InCites数据库常用指标手册
incites数据库使用指南
incites数据库使用指南一、简介incites数据库是一种用于科学研究分析和评估的工具，旨在帮助研究人员和科学家发现重要的研究领域、评估相关研究成果的影响力以及追踪学术合作关系。
本文将为您提供incites数据库的使用指南，帮助您充分利用该数据库进行科研工作。
二、登录和界面介绍您需要通过访问incites数据库的官方网站来登录。
在登录界面，输入您的用户名和密码后，即可进入incites的主界面。
incites的主界面分为多个模块，包括“主页”、“分析”、“指标”、“合作伙伴”等。
在主页中，您可以看到最新的研究动态和相关推荐内容；在分析模块中，您可以进行研究主题的分析和数据可视化；在指标模块中，您可以查看相关研究成果的影响力指标；在合作伙伴模块中，您可以追踪和管理与其他研究人员的合作关系。
三、功能介绍1. 研究主题分析：在incites数据库中，您可以通过输入关键词或选择特定领域进行研究主题的分析。
通过分析，您可以了解该领域的研究热点、相关机构和研究人员等信息，为您的科研工作提供参考。
2. 数据可视化：incites数据库提供了丰富的数据可视化工具，帮助您更直观地了解研究成果的影响力和发展趋势。
您可以使用柱状图、折线图等图表形式展示数据，并根据需要进行筛选和排序。
3. 影响力指标：incites数据库基于学术引用数据，提供了多种影响力指标，包括引用次数、引用频次、H指数等。
这些指标可以帮助您评估研究成果的影响力和质量，为您的科研评估提供科学依据。
4. 合作伙伴追踪：在incites数据库中，您可以管理和追踪与其他研究人员的合作关系。
您可以查看与特定研究人员的合作历史、合作频率等信息，并通过数据可视化工具展示合作网络图，帮助您了解与其他研究人员的合作潜力和合作机会。
四、使用技巧1. 利用高级搜索：在进行研究主题分析时，您可以使用incites数据库提供的高级搜索功能，通过设置相关条件来精确筛选所需数据。
基于InCites的全国高校数据源对比分析
基于InCites的全国高校数据源对比分析随着科研领域的不断发展，科研管理越来越重要。
而InCites就以其强大的科学指标和数据指标而成为了全球范围内的科研领域里的重要数据源之一。
那么，在全国高校中，如何利用InCites进行科研对比分析，可以有效地衡量出各高校的科研水平，对于科研产出和学术影响力的提升都具有重要的意义。
首先，InCites被广泛认为是最具权威性和最准确的科研数据源之一。
InCites采取基于Web of Science的数据源，能够为研究人员和科学家提供来自各领域的科学指标数据，如影响因子、引用频次、发表文章数等，这些指标都是数量化地反映研究哪些领域的影响，为研究人员提供了对比各高校科研水平的量化标准。
比如，通过InCites数据源，可以快速了解到各高校在不同领域的影响力、文章出版量、引用和论文数量等数据信息，深入了解各高校在某些具体领域扮演的角色和影响力，从而进行科研对比分析。
其次，InCites提供了非常丰富和详细的数据分析工具，研究人员可以利用这些工具，快速地对全国各高校的科研数据进行对比分析。
比如，InCites用户名片功能可以为各高校科研人员提供科研活动的总体情况，非常迅速地掌握一所大学的科研方向、影响力等信息。
再比如，InCites比较功能允许用户单击不同机构的名称，进行逐一的比较，探究其差异、优劣和相似之处，并为进一步的研究提供了有用的指导。
这些数据分析工具非常便利，不仅使科研对比分析更加快速了解到高校的科学发展状况，而且还会提供更准确和详细的科学数据，帮助学者更深入地思考该领域的发展趋势和科学毫无移动力。
最后，在全国高校中，InCites的应用也得到了越来越多的关注和信任。
目前，InCites已经被各大高校广泛使用，并成为了衡量学术影响力以及科学研究成果的金标准之一。
许多国防高校、理工科高校、财经高校等学科的学者和研究人员都普遍使用InCites来进行科研数据的快速分析和对比，以了解到学校在不同领域的科研成果，并进行评估和优化。
InCites数据库快速使用指南
2InCites TM数据库快速使用指南InCites TM 数据库快速使用指南InCites 数据库中集合了近30年来Web of Science 核心合集七大索引数据库的数据，拥有多元化的指标和丰富的可视化效果，可以辅助科研管理人员更高效地制定战略决策。
基于Web of Science 核心合集七大索引数据库30多年客观、权威的数据，InCites 数据库中可以提供：您可以利用InCites 数据库：新版InCites数据库在旧版的基础上加强了数据及其呈现方式，使其更加全面、易用。
InCites与Web of Science核心合集的数据相互连接，采用更加清晰、准确的可视化方式来呈现数据，用户可以更加轻松地创建、存储并导出报告。
登陆InCites TM数据库请访问：https:///InCites TM数据库快速使用指南34InCites TM 数据库快速使用指南InCites 数据库主界面的5个模块和系统报告简介• 人员：可分析各个机构所属科研人员和科研团体的产出和影响力等• 机构：可分析全球各个机构的科研绩效和进行同行对比• 区域：可分析各个机构的国际合作区域的分布• 研究方向：可分析机构在不同学科分类体系中的学科布局• 期刊、图书、会议录文献：可分析文献所发表的期刊、图书和会议录分布• 系统报告：InCites数据库中内置报告模板，可以通过机构名称一步分析其研究绩效、合作论文和教学情况InCites TM数据库快速使用指南56InCites TM数据库快速使用指南7InCites TM 数据库快速使用指南InCites 每个模块的结构：筛选区：您可以根据多个选项来筛选数据集，包括机构名称、合作的机构、文献类型、出版年等；图示区：您可以看到通过筛选得到的各个学科数据所生成的图像；结果区：浏览筛选过后得到的各个学科的数据和相应的指标。
123以“研究方向”模块为例：8InCites TM 数据库快速使用指南如何分析本机构的科研绩效和对标分析如何分析本机构的科研产出和影响力选择“机构”模块“筛选区”中通过“机构名称”输入本机构名称，系统会自动提示近似名称“筛选区”中通过“出版年”选择分析年份点击“更新结果”就可以显示本机构的数据1234234如何选择同行机构进行对比分析1.您可以利用“筛选项”，按照如下条件选择对标机构机构名称：输入对标机构的名称机构类型：按照机构所属的类型例如大学、政府、医院等来选择国家/地区：按照机构所属的国家/地区来选择排名：按照是否进入THE大学排名和是否进入ESI引用前1%来选择机构联盟：按照机构所属的联盟，例如中国C9高校、澳大利亚的GROUP OF 8等来选择ABCDE9 InCites TM数据库快速使用指南2.在“筛选项”的“研究方向”处选择需要分析的学科分类。
“incites”相关文件汇总
“incites”相关文件汇总目录一、ESI、InCites和JCR数据库联合提供外文文献馆藏建设数据支持研究——以东华大学为案例二、图书馆基于ESI和InCites数据库支持高校学科科研评价的服务模式探讨三、提高我国药学学科的国际竞争力利用ESI和InCites数据库分析我国药学学科发展态势及启示四、区位商视角下图书馆数据支持服务实践以ESI和InCites数据库为案例五、C9高校学科建设的绩效评价与预测——基于ESI和InCites 数据库六、基于ESI和InCites数据库的东华大学学科发展预测ESI、InCites和JCR数据库联合提供外文文献馆藏建设数据支持研究——以东华大学为案例如何利用ESI、InCites和JCR数据库联合提供的外文文献馆藏建设数据支持研究？以东华大学为案例随着全球化的深入和知识经济的发展，外文文献馆藏建设在高校和科研机构中的重要性日益凸显。
