F1000医学版收录文献的计量学分析

目的:通过对F1000医学版收录文献的分析,从专家视角确认医学期刊的价值。方法:按照所属期刊、年度,统计分析F1000医学版截至2011年11月收录的被推荐文献,根据各种期刊每年发表的文献总量计算各种期刊、各年度的推荐比并排序。结果:F1000医学版共推荐文献27 960篇,新英格兰医学杂志被推荐文献801篇,排在首位。按推荐比排序与按推荐文献量排序,结果相差较大。结论:F1000医学版总推荐文献数量较少,能够帮助读者以最短的时间获取有价值的文献信息。推荐比与被推荐文献数量均可作为评价期刊的重要依据。

医学F1000——新一代医学论文评价和检索系统

本文详细介绍了医学F1000的概况和特色。

科学评价视角下F1000、Mendeley与传统文献计量指标的比较

为了探讨同行评议、影响计量学以及传统文献计量指标在科学评价中的有效性,本文选取F1000、Mendeley以及Web of Science、Google Scholar数据库,采用SPSS 19.0软件,将心理学与生态学的1,033篇论文的同行评议结果即F1000因子、Mendeley阅读统计、期刊影响因子,以及Web of Science、Google Scholar数据库中被引频次进行相关分析。结果表明:同行评议结果、传统引文分析指标以及以Mendeley为代表的影响计量指标具有低度正相关性,这意味着上述指标在科学评价中审视视角的不同以及数字时代科学评价的多维构成;心理学筛选数据中F1000因子与期刊影响因子相关度几近为0,这一结论进一步证实了期刊影响因子与单篇论文影响力的严重背离;生态学与心理学指标相关分析结果的不同折射出科学评价中自然科学、社会科学的差异。

基于F1000与WoS的同行评议与文献计量相关性研究

为比较同行评议与文献计量方法在科学评价中的有效性及相关性,选取F1000以及Web of Science数据库,采用SPSS16.0软件,将近2000篇论文的F1000因子与Web of Science数据库中指标进行相关性比较。结果显示,F1000因子与统计区间内的被引频次呈显著正相关,同时一些F1000因子很高的论文并没有高频被引,反之亦然。结论指出:从统计学的视角,文献计量指标与同行评议结果具有正向相关性,但是无论是同行评议还是文献计量,单独作为科学评价标准都会有失偏颇,以引文分析为代表的定量指标与同行评议方法的结合将是未来科学评价的主流。

不同类型选择性计量指标评价论文相关性研究——基于Mendeley、F1000和GoogleScholar三种学术社交网络工具

本文探索了一个新的情报学研究理论——选择性计量学，对选择性计量学的内涵、特性和国内外的相关研究进行了详细论述。选取Mendeley、F1000和GoogleSchol三种学术社交网络工具中的不同类型的选择性计量方法评价同一组论文的结果一致性进行了验证。研究结果表明Mendeley的读者人数指标与GoogleSchol的被引次数指标在论文评价结果的相关程度相对较高。

基于全文本分析的引文指标研究——以F1000推荐论文为例

利用全文本分析法探讨更细粒度的引文指标计算方式,有利于更好地反映真实的引用情况,为引文指标的选择和改进提供参考。本文通过施引文献全文数据的获取、引用语境识别、引用信息识别、引文指标计算等步骤来讨论基于全文本分析的引文指标的获取和计算问题,再以F1000平台上的57篇论文为例,获取相关施引文献数据,基于引用强度、引用位置、引用情感等信息计算引文指标,对引用价值进行深入的分析,研究结果表明,学术论文在同一篇施引文献中存在多次被引,传统基于参考文献列表的被引次数计算方式不能真实反映学术论文的被引情况,对实证论文的引用多为不带明显情感倾向的中性引用,负面引用极少;实证论文被引超过半数发生在施引文献的结果位置,且在结果位置发生被引的比例越高,论文越受到领域专家的偏好。

F1000:新兴医学论文评价和检索系统

对F1000这种新兴医学论文评价和检索网络系统进行了较为简要的介绍和分析,并对该系统中少有的中医药文献进行了简要分析,以期通过介绍和分析,促进我国中医药,甚或是医药行业同仁对该系统的关注,为提升医药行业论文发表的质量提供重要信息。目前国内外学术界已公认F1000是一个极其有用的文献评价工具,可帮助医生和研究者快捷地掌握自己学科领域的最新研究进展。

