Who Is Citing Your Work? Journals With Impact Factor and h-Index in Social Work and Related Fields

Purpose: With journal publishing being an important task for academicians, this article aims to help faculty and researchers increase their productivity by identifying journals with influential impacts on producing scientific knowledge. Method: Since 2004, the authors compiled and updated a journal list annually for social work faculty to use. This list aims to help faculty and researchers, including doctoral students, identify journals with significant scholarly impacts in social work and related fields for national and international recognition. Results: A total of 221 journals are included in the study, covering 44 social work journals with two indexes reported in the Journal Citation Reports® with Journal Impact Factor® and the h-index. Discussion: This list aims to help scholars find appropriate journals for article submissions. The criteria for the authors to select journals to be included in the publication list are also discussed.

Complex networks and machine learning in scientometrics

10.12681/eadd/42463 ◽

2017 ◽

Author(s):

Αντωνία Γώγογλου

Keyword(s):

Machine Learning ◽

Complex Networks ◽

Impact Factor ◽

Journal Impact Factor ◽

Matthew Effect ◽

H Index ◽

Publish Or Perish ◽

Η Επιστημονομετρία αποτελεί ένα πεδίο έρευνας που ασχολείται με τη συστηματική ποσοτικοποίηση και αξιολόγηση της επιστημονικής διαδικασίας και έχει οδηγήσει στην δημιουργία μιας νέας ερευνητικής διόδου, αναφερομένη ως ΄΄η επιστήμη της επιστήμης". Μέχρι τώρα, η επιστημονική διαδικασία έχει μελετηθεί από ποικίλες οπτικές γωνίες τόσο ποιοτικές όσο και ποσοτικές. Στην παρούσα διατριβή, ακολουθούμε την προσέγγιση της εξόρυξης γνώσης από δεδομένα ώστε να αποδομηθεί η πληροφορία των δικτύων που σχηματίζονται γύρω από τις επιστημονικές οντότητες και να αποκαλυφθούν οι υποβόσκουσες συσχετίσεις τους. Τα σύνθετα δίκτυα με τη σειρά τους συνιστούν μια δομή διασυνδεδεμένων οντοτήτων με σημαντικές τοπολογικές ιδιότητες και απεικονίζονται συχνά ως γράφοι. Σε πραγματικές κοινωνικές διαδικασίες, όπως είναι και η επιστημονική δραστηριότητα, πολλαπλά τέτοια δίκτυα σχηματίζονται, των οποίων η πολυπλοκότητα της δυναμικής τους αυξάνεται εκθετικά με τον όγκο των δεδομένων που συγκεντρώνονται γύρω από αυτά. Μάλιστα δίκτυα παραγόμενα από πραγματικά δεδομένα μπορεί να εμπεριέχουν δομή κοινοτήτων, εκθετικές κατανομές βαθμών και εστίες πληροφορίες μεταξύ άλλων δομικών χαρακτηριστικών. Το ίδιο συμβαίνει με την επιστημονική παραγωγικότητα, όπου οι δημοσιεύσεις, οι επιστήμονες, τα ιδρύματα και οι εκδοτικοί οίκοι είναι διασυνδεμένοι με σχέσεις αναφορών και συνεργασίας δημιουργώντας ένα τεράστιο παγκόσμιο σύνθετο δίκτυο.