外文文献是拓展学术视野、跟踪国际前沿科技和提升学术影响力的关键。
然而，如何高效地进行外文文献馆藏建设，确保资源的针对性和有效性，一直是困扰着学术图书馆的难题。
本文以东华大学为案例，探讨如何利用ESI、InCites和JCR数据库联合提供的外文文献馆藏建设数据支持研究，为其他高校和科研机构提供参考和启示。
目前，外文文献馆藏建设面临着诸多挑战。
一方面，国际出版商和数据库商利用先进的数字化技术，使学术文献的获取变得更加便捷。
另一方面，如何从海量的外文文献中筛选出与本机构学科领域相关的、高影响力的资源，成为了一个突出问题。
ESI、InCites和JCR数据库在这方面具有独特优势。
ESI是一种基于Web of Science核心合集的多学科评价工具，能够帮助研究人员跟踪和评估学科发展动态。
InCites是一个基于Web of Science的引文索引数据库，可以提供学术论文、专利、会议论文等各类学术资源的引文数据和高引论文信息。
而JCR是Web of Science 核心合集中的期刊引证报告，可以提供期刊影响因子、被引频次等评价信息。
InCites指标说明
目前提供 6 种学科分类， 包括： 澳大利亚、 巴西、 英国和 OECD 分类， 以及 Web of Science 和 ESI 分类。
预置数据模块中进行国家/机构对比分析时，包含的分析指标有： 1) 论文数量(Web of Science Documents): 一段时间内被 Web of Science 数据库收录 的论文数量。 2) 总被引频次(Times Cited): 一段时间内被 Web of Science 数据库收录论文的总被引 频次。 3) 篇均被引频次(Cites per Document (Impact)): 平均每篇论文的被引频次。 4) 被引用率(% documents cited): 在一组论文中， 被引用 1 次及以上的论文数量占该 组论文总数的百分比。 5) 相对影响力(Impact Relative To World): 某国家/地区(或机构)发表论文的篇均被 引频次与全球总体论文的篇均被引频次的比值。该值大于 1，即表明该组论文的篇 均被引频次高于全球平均水平；小于 1，则低于全球平均水平。 6) 相对于相应学科领域的影响力(Impact Relative to Subject Area): 某国家/地区(或 机构)在某学科领域发表论文的篇均被引频次与全球相应学科领域篇均被引频次的
15) 相对于所属机构的被引用率(% Documents Cited Relative to Institution): 某机构
在某学科领域内发表论文的被引用率与所属机构总体论文的被引用率的比值。
5
16) 相 对 于 所 属 国 家 / 地 区 的 被 引 用 率 (% Documents Cited Relative to Country/Territory): 某国家 / 地区在某学科领域内发表论文的被引用率与该国家 / 地区总体论文的被引用率的比值。 17) 综合绩效指标(Aggregate Performance Indicator): 某国家/地区(或机构)的实际被 引频次与期望被引频次的比值。该指标对不同学科领域和不同年份发表论文均进 行了归一化处理，如果比值大于 1，即表明该国家/地区(或机构)的综合影响力高于 全球平均水平；小于 1，则反之。指标的计算方法如下：
新一代研究绩效分析工具Incites
– 国家指标数据，以国家及地区为单位，汇总其论文与引文 总数，提供了全球170多个国家与若干个地区（亚太， 亚 太（不包括日本），欧洲共同体，拉丁美洲，中东，北欧 ，OECD）在各学科领域的综合科研效绩评估指标；
– 机构指标数据，以大学或研究机构为单位，汇总其论文与 引文总数。提供各国大学/研究机构在各学科领域的综合研 究绩效评估指标；
• 如何进行个人、每篇论文等微观级别的分析与评价
• 如何利用个性化订制功能
新一代研究绩效分析工具Incites
本机构中重要的学术带头人 学术影响力如何？
新一代研究绩效分析工具Incites
新一代研究绩效分析工具Incites
去除自引（作者自引） 后的影响力指标
新一代研究绩效分析工具Incites
新一代研究绩效分析工具Incites
本机构和X机构的研究成果和 影响力相比如何？
新一代研究绩效分析工具Incites
预置了中国200多所高校 、研究机构的论文和引文 指标，以及985高校和C9 高校分组
新一代研究绩效分析工具Incites
两个学校1981~2009年以 来论文产出的增长情况
新一代研究绩效分析工具Incites
新一代研究绩效分析工具Incites
机构科研成果和影响力对比
机构总体学术表现及全球定位
重点学科规划与建设
学术带头人的成果展示
学术团队/重点实验室的研究实力分析
合作伙伴的评估与选择
高影响力论文的评价
热点/前沿研究领域分析
…………
新一代研究绩效分析工具Incites
提纲
• 研究绩效分析工具Incites • 如何进行国家、地区等宏观级别的分析与评价 • 如何进行机构级等中观级别的分析与评价 • 如何进行个人、每篇论文等微观级别的分析与评价
数据库性能指标
文件分散读取
该等待事件通常与全表 如果这个等待事件比较 厘秒
(db file scattered 扫描有关。因为全表扫描 显著，可能说明对于某些
read (cs))
是被放入内存中进行的 全表扫描的表，没有创建
进行的，通常情况下它不 索引或没有创建合适的
可能被放入连续的缓冲 索引。尽管在特定条件下
区中，所以就散布在缓冲 执行全表扫描可能比索
可能的情况：
1） online redo log 没有
足够的空间；
2）log 切换速度较慢。
缓冲区命中率
指数据块在数据缓冲区 该指标的值通常应在 90% %
(Buffer Hit %) 中的命中率。
以上，否则，需要调整。
如果持续小于 90%，可能
要加大 db_cache_size。
但有时，缓存命中率低并
SQL Server
注：以下指标取自 SQL Server 自身提供的性能计数器。
指标名称
指标描述
指标范围
指标单位
1．ห้องสมุดไป่ตู้QL Server 中访问方法（Access Methods）对象包含的性能计数器
全表扫描/秒
指每秒全表扫描的数量。 如果该指标的值应尽可
(Full Scans/sec) 全表扫描可以是基本表 能的小。分析设计的查询
务处理、调整良好的系
统，这一数值大多是很正
缓冲区忙 (buffer busy (cs))
常的，但在某些情况下，
它可能暗示着系统中存
在问题。应检查索引扫
描，以保证每个扫描都是
必要的，并检查多表连接
的连接顺序。另外
DB_CACHE_SIZE 也是这
InCites新平台助力“世界一流学科”建设实践与探索——以海南大学“世界一流建设学科”作物学学科为