学术迹与F1000因子二维视角下学者学术影响力评价研究

针对目前我国学者评价中多使用论文数量与引用指标,忽略研究质量的不足,探究一套可用于学者学术影响力评价的方法体系,为开展学者学术影响力评价提供参考与借鉴。使用学者发表学术论文这一载体,以代表学者论文影响力与传播力的学术迹指标和代表研究质量的F1000因子指标,综合构建学术影响力战略坐标图。将2013和2014年25位生物医学领域获得国家自然科学基金杰出青年基金项目的学者作为研究对象,分析学者获资助前、资助后以及资助前后在学术影响力战略坐标图中的位置与变化情况,根据学者在学术影响力战略坐标图中分布,分为“全能型”、“创新型”、“潜力型”和“影响型”四类学者。资助前后,不同学者的学术影响力变化方向不同。“全能型”和“创新型”学者占比较低,“潜力型”和“影响型”学者数量相当,占比较高,说明研究内容的创新性仍有较大提升空间。对比仅使用学术迹进行学者学术影响力评价结果发现,学术迹与F1000因子的综合方法可弥补传统评价方式的不足,更具参考价值。未来将扩大研究对象数量与范围,探索不同层次学者学术影响力评价方法。

F1000数据库心血管领域推荐文献分析

目的通过检索F1000数据库心血管领域,对推荐文献进行分析,了解该数据库目前的基本情况和特点。方法于2013年3月12日,检索F1000数据库,时间选择1999—2013年,选择"心血管医学数据库"和"心血管生物数据库",利用计算机编程将检索结果导入Excel建立数据库,使用统计软件进行分析。结果截至2013年3月12日,F1000共入选104 449篇文献。在"心血管医学数据库"中,共有4009篇被推荐文献,其中FFa≥6分的共152篇(3.79%)。在"心血管生物数据库"中,共有2639篇被推荐文献,其中FFa≥6分的共128篇(4.85%)。两者比较差异有统计学意义(P=0.035)。2012年的心血管医学研究共检出149篇,其中FFa≥10分2篇(1.34%),8～10分的2篇(1.34%),6～8分的论文2篇(1.34%),<6分的143篇(95.97%)。搜索第一作者为中国(含香港、澳门、台湾)的,共检出63篇。FFa均无超过6分的表现。结论通过F1000数据库可以了解期刊发表的哪些文章受到专家的关注以及专家是如何评价某篇文章的。但存在覆盖面不广,有选择偏倚的问题。

医学F1000因子与影响因子的比较研究

介绍了医学F1000因子的概念和计算公式,选取医学F1000网站部分文献,通过其F1000因子与其所在期刊影响因子的比较,发现医学F1000与影响因子在评价对象、评价方法、组织文献方法等方面的不同,建议在评价文献质量时应综合应用这两项指标。

F1000医学版收录期刊与科学引文索引的对比分析

科学引文索引在生物医学领域的文献、作者、期刊评价中发挥着重要作用。F1000医学版的推出为医学文献、期刊的评价提供了新的途径。本研究的目的是通过对F1000医学版收录文献的分析并与SCI进行对比，研究SCI和F1000医学版对评价医学期刊的差异，为有效提高医教研水平提供帮助。方法：获取F1000医学版从推出到2011年11月收录的被推荐文献，按照所属期刊、年度进行统计分析。通过检索medline获得各种期刊、各年度的发表文献总量，获得各种期刊、各年度的推荐比并排序，并与SCI相对比。结果：F1000医学版与SCI共同收录的医学期刊共1620种。在这1620种期刊中，按推荐此、推荐文献量和IF值分别进行排序，相互之间排序结果相差较大。结论：F1000医学版对评价医学期刊的权威性的评价与SCI存在较大差异。F1000医学版的评价在对医学期刊的评价中发挥着与SCI同等重要的作用。

基于F1000数据库的医学高校科研竞争力评价

目的:了解我国临床医学专业前10名高校的科研竞争力和F1000数据库在评价高校科研竞争力中的作用。方法:检索F1000数据库,以2005-2014年为时间范围,以教育部学位中心2012年公布的临床医学排名在前10的高校被F1000收录文章为检索对象,抓取星级数、标签等内容,将检索结果导入Excel并建立数据库,使用SPSS 20.0软件进行相关统计分析。结果:虽各高校在科研水平获得国际认可程度上仍需进一步提高,但都呈现出高增长速率的发展态势。结论:F1000数据库能够从多方位反映高校科研竞争力发展水平,其严谨的运作机制使其数据指标具有更大的说服力。

F1000对医学期刊被引情况的影响

目的:研究F1000在医学领域对文献被引用情况的影响。方法:检索F1000数据库,将2006-2008年第4年被F1000推荐的文献作为研究对象,在相同时间段选择发表后即可被推荐和从未被推荐的文献作为第一对照组和第二对照组,检索Web of Science,获得三组文献在发表后第1-6年的被引数量,研究三组文献在6年内的被引趋势;将所得数据重新组合为发表后前3年、后3年和总被引次数,利用SPSS 11.0软件对各组数据做配对t检验。结果:研究文献在发表后的第4年达到被引用峰值,而第一和第二对照组均在第3年达到被引用峰值;配对t检验显示,研究组文献与第一对照组和第二对照组之间被引用次数在发表后前3年未见显著差异,而在后3年存在显著差异,总被引次数也表现出显著差异。结论:F1000在医学领域对人们的引证行为产生了显著影响。

