本周二，今年的中科院杂志分区千呼万唤始出来。共有76份杂志入围生物学大类一区（分区网：www.fenqubiao.com）。分区对于国内广大科研工作者的价值不需要多费口舌了。中科院分区是如何计算的呢？简单地讲，其依据近三年的期刊的影响因子（impact factor，简称IF，这里有别于传统上的影响因子针对两年内的引用情况），就不同学科大类（比如数学、物理、生物），对属于该大类的全部杂志按照三年IF选出排名前5%的杂志做为一区，跟着是二区、三区和四区。除中科院分区外，还有汤森路透分区。它们都是以影响因子为基础的。

巧的是，和中科院分区同一天出炉的还有另一个论文排行榜——2018 年最受关注论文排行榜【1】。该排行榜由Altmetric.com发布，依据altmetric score进行排名，需要注意的是，它针对的是单独的文章，而并非杂志。

Altmetric score中文似乎尚无明确的译法。它会根据文章在新闻、推特、脸书、维基等媒体和网络平台上的转发量计算出一个称为altmetric score的指标，用以表征文章的“社会影响力”或者说“社会关注度”（注意，不是学术圈影响力）。

我们选取排行榜上生物类榜首的文章为例。该文题目叫做Embryos and embryonic stem cells from the white rhinoceros，讲的是白犀牛的发育生物学研究，今年7月发表于《自然·通讯》（Nature Communications）。我们可以在文章页面的右上方区域找到Altmetric（下图）。

点击后，会看到下面的界面：

在上图的右侧，就是altmetric score的各项分数了，包括97次转推，12次博客介绍，5次登上脸书，3个谷歌plus，292篇新闻报道，以及1个视频宣传。此外，在Mendeley上有23位读者进行了阅读（Mendeley不计入总分，但数据会被呈现）。最终，该文的总得分为2212！如果再点一下写着2212的这个圆盘，会看到更加细致的地图结果。

当然，就目前来说，altmetric score的高低对于文章价值的评价还不太流行，一是主观因素较大（很多新闻都是作者自己发的），二是社会影响力和学术影响力之间的关系并不明确，三是其中用到的转推数等数据对于某些地区的科学家有失公允（在此呼吁altmetric加入微信朋友圈和公众号转发数作为考评标准）。

尽管受到种种挑战，不可否认的是，今时今日，影响因子及以其为基础的其他指标，如各种分区，仍是科研评价的重要指标，且这种情况在我国尤为明显。

想必大家都希望将自己的文章发在高影响因子的杂志上。但另一方面，你是否也对高影响因子杂志可能伴随的高拒稿率感到小小恐慌呢？

2017年9月，ScienceOpen网站的编辑、伦敦帝国理工古生物学博士Jon Tennant先生对这一问题发表了一篇自己的调查报告【2】。

ScienceOpen是一个促进学术界同仁交流、开放科学的网络平台。网址：http://about.scienceopen.com/

这篇报告重分析了一篇2015年12月发表在瑞士出版商Frontiers的一篇文章【3】，对高影响因子杂志是否伴随着高拒稿率这一“假说”进行了验证。我们这里通过翻译的形式分享给大家，希望对大家的投稿有所帮助（原文版权为CC-BY 4.0）。阅读前还请大家留意，该文研究的是拒稿率，而并非绝对意义上的投稿难度。

译文如下：

Frontiers最近发表了一篇非常出色的文章，报道了影响因子同拒稿率之间的关系。这是一个短小精悍的研究，其初衷是检验一个学术界的一个所谓“常识”：很多出版商为了追求杂志（文章）的高引用量，刻意提高杂志的拒稿率。

该研究对于研究人员而言有着重要的启示。科学工作者倾向于投稿到更高影响力的杂志上，因为这样可以借助杂志的平台获取更高的关注度。如果高影响力杂志确实有着较高的拒稿率，那么研究人员按照这个IF阶梯由高到低一路投下去，最终一篇手稿将会被下面影响力较低的杂志接收。

然而，这一“常识”被这篇来自Frontiers的文章驳斥了：作者在分析了570份杂志的数据之后，发现拒稿率同IF基本没什么相关性。换言之，研究者投稿到什么高IF杂志的拒稿率和低IF杂志被拒稿的几率差不多。在IF有着重要作用的今天，这一关系有着重要的意义。这意味着，有一些杂志具有接近的影响因子而拒稿率却相差较多，于是，科学家可以“投机”地选择将文章向那些不那么挑剔但具有较高影响因子的杂志。这一点，只要影响因子继续作为科研评价体系的重要指标，将会有很重要的意义（当然，IF是否是最佳指标是另一个话题了）。