收稿日期:2021-12-29基金项目:海南省哲学社会科学2021年规划课题 海南高校图书馆数字资源绩效评价研究 ,项目编号:HN S K (Y B )21-61;海南省自然科学基金,项目编号:721Q N 0877㊂作者简介:徐榕烽(1983),女,内蒙古临河人,馆员,硕士,就职于海南大学图书馆,研究方向:图书情报与文献计量分析㊂周珊(1981 ),女,副研究馆员,研究方向:资源建设㊁学科服务㊁科研评价等㊂I n C i t e s 新平台助力 世界一流学科 建设实践与探索以海南大学 世界一流建设学科 作物学学科为例徐榕烽,周 珊(海南大学图书馆,海南海口 570228) 摘 要:文章采用文献计量学方法,利用新一代I n C i t e s 平台,从高生产力和高影响力作者对作物学学科贡献度方面深入分析了海南大学 世界一流建设学科 作物学学科近10年来的科研发展情况,明确海南大学作物学学科自身存在的不足,并提出了制定科研规划㊁整合科研团队㊁加强科研人员培育力度和期刊投稿引导几条建议,为发掘学科潜力并促进其提高核心竞争力和建成建好世界一流学科提供准确定位,有利于最终形成学科自身核心竞争力,为学科建设和发展的方向及重点领域提供决策依据㊂关键词:一流学科;贡献度;I n C i t e s中图分类号:G 250.73ʒG 250.252(226) 文献标识码:A 文章编号:1007 6921(2023)10 0113 04 2015年10月,国务院公布‘统筹推进世界一流大学和一流学科建设总体方案“,明确提出以学科建设为 双一流 建设的基本原则之一,高等院校由围绕学校整体建设转变为围绕学科建设[1]㊂2017年9月,海南大学作物学学科入选国家 双一流建设学科 名单,2018年4月13日,习近平总书记在庆祝海南建省办经济特区30周年大会上的重要讲话中明确提出 要支持海南大学创建世界一流学科[2],赋予海南大学新的重大历史使命㊂海南大学作物学学科是海南大学最早创建的3个骨干学科之一,为我国天然橡胶事业的发展做出了杰出贡献,作物学 世界一流学科 建设和发展需要植物保护㊁园艺和食品学科与工程等 热带农业 学科群的共同支持㊂本文采用文献计量学方法,利用新一代I n C i t e s平台,从高生产力和高影响力作者对作物学学科贡献度方面分析了海南大学 世界一流建设学科 作物学学科近10年来的科研发展情况,为学科建设和发展的方向及重点领域提供一定的决策依据㊂1 数据来源和指标说明1.1 数据来源S C I E (S c i e n c e C i t a t i o n I n d e x E x pa n d e d )是收录了超过9200种世界上最具影响力的期刊,涵盖178个科学学科,1900年至今,有5300多万条记录和11.8亿份引用文献,是对自然科学研究成果进行比较客观㊁定量和易操作评价的国际通用指标,经常用来进行某一个科研机构或大学的学科分析和学术影响力评价[3]㊂I n C i t e s 是由C l a r i v a t e 开发的一个基准和分析工具,它使用出版物信息来分析生产力㊁影响力和协作,这些都反映在科学网络数据库索引的文献中[4]㊂2021年7月,I n C i t e s 平台进行了全新改版和全面升级,补充了多种加权和相对的计量指标,增加了可视化效果,为科研人员的论文生产力和学术影响力的量化分析提供了一个更加丰富和完善的分析工具㊂本次研究利用S C I E 和新一代I n C i t e s 数据库,从海南大学 世界一流建设学科 作物学学科学术角度2023年5月内蒙古科技与经济M a y 202310524I n n e r M o n g o l i a S c i e n c e T e c h n o l o g y &E c o n o m yN o .10T o t a l N o .524出发,选择分析入口为 研究方向 和 研究人员 ,所属机构为 H a i n a n U n i v e r s i t y,分类体系按照C h i n a S C A D C S u b je c t 97N a r r o w (中国国务院学位委员会学科分类),选择 0901C r o p Sc i e n c e ,文献类型为 A r t i -c l e 和 R e v i e w ,时间范围为2012年 2021年㊂I n -C i t e s 数据截止时间为2021年9月24日㊂1.2 指标说明[5]本文分析的I n C i t e s 数据库中的各项数据指标及其含义见表1㊂表1 I n C i t e s 数据库中数据指标及含义序号指标名称含义1W e b o f S c i e n c e 论文数一段时间内被W e b o f S c i e n c e 收录的论文数量2被引频次一段时间内被W e b o f S c i e n c e 收录论文引用的频次3h 指数出版论文集的h 指数4引文影响力论文篇均被引频次(均值)5学科规范化的引文影响力C N C I 按学科㊁出版年和文献类型统计的规范化的引文影响力(论文篇均引文数),C N C I 值大于1,表明该组论文的被引表现高于全球平均水平6期刊规范化的引文影响力J N C I 按期刊㊁出版年和文献类型统计的规范化的引文影响力,J N C I 值大于1,表明在该期刊上发表的论文的表现超过全球平均水平7高被引论文按领域和出版年统计的被引频次排名前1%的论文数(含论文与综述)8Q i 期刊中的论文给定年份内具有J I F 分区中Q i 区的期刊中的论文数量9Q i 期刊中论文的百分比Q i 期刊中的论文数占J I F 期刊中的论文数的比值2 海南大学世界一流建设学科 作物学学科分析2.1 作物学学科基本情况2.1.1 论文总体产出及发展趋势分析㊂学科总体论文产出是衡量学科发展情况的重要指标之一,海南大学作物学学科2012年 2021年的发文总量为132篇,其中Q 1期刊中的论文75篇,高被引论文2篇,第一作者和通讯作者的百分比分别是59.85%和56.06%㊂2012年 2021年海南大学作物学学科历年发文量及Q 1期刊发文量趋势如图1所示㊂图1 2012年 2021年海南大学作物学学科历年发文量及Q 1期刊发文量趋势如图1所示,海南大学作物学学科10年间的W o S 发文量是逐年上升的,尤其是2016年之后,上升的速率加快,2018年略有回落,到2020年全年W o S 发文45篇,其中Q 1期刊30篇,Q 2期刊11篇,Q 1㊁Q 2期刊总和达到全年发文量的91.11%,且有1篇高被引论文产生,这跟2016年后海南大学加强人才引进和科研奖励的力度有关㊂2.1.2 论文总体及相对影响力分析㊂分析论文被引情况是衡量出版物或作者的影响力的一个重要途径[6]㊂2012年 2021年海南大学作物学学科W o S论文被引频次993次,引文影响力(篇均被引频次7.52次),学科规范化引文影响力C N C I 为1.76,期刊规范化引文影响力J N C I 为0.98㊂2012年2021年海南大学作物学学科W o S 论文被引频次及引文影响力趋势如图2所示㊂图2 2012年 2021年海南大学作物学学科W o S 论文被引频次及引文影响力趋势从图2可以看出,海南大学作物学学科W o S 发文的被引频次及引文影响力趋势在2012年 2018年大致相同,在2015年㊁2016年㊁2017年3年表现较好,2018年表现较差,这跟W o S 发文量与Q 1期刊发文量趋势相符,2019年之后的被引频次逐渐增多,但篇均被引频次并未增多,这跟2019年后新增发文量较多有关,一般来说,论文被引频次的高峰出现在论文发表后的2年~5年㊂因此我们也可以看到,总被引频次和引文影响力两个引文指标均未考虑学科㊁期刊㊁出版年㊁W o S 发文量及文献类型的归一性,具有一定的局限性,所以有必要对学科规范化引文影响力C N C I 值和期刊规范化引文影响力J N -C I 值按出版年进行统计分析,2012年 2021年海南大学作物学学科W o S 发文的规范化引文影响力如图3所示㊂总第524期内蒙古科技与经济图32012年 2021年海南大学作物学学科两个规范化引文影响力指标从图3中可以看出,海南大学作物学学科在2012年 2014年间的引文影响力C N C I值和J N C I 值都远低于全球基准值1,表明这三年海南大学作物学学科论文发文质量和期刊质量相对较低㊂2015年 2017年的两个规范化引文影响力均高于全球平均值,尤其是2016年的学科规范化引文影响力C N C