基本理论及评价方法，进而对现有的期刊评价部分指标包括期刊被引频次、影响因子、即年指数、被引速率、H型指数等作了详细介绍。在论述了前述指标特点的基础上，引入期刊评价新方法Eigenfactor算法以及该算法所包含的两种评价指标Eigenfactor Score(特征因子值)以及Article Influence(论文影响值)。对Page Rank算法作了一定的介绍后，本文论述了Eigenfactor算法的基本思想和原理，并对Eigenfactor算法的国内外研究现状作了介绍。
在实证部分，本文基于“中国科技分析评价服务平台”数据库中的引文数据构建引证关系邻接矩阵，通过c＃编程实现Eigenfactor算法，计算出Eigenfactor算法的两个指标值EI值和AI值。
本文通过一系列数据实证，利用统计学方法和工具，从自引问题的解决、提高文理交叉类期刊的评价公平问题、不同学科期刊的评价结果差异问题等角度论证Eigenfactor算法指标用于期刊评价的可取性和优越性。
本文基于Eigenfactor两种指标以及影响因子引入期刊“声望度”和“流行度”的概念，进而对期刊“声望度”和“流行度”两个评价维度分学科进行定性、定量的比较分析研究，从而提出四种期刊的分野。
根据Eigenfactor算法的原理以及特点，本文指出了Eigenfactor算法及其两个评价指标可能的不足之处，并通过数据实证进行论述。
最后本文提出将期刊评价新指标Eigenfactor与其他成熟的期刊评价指标结合起来进行期刊评价的建议。