JCR收录期刊评价方法的聚类结果一致度分析

司静雯

摘 要：为了提高学术期刊评价能力，提出一种基于聚类分析的JCR收录多属性评价方法。根据所得分数的高低对各评价方法进行排序，与原始数据的分类排序结果一致。对比各评价方法的聚类分类结果和原始数据聚类结果，进行聚类一致度分析，发现应选择倒数平均方法来完成评价过程。将各类评价方法所得的聚类结果和原始数据聚类结果相比所得期刊数一致性结果可以发现，继续进行聚类所得的一致度结果表明聚类数量基本不会对评价方法的选择造成影响。

关键词： 聚类分析; 期刊评价; 聚类结果一致度; 评价方法

中图分类号： G 302

文献标志码： A

Abstract： In order to improve the evaluation ability of academic journals， this paper proposes a JCR multi-attribute evaluation method based on cluster analysis. The evaluation methods are sorted based on the score， which is consistent with the sorting result of the original data. By comparing the clustering classification results of each evaluation method with the clustering results of the original data， the consistency degree of clustering is analyzed. It is found that the harmonic average method should be selected to complete the evaluation process. The consistency results of the journal number obtained by comparing the clustering results of various evaluation methods with the original data clustering results can be found that the consistency results obtained by continuing the clustering show that the number of clusters will not affect the selection of evaluation methods.

Key words： cluster analysis; journal evaluation; consistency of clustering results; evaluation methods

0 引言

對学术期刊进行评价属于一个非常的复杂过程，无法通过单一性量化达到全面分析的效果，因此必须选择多属性评价方法[1-3]。许多国内学者引入了多属性评价方法来评价学术期刊，并由此形成了众多的科研成果[4-5]。目前，多属性评价方法的种类也较多，并且有些方法还在后续应用中进一步得到了优化，由此形成了上百种不同的评价方法，大量学术文献都报道了多属性评价方法的应用过程。由于单一评价方法属于不同方法实现组合评价的重要基础，如果可以通过筛选去除不合适的评价方法，则能够显著降低组合评价的运算量，尤其是对于某些特定情况将无需采用组合评价而只需选择合适的单一评价方法便可以达到理想的评价效果[6-9]。对于现阶段多属性评价方法与组合方式呈现多样化发展但缺少有效筛选方法的条件下，需要重点研究单一评价方法的筛选过程，进一步强化此类研究领域，从而获得更加丰富的多属性评价理论，并且也能够更加高效地筛选评价方法，由此实现减小评价成本并使评价方法达到更高的公信力[10-15]。信誉度与知名度是对期刊重要性与影响力进行评价的二个重要一级指标，其中，信誉度是利用特征因子类指标进行评价，知名度是通过期刊影响力指标得到体现。

本文采用聚类分析的方法，构建得到一种建立在聚类分析基础上的，同时选择JCR2015数学期刊作为评价对象，分别以加权线性汇总、Vikor评价、Tops评价、倒数平均、主成分分析对其实施评价，探讨多属性评价筛选方法的分析原理与筛选过程，为选择合适的多属性评价方法提供了一定的参考。

1 JCR收录期刊评价方法筛选原理

对期刊评价前实施聚类是根据原始评价指标来完成的，此时未运用多属性评价方法，聚类过程都是从最本源的层面出发，由此实现的聚类可以达到很高的可靠程度。开展多属性评价的过程中，无论选择何种评价方法，最重要的一点是要有效保持原始数据分类情况，也可以理解成对原始数据分类过程影响最小的多属性评价方法是最优的评价方法。当某一期刊在原始数据中属于优秀期刊，而经过评价后变为中等期刊，如果这类情况出现的次数较少则认为是正常的，例如一些在优秀期刊中处于较后面的期刊。不过上述情况的出现次数较多时，或由太多普通期刊变为优秀期刊时，则表明此时评价方法存在问题。

期刊数量对于聚类种类具有重要影响。如果实际评价期刊的数量较多时，例如总共包含了300种，则可将其分成3类;对于数量较少的评价期刊，例如期刊数量只有20种，则可将其分成两类。

对聚类结果进行一致度筛选包括如下过程：

（1） 选择评价对象，结合评价对象数量来完成聚类分类;

（2） 通过Eans聚类方法对对原始指标实施分类，确定聚类种类的数量，通常为2～3种，由此获得各类期刊的分类属性集;

（3） 利

用n种可行的多属性评价方法来完成评价，获得n种评价结果集;对得到的评价结果实施聚类，获得包含n种聚类结果集Z;

（4） 计算出各聚类结果Z和原始聚类结果之间的一致度，得到具有最高一致度的多属性评价方法。选择达到最高一致度的聚类结果作为学术期刊评价结果。

2 评价方法与数据

为深入分析多属性评价方法的实际应用过程，本文分别采用加权线性汇总、倒数平均、主成分分析、Vikor、Tops、共五类评价方法开展了评价，同时利用聚类分析来选择合适的评价方法。

加权线性汇总是采用权重方法进行数理统计汇总的传统方法;倒数平均是利用线性加权方法进行数理统计汇总的传统方法;主成分分析是采用评价矩阵来多的评价指标数的方法。

Tops方法是根据评

价对象到正理想解x+j与负理想解x-j的相对距离来评价的方法，其评价结果C按照下式进行：

本文以JCR2015数学期刊作为研究对象，由于数学学科含有众多的期刊，选择此学科作为分析案例具备较高代表性。总共选定了10个评价指标。与国内的大部分引文数据库相比可以发现，JCR引文数据库可以产生更加广泛的影响，同时各项评价指标也具有更加明显的特征。表1给出了各个评价指标的原始数据摘要描述统计结果，如表1所示。