I值,达到4.70,非常引人注目,表明海南大学作物学科研人员这三年的发文质量和期刊质量都很高㊂2018年两个规范化引文影响力又有所下降,这跟被引频次和篇均被引频次的趋势大致相同㊂2.2作物学学科高产作者 生产力贡献度 分析科研人员的论文产出是衡量和评价科研人员绩效的重要指标[7],高产出作者往往是某一领域科技前沿走向的引领者,在海南大学 世界一流建设学科 作物学学科10年间发表W e b o f S c i e n c e论文的科研人员共289人㊂本文利用 生产力贡献度 这一评价指标,更直观地反映海南大学作物学学科发文作者在该学科领域的生产力, 生产力贡献度 的计算公式如式(1)所示, 生产力贡献度 越大,该作者对海南大学作物学学科的生产力越大[8],作者学术成果在该学科更多㊂生产力贡献度(%)=某学科作者W o S发文量该学科W o S发文总量(1)按照生产力贡献度排名前10位的科研人员,结果如表2所示㊂由表2可见,发文量最多的是食品科学与工程学院张正科教授(Z h a n g,Z h e n g K e),10年间在海南大学作物学学科共累积W o S发文14篇,W o S发文贡献度为10.69%,h指数为11[9]㊂发文量排在第2㊁第3的分别是热带作物学院的聂立孝教授(N i e,L i x i a o)和吴伟教授(W u,W e i),10年间在海南大学作物学学科分别W o S发文11篇和9篇,W o S发文贡献度为8.4%和6.87%,h指数为4和3㊂我们发现,排名前10的作者中,有5位都不是二级机构热带作物学院的科研人员,这表明,海南大学 世界一流建设学科 作物学学科的W o S论文量是由不同的二级机构科研人员发文组成,即由不同二级机构的科研人员生产力贡献㊂表2海南大学作物学学科2012年 2021年高产出作者T O P10名称排名W o S论文数/篇W o S发文贡献度/%h指数Z h a n g,Z h e n g K e11410.6911N i e,L i x i a o2118.404W u,W e i396.873 L i u,H o n g y a n475.342 M i a o,W e i g u o553.821 L i n,C h u n h u a643.051S h i,X u e q u n643.053Z h a n g,Y U643.051F a h a d,S h a h643.052Z h a n g,L I643.051 2.3作物学学科高影响作者贡献度分析科研人员的生产力可以由W e b o f S c i e n c e发文量反映,但其影响力则需要通过论文的 被引频次 等指标来体现,引入 影响力贡献度 这一评价指标,可以反映海南大学作物学学科发文作者在该学科领域的影响力, 影响力贡献度 的计算公式如式(2)所示[8]㊂影响力贡献度(%)=某学科作者W o S发文被引频次该学科W o S发文总被引频次(2)按照影响力贡献度排名前10位的科研人员,结果如表3所示㊂表3海南大学作物学学科2012年 2021年高影响力作者贡献度T O P10名称排名被引频次/次引文影响力/次W o S影响力贡献度/%C N C I W o S论文数/篇Z h a n g,Z h e n g K e138227.2939.305.2414S h i,X u e q u n26215.506.383.834R u a n,Y u n z e35427.005.562.152W a n g,L U45117.005.254.703N i e,L i x i a o5464.184.730.9611L i,W u64522.504.635.922F a n g,N a74343.004.424.621L u o,Y u e h u a74343.004.424.621H u,X i a o p i n g93919.504.014.792Y u a n,M e n g-q i93939.004.015.561徐熔烽,等㊃I n C i t e s新平台助力 世界一流学科 建设实践与探索 以海南大学 世界一流建设学科 作物学学科为例2023年第10期由表3可见, 生产力贡献率 排名第1的张正科教授,在 影响力贡献率 排名中仍然排在第1,10年间W o S发文被引频次共382次, 影响力贡献率 39.30%,引文影响力即篇均被引频次27.29次,高于该学科的全球平均值19.80,C N C I值为5.24,高于全球基准值1,说明其发文的影响力和表现力均优于全球平均水平㊂ 生产力贡献率 排名第2的聂立孝教授,对作物学学科的 影响力贡献率 只有4.73%,其引文影响力低于全球平均水平,同时,可以看出, 影响力贡献率 排名前10位的作者中,属于学校二级机构热带作物学院的科研人员仍然不足一半,作物学学科的科研影响力由学校各二级机构的科研人员贡献度组成㊂3结果与讨论综上,本文利用新一代I n C i t e s平台,采用文献计量学方法,从W o S发文量㊁Q1期刊发文量㊁被引频次㊁引文影响力㊁学科规范化引文影响力和期刊规范化引文影响力等几个指标深入分析了海南大学作物学学科近10年来的科研发展情况,并分析了隶属于不同二级机构科研人员对作物学学科的 生产力贡献度 和 影响力贡献度 ,明确了作为入选 国家世界一流建设学科 仍存在不足之处,W o S发文量和被引频次整体较低,二级机构热带作物学院的学者和科研人员对本学科贡献度不足,发文期刊所属学科较为分散等㊂针对海南大学作物学学科发展现状及存在问题,为建成建好世界一流学科提供准确的定位,提出以下几条建议:①制定科研规划㊂分析学科的变化趋势,追踪学科的前沿热点,充分发挥国家政策优势,积极推动与其他二级机构的合作和其他相关学科的交叉融合,产生更多更好并有标志性的科研成果㊂②整合科研团队㊂统计发现,作物学学科排名前10的高产作者和高影响作者都只有不到一半比例出自二级机构热带作物学院,应在海南大学范围内积极整合和组建作物学相关科研团队,以学科带头人为首,开展真实有效合作和团队建设,为 世界一流建设学科 作物学学科学术影响力的提升提供重要智力支撑[10]㊂③加强对作物学学科建设贡献率高的科研人员和二级机构的支持力度㊂针对贡献度高的食品科学与工程学院㊁植物保护学院等,制定相关具体科研目标和支持政策,加大生产力和影响力贡献度高的科研人员及研究生的奖励力度,通过奖励激励政策引导更多的科研人员在作物学期刊上发表高质量的论文,增加学校作物学整体学术论文影响力㊂④期刊投稿引导㊂定期推出‘各学科投稿指南“,引导科研人员投稿作物学学科对应的高质量期刊,集中投稿,提高海南大学作物学学科W o S论文的学术影响力,并依据期刊综合计量指标结合论文自身特点及研究领域,提高投稿成功率㊂[参考文献][1]马静,孙卫忠,张媛,等.E S I学科分析助力一流学科 建设实践与探索:以河北工业大学图书馆为例[J].图书馆工作与研究,2019(11):35-39.[2]习近平总书记在庆祝海南建省办经济特区30周年大会上发表重要讲话[E B/O L].(2018-04-13)[2021-09-24].h t t p://w w w.81.c n/g n x w/2018-04/13/c o n t e n t80052384.h t m. [3]李宇辉.广州呼吸疾病研究所学术交流机制分析[D].广州:广州医科大学,2015. [4]海南大学图书馆.I n C i t e s[D B/O L].(2016-09-06)[2021-09-24].h t t p://l i b r a r y.h a i n u.e d u.c n/b k s h o w.a s p?t y p e i d=3&i d=207.[5]I n C i t e s T M数据库快速使用指南.[E B/O L].