高校学报稿件外审的作用与实践效果

专家审稿是保证学术期刊学术质量的重要环节。高校学报的专家审稿长期以来多以校内选聘专家为主,但学报稿件内审和外审效果大不一样。高校学报与专业性期刊既有相同的期刊属性又有自己的不同特点。高校学报在办刊宗旨、稿件来源、编辑队伍组成等方面不同于专业性期刊的这些特点,使得学报稿件外审更加重要。尤其是在选聘校外“小同行”专家审稿的条件下,学报稿件外审有利于客观公正地录用稿件,有利于促进学校科研的发展,有利于提高研究生的培养质量,有利于推进师资队伍建设。《青岛科技大学学报（自然科学版）》多年的实践作出了诠释。     

高校学报工作对学校科研和学科建设促进作用的探寻

随着期刊业的发展和加入WTO对我国期刊业的影响,高校学报在期刊业的竞争中处于明显的劣势地位。高校学报要办下去,应将社会效益放在第一位,努力挖掘高校学报所具备而一般性期刊所不具备的特殊属性和功能。作者从2003年开始探索这一问题,经过五年多的探索和实践得到一些有益的启示,对学报工作的重要性有了全新的认识。高校学报有无存在的必要尚在讨论中,但高校学报存在一天,作为学报工作者就应努力去实现它的办刊宗旨,切实发挥学报工作对学校科研和学科建设的促进作用。而以审稿为切入点,是发挥学报为学校的科研和学科建设服务作用的一条直接和有效的途径。     

影响因子操纵期刊识别与分类方法构建与应用

【目的】 严重的期刊影响因子操纵现象影响了影响因子客观性,这种不正当行为应该被严格禁止,识别受操纵期刊的有效方式亟待发掘。【方法】 以Web of Science 平台发布的历年JCR数据为研究对象,选取正常期刊和异常(因影响因子受操纵而被镇压)期刊的14个文献计量学指标的历年数据,形成正常和异常2个期刊数据集。利用Python Scikit-learn库编写机器学习算法程序,对由正常、异常期刊数据集合并生成的训练集、验证集和测试集分别进行分类、训练、验证、测试。【结果】 机器学习算法可以有效地对正常、异常期刊数据集进行分类,对验证集分类的准确率、精确率和召回率均达到98%以上,对算法最重要的5个特征的特征重要性为91.55%。部分算法对镇压后恢复正常期刊在镇压后第5年的数据的识别效果开始降低,所有编辑关注期刊均被分类为异常期刊,2021版JCR镇压期刊及镇压预警期刊均被准确分类为异常期刊。支持向量机算法具有最好的预测效果。【结论】 机器学习算法在识别影响因子操纵期刊上具有天然的快速性和客观性优势。随着对影响因子的操纵手法及文献计量学指标不断增多,人工综合各种指标来识别、判定受操纵期刊的难度越来越大,各种机器学习算法的优势不断凸显。