Η αχανής πλούσια πληροφορία που υπάρχει διαθέσιμη στα επιστημονικά δίκτυα ξεπερνά την ανθρώπινη κατανόηση, με αποτέλεσμα να δημιουργείται η ανάγκη για μηχανική μάθηση. Η μάθηση σε αυτή την περίπτωση συνδέεται με την αναγνώριση σύνθετων μοτίβων και την πραγματοποίηση ‘’έξυπνων» αποφάσεων από δεδομένα. Με τον τρόπο αυτό γνώση μπορεί να παραχθεί από καταγραφές της επιστημονικής δραστηριότητας και η ερευνητική διαδικασία μπορεί να βελτιωθεί από παρελθοντική εμπειρία. Μεθοδολογίες μάθησης, τόσο με επίβλεψη όσο και χωρίς, υιοθετούνται ώστε να εξαχθούν εκτιμήσεις για μια ποσότητα σχετιζόμενη με την επιστημονική δραστηριότητα όπως επίσης και να αποκαλυφθεί δομή στα βιβλιογραφικά δεδομένα. Ιδιαίτερο ενδιαφέρον για την ανακάλυψη της δυναμικής της επιστήμης από μεγάλου όγκου δεδομένα παρουσιάζει η διαδικασία εντοπισμού σχετικών παραγόντων υψηλής επιρροής που διαμορφώνουν το μέλλον της επιστημονικής παραγωγής, δηλαδή η μηχανική των χαρακτηριστικών. Από το λαβύρινθο των ερευνητικών θεμάτων που ανακύπτουν στην ‘’επιστήμη της επιστήμης» θέτουμε τα παρακάτω ερευνητικά ερωτήματα: Πώς μπορεί να παραχθεί ένα δίκαιο και προσαρμόσιμο σύστημα ταξινόμησης για ερευνητές που να λαμβάνει υπόψη τις διαφορετικές πτυχές της επιστημονικής απόδοσης; Υπάρχουν διαχωρίσιμα μοτίβα στην επιστημονική δραστηριότητα και, αν ναι, σχετίζεται κάποιο αυτό άμεσα με την επιτυχία; Τέλος, μπορεί η γνώση που εξάγεται από βιβλιογραφικά δεδομένα να αποδειχθεί χρήσιμη σε κριτές περιοδικών, ινστιτούτα χρηματοδότησης, επιτροπές μονιμοποίησης, προαγωγής και απόδοσης βραβείων; Σε αυτό το πλαίσιο, προτείνουμε καινοτόμες τεχνικές ανάλυσης προς ποσοτικοποίηση, αξιολόγηση και πρόβλεψη της επιστημονικής εξέλιξης. Η συνεισφορά της διατριβής είναι τρίπτυχη:Καθώς οι επιστημονομετρικοί δείκτες χρησιμοποιούνται ήδη στη λήψη αποφάσεων, όπως αποδεικνύεται από την ευρεία χρήση του h-index και του Journal Impact Factor, η ανάγκη βελτίωσής τους και διεύρυνσης της συγκέντρωσής τους, είναι εμφανής. Σύγχρονες μετρικές συχνά εστιάζουν σε ένα σύνολο από δημοσιεύσεις με πλήθος αναφορών αντί να καταπιαστούν με ολόκληρη την πορεία των αναφορών και τείνουν να ευνοούν την παραγωγικότητα έναντι της επιρροής, προωθώντας τις πολιτικές «publish or perish». Δεδομένου ότι οι αναφορές επιδεικνύουν μια κατανομή βαθμού ιδιαιτέρως ασύμμετρη, γνωστό και ως «Matthew effect” στην επιστήμη, η πλειοψηφία της επιστημονικής δραστηριότητας περιλαμβάνει λιγότερο επιφανείς εργασίες οι οποίες συχνά αγνοούνται από τις παρούσες μετρικές. Συνεπώς, προτείνουμε νέες μετρικές που να ενσωματώνουν εξελικτικές ιδιότητες του δικτύου αναφορών στην διαδικασία αξιολόγησης προσμετρώντας την ασυμμετρία της επιστημονικής απόδοσης. Με τον ολοένα αυξανόμενο αριθμό βιβλιομετρικών δεικτών, η επιστημονική κοινότητα αντιμετωπίζει την πρόκληση διαχωρισμού των πιο συσχετιζόμενων πτυχών επιστημονικής απόδοσης για την κάθε περίπτωση αξιολόγησης εκμεταλλευόμενη τις συνδέσεις μεταξύ των μετρικών. Στην παρούσα διατριβή, προτείνουμε μια πολύπλευρη διαδικασία αξιολόγησης για επιστήμονες βασιζόμενη σε ανάλυση συσχετίσεων μεταξύ της πληθώρας επιστημονομετρικών δεικτών. Από ένα σύνολο προσαρμόσιμων κριτηρίων, τα οποία αντικατοπτρίζουν διαφορετικές πτυχές της επιστημονικής δραστηριότητας, μέτωπα Pareto παράγονται υπό μορφή ταξινόμησης επιστημόνων ώστε να υποστηρίξουν προαγωγές, διαμοιρασμό χρηματοδοτήσεων, κυβερνητικές και ιδρυματικές πολιτικές και ποικίλα σενάρια λήψης αποφάσεων.