摘要：[目的/意义]Citescore是Elsevier发布的一个新的学术期刊评价指标，研究Citescore指标的主要特点和它在学术期刊评价中发挥的效力，对于发展和完善学术期刊评价是至关重要的。[方法/过程]本文以自然科学和社会学科领域的期刊为研究对象，对这些期刊的Citescore指标与其对应的影响因子、特征因子进行了相关性分析，并讨论Citescore指标的主要特征以及它与影响因子、特征因子的关联和差异。[结果/结论]研究结果表明，相对于影响因子和特征因子，Citescore指标在源引数据库、引证时间、文献类型、计算透明度以及免费获取方面具有明显的优势。同时，研究结果也表明，期刊的Citescore指标与其影响因子的相关性高于Citescore指标与其特征因子的相关性，而且期刊的Citescore指标与其影响因子、特征因子的相关性依赖于学科领域。

关键词：Citescore指标：影响因子：特征因子：相关性分析：期刊评价

DOl： 10.3969/j .issn .1008 -0821 .2019 .12 .010

[中图分类号] G203 [文献标识码]A [文章编号]1008-0821（ 2019） 12-0081-07

学术期刊评价对于提高学术期刊的质量和科学性、引导学术期刊发展具有重要的意义。因此，学术期刊评价指标已经成为文献计量学研究的热点之一。在过去的40多年中，期刊影响因子（ ImpactFactor） -直是学术期刊评价的一个垄断性指标。然而，由于影响因子被滥用以及其自身存在的一些缺陷，受到了较多的争议和批评[1-2]。近年来，一些新的期刊评价指标得以涌现并得到了广泛的关注和研究，如期刊特征因子（ Eigen Factor） [3-4]、谷歌学术H5指数[5]等。近期的研究表明，这些新的期刊评价指标与期刊影响因子存在一定的相关性[4-5]，特别是特征因子，由于引入了Page Rank的加权思想，因此它相对于影响因子更能够反映期刊在学术领域中的重要性[4]。目前它已被Web ofScience （WOS）数据库列为一个重要的期刊评价指标。2016年12月，Elsevier出版公司依托它们开发的世界上最大的引文数据库Scopus，发布了一个新的期刊评价指标Citescore。Citescore类似于影响因子，采用了均篇被引的计算方式，但其引证时间为3年，比计算影响因子的引证时间多了1年。更为突出的是，Citescore源引的Scopus数据库包含了22 200多种期刊，是影响因子和特征因子源引WOS数据库中期刊数目的2倍[6-8];而且Citescore计算中包含了所有的文献类型，比影响因子和特征因子计算中的文献类型更为全面和广泛[9]。自Ci-tescore指标发布以来，它受到了广泛的关注。一些学者认为Citescore指标将会成为期刊影响因子最有力的竞争者[9-11]，这对于发展和完善期刊评价体系有一定的推动作用。

做为一个新的期刊评价指标，近期国内外学者对它展开了初步研究。Silva J A T等[9]比较了Ci-tescore指标与影响因子之间的差异，并进一步讨论了Citescore指标对于学术期刊的发展以及相关的读者和作者群的影响。叶艳等[10]通过引文分析，采用知识扩散因子和他引率两个评价指标，对经济管理领域的期刊的影响因子和Citescore指标进行了对比分析。分析结果表明：在经济管理领域中，基于期刊影响因子的排序要优于基于Citescore指标的排序[10]。刘雪立等[11]选取了8个不同的人文社科和综合医学领域，基于统计方法分析8个学科领域的期刊影响因子与其Citescore指标的相关性。结果表明，在这些学科领域中，期刊影响因子与Citescore指标具有几乎一致期刊评价力，并且对于被引半衰期较长的学科期刊，Citescore指标相对于影响因子在期刊影响力评价中具有一定的优势[11]。肖仙桃等[12]对比分析了期刊影响因子和Citescore指标在期刊收錄范围、相互覆盖程度等方面的差异，并进一步分析了645种中国科技期刊在影响因子和Citescore指标中的排名表现。盛丽娜[13]分析了4个不同学科领域中期刊Citescore指标及其百分位与影响因子、即年指标的相关性，并指出了Ci-tescore指标相对于影响因子更为客观，同时Ci-tescore指标百分位适用于期刊的跨学科评价。KimK等[14]总结了Citescore统计方式与其它期刊评价指标的不同。目前，由于Citescore指标的发布时间较短，国内外关于Citescore指标的研究相对较少，主要集中于将Citescore指标与影响因子进行比较，并没有对于Citescore指标的主要特征和期刊评价效力进行深入分析和研究。此外，Citescore指标与影响因子的比较分析主要集中在人文社科学科领域的期刊中，目前关于自然学科领域期刊的比较分析非常之少。

