一种新的学术影响评价方法

目前比较公认的两个学术论文评价方法是期刊的影响因子和个人的h-index。两个评价方法实际上都存在一定缺陷，可以把两个指标结合起来，用两个指标的乘积来评价可能更为客观准确。

期刊影响因子的计算方法是过去2年所有论文的引用次数除所有论文数量，本质是反应所有论文的平均引用率。这个指标存在这样的问题，一是对论文数量比较大的期刊分数相对比较低，而且往往容易受到个别高引用论文的影响，导致评价效率的失真。

h-index是一个人发表论文引用次数超过某一数值的论文篇数，这个指标代表的主要是学术影响的积累。是目前评价个人学术影响力的可靠指标，但往往受到时间的影响，老年学者的h-index相对比较高。这个指标不仅可以评价个人，也可以评价一个学术机构和杂志。

如果把两个指标结合起来，利用两个数值的乘积，则可以更加客观地反映杂志、学术机构和个人的学术影响力。

这个指标可以称为hi factor因子，是h和impact factor的联合体。我将找时间验证这个因子的优势。

这个指标的主要好处是可以把长期影响与近期影响结合起来综合考虑，最重要的是可以避免人为刷指数的影响，例如一个论文数量只有几十的杂志通过人为增加引用可以快速提高影响因子，但无法提高h-index，这样的指标就可以显示出差别。例如曾经有晶体学报因一篇论文特别高的引用造成杂志影响因子虚高的现象，利用这个指标尽管不能完全排除这个影响，但至少可以把相对高度拉到更客观的水平。这个指标可以把那些论文数量规模比较大的杂志能客观显示出来，因为这些杂志的h-index往往比论文数量少的杂志高许多。

评价个人和学术机构很少使用影响因子这个指标，实际上也可以采用，只需要借用杂志影响的同样方法计算就可以获得个人和学术结构的影响因子。由于个人论文数量大部分比较少，一个人一年只发表1篇高引用论文的影响因子显然会很高。那么发表数量多的学者与发表数量少的学者如何比较就不容易了。例如一个人最近2年发表2篇论文，引用分别是20和30，那么这个人的影响因子就是50/2=25。如果另一个学者2年发表10篇论文，其总引用也是50次（暂时可以假设每篇5次）。那么这个学者的影响因子就是50/10=5。如果采用hi。前者等于25*2=50。后者等于5*5=25，这样的计算显然太理想。现实中发表10篇论文者的两年h-index往往达不到5。Hi数值可能更低。即使最不可能的情况是，后者的引用平均超过10次，每篇都达到10次。那么后者的h-index可以达到10。影响因子也是100/10=10。其hi为100。这只是假定的情况，实际数据可以根据周围熟悉的人进行分析比较。至少我发现往往前者的hi要高很多。对学术机构，我下面对中国发表论文数量比较多的一些大学进行比较，大家可以看出这个数值的有效性。暂时保密，如果大家有兴趣，我将把我的分析数据公布。