Επεκτείνοντας την ποσοτικοποίηση της επιστημονικής αξιολόγησης, επιχειρούμε τον εντοπισμό επιστημονικών προφίλ και τάσεων στην διαδικασία συγκέντρωσης αναφορών. Εκμεταλλευόμενοι την αυτοδιοργανούμενη κατανομή επιστημονικών αναφορών, εισάγουμε την έννοια της μορφοκλασματικής διάστασης για την καμπύλη αναφορών. Η μορφοκλασματική διάσταση αξιοποιείται για να χαρακτηρίσει τα μοτίβα δημοσιεύσεων και να ενσωματώσει ιδιότητες σύνθετων δικτύων (εκθετικότητα, ασυμμετρία, κτλ.) σε μία μετρική. Επιπλέον, πραγματοποιείται εξόρυξη μοτίβων αναφορών προκειμένου να εντοπισθούν τάσεις και μεταβολές στην συγκέντρωση αναφορών εστιάζοντας στα μοτίβα που συνοδεύονται από αυξημένο επιστημονικό βεληνεκές. Από τη στιγμή που η επιστημονική δραστηριότητα δεν είναι μια στατική διαδικασία, οι μέθοδοι για την αξιολόγησή της καλούνται να αντικατοπτρίσουν την εξελικτική πορεία και να προωθήσουν τις συγκρίσεις σε κοινή βάση. Για το σκοπό αυτό, δημιουργήσαμε προφίλ και εξορύξαμε χρονικά μοτίβα, ενώ εντοπίσαμε τη συσχέτισή τους με την συνολική επιστημονική απόδοση ώστε να ανακαλύψουμε αν υπάρχει προφίλ συνδεδεμένο με την επιτυχία. Καταφέραμε να ανακαλύψουμε συστηματικές τάσεις στα πλαίσια συγκεκριμένων εκδόσεων (π.χ. συνεδρίων) όπως επίσης και ουσιαστικές μεταβολές και πιθανές ανωμαλίες στην διαδικασία συγκέντρωσης αναφορών.Για να αντιμετωπίσουμε περαιτέρω το ζήτημα της επιστημονικής εξέλιξης, ασχοληθήκαμε με την εξελικτική πορεία των ερευνητών και αναζητήσαμε ενδείξεις πρώιμων δυνατοτήτων ή στασιμότητας. Συνεχίσαμε με τη δημιουργία ομάδων από ερευνητικούς ομοίους και το χαρακτηρισμό της απόδοσής τους σχετικά με την συνομοταξία του, με σκοπό το διαχωρισμό επιφανών μελών της επιστημονικής κοινότητας (π.χ. βραβευθέντες). Δεν είναι μόνο η αξιολόγηση της παρελθοντικής και παρούσας δραστηριότητας σημαντική, χρειάζονται και εκτιμήσεις της μελλοντικής πορείας της επιστημονικής δραστηριότητας και απόδοσης. Προς αυτή την κατεύθυνση, δημιουργήσαμε μια ταξονομία των υπαρχόντων προσεγγίσεων για πρόβλεψη μελλοντικού κύρους, εντοπίσαμε τις αδυναμίες τους και προτείναμε ένα ενοποιημένο προσαρμόσιμο πλαίσιο προβλέψεων για την βελτίωση των υπαρχόντων προσεγγίσεων. Στην προτεινόμενη προσέγγιση, ενσωματώσαμε τη δυναμική κατηγοριοποίηση των επιστημόνων μεταξύ της συνομοταξίας τους με ανάλογη απόδοση με διαφορετικά μοντέλα πρόβλεψης για κάθε ομάδα ώστε να εκτιμηθεί το μελλοντικό πλήθος αναφορών. Μέσω εκτενούς πειραματισμού σε επίπεδα χρονικά, ηλικίας και βεληνεκούς και με το συνδυασμό της σχετικής τοποθέτησης των επιστημόνων στους επιστημονικούς γράφους, εξάγαμε χρήσιμα συμπεράσματα για το μηχανισμό εξέλιξης της επιστημονικής απόδοσης. Με τον τρόπο αυτό, αξιοποιήσιμη γνώση δημιουργείται για να παρέχει υποστήριξη σε εκδότες, ακαδημαϊκούς, ιδρύματα και λοιπά ενδιαφερόμενα μέλη της επιστημονικής κοινότητας.