3 实证结果

3.1 期刊评价

分别以加权线性汇总、Vikor、Tops、倒数平均与主成分分析来评价期刊，同时还需注意，在本文算例中各项指标具有相等的权重，即不对加权线性汇总、倒数平均以及Top设定权重。之后对各评价方法得到的评价结果实施聚类，得到结果，如表2所示。

对原始数据进行分类后得到了34种优秀期刊、175种良好期刊、70种一般期刊，呈现中间多、两边少的变化趋势，采用Vikor评价方法只得到了2种优秀期刊，45种良好期刊以及230种普通期刊，因此该方法明显不合理。采用主成分分析得到的评价结果包含9种优秀期刊、73种良好期刊以及192种普通期刊，无法满足分类要求。

根据所得分数的高低对各评价方法进行排序为1、2、3，与原始数据的分类排序结果一致。例如，对Tops评价结果进行排序所得的分类结果也为1、2、3，这跟原始指标分类排序结果相符，未发生错位排序的现象，由此表明采用不同评价方法得到的结果和原始数据的分类评价结果形成了相互对应。

3.2 聚类一致度分析

对比各评价方法的聚类分类结果和原始数据聚类结果，判断两者是否一致，并由此计算得到一致度结果，如表3所示。

可以发现，采用倒数平均聚类分析结果得到和原始数据聚类分析结果相同的期刊总共为150种，之后是Tops评价方法，总共为71种，第三类是加权线性汇总方法，总共为69种，采用Vikor評价方法只存在63种与原始数据聚类分析结果相同的情况，采用主成分分析得到了64种一致的结果，根据以上测试结果，应选择倒数平均方法来完成评价过程。

3.3 稳健性检验分析

为分析聚类种类是否会对评价方法的选择过程产生影响，总共设定了3种聚类，再验证聚类一致度结果。先进行聚类处理，分别对3种分类实施聚类，得到的分类结果，如表4所示。

原始数据被分成4类，其中第一类为18种，第二类为71种，第三类为176种，与刊评价的预期结果相符合。在上述分类结果中，Vikor评价得到的第一类期刊总共为106种，第二类共3种，与实际情况不太相符，因此被淘汰。

继续进行聚类所得的一致度结果，如表5所示。

将各类评价方法所得的聚类结果和原始数据聚类结果相比所得期刊数一致性结果可以发现，倒数平均方法达到了最高的一致度，总共有150种，之后为Tops方法，总共有101种，第三是线性加权汇总方法，总共73种，第四为Vikor评价方法，总共63种，最少的是主成分分析方法，总共63种。应注意，进行3种分类处理得到的聚类结果一致性情况和3种分类方式相同，由此表明聚类数量基本不会对评价方法的选择造成影响。

4 总结

1） 分别以加权线性汇总、Vikor、Tops、倒数平均与主成分分析来评价期刊，根据所得分数的高低对各评价方法进行排序，与原始数据的分类排序结果一致。表明采用不同评价方法得到的结果和原始数据的分类评价结果形成了相互对应。

2） 对比各评价方法的聚类分类结果和原始数据聚类结果，进行聚类一致度分析，发现应选择倒数平均方法来完成评价过程。

3） 将各类评价方法所得的聚类结果和原始数据聚类结果相比所得期刊数一致性结果可以发现，继续进行聚类所得的一致度结果表明聚类数量基本不会对评价方法的选择造成影响。

参考文献

[1] 许玉艳，张伟倩，李泽娴，等. 国内水产科技期刊学术影响力动态评估[J].中国农学通报，2018（34）：138-145.

[2] 张娟.中国农业科学院科技期刊学术影响力及发展趋势分析[J].农业图书情报学刊，2018（11）：131-134.

[3] 杨萍.基于Entropy-TOPSIS法的核心期刊综合评价研究[J].牡丹江大学学报，2018，27（11）：119-121.

[4] 俞立平，王作功. z指数评价学术期刊的适用性及其改进研究[J].情报学报，2018，37（11）：1132-1139.

[5] 王安安.西南大学期刊社编辑出版的两种自科学报2018年度综合评价结果[J].西南大学学报（自然科学版），2018，40（11）：185.

[6] 周红霞.期刊SNIP指标趋势分析与预测研究——以图书情报领域3种期刊为例[J].情报探索，2018（11）：58-64.

[7] 黄筱瑾.基于APC付费政策浅析数据期刊的可持续发展[J/OL].农业图书情报学刊，2018（07）：133-136.

[8] 陈国剑.改良中国科技期刊生态的着力点——从中国科技期刊的萌生谈起[J].河南大学学报（社会科学版），2018，58（6）：150-156.

[9] 邱香华，韩云波.回归论文本位和学者本位的期刊论文评价模型创新——模糊综合评判法在SCI和CSSCI期刊论文评价中的应用[J].重庆大学学报（社会科学版），2018，24（6）：93-103.

[10] 宋扉，冯景，蒋恺.影响因子分区误导的消极影响及改进建议[J].编辑学报，2018，30（05）：446-449.

[11] 朱雯，陈荣，刘颖.期刊下载频次和被引频次的相关性研究——复合H指数视角[J].数字图书馆论坛，2018（10）：25-31.

[12] 张洋，方一然.基于CSSCI的国内期刊评价研究分析[J].农业图书情报学刊，2018，30（10）：30-37.

[13] 刘雪立，魏雅慧，孟君.影响因子百分位在学术期刊跨学科评价中的局限性[J].中国科技期刊研究，2018，29（10）：1018-1021.

[14] 李明，贺伟，肖学斌.载文量参数修正方法在学术期刊评价指标中的应用研究[J].情报科学，2018，36（10）：110-115.

[15] 赵廓，陈禾.国外科技期刊网络传播效果研究[J].科技与出版，2018（10）：170-173.

（收稿日期： 2019.08.30）