避雷选刊有救了?剔除期刊也能预测了?世界首个SCI期刊 “被踢指数” 诞生

2023-10-31 04:40

本文主要是介绍避雷选刊有救了?剔除期刊也能预测了?世界首个SCI期刊 “被踢指数” 诞生,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

以往,我们选择期刊的时候,都是在看国人占比、影响因子,自引率等参数,但之后,大家可能要再增加一个期刊指标:被踢指数”,不然就可能踩雷!

今年3月底,对很多硕博士来说,应该很煎熬!

科睿唯安官方一口气剔除了35本期刊有影响因子高达7.31的Oxidative Medicine and Cellular Longevity,也有很多科研硕博都熟悉的Journal of Oncology!

包括广大科研者,甚至出版社,都很懵,因为睿唯安官方剔除的标准没有公布。但可以推测的是,官方在3月底做出了剔除决定,是根据2022年,或者23年一季度的期刊数据来定的,那是什么数据呢?

CAR index  这个国外公益网站,对所有35本被踢期刊进行了详细分析,发现这些被踢期刊都存在严重的学术诚信问题”!

JCAR官网首页,查询无需登录 

这个网站给每个期刊都算了一个CAR index(CAR指数)。

从上述公式可见,CAR指数=当年该期刊撤稿数(R)+被曝光数(P)+图片重复文章数(F)的总和,除以该年度发文量(N)的比值。

这也好理解,分子都是和学术诚信负面相关的事件,涉及的文章越多肯定说明这个期刊诚信风险越大了;分母是发文量,也很好理解,如果能发1万篇,分子不升高,那说明期刊质量过硬,否则,发几篇就有几篇暴雷,那CAR指数一定奇高了。由于在当年暴雷的文章可以是之前的,所以和当年发文量没有关系,所以可以大于100%。

网站根据CAR指数高低分级,把低于5%设定为低风险,5-10%为中风险,大于10%为高风险,那CAR指数来预测“期刊被踢风险”,靠不靠谱呢?

看下这批35本被踢的期刊的CAR指数,你可能会震惊!

从下表可见,在被剔除的32本期刊中(3种期刊因为停刊而被踢),多达19本期刊2022年的CAR指数或2023年的实时CAR指数超过10%,占比达到60%!在纳入“发表的文章是否超出期刊范围”时(好理解,很多掠夺性期刊发了很多不相关的文章,赚版面费),除REVISTA BRASILEIRA DE MEDICINA DO ESPORTE为7%,中风险外,所有32种期刊的22年CAR指数或23年的实时CAR指数均大于10%

 其中几个期刊更是离谱,当年出现学术诚信问题的文章比当年发表量高2倍还多,可以说已经到了“肆无忌惮”的程度。

以上被踢期刊的CAR指数结果说明,随着近年来学术诚信问题被受到广泛关注,科睿唯安官方对SCI期刊的考核也已经从传统的自引率等,转向期刊的学术诚信,这一动向不得不引起我们的重视。

当然,期刊是否最终被科睿唯安剔除,除了期刊学术诚信风险,官方肯定会综合考虑,比如文章质量(不暴雷不等于文章质量好),自引率等等。

但不管如何,CAR指数作为目前唯一一种评价期刊学术诚信和预测“被踢风险”的指标,在我们平时选刊投稿时,都可以作为重要参考。特别是在同等情况下,肯定要选CAR指数较低的期刊,更为保险。


→Unionpub学术:【期刊征稿】1区(TOP)极速送审!5月SCI/SSCI/EI刊源表已更新!

→Unionpub学术:【科研热点】期刊自查!期刊被踢影响毕业吗?怎样判断期刊剔除信号?

→Unionpub学术:【期刊动态】重磅!4月有8本SCIE期刊被剔除!(附MDPI/Frontiers/Hindawi最新在检期刊)

→Unionpub学术:【科研热点】震惊!3月20日WOS目录更新,50本SCI/SSCI被剔除!谨慎选刊

→Unionpub学术:【科研热点】重磅!2023年中科院《国际期刊预警名单(试行)》正式发布!

→Unionpub学术:【科研热点】重磅,2022JCR修正版发布!

→Unionpub学术:【资源下载】2022中科院分区表发布!(附最新版下载)

→ Unionpub学术:【科研干货】如何回复审稿意见?