Comparing the influence of ecology journals using citation-based indices: making sense of a multitude of metrics

10.7287/peerj.preprints.43v1 ◽

2013 ◽

Author(s):

Daniel J. Hocking

Keyword(s):

Impact Factor ◽

Royal Society ◽

Journal Impact Factor ◽

Molecular Ecology ◽

Systematic Evaluation ◽

Annual Review ◽

H Index ◽

Making Sense ◽

Journal Impact ◽

Highly Cited

The links among scholarly citations creates a tremendous network that reveals patterns of influence and flows of ideas. The systematic evaluation of the networks can be used to create aggregate measures of journal influence. To understand the citation patterns and compare influence among ecology journals, I complied 11 popular metrics for 110 ecology journals: Journal Impact Factor (JIF), 5-year Journal Impact Factor (JIF), Eigenfactor, Article Influence (AI), Source-Normalized Impact per Paper (SNIP), SCImago Journal Report (SJR), h-index, hc-index, e-index, g-index, and AR-index. All metrics were positively correlated among ecology journals; however, there was still considerable variation among metrics. Annual Review of Ecology Evolution, and Systematics, Trends in Ecology and Evolution, and Ecology Letters were the top three journals across metrics on a per article basis. Proceedings of the Royal Society B, Ecology, and Molecular Ecology had the greatest overall influence on science, as indicated by the Eigenfactor. There was much greater variability among the other metrics because they focus on the mostly highly cited papers from each journal. Each influence metric has its own strengths and weaknesses, and therefore its own uses. Researchers interested in average influence of articles in a journal would be best served by referring to the AI scores or possibly SJR values.

The Journal Impact Factor: A Threat or Opportunity?

Aquichan ◽

10.5294/aqui.2011.11.3.1 ◽

2011 ◽

Vol 11 (3) ◽

pp. 245-255 ◽

Cited By ~ 1

Author(s):

Cayetano Fernández-Sola ◽

José Granero-Molina ◽

José Manuel Hernández-Padilla ◽

Gabriel Aguilera-Manrique ◽

Keyword(s):

Impact Factor ◽

Journal Impact Factor ◽

Journal Impact ◽

Journal Citation

Este artículo contiene un resumen de las críticas a la utilización del factor de impacto (FI) como indicador de calidad de las publicaciones y de producción de investigadores. Tales críticas alcanzan a los autores que intentan publicar en revistas con FI, argumentando que así renuncian a la propia identidad, primando su currículum sobre la utilidad de su investigación. En oposición a esas críticas se afirma que unos criterios de evaluación exigentes sirven de estímulo para la internacionalización del sistema científico. Existe consenso en la comunidad académica sobre las imperfecciones del FI y su aceptación como recurso válido y necesario para la evaluación científica, como también en que el debate identitario contribuye poco a resolver la invisibilidad internacional de la investigación de enfermería en español. Se esbozan propuestas que apuestan por aprovechar las fortalezas para incrementar y visibilizar dicha investigación, desarrollar estrategias para incluir y mantener a las revistas en español en el Journal Citation Reports (JCR), fomentar la formación y cooperación interdisciplinar, promover la publicación de investigaciones desarrolladas en los programas de posgrado, y reclamar la apuesta editorial por la indexación de sus revistas en el JCR. Se concluye que, aunque difícil, es posible aumentar la visibilidad de la producción científica de enfermería en español.

Increasing importance of research metrics: Journal Impact Factor and h-index

International Urogynecology Journal ◽

10.1007/s00192-018-3604-8 ◽

2018 ◽

Vol 29 (5) ◽

pp. 619-620 ◽

Cited By ~ 7

Author(s):

Victor Grech ◽

Diaa E. E. Rizk

Keyword(s):

Impact Factor ◽

Journal Impact Factor ◽

H Index ◽

Journal Impact ◽

Research Metrics

Speed of Online and Print Peer-Reviewed Ophthalmology Publications and Correlation to Journal Bibliometric Measures

Journal of Academic Ophthalmology ◽

10.1055/s-0040-1721070 ◽

2020 ◽

Vol 12 (02) ◽

pp. e284-e291

Author(s):

Ronaldo Nuesi ◽

John Y. Lee ◽

Ajay E. Kuriyan ◽

Jayanth Sridhar

Keyword(s):