本文选取WOS与Scopus数据库中共同收录的3类典型自然科学和3类典型社会科学领域期刊为研究对象，通过分析这些期刊2018年的Citescore指标和科睿唯安公布的最新期刊引证报告JCR（ Journal Citation Reports）期刊影响因子以及特征因子之间的相关性，总结出在不同学科领域中.Citescore指标与期刊影响因子以及特征因子的关联和差异，从而进一步探讨Citescore指标对于不同学科领域，期刊评价的主要特征和评价效力，为深入理解和使用Citescore指标提供一定的指导。

1 Citescore指标的主要特征及优缺点

在这一节中，将主要介绍Citescore指标的定义，并总结Citescore指标的主要特征，同时指出Citescore指标相对于影响因子、特征因子的优缺点。类似于影响因子，Citescore指标采用了均篇被引的计算方式，其定义为：某期刊前3年发表文献在统计当年的被引次数除以该期刊前3年发表的文献数目，即期刊前3年发表文献的平均被引次数。通过对国内外研究文献[9-14]的总结，Citescore指标具有如下的主要特征：

1） Citescore指标是基于Scopus数据库统计得出的。Scopus数据库收录了22 000多种学术期刊，涵盖了世界上最广泛的自然和社会科学领域的文献以及索引[6-8]。其中有11 000多种期刊是没有被WOS数据库所收录，因此没有对应的影响因子和特征因子。值得指出的是，在这些期刊中包含了一些新创刊的出版刊物，主要是开放获取期刊，其中的一些期刊在相应的学科领域中有着不错的口碑。从这一点可以看出.Citescore指标有利于新刊的发展，特别是开放获取期刊。另外，值得一提的是，截止到2018年，Scopus数据库收录了570多种中文期刊[6]，这对于提升中文期刊的国际影响力有着一定的促进作用。相比而言，期刊影响因子和特征因子是基于WOS数据库得来的，而Citescore指标的源引数据库比WOS数据库包括更多的期刊，因此从期刊覆盖规模来说，Citescore指标比影响因子和特征因子更为全面和广泛。但是，近年来，随着开放获取期刊的增多，这些新期刊的质量饱受争议，因此一些学者对于Scopus数据库没有制定严格筛选新期刊的规则有一定的疑虑。

2） Citescore指标的计算数据是透明的，且可以免费获取和使用[6]。Citescore指标是基于Scopus数据库。这一数据库中的数据是可以免费获取的，且在其官方网站了列出了期刊论文的详细数据[6]。根据Citescore指标的定义，任何人可以通过这些公开透明的数据计算期刊的Citescore指标，并使用这些指标。而WOS数据库则是需要支付相应的费用获取一定的使用权限。因此，相对于影响因子和特征因子，Citescore指标的计算更为透明，获取和使用更为方便。

3） Citescore指标的引证时间为3年，相比影响因子的引证时间增加了1年。如此，多数期刊的被引次数将会在更长的引证时间窗口内得到增加，因此对于这些期刊，其Citescore指标要高于影响因子。此外，相比于影响因子，Citescore指标具有较长的引证时间，因此将有利于评价被引半衰期较长的期刊（即老化速度较慢的学术期刊）[11，14-15]。

4） Citescore指标计算中包括了期刊中所有的参考文献（包括论文、综述、评论、新闻、读者来信、更正信息等）[6]，而影响因子计算中仅统计论文和综述的引用。从这一点来看，Citescore指标比影响因子具有更宽的文献覆盖面。由于Citescore指标考虑期刊中所有文献类型的引用，将会导致一些期刊编辑部开始重视非研究类的文献材料，如编辑评述、读者来信、更正信息和新闻等，这样在一定程度上将会改变期刊的出版计划，从而影响到整个学术出版行业。