这里，我想对这一关系做一点点更进一步的研究与思考，主要是看看当我们从原文所用数据集的不同部分分析时其结论会有着怎样的变化。举例说，有人也许会说，这一结果是因受到为太多的低IF杂志的影响。出于某种原因，作者对y轴所代表的IF做了log转换【3】。我认为，最好还是看看原始的数据吧。

感谢作者，原文所用的所有数据都在Figshare公开了。

正如你现在看到的，不论我们用哪一种相关系数计算方式，IF是否做了log转换对于结论几乎没有任何影响——IF和拒稿率的关系都不显著（图1）。然而，这一分析揭示出有一点有些诡异：IF最高的一小撮杂志具有高达90%的拒稿率（图1）。此外，值得注意的是，我的结果比Frontiers原文得出的结果的相关性要强：这应该是原文做了log转换造成的吧。

图1数据集中的全部杂志的拒稿率（x）同IF（y）的关系

对于读者来讲，有一点很重要：许多IF在5-10之间的杂志的拒稿率非常之低（图1）。你可能很高兴，因为可以较为轻松地把自己的文章发表到不错的杂志上。但换个角度来说，假如单从其拒稿率看，这一结果意味着很多5-10分的杂志上的文章其实也不咋地。所以，发paper要碰运气（读paper也要小心）。

现在让我们来把数据集按照IF拆分一下。如果我们专门拣出一些相对来讲比较挑剔的杂志，我们拒稿率在60%为门槛（也就是说拒稿率不低于60%的杂志），那么可以看到，IF和拒稿率正相关（图2）。需要注意，这一结果可能受到所用数据多来自著名杂志的影响。

图2数据集中拒稿率>=60%的杂志中拒稿率（x）同IF（y）的关系

而当我们拎出来那些特别挑剔的杂志，这里选拒稿率90%为门槛（也就是拒稿率至少为90%的杂志），会发现IF同拒稿率不怎么相关（图3）。

这是因为有很多IF很低而拒稿率奇高的杂志的存在。所以说，就算你向低IF杂志投稿，也有一定的几率碰到异常挑剔的地雷杂志。

图3数据集中拒稿率>=90%的杂志中拒稿率（x）同IF（y）的关系

总体上说，正如Frontiers这篇文章所指出的一样，数据显示传统上认为IF越高的杂志往往伴随着更高的拒稿率的这种传统观点是不成立的。认识这一点对于出版商和读者都有很重要的意义，因为它告诉你也许我们花费了大量时间和金钱以追求更高的IF，结果却不一定如我们所愿。进一步说，如果我们假定IF可以反应杂志的质量（实际上确实如此），那么先验地看，这与文章的拒稿率关系不大。

如果说影响因子是一个为图书馆订阅和购买杂志时提供参考的标尺，它并不能为每一篇文章的质量或引用数提供帮助。在ScienceOpen这里，我们认为其它可以衡量单独每篇文章的计量学指标，会迟早替代影响因子。这也是为何ScienceOpen坚持遵守旧金山科研评估宣言（San Francisco Declaration on Research Assessment）并报告每篇文章的altmetric score。

在未来，我们有必要搜集更多的杂志及其相关信息。特别是，如果能把杂志的名字呈现出来会对作者投稿时提供更多参考。另一个有意义的操作是在影响已之外，将每篇文章的altmetric score的信息囊括进来，这样我们可以看到杂志的拒稿率和altmetric score所衡量的社会影响力之间有怎样的关系。此外，单独看一下杂志的发表文章数及其与IF之间的关系也会提供新的信息。总之，这是一个很好的关于投稿和出版的数据集，在此感谢Frontiers集团允许本文发表以及在本文发表中做出的努力！

引文

1. 科研圈：2018全球最火的100篇论文公布！中国学者贡献11篇

2. Jon Tennant, 2017, The relationship between journal rejections and their impact factors. ScienceOpen. http://blog.scienceopen.com/2016/01/the-relationship-between-journal-rejections-and-their-impact-factors/

3. 2015, Selecting for impact: new data debunks old beliefs. Frontiers.

更多套路，生信分析需求，请加微信：13895744602

欢迎关注生信人

TCGA | 小工具 | 数据库 |组装| 注释 |   基因家族  |  Pvalue

基因预测  |bestorf |  sci | NAR | 在线工具 | 生存分析 | 热图

 生信不死 | 初学者 | circRNA | 一箭画心| 十二生肖 | circos

 舞台|基因组 | 黄金测序 | 套路 | 杂谈组装 |  进化 | 测序简史