最新谷歌H指数公布!Nature登顶,PLOS One 力压多个顶刊

2020 年 7 月 13 日 学术头条


7月8日,谷歌发布了2020版的谷歌学术指标 (Google Scholar Metrics,GSM) ,涵盖期刊为2015-2019 年间发表的所有文章。谷歌学术指标提供了一种简便的方法,让学者们 可以快速评估学术出版物最近文章的影响力


根据此次排名, Nature 以376力压群雄,登顶排行榜。 而被称为“神刊” (四大水刊) PLOS One(IF=2.74) 力压多个顶刊,进入医学及生命科学 TOP10! 超过Nature Med,排名第九。


h指数(h-index )

h指数(h-index )是一个混合量化指标,最初是由美国加利福尼亚大学圣地亚哥分校的物理学家乔治·赫希(Jorge Hirsch)在 2005 年的时候提出来的,其目的是量化科研人员作为独立个体的研究成果。Hirsch 的原始定义是,一名科学家的 h 指数是指其发表的N篇论文中有 h 篇每篇至少被引 h 次、而其余N-h篇论文每篇被引均小于或等于 h 次。Google 使用h5指数评价一个期刊的影响力,它表示的意思是 5 年内有 h 篇文章被引用超过 h 次。

谷歌h5指数的算法不同于影响因子,不光考虑期刊文章的篇均被引,是一个平衡发文量与被引次数的指标,其定义极具数学上的美感,具体可参见 《扫盲一下谷歌H5指数》

一、总排名



二、商业、经济与管理



三、化学与材料科学



四、工程与计算机科学



、健康与医学



六、人文、文学与艺术




七、生命科学与地球科学



八、物理与数学



九、社会科学



H5指数靠前的,基本上都是些发文量非常大的刊物,而影响因子最高的神刊 CA ,在H5指数排名中,前100名都没进去,究其原因还是:影响因子本质上是一个篇均引用次数,在总发文量不大的情况下,容易产生少量高引文章大幅拉高影响因子的情况。

H5指数除了考虑每篇文章的引用次数外,还与期刊的总发表文章数量正相关,按其定义,在篇均引用次数差不多的情况下,某期刊发表的文章越多,其H5因子越容易上去,NatureScience就是这种刊,用H5去衡量,简直就无敌了。

参考链接:https://scholar.google.com/citations?view_op=top_venues
版权声明:本文来源科研大匠、察言观数,仅用于学术分享

想要了解更多学术进展、前沿科技资讯,参与学术头条每日话题讨论,可以扫描二维码或搜索AMiner308添加学术君微信,对学术君说: “我想进读者群”, 即可进入读者群,不定期发福利~

学术君微信

点击 阅读原文 ,查看更多精彩!
喜欢本篇内容,请 分享、点赞、 在看
登录查看更多
0

相关内容

谷歌公司(Google Inc.)成立于1998年9月4日,由拉里·佩奇和谢尔盖·布林共同创建,被公认为全球最大的搜索引擎。公司总部称为“Googleplex”,位于美国加州圣克拉拉县的芒廷维尤。业务包括互联网搜索、云计算、广告技术等,同时开发并提供大量基于互联网的产品与服务,其主要利润来自于AdWords等广告服务。
ACL2020接受论文列表公布,571篇长文208篇短文
专知会员服务
66+阅读 · 2020年5月19日
【快讯】KDD2020论文出炉,216篇上榜, 你的paper中了吗?
专知会员服务
50+阅读 · 2020年5月16日
【快讯】CVPR2020结果出炉,1470篇上榜, 你的paper中了吗?
斯坦福&谷歌Jeff Dean最新Nature论文:医疗深度学习技术指南
AAAI 2020放榜,8800篇提交论文创纪录,接收率20.6%
机器之心
8+阅读 · 2019年11月11日
Nature 一周论文导读 | 2019 年 5 月 30 日
科研圈
15+阅读 · 2019年6月9日
2018 ACL fellow 出炉,5人上榜,无中国学者
专知
4+阅读 · 2018年12月18日
BMC新举措,审稿过程更清晰,投稿更放心
科研圈
27+阅读 · 2018年10月24日
The Evolved Transformer
Arxiv
5+阅读 · 2019年1月30日
Arxiv
3+阅读 · 2018年12月18日
Stock Chart Pattern recognition with Deep Learning
Arxiv
6+阅读 · 2018年8月1日
Arxiv
6+阅读 · 2018年4月21日
Arxiv
8+阅读 · 2018年2月23日
Arxiv
5+阅读 · 2018年1月30日
VIP会员
相关论文
The Evolved Transformer
Arxiv
5+阅读 · 2019年1月30日
Arxiv
3+阅读 · 2018年12月18日
Stock Chart Pattern recognition with Deep Learning
Arxiv
6+阅读 · 2018年8月1日
Arxiv
6+阅读 · 2018年4月21日
Arxiv
8+阅读 · 2018年2月23日
Arxiv
5+阅读 · 2018年1月30日
Top
微信扫码咨询专知VIP会员