2 Citescore指标、影响因子与特征因子的相关性分析

在这一节中，将选取WOS与Scopus数据库中共同收录的3类典型自然科学和3类典型社会科学领域期刊为研究对象，通过统计方法分析这些期刊在2018年的Citescore指标与期刊影响因子以及特征因子之间的相关性，从而探讨在不同学科领域中Citescore指标与影响因子及特征因子的关联，并突出在Citescore指标在不同学科领域中的评价效力。

2.1 数据与方法

根据WOS数据库中的学科分类，选取了3类典型自然科学和3类典型社会科学领域期刊，这些期刊均被WOS和Scopus数据库共同收录。在选择这些期刊时，本文充分考虑到学科的规模和期刊数量，同时兼顾了期刊的被引半衰期。所选取的3类自然科学分别为应用物理学、化学和材料科学，3类社会科学分别为商学、历史学和信息及图书馆学。这些学科的规模和期刊影响力均有一定的差异，且在自然、社会科学中具有一定的代表性。在确定了WOS和Scopus数据库共同收录的期刊之后，在WOS和Scopus数据库中分别检索到这些期刊在2018年所对应的影响因子、特征因子和Ci-tescore指标，然后对这3个指标数据进行统计分析。表1列出了所选取的3类自然科学和3类社会科学领域期刊数目以及3个评价指标的均值和方差。从表1中可以看出，自然科学类期刊的3个评价指标均高于社会科学类期刊。在自然科学领域中，化学类期刊的3个评价指标最高，次之为材料科学类期刊，最后为应用物理类期刊;而在社会科学领域中，商业类期刊的3个评价指标最高，次之为信息、图书馆学类期刊，最后为历史类期刊。这说明了.3个期刊评价指标对于不同科学领域的期刊平均水平的评价是一致的。另外，从表1中可以看出，Citescore指标的与影响因子量级相当，比特征因子高几个量级。这是由于Citescore指标和影响因子的計算方式类似，而与特征因子的计算方式不同所造成的。值得注意的是，自然科学期刊影响因子的平均值总是大于Citescore指标的平均值;而对于社会科学期刊则相反。这是因为自然科学期刊的半衰期较短，而社会科学期刊的半衰期较长所造成的。通常期刊半衰期较长意味着该期刊的老化速度较慢。Citescore指标具有较长的引证时间，有利于统计半衰期较长期刊的被引频次，因此对于半衰期较长（即老化速度较慢）期刊，其Citescore指标比对应的影响因子较大。自然科学期刊影响因子的方差也总是大于Citescore指标的方差：而社会科学期刊恰恰相反。这说明自然科学期刊的影响因子的离散程度比Citescore指标的大，即影响因子在不同期刊之间的差异相对较大：而社会科学期刊则反之。这些都充分体现了影响因子与Citescore指标在自然和社会科学期刊中的差异。

2.2 自然科学领域期刊的Citescore指标、影响因子与特征因子的相关性分析

图1给出3类自然科学领域期刊的影响因子和与其对应的Citescore指标。对这些数据分别进行Person相关分析，其相关系数分别为0.971（应用物理类期刊）、0. 974（化学类期刊）和0.931（材料科学类期刊）。图1的直线为线性回归分析的结果，所对应的拟合优度分别为0. 941（应用物理类期刊）、0. 949（化学类期刊）和0.866（材料科学类期刊）。从这些统计结果可以看出，对于这3类自然科学领域期刊.Citescore指标与影响因子具有显著的正相关。这一研究结果与近期盛丽娜对4类不同自然科学领域期刊的分析结果[13]是一致的。另外，值得注意的是，这些期刊的Citescore指标稍高于影响因子，其原因是Citescore指标的源引数据库包含了更多的期刊，同时Citescore指标具有较长的引证时间，从而导致了较高的均篇被引次数。表2列出了3类自然科学领域期刊的影响因子与Citescore指标的比较及其对应的配对T检验的结果。在应用物理和材料科学领域，Citescore指标大于影响因子的期刊数目居多，而在化学领域则相反。从配对T检验的结果来看，相比应用物理和材料科学领域，化学领域期刊的影响因子与Ci-tescore指标之间的差异较为显著。这意味着应用物理和材料科学领域期刊的老化速度相对较慢.Ci-tescore指标比影响因子有适于评价应用物理和材料科学领域期刊。

