智林的科学之路分享 http://blog.sciencenet.cn/u/oliviazhang Sparse Signal Recovery, Bayesian Learning, Biomedical Signal Processing, Smart-Watch, Smart-Home, Health Monitoring

博文

文章的影响因子,数量,和科研的质量 精选

已有 20232 次阅读 2012-12-28 14:01 |个人分类:经验交流|系统分类:科研笔记

网上已经有很多博文谈到这个话题了。本来懒得理会这个话题。但是实在忍不住了,还是略略说下。

看了不少博文,似乎国内的学者还是把注意力集中在文章的影响因子和文章的数量上。我理解这是因为国内的职称评价体系完全是按照文章的影响因子和数量来量化评价的。但是这并不是一个科学的评价标准,更不是一个学者应该追求的目标。

结合我的研究领域(信号处理领域),下面我谈下在美国这几年所看到的美国学术界(尤其是我们系)对一个学者的评价标准。

在美国学术界,你有多少篇top期刊的文章不重要。毕竟,发一篇文章在top期刊(在我们这个领域,top期刊无非是IEEE的期刊)上并不是件困难的事情。在美国,对于一个年轻学者来说,只要有一定数量的top期刊文章(比如10篇),就足够说明你的学术能力了。文章再多,并不会给你加分多少。真正会给你加分的是,你的文章里的idea,你这篇文章的创新,是否会对这个领域有影响力。在我所在的这个方向(注:在其它方向可能并不是这样),一个衡量标准就是被top期刊和top会议的文章引用的次数(非主流期刊会议的文章的引用基本忽略不计)。当然这并不是唯一的标准。更不是说,如果一篇文章的引用率是20,那么它就一定比引用率只有10的文章的贡献大。但一篇文章的引用率如果是100,那么它对这个领域的贡献/影响力通常比一篇只有引用率为10的文章要大(注:同一研究领域比较才有效)。

那么如何增加文章的引用率呢。尽量把文章发表到本领域的top期刊/会议和主流期刊/会议是有效的途径。注意我这里说的是top或者主流,而不是影响因子高的期刊。我们这个方向,有些结合应用的文章其实可以发到影响因子更高的期刊上去。就拿我一篇结合telemonitoring的应用文章来说,我有两个选择,可以选PloS ONE(影响因子4点多),也可以选IEEE Trans. Biomedical Engineering(影响因子只有2点多)。但是我导师说,“你的文章投到前者,没有人看。你把文章投到后者,看的人会很多,被引用的机会更大。”事实上这是很有道理的。看看现在我们这个领域,每天都有若干文章出来。一般人只能把有限的精力局限在少数几种top/主流的期刊上,很少会再去看看其它期刊的。虽然用关键词在数据库里搜索可以搜索到发表在其它期刊的文章,但是更多的人还是会仅仅局限在少数几个期刊上。这主要是因为不少实验室专门订购某些顶级和主流期刊,比如我实验室和跟我合作的几个实验室。另外一个原因是很多人都只定制一些top/主流期刊的alert服务。再一个原因是,本领域的主流和顶级期刊所找的审稿人通常在本领域都有相当的水准,因而在这些期刊上发表的文章的可信度更高。比如拿用于脑电源定位的稀疏信号恢复算法来说,发表在IEEE Transaction on Signal Processing上的算法就比发表在Neuroimage上的算法要更加可靠,虽然后者的影响因子是前者的2倍多。Neuroimage上发表的不少算法,都很难经过仔细的数学推敲,而且单纯从算法的创新上来说,都要比IEEE Transaction on Signal Processing 评价的标准低一个档次。

总而言之,一个学者更需要考虑的是如何提高自己对整个领域的影响力,如何考虑解决整个领域真正期望去解决的问题,而不是多发几篇文章,发影响因子是几分的杂志。同时我也希望国内的职称评价体系能够适当的考虑引用率(被顶级和主流期刊/会议的引用率),至少在某些领域上把引用率作为一个指标。

最后以我合作的一个实验室的青年学者为例子作为结尾吧:Anthony J. Bell 只有少数几篇文章,但是每篇文章的引用次数都是成百上千。比如这篇:
An information-maximization approach to blind separation and blind deconvolution
这篇文章已经被引用了5000多次。作为一个学者,文章不需太多,如果有这样一篇文章则足以在国际学术界立足乃至在历史上留下脚印。


 


https://blog.sciencenet.cn/blog-765184-647220.html

上一篇:搬家
下一篇:招助研若干名(补充)
收藏 IP: 50.90.190.*| 热度|

36 曹聪 彭思龙 喻海良 罗德海 许培扬 赵斌 王瑞军 陆泽橼 杨连新 何学锋 王桂颖 孙学军 张志东 杨正瓴 朱志敏 林涛 陈冬生 苏力宏 曾尤 丁国如 曹征 宋铁成 王康建 王守业 郭中领 雍高产 吴浩天 songshu123 kexuegzz zhouguanghui hl11231118 cly85 yunmu ywh222 zhokzhok biofans

该博文允许注册用户评论 请点击登录 评论 (23 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-4-16 16:12

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部