学术期刊评价中“马太效应”的一种消减方法:学科累加影响因子(IF2)

摘要

马太效应是学术期刊评价中一种常见又难以消除的现象.马太效应导致了高影响因子(ImpactFactor)期刊更能吸引优秀的文献;从而导致非核心期刊难以获得优秀的文献支持,很难获得较高的学术地位.本文通过对2012年中国学术期刊影响因子年报(CNKI数据)为依据,统计图书馆学、情报学学术期刊共计40种,运用一种积累加权算法对影响因子的计算方式进行了全新的计算累加模式创新,计算期刊的累加影响因子(IF2).实验结果表明通过比较IF2,学术期刊可以更好消除期刊马太效应的影响,使得处于非核心地位的期刊脱颖而出,算法创新后的影响因子对核心期刊的确定、学术期刊的评价,更具有现实意义.