图2给出3类自然科学领域期刊的特征因子与其对应的Citescore指标。对这些数据分别进行Per-son相关分析，获得的相关系数分别为0.560（应用物理类期刊）、0. 571（化学类期刊）和0.456（材料科学类期刊）。图2也展示了线性回归分析的结果，所对应的拟合优度分别为0.308（应用物理类期刊）、0.322（化学类期刊）和0.205（材料科学类期刊）。这些结果表明，这3类自然科学领域期刊的Citescore指标与特征因子存在一定的正相关，但是其相关性弱于Citescore指标与影响因子的相关性。其原因主要是Citescore指标的计算方式不同于特征因子的计算方式，但类似于影响因子的计算方式。

2.3 社会科学领域期刊的Citescore指标、影响因子与特征因子的相关性分析

图3给出3类社会科学领域期刊的影响因子与其对应的Citescore指标。对这些数据分别进行Per-son相关分析，得出其相关系数分别为0.932（商业类期刊）、0. 852（历史类期刊）和0.889（信息、图书馆类期刊）。图3也给出了线性回归分析的结果，所对应的拟合优度分别为0. 867（商业类期刊）、0.723（历史类期刊）和0.787（信息、图书馆类期刊）。从这些统计结果可以看出，对于这3类社会科学领域期刊，Citescore指标与其影响因子呈现出显著的正相关。这一研究结果与刘雪立等的研究结果[iI]是吻合的。表3列出了3类社会科学领域期刊的影响因子与Citescore指标的差异比较及其对应的T检验的结果。在商业和信息、图书馆领域中，Citescore指标大于影响因子的期刊较多，而历史领域期刊的情况则相反。从配对T检验的结果来看，商业和信息、图书馆領域期刊的影响因子和Citescore指标的差异较为显著，而历史学期刊的影响因子和Citescore指标的差异则不显著。这表明Citescore指标有利于评价商业和信息、图书馆领域期刊。

图4展示了3类社会科学领域期刊的特征因子与其对应的Citescore指标。对这些数据分别进行Person相关分析，可以得出其相关系数分别为0.614（商业类期刊）、0.655（历史类期刊）和0.514（信息、图书馆类期刊）。同时，图3也给出了线性拟合的分析结果，所对应的拟合优度分别为0. 373（商业类期刊）、0.421（历史类期刊）和0. 254（信息、图书馆类期刊）。从这些统计结果可以看出，这3类社会科学领域期刊的Citescore指标与其特征因子存在一定的正相关，但是其相关性的程度具有一定的分散性，同时其相关性明显低于Citescore指标与影响因子的相关性。

2.4Citescore指标与影响因子、特征因子的相关性对不同学科领域的依赖

从上述的相关性分析中，不难看出不论对于自然科学领域期刊，还是社会科学领域期刊，Ci-tescore指标与其影响因子存在显著的正相关，而与其特征因子的也存在一定的正相关，但是相关性较低。这说明了这3个评价指标对于不同学科期刊的评价结果是一致的。对比图1和图3的相关分析结果可以看出，自然科学领域期刊的Citescore指标与其影响因子的相关性高于社会科学领域期刊的Citescore指标与其影响因子的相关性。然而，对比图2和图4的相关分析结果可以看出，自然科学领域期刊的Citescore指标与其特征因子的相关性要低于社会科学领域期刊的Citescore指标与其特征因子的相关性。这表明了在期刊评价方面，Ci-tescore指标与影响因子、特征因子的相关性依赖于学科领域。另外，从图1和图3中Citescore指标和影响因子最高的前5名期刊的排序来看，在自然学科领域，Citescore指标和影响因子在期刊的排名方面具有较高的一致性，但是在社会学科领域，Ci-tescore指标和影响因子在期刊的排名方面具有一定的分散性。这说明了Citescore指标与影响因子对于期刊排名的相关也会依赖于学科领域。