→ Unionpub学术:【科研干货】从投稿到清样、版权处理流程,国际期刊出版社最全解说之Elsevier

→ Unionpub学术:【科研干货】学术论文投稿前最全准备材料(附模板)

这篇关于避雷选刊有救了?剔除期刊也能预测了?世界首个SCI期刊 “被踢指数” 诞生的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/312899

相关文章

揭秘世界上那些同时横跨两大洲的国家

我们在《世界人口过亿的一级行政区分布》盘点全球是那些人口过亿的一级行政区。 现在我们介绍五个横跨两州的国家,并整理七大洲和这些国家的KML矢量数据分析分享给大家,如果你需要这些数据,请在文末查看领取方式。 世界上横跨两大洲的国家 地球被分为七个大洲分别是亚洲、欧洲、北美洲、南美洲、非洲、大洋洲和南极洲。 七大洲示意图 其中,南极洲是无人居住的大陆,而其他六个大洲则孕育了众多国家和

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

CCF推荐C类会议和期刊总结(计算机网络领域)

CCF推荐C类会议和期刊总结(计算机网络领域) 在计算机网络领域,中国计算机学会(CCF)推荐的C类会议和期刊为研究者提供了广泛的学术交流平台。以下是对所有C类会议和期刊的总结,包括全称、出版社、dblp文献网址以及所属领域。 目录 CCF推荐C类会议和期刊总结(计算机网络领域) C类期刊 1. Ad Hoc Networks 2. CC 3. TNSM 4. IET Com

简单的Q-learning|小明的一维世界(3)

简单的Q-learning|小明的一维世界(1) 简单的Q-learning|小明的一维世界(2) 一维的加速度世界 这个世界,小明只能控制自己的加速度,并且只能对加速度进行如下三种操作:增加1、减少1、或者不变。所以行动空间为: { u 1 = − 1 , u 2 = 0 , u 3 = 1 } \{u_1=-1, u_2=0, u_3=1\} {u1​=−1,u2​=0,u3​=1}

简单的Q-learning|小明的一维世界(2)

上篇介绍了小明的一维世界模型 、Q-learning的状态空间、行动空间、奖励函数、Q-table、Q table更新公式、以及从Q值导出策略的公式等。最后给出最简单的一维位置世界的Q-learning例子,从给出其状态空间、行动空间、以及稠密与稀疏两种奖励函数的设置方式。下面将继续深入,GO! 一维的速度世界 这个世界,小明只能控制自己的速度,并且只能对速度进行如下三种操作:增加1、减

2024年 Biomedical Signal Processing and Control 期刊投稿经验最新分享

期刊介绍 《Biomedical Signal Processing and Control 》期刊旨在为临床医学和生物科学中信号和图像的测量和分析研究提供一个跨学科的国际论坛。重点放在处理在临床诊断,患者监测和管理中使用的方法和设备的实际,应用为主导的研究的贡献。 生物医学信号处理和控制反映了这些方法在工程和临床科学的界面上被使用和发展的主要领域。期刊的范围包括相关的评论论文(review p

【Linux】萌新看过来!一篇文章带你走进Linux世界

🚀个人主页:奋斗的小羊 🚀所属专栏:Linux 很荣幸您能阅读我的文章,诚请评论指点,欢迎欢迎 ~ 目录 前言💥1、初识Linux💥1.1 什么是操作系统?💥1.2 各种操作系统对比💥1.3 现代Linux应用💥1.4 Linux常用版本 💥2、Linux 和 Windows 目录结构对比💥2.1 文件系统组织方式💥2.2

Tensorflow lstm实现的小说撰写预测

最近,在研究深度学习方面的知识,结合Tensorflow,完成了基于lstm的小说预测程序demo。 lstm是改进的RNN,具有长期记忆功能,相对于RNN,增加了多个门来控制输入与输出。原理方面的知识网上很多,在此,我只是将我短暂学习的tensorflow写一个预测小说的demo,如果有错误,还望大家指出。 1、将小说进行分词,去除空格,建立词汇表与id的字典,生成初始输入模型的x与y d

Elasticsearch:无状态世界中的数据安全

作者:来自 Elastic Henning Andersen 在最近的博客文章中,我们宣布了支持 Elastic Cloud Serverless 产品的无状态架构。通过将持久性保证和复制卸载到对象存储(例如 Amazon S3),我们获得了许多优势和简化。 从历史上看,Elasticsearch 依靠本地磁盘持久性来确保数据安全并处理陈旧或孤立的节点。在本博客中,我们将讨论无状态的数据持

【AI大模型应用开发】2.1 Function Calling连接外部世界 - 入门与实战(1)

Function Calling是大模型连接外部世界的通道,目前出现的插件(Plugins )、OpenAI的Actions、各个大模型平台中出现的tools工具集,其实都是Function Calling的范畴。时下大火的OpenAI的GPTs,原理就是使用了Function Calling,例如联网检索、code interpreter。 本文带大家了解下Function calling,看