F1000在医学研究信息利用方面的应用思考

选取F1000(简称FFa)的部分评议文献为对象,通过比较FFa值、来源期刊的影响因子(impact factor,IF)数据和文献被引频次,分析3种不同评议体系的特点,探寻FFa评议体系对于其他2种评议手段的积极补充作用、创新点,指出医学研究生教育在信息使用与利用方面不应局限于单一数据分值,而应着重于文献的科学内涵,鼓励其在研究学习中充分利用不同评议体系的特点,扬长避短。

基于F1000的学术成果影响力评价指标研究

学术成果影响力评价是科技管理工作的重要组成部分。由于评价机制不同,量化指标和同行评议之间存在巨大差异。本文以临床医学学科文献为例,通过论文F1000指标、被引频次和期刊影响因子的对比,对学术成果影响力的主要评价标准进行比较研究,为科研人员掌握本学科领域的最新研究进展和发展趋势,提升学术成果影响力提供决策参考。

基于开放同行评议的学者影响力评价研究——以F1000为例

[目的／意义]提出一种基于开放同行评议的学者影响力评价方法，即通过归纳收敛开放同行评议内容，形成能够表征学者不同层面影响力的多个标签簇，从而从质量层面多角度探索学者影响力，并验证所提方法的有效性。[方法／过程]调研分析国内外现有学者影响力评价方法，在此基础上，设计构建基于开放同行评议的学者影响力评价方法，并以开放同行评议平台F1000为例，进行实证研究和对比分析。[结果／结论]基于开放同行评议的学者评价方法是一种新的评价角度，实现了对学者的多角度评价，增加了学者影响力的饱满度和辨识度。分析表明，该方法与文献计量评价方法不具有显著相关性，可以作为对传统评价方法的一种补充。传统的定量分析与开放同行评议方法的结合将是未来学术评价的发展趋势。

F1000的文献评价功能浅议

F1000是一个新的科研文献在线评估系统,它提供了一种系统的结构化的专家评议机制。通过与ISIWeb Of Science中由被引次数所确定的影响力较高的文献对比,F1000的专家评议机制能够及时准确的对优秀文献做出推荐,并给出推荐的评语和文献重要程度等级,对文献质量的评定具有极高的参考性,也对科研工作者快速选择相关文献和重要文献具有重要意义。

F1000与传统文献计量学指标的相关性研究

【目的】分析F1000与传统文献计量学指标(总被引频次、期刊影响因子)评价文献的相关性。【方法】以医学信息学和糖尿病为主题,检索2010年发表文献的F1000总分以及文章发表至今的总被引频次和所在期刊的影响因子(IF),采用Spearman检验分析新的检索方式和计算方式下文章F1000总分与总被引频次、F1000总分与期刊IF的相关性。【结果】2010年发表并被F1000推荐的医学信息学主题的文献共259篇,糖尿病主题的文献共169篇。2个主题文献的F1000总分与总被引频次、F1000总分与期刊IF均呈显著低度正相关(P<0.01)。【结论】F1000与文献计量学指标具有一定的正相关性。F1000与文献计量学指标都有自身的局限性,应将两者相结合进行多维度的评价分析。

F1000文献相比其他文献是否含有更高价值？

F1000为读者快速获取高质量的医学文献信息提供了一条新的途径.但F1000文献是否含有比其他文献更高的质量尚未见研究.在F1000数据库中选取30篇发表于《新英格兰医学杂志》的文献作为研究组,在每一篇文献的相同刊期中选择一篇未被F1000收录的文献组为对照组.检索SCI数据库获得每一篇文献的被引用次数.利用配对t检验对两组数据进行分析.研究组文献的总被引次数为54～1 256次,平均被引用345.2次;而对照组文献为20～614次,平均198.6次;文章发表后前3年的平均被引用次数研究组和对照组分别为144.2和88.9,文章发表3年后的平均被引用次数研究组和对照组分别为210和109.8.研究组文献被引次数显著高于对照组（P=0.05,t=2.430 9）.以被引用次数作为确定重要性的客观指标,F1000文献含有比其他文献更高的信息价值,可以作为快速获取高质量医学信息的重要手段.但F1000高质量医学信息的收录并不完善,读者仍需利用其他工具以全面掌握高质量的医学信息.