3 结论

本文对不同自然科学和社会学科领域期刊的Citescore指标与其影响因子、特征因子进行了相关性分析。分析结果表明，对于不同自然科学和社会科学领域的期刊，Citescore指标与影响因子、特征因子具有较为一致的期刊评价效力，Citescore指标与其影响因子的相关性总是高于Citescore指标与其特征因子的相关性，且Citescore指标与影响因子、特征因子的相关性依赖于学科领域。同时，本文也总结了Citescore指标的主要特征。相比影响因子和特征因子，Citescore指标在源引数据库、引证时间、文献类型、计算透明以及免费获取方面具有较为明显的优势，这对于发展和完善期刊的评价体系具有一定促进和推动作用。但是，Citescore指标也存在一些不足之处：1）Citescore指标的源引数据库对于新期刊的筛选没有严格的规则，无法区分一些通过非正规手段提升引用次数的期刊;2）从本质上而言，Citescore指标的计算方式类似于影响因子的计算方式，因此无法从根本上解决影响因子目前已面临的重要问题。

目前，本文对Citescore指标与影响因子、特征因子的相关性仅是进行了初步的探究，对Ci-tescore指标与影响因子、特征因子的内在关联的分析还不够深入。在随后的研究中，将根据更多学科领域期刊的统计数据对Citescore指标与影响因子、特征因子的内在关联和差异进行更为深入、系统的研究，同时也将对Citescore指标与其它评价指标进行对比分析研究。

参考文献

[1] Archamhault E. Lariviere V.History of Journal Impact Factor：Contingencies and Consequences[ Jl. Scientometrics， 2009， 79（3）：639-653.

[2]陈巍，李文兰.期刊h指数、Web即年下载率与影响因子相关性研究——以CSSCI收录图书情报类核心期刊为样本[J].情报科学，2010. 28（ 12）：1832-1836.

[3] West J D. Bergstrom T C， et al.Eigenfactor[ EB/OL] http：//www.eigenfactor.org/.

[4]刘艳华，华薇娜.期刊评价新指标——特征因子[J].情报杂志，2010， 29 （7）：122-126.

[5]都若扬.H5指数研究及其与影响因子的比较分析[J].情报科学，2017，35（6），120-129.

[6]Elsevier. Joumal Metrics[ EB/OL]. https：//www. elsevier. com/solutions/scopus

[7] Falagas M E， Pitsouni E I，Malietzis G A. et al.Comparison ofPubMed， Scopus， Web of Science， and Google Scholar：Strengths and Weaknesses [J] FASEB Joumal， 2008， 22 （2）： 338-342.

[8]Mongeon P，Paul-HusA.The Joumal Coverage of Web of Scienceand Scopus：A Comparative Analysis[J].Scientometrics， 2015，106（1）：1-16.

[9] Silva J A T，Memon A R.CiteScore：A Cite for Sore Eyes， or aValuahle， Transparent Metric？[J].Scientometrics. 2017，111： 553-556.

[10]葉艳，张李义.基于CiteScore指数与影响因子的期刊评价研究——以经济管理领域期刊为例[J].情报科学，2017， 35（7）：126-131

[11]刘雪立，任胜利，程维红，等.不同学科期刊CiteScore与影响因子的比较研究[J].中国科技期刊研究，2017. 28（9）：837-841.

[12]肖仙桃，曲建升，王功，樊向伟，安培浚.CiteScore与JCR期刊评估指标的比较分析[J]中国科技期刊研究，2017，28（ 10）：954-958.

[13]盛丽娜.CiteScore. CiteScore百分位与常用期刊评价指标的相关性分析[J].中国科技期刊研究，2018， 29（ 6）：605- 611.

[14] Kim K， Chung Y.Overview of Joumal Metrics[J] Science Ed-iting， 2018.5（1）： 16-20.

[15] Dorta-Gonzalez P， Dorta-Conzalez M I.Impact Matumy Time-sand Citation Time Windows： The 2-year Maximum Journal Im-pactfactor [J]. Joumal of Informetrics， 2013，7（3）： 593 - 602.

（责任编辑：郭沫含）

收稿日期：2019-09-06

作者简介：郝若扬（1980-），女，副研究员，研究方向：文献计量。