(2019-11-02)[2021-09-24].h t t p s://w e n k u.b a i d u.c o m/v i e w/039a50b186c24028915f804d2b160b4e767f81f a.h t m l f r=i n-c o m e1-d o c-se a r c h&_w k t s_=1683130242100&w k Q u e r y=I n C i t e s T M数据库快速使用指南.[6]夏琬钧,赵颖梅,刘云,等.基于I n c i t e s和E S I的高校科研产出统计与分析:以西南交通大学为例[J].四川图书馆学报,2014(3):14-16.[7]徐榕烽,刘小香,杨连珍,等.I n C i t e s新平台助力高校学科带头人科研量化分析[J].内蒙古科技与经济,2020(12):21-25.[8]任瑞荣,董政娥,陈惠兰.东华大学优势学科分析与研究[J].东华大学学报(自然科学版),2016,42(5):760-767.[9]周建农,何琳,白振田.E S I植物与动物学的评价与分析[J].图书情报工作,2012,56(22):48-55,61.[10]徐榕烽,李春香,张建媛.海南大学重点学科学术带头人调研[J].内蒙古科技与经济,2021(16):15-17.总第524期内蒙古科技与经济。
基于InCites的全国高校数据源对比分析
基于InCites的全国高校数据源对比分析【摘要】本研究使用InCites平台的数据，比较分析了全国各高校的数据源情况。
通过介绍InCites平台和高校数据获取方式，分析了不同高校之间的数据差异，并采用数据处理和分析方法进行实证研究。
研究结果显示，在不同高校之间存在显著差异，其中数据来源的多样性对于综合评价高校的学术水平至关重要。
本研究的结论指出，在进行高校排名和评估时需要考虑不同数据源的权重，并展望未来研究可以深入挖掘不同数据源的特点以提高高校排名的准确性和科学性。
对比分析结果对高校提升学术水平和提供决策参考具有重要意义。
【关键词】InCites, 高校数据源, 对比分析, 数据处理, 分析方法, 实证研究, 结论, 研究意义, 展望1. 引言1.1 绪论近年来，随着科研评价体系的不断完善和高校学科竞争的日益激烈，基于学术数据分析的研究方法越来越受到重视。
InCites作为世界领先的学术评价平台，其独特的数据源和分析工具为高校科研绩效评估提供了有力支持。
全国各高校也愈发重视学术排名和科研实力的提升，因此对InCites平台上的数据资源进行对比分析，对高校科研水平的评估和优化提供了重要参考。
本研究旨在通过对InCites平台提供的全国高校数据源进行对比分析，探讨不同高校在科研实力、影响力等方面的差异，并尝试寻找影响因素。
通过深入挖掘数据，我们可以更加客观地评估各高校的实际水平，为高校科研管理提供科学依据和参考。
本文将首先介绍InCites平台的基本情况和数据获取方式，然后对全国高校数据源进行详细对比分析，紧接着阐述数据处理及分析方法，最后给出结论和研究意义。
希望通过本研究的开展，能够为高校科研评价和管理提供有效的指导和支持。
2. 正文2.1 InCites平台简介InCites平台是一家专门提供科研数据分析和评估服务的公司，旨在帮助研究人员和机构更好地理解和管理科研成果。
该平台通过汇集全球范围内的学术期刊、会议论文和专利数据，为用户提供全面的科研数据分析和评估工具。
InCites数据库常用指标手册
目录图目录 (3)表目录 (3)关于本手册 (4)InCites TM数据库介绍 (5)InCites TM 数据库数据来源——Web of Science TM核心合集数据库介绍 (5)期刊评估与筛选 (5)选刊标准简介 (5)文献计量学数据要素 (6)作者 (6)机构 (6)研究领域划分模式 (7)Web of Science TM学科分类 (8)Essential Science Indicators SM学科分类 (8)GIPP 学科分类 (8)多学科及医学期刊论文的重新分类 (8)合理地使用引文指标 (9)文献计量学方法的更多细节 (9)基线（Baseline） (9)引文影响力（Citation Impact） (11)相对于全球平均水平的影响力（Impact Relative to World） (12)学科规范化的引文影响力（Category Normalized Citation Impact） (12)期刊规范化的引文影响力（Journal Normalized Citation Impact） (13)h指数（h-index） (14)平均百分位（Average Percentile） (15)论文被引百分比（% Documents Cited） (16)被引次数排名前1%的论文百分比与被引次数排名前10%的论文百分比（% Documents in Top 1% and % Documents in Top 10%） (16)合作指标（Collaboration Indicators） (18)国际合作论文（International Collaboration） (19)国际合作论文百分比（% of International Collaborations） (19)横向合作论文百分比（% of Industry Collaborations） (19)高被引论文百分比（% Highly Cited Papers） (19)热点论文百分比（% Hot Papers） (19)ESI 引文影响力排名（ESI Most Cited） (19)ESI学科收录机构 (19)附录 (20)InCites TM数据库2.x指标列表 (20)未来计划推出的指标列表（可能发生变化） (22)GIPP –Web of Science TM学科映射表 (23)区域性学科分类模式 (27)ANVUR (27)Australia FOR Level 1 & 2 (27)中国SCADC 77个二级学科 (27)FAPESP (Brasil) (27)OECD (27)UK RAE 2008 & REF 2014 (27)文献类型 (28)更多培训 (29)图目录图 1：不同学科的引文影响力表现 (10)图 2：引文分布示例 (17)图 3：某大学合作指标示例 (18)表目录表 1：基线计算示例 (9)表 2：作者层面的引文影响力 (11)表 3：作者层面的CNCI与JNCI指标示例 (14)表 4：作者层面h指数示例 (15)表 5：一组11篇文献集合的百分位计算示例 (15)关于本手册这本常用指标手册的目的在于为InCites TM数据库的数据来源提供概述。
InCites数据库科研绩效评估的有效工具
２ ０ １ ４年 １ 月 第３ ４ 卷第 １ 期
・
现 代 情 报
Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｍｏ ｄ ｅ ｍ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ
Ｐ ｅ ｆ ｒ ｏ ｒ ｍ ａ ｎ ｃ ｅ Ｐ ｒ ｏ ｆ ｄ ｅ ，简 称 Ｒ Ｐ Ｐ ）和 全 球 对 比 分 析 （ Ｇ ｌ ｏ ｂ ａ ｌ
收 稿 日期 ：２ ０ １ ３ —０ ８ —３ １
在浏览器地 址 中输 Ａ ． ｈ ｔ ｔ ｐ ： ／ ／ ｉ ｎ ｃ ｉ ｔ ｅ ｓ ． ｉ ｓ ｉ ｋ ｎ ｏ ｗ ｌ ｅ ｄ ｇ ｅ ． ｃ ｏ ｍ即
Ｊ ａ ｎ． ．２ Ｏ １ ４
Ｖ ０ １ ． ３ ４ Ｎｏ ． １
业 务 研 究 ・
Ｉ ｎ Ｃ ｉ ｔ ｅ ｓ 数据库科研绩效评估 的有效工具
冯花朴
（ 北京航空航天大学图书馆，北京 １ ０ ０ １ ９ １ ）
【 摘 要 ］介 绍了 Ｉ ｎ Ｃ ｉ ｔ ｅ ｓ 数据 库及其使用方法，分析 了作为一种科研绩效评估的有￣ ｔ ｚ ： － ｇ ． － Ｉ ｎ Ｃ ｉ ｔ ｅ ｓ 的功能与特 点。
见图 １ 。
估指标 ， 数据每年更新。各单位订制的本机构 的数据集 ， 其
中包含从 Ｗｅ ｂ ｏ ｆ ｃｉ Ｓ ｅ ｎ ｃ ｅ中提取 的本机 构的论文数 据和所有 分析指标 ，最早数据年 为 １ ９ ８ １ 年 。数据库 涉及 的学 科分类
包含 ：Ｗｅ ｂ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ 分类 （ ２ ５ １ 个） ，Ｅ ｓ ｓ ｅ ｎ ｔ ｉ ｌ ａ ｃｉ Ｓ ｅ ｎ ｃ ｅ Ｉ ｎ ｄ ｉ ｃ ａ —
InCites计量指标说明
InCites指标说明一、定制数据部分(Research Performance Profiles)Research Performance Profiles模块能够为用户建立定制数据集，包含的分析指标有：1)论文数量(Web of Science Documents): 一段时间内被Web of Science数据库收录的论文数量。
2)总被引频次(Times Cited): 一段时间内被Web of Science数据库收录论文的总被引频次。
3)篇均被引频次(Average Cites per Document): 平均每篇论文的被引频次。
4)h指数(h Index)：将一组论文按照被引频次降序的方式排列，h = n意味着该组论文中有n篇论文的被引频次不低于n次。
5)被引频次中位数(Median Cites): 将一组论文按照被引频次升序的方式排列，位于中间位置论文的被引频次即被引频次中位数。
6)第二代被引频次(2nd Generation Citations): 一段时间内，被Web of Science数据库收录论文的施引文献的总被引频次。
7)施引文献篇均被引频次(2nd Generation Citations per Citing Document): 平均每篇施引文献的被引频次。
8) 平均百分位(Average Percentile)：一篇论文的百分位是指，该篇论文在全球该学科当年发表的论文中按被引频次排名的百分位数。
百分位数值越小，表明该篇论文为高被引论文；百分位数值越大，则反之。
一组论文的平均百分位则是将一组论文在各学科领域中的百分位进行加和再取平均值。
该指标的量纲为百分数，数值等于1表示该组论文在全球各学科领域中平均排名在全球前1%，该数值等于90表示该组论文的被引次数较低，平均来说位于全球各学科领域的前90%。
9) 基于学科层面的相对影响力(Category Actual/Expected Citations)。
基于ESI和InCites数据库对我国科研论文产出力和学术影响力的统计分析
四、研究结果
3、机构差异：我国不同机构的科研论文产出力和学术影响力存在显著差异。 高校是我国科研论文的主要产出机构，但其学术影响力相对较低。而中国科学院 等国家级科研机构的学术影响力则较高。
四、研究结果
4、作者合作：我国科研论文的合作程度较高，但作者之间的合作不够均衡。 多作者合作论文的比例逐年上升，但合作论文的被引次数和影响因子普遍较低。
六、结论
六、结论
本次演示基于ESI和InCites数据库，对我国科研论文的产出力和学术影响力 进行了统计分析。研究发现，我国科研论文的数量增长迅速，但在高端论文数量、 被引次数和影响因子等方面仍存在一定差距。不同领域和机构之间的科研绩效和 影响力也存在较大提升空间。为提高我国科研发展水平，需要优化学科布局、加 强学术质量提升、促进机构均衡发展以及完善作者合作机制等措施。
五、讨论
1、学科结构不合理：我国在一些领域的科研论文数量较多，但在一些世界公 认的重要领域如生物学、经济学等相对较弱。
五、讨论
2、学术质量不高：尽管我国科研论文的数量增长迅速，但学术质量普遍不高， 高端论文数量和被引次数相对较少。
五、讨论
3、机构发展不均衡：我国不同机构之间的科研水平存在显著差异，一些重点 高校和国家级科研机构的学术影响力相对较高，但其他机构则需要加强。
参考内容
一、引言
一、引言
随着全球化的深入推进和科技的快速发展，高校学科发展的重要性日益凸显。 东华大学作为中国的一所知名高校，其学科发展受到广泛。本次演示基于ESI和 InCites数据库，对东华大学学科发展进行预测和分析，旨在为学科建设和学术 研究提供有价值的参考。
二、文献综述
二、文献综述
文献综述
InCites数据库是基于Web of Science核心合集建立的，包括了全球约3300 种顶级期刊的文献信息。除了论文的被引频次和篇均被引频次等指标外， InCites还提供了h指数、论文合作网络等分析工具。在学科集群判断中， InCites可帮助识别出具有合作关系的学科集群。
基于incites和wos数据库的我国15所交通类高校科研产出统计分析
基于InCites和WoS数据库的我国15所交通类高校科研产出统计分析文/吴慧丽摘要：基于InCites和Wos数据库，运用统计学和文献计量方法对我国15所交通类高校近十年的论文产出数量、科研影响力、发文期刊、专家学者数量、合作机构及学科领域等方面进行分析，并针对现状及问题提出相应对策，以期为建设世界一流学科、促进交通工程研究事业的发展提供参考。
关键词：InCites；科研竞争力；统计分析1引言2017年2月，国务院出台了《“十三五”现代综合交通运输体系发展规划》，随后交通运输部发布了《全国航道管理与养护发展纲要（2016—2020年）》《中国船员发展规划（2016—2020年）》《城市公共交通“十三五”发展纲要》《交通运输科技“十三五”发展规划》《交通运输信息化“十三五”发展规划》，构建现代综合交通运输体系，推动国家重大战略实施，支撑全面建成小康社会。
交通运输是重要的服务性行业，对国民经济的发展起着先导性、基础性、战略性的作用。
2015年10月，国务院印发《统筹推进世界一流大学和一流学科建设总体方案》，交通类高校积极投入到“双一流”的建设中，积极开展学科建设工作，为进一步提升我国交通运输的科技水平及国际影响力提供重要保障。
在交通运输领域，科研成果的重要表现形式之一就是科学论文，论文发表的质量和数量客观反映了现代科研成果和最新交通技术水平。
本文基于InCites和Web of Science两个数据库，选取我国15所高水平的交通类高校，选取ESI工程学学科、材料学、物理学三个学科，运用文献计量法、统计学对其论文产出及影响力、发表期刊、高产作者、合作机构等方面进行统计分析，并针对现状提出三条可行性建议。
2中国交通学院科研竞争力的数据分析2.1论文产出总体情况在InCites数据库中以“机构”来分析，时间选择2009—2018年，在机构名称中选择已做机构规范的15所交通类大学。
2009—2018年，15所交通类高校共发表WoS论文161700篇，论文数量呈逐年增长态势：具体来看，2009—2013年各高校WoS论文数量增长缓慢；2013—2017年，其中四所高校的WoS论文数量增长幅度较大，分别是西安交通大学、东南大学、北京航空航天大学和同济大学，其增长速度远超过其他交通类高校。
InCites 说明
InCites指标说明一、定制数据部分(Research Performance Profiles)Research Performance Profiles模块能够为用户建立定制数据集，包含的分析指标有：1)论文数量(Web of Science Documents): 一段时间内被Web of Science数据库收录的论文数量。
2)总被引频次(Times Cited): 一段时间内被Web of Science数据库收录论文的总被引频次。
3)篇均被引频次(Cites per Document): 平均每篇论文的被引频次。
4)h指数(h Index)：将一组论文按照被引频次降序的方式排列，h = n意味着该组论文中有n篇论文的被引频次不低于n次。
5)被引频次中位数(Median Cites): 将一组论文按照被引频次升序的方式排列，位于中间位置论文的被引频次即被引频次中位数。
6)第二代被引频次(2nd Generation Citations): 一段时间内，被Web of Science数据库收录论文的施引文献的总被引频次。
7)施引文献篇均被引频次(2nd Generation Citations per Citing Document): 平均每篇施引文献的被引频次。
8) 平均百分位(Average Percentile)：一篇论文的百分位是指，该篇论文在全球该学科当年发表的论文中按被引频次排名的百分位数。
百分位数值越小，表明该篇论文为高被引论文；百分位数值越大，则反之。
一组论文的平均百分位则是将一组论文在各学科领域中的百分位进行加和再取平均值。
该指标的量纲为百分数，数值等于1表示该组论文在全球各学科领域中平均排名在全球前1%，该数值等于90表示该组论文的被引次数较低，平均来说位于全球各学科领域的前90%。
9) 学科相对影响力(Category Actual/Expected Citations)。
数据库可视化指标
数据库可视化指标
数据库可视化指标是用于展示数据库性能、使用情况和数据统计的图表和图形化指标。
这些指标可以帮助用户更好地理解和分析数据库的运行情况，以便进行性能优化、故障排查和决策支持。
以下是一些常见的数据库可视化指标：
1. 响应时间：显示数据库查询或操作的平均响应时间，以及最大和最小响应时间。
这可以帮助用户确定数据库的性能状况，是否存在潜在的性能问题。
2. 查询吞吐量：展示数据库每秒钟能够处理的查询数量。
高吞吐量表示数据库能够快速处理大量的查询请求。
3. 数据库连接数：显示当前活动的数据库连接数量。
过多的连接可能导致性能下降，因此通过可视化指标，用户可以了解当前连接数是否超出了数据库的承载能力。
4. 缓存命中率：展示数据库查询时从缓存获取数据的比例。
高缓存命中率表示数据库能够有效利用缓存，减少对磁盘的访问，提高性能。
5. 锁定等待：显示数据库中正在等待锁定资源的查询数量。
高锁定等待意味着数据库可能存在并发冲突，需要进行优化。
6. 存储空间使用率：展示数据库占用的存储空间和总可用空间之间的比例。
这可以帮助用户了解数据库的存储使用情况，是否存在存储空间不足的风险。
7. 数据库错误率：显示数据库操作中发生错误的比例。
高错误率可能表示存在数据完整性问题或操作异常，需要进行故障排查和修复。
通过数据库可视化指标，用户可以及时监控和评估数据库的性能和运行情况，以便及时采取措施来优化数据库的性能和可靠性。
一个新的引文分析工具_InCit_省略_s数据库及其文献计量学指标的应用_刘雪立
一个新的引文分析工具———InCites数据库及其文献计量学指标的应用*刘雪立收稿日期：2012-07-20修回日期：2012-12-25河南省科技期刊研究中心，新乡医学院期刊社《眼科新进展》编辑部，453003河南新乡市，E-mail：liueditor@163．com摘要InCites数据库是美国汤森路透科技信息集团在整合了Web of Science(SCIE/SSCI/A＆HCI)数据库资源的基础上，于2011年创建的新的引文分析和科学评价工具。
文章介绍了该数据库用于机构评价的8个文献计量学指标。
应用该数据库及其引文分析与评价指标对我国大陆、香港和台湾地区高校的学术影响力进行了系统的比较研究。
关键词InCites数据库文献计量学指标高等学校学术影响力InCites数据库是美国汤森路透科技集团在汇集和分析Web of Science（SCIE/SSCI/A＆HCI）权威引文数据的基础上于2011年建立起来的科研评价工具［1］。
该数据库综合了各种计量指标和30年来各学科各年度的国际标杆数据［2］。
通过InCites，用户能够实时跟踪机构的研究产出和影响力；将本机构的研究绩效与其他机构以及全球和学科领域的平均水平进行对比；发掘机构内具有学术影响力和发展潜力的研究人员，并监测机构的科研合作活动，以寻求潜在的科研合作机会。
InCites能够帮助政府和学术研究机构中的决策者、科研管理人员分析本机构的学术表现和影响力，并针对全球同行的研究成果进行比较［3－4］。
由于该数据库新增了一些ESI和JCR中没有的、基于全球、国家和地区、学科平均水平的定标比超分析和评价指标，因此，能够较为全面和客观地评价一个机构的学术影响力，并进行横向比较。
本研究基于InCites数据库2007 2011年数据，对我国大陆、香港和台湾地区高校学术影响力进行对比分析和评价。
1InCites数据库的评价指标该数据库中给出的用于机构（大学）的评价指标包括Web of Science论文数、Web of Science论文被引频次、篇均被引频次、论文被引率、相对影响力、占全球论文总数百分比、相对被引用率和综合绩效指标。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
目录图目录 (3)表目录 (3)关于本手册 (4)InCites TM数据库介绍 (5)InCites TM 数据库数据来源——Web of Science TM核心合集数据库介绍 (5)期刊评估与筛选 (5)选刊标准简介 (5)文献计量学数据要素 (6)作者 (6)机构 (6)研究领域划分模式 (7)Web of Science TM学科分类 (8)Essential Science Indicators SM学科分类 (8)GIPP 学科分类 (8)多学科及医学期刊论文的重新分类 (8)合理地使用引文指标 (9)文献计量学方法的更多细节 (9)基线（Baseline） (9)引文影响力（Citation Impact） (11)相对于全球平均水平的影响力（Impact Relative to World） (12)学科规范化的引文影响力（Category Normalized Citation Impact） (12)期刊规范化的引文影响力（Journal Normalized Citation Impact） (13)h指数（h-index） (14)平均百分位（Average Percentile） (15)论文被引百分比（% Documents Cited） (16)被引次数排名前1%的论文百分比与被引次数排名前10%的论文百分比（% Documents in Top 1% and % Documents in Top 10%） (16)合作指标（Collaboration Indicators） (18)国际合作论文（International Collaboration） (19)国际合作论文百分比（% of International Collaborations） (19)横向合作论文百分比（% of Industry Collaborations） (19)高被引论文百分比（% Highly Cited Papers） (19)热点论文百分比（% Hot Papers） (19)ESI 引文影响力排名（ESI Most Cited） (19)ESI学科收录机构 (19)附录 (20)InCites TM数据库2.x指标列表 (20)未来计划推出的指标列表（可能发生变化） (22)GIPP –Web of Science TM学科映射表 (23)区域性学科分类模式 (27)ANVUR (27)Australia FOR Level 1 & 2 (27)中国SCADC 77个二级学科 (27)FAPESP (Brasil) (27)OECD (27)UK RAE 2008 & REF 2014 (27)文献类型 (28)更多培训 (29)图目录图 1：不同学科的引文影响力表现 (10)图 2：引文分布示例 (17)图 3：某大学合作指标示例 (18)表目录表 1：基线计算示例 (9)表 2：作者层面的引文影响力 (11)表 3：作者层面的CNCI与JNCI指标示例 (14)表 4：作者层面h指数示例 (15)表 5：一组11篇文献集合的百分位计算示例 (15)关于本手册这本常用指标手册的目的在于为InCites TM数据库的数据来源提供概述。
它解释了数据从哪里来，如何被清理、分类、标引以及其被处理后为科研绩效评估提供有价值的指标。
本手册同时为每一个指标提供了详细的解释，包括指标如何被计算，指标的价值以及应用中的实例，为读者理解InCites TM 数据库的价值提供了丰富的背景知识。
InCites TM数据库介绍InCites TM数据库数据来源——Web of Science TM 核心合集数据库介绍InCites TM数据库基于汤森路透Web of Science TM核心合集七大索引数据库的数据进行出版物计数和指标计算。
七大索引数据库合集涵盖了超过12,000种期刊、超过160,000种会议录、以及53,000本学术典籍。
目前InCites TM 数据库提供了1980年至今的全部文献类型的出版物。
数据与基线每两个月更新一次。
Web of Science TM核心合集数据库主要由以下7大索引数据库组成：• Science Citation Index-Expanded TM (SCIE，科学引文索引)• Social Sciences Citation Index TM (SSCI，社会科学引文索引)• Arts & Humanities Citation Index® (A&HCI，艺术人文引文索引)• Conference Proceedings Citation Index TM - Science(CPCI-S，会议论文引文索引-科学版)• Conference Proceedings Citation Index - Social Science & Humanities(CPCI-SSH，会议论文引文索引-社会科学与人文版)• Book Citation Index– Science SM (BKCI-S，图书引文索引-科学版)• Book Citation Index– Social Sciences & Humanities(BKCI-SSH，图书引文索引-社会科学与人文版)这些引文索引收录了自然科学、社会科学与人文艺术等领域中最具全球影响力的内容。
期刊评估与筛选Web of Science TM核心合集秉承了汤森路透一贯的原则，对于期刊的遴选、评价、发展与管理有着严格的标准，并由汤森路透具有数十年评审经验的专业编辑人员完成选刊工作。
Garfield文献集中定律认为业已发表的出版物，其绝大部分引文（80-90%）来自很少的一部分核心期刊（10-20%），这些核心期刊在众多学科领域被广泛而频繁的引用。
因此，对这些核心期刊的识别与收录，可以为科研共同体中的基础研究与高影响力研究提供强大的、多学科的数据资源。
区域性期刊以及新兴学科的收录使得核心合集更加完善的覆盖了学术研究的各个领域和地理区域。
汤森路透作为非期刊出版商，对期刊内容的评价更为客观与公正。
期刊的学术贡献、引文影响力、出版时效性以及书目标准被逐一详细分析，商业出版社和学会期刊均采用同一评估标准。
收录刊物形式多样，包括印刷版、电子版、或两者的混合版，可以为传统订阅的期刊，也可以是开放获取的期刊。
迄今为止，Web of Science TM核心合集共收录了1,200多本开放获取期刊。
选刊标准简介更多选刊标准的细节，请访问我们的在线介绍：完整的收录期刊列表，请访问/mjl/2期刊选择:/essays/journal-selection-process/图书选择:/media/pdf/BKCI-SelectionEssay_ web.pdf会议录选择:/products_tools/multidisciplinary/ webofscience/cpci/cpciessay/3更多Garfield文献集中定律信息请访问:/essays/ V1p222y1962-73.pdf文献计量学数据要素Web of Science TM核心合集的内容来源被逐一详细索引，这意味着每个学术项目和所有重要文献类型（完整的文献类型表单请参阅附录）都包含在内。
InCites TM 数据库可以通过添加筛选条件选择感兴趣的文献类型。
来源出版物的书目信息被严格抓取和控制。
在收录标准科学文献的书目要素（题目、作者、来源等）的同时完整的参考文献的数据也被收录。
作者提供Web of Science TM中所有出版物完整的作者名单，包含姓、名（2008年至今）、姓名缩写。
作者信息可以同时与ResearcherID相关联。
ResearcherID超过270,000的作者拥有自己的独特ID，这为作者姓名消歧过程提供了巨大的帮助。
ResearcherID与源数据全面整合，每位作者名下的出版物均配有唯一的标示符。
机构除了作者姓名，每本出版物的作者单位也被收集。
这些信息来自源出版物本身，包括组织名称、所在城市、州或省、邮政编码、国家或地区。
InCites TM 数据库中显示了完整的可以被搜索的组织名称。
2008年以后的作者姓名与其出版物中列出的附属机构相关联。
这项包含所有附属机构的政策对于多作者、多机构的论文具有重大意义，所有作者的机构信息都可以被显示和搜索。
这种深入全面辨别机构出版物的能力，与其他只收集了部分附属机构未能完整收集机构名称变体的学术文献数据库相比，无疑体现了InCites TM 数据库的重要优势。
地址统一Web of Science TM地址中的机构变体包含名称变体，如曾用名、附属二级组织及拼写变体等也被特别关注。
超过4600个机构已经完成统一化的过程，还有更多的机构将要完成这一进程。
这一规范化的工作由汤森路透员工进行的背景研究与组织机构的反馈结果共同组成。
组织类型为了对机构进行更好的分组筛选，汤森路透为每个统一后的组织分配了组织类型：作者可以通过以下网址申请和维护自己的ResearcherID：4各组织机构可以与汤森路透联系，以进一步探讨其机构统一过程。
客户技术支持请点击：/techsupport/.5研究领域划分模式研究领域的划分模式与基线设定对于在大背景下审视计量学数据十分重要。
独立计算一篇论文的被引次数相对来说意义不大。
但将其与同行出版物进行比较，我们可以了解这篇论文的表现，了解其与平均水平的区别。
通过对标分析，数据变成了可充分利用的信息资源。
由于发表率与引文情况在不同学科、文献类型、时间范围内变化很大，因此在一定的研究领域内对比科研绩效变得十分必要。
例如，数学领域的论文被引率通常不高但却可以持续很长时间；而分子生物学领域的论文通常被引频率较高但几年后随着研究的热点转移其被引频次逐渐减少。
因此了解学科的潜在趋势，同时对同一研究领域、同出版年、同文献类型的出版物进行比较能够获得更有意义的结果。
InCites TM数据库中共包括12种学科分类模式。
其中3种为汤森路透独有的分类模式，将在后文详细描述。
另外9种基于将汤森路透的数据映射至外部学科分类系统。
设定这些外部学科分类模式的目的是为了在区域性科研评价项目中更好的应用文献计量学指标。
例如，中国国务院学位委员会颁布的学科分类模式；以及经济合作与发展组织（OECD）学科分类方式，使得文献计量学的指标与该组织提供的大量人口与财务数据更为紧密的结合，从而成为国家级研究中有价值的工具。
基于外部学科分类的学科分类模式通常与该地区的科研评价机构合作开发完成。
这些分类可能基于期刊分类也可能基于Web of Science TM学科分类。