Impact Factor ◽

Outcome Measures ◽

Study Design ◽

Online Publication ◽

Journal Impact Factor ◽

Experimental Studies ◽

Print Publication ◽

Journal Impact ◽

Bibliometric Measures

Abstract Objective This study aimed to explore the relationship between publishing speeds and peer-reviewed journal bibliometric measures in ophthalmology. Methods Journal Citation Reports and Scopus Database were accessed for identification of journal bibliometric measures in ophthalmology. Twelve randomly selected articles from 2018 for all identified journals were studied. All outcome measures were extracted from the full text of articles and correlated with journal bibliometric measures. Statistical analysis was performed on measured parameters in comparison to a previous study. Main Outcomes and Measures Journal impact factor, Eigenfactor score, and CiteScore were correlated with time from submission or acceptance of manuscripts to online and print publication. The correlation between study design and publishing speeds was also assessed. Results A total of 55 journals were included for a total of 657 articles. Online publications were significantly faster than print publications for almost every journal (p < 0.001). Laboratory experimental studies had significantly shorter times from submission to online publication (p = 0.002) and acceptance to online publication (p < 0.001) compared with observational and interventional studies. Journal impact factor was positively correlated to publishing speed from acceptance to online publication (p = 0.034). CiteScore was positively correlated to speed from submission to print publication (p = 0.04), acceptance to print publication (p = 0.013), and acceptance to online publication (p = 0.003). Eigenfactor score was not statistically significant when correlated with any outcome measures. Conclusion Online publication has increased speed of dissemination of knowledge in the ophthalmology literature. Despite reporting higher numbers of submissions every year, ophthalmology journals with higher bibliometric measures of impact tend to publish peer-reviewed articles faster than journals with lower impact scores. Study design of an article may affect its speed to publication.

Comparing the influence of ecology journals using citation-based indices: making sense of a multitude of metrics

10.7287/peerj.preprints.43v2 ◽

2014 ◽

Author(s):

Daniel J. Hocking

Keyword(s):

Impact Factor ◽

Royal Society ◽

Journal Impact Factor ◽

Molecular Ecology ◽

Systematic Evaluation ◽

Annual Review ◽

H Index ◽

Making Sense ◽

Journal Impact ◽

Highly Cited

Scrambling for higher metrics in the Journal Impact Factor bubble period: a real-world problem in science management and its implications

10.31219/osf.io/dmsp9 ◽

2020 ◽

Author(s):

Trung Tran ◽

Hoang Khanh Linh ◽

Viet-Phuong La ◽

Toan Manh Ho ◽

Quan-Hoang Vuong

Keyword(s):

Impact Factor ◽

Journal Impact Factor ◽

Research Evaluation ◽

Scientific Quality ◽

Fund Managers ◽

Statistical Representation ◽

Real World Problem ◽

Science Management ◽

Universities and funders in many countries have been using Journal Impact Factor (JIF) as an indicator for research and grant assessment despite its controversial nature as a statistical representation of scientific quality. This study investigates how the changes of JIF over the years can affect its role in research evaluation and science management by using JIF data from annual Journal Citation Reports (JCR) to illustrate the changes. The descriptive statistics find out an increase in the median JIF for the top 50 journals in the JCR, from 29.300 in 2017 to 33.162 in 2019. Moreover, on average, elite journal families have up to 27 journals in the top 50. In the group of journals with a JIF of lower than 1, the proportion has shrunk by 14.53% in the 2015–2019 period. The findings suggest a potential ‘JIF bubble period’ that science policymaker, university, public fund managers, and other stakeholders should pay more attention to JIF as a criterion for quality assessment to ensure more efficient science management.

Quantitative and Qualitative Analysis of Editor Behavior through maybe Coercive Citations

10.20944/preprints201705.0026.v1 ◽

2017 ◽

Author(s):

Claudiu Herteliu ◽

Marcel Ausloos ◽

Bogdan Vasile Ileanu ◽

Giulia Rotundo ◽

Tudorel Andrei

Keyword(s):

Qualitative Analysis ◽

Impact Factor ◽

Unethical Behavior ◽

Journal Impact Factor ◽

Target Group ◽

Control Group ◽

H Index ◽

Number Of Citations ◽

How much is the h-index of an editor of a well ranked journal improved due to citations which occur after his/her appointment? Scientific recognition within academia is widely measured nowadays by the number of citations or h-index. Our dataset is based on a sample of four editors from a well ranked journal (impact factor – IF – greater than 2). The target group consists of two editors who seem to benefit by their position through an increased citation number (and subsequently h-index) within journal. The total amount of citations for the target group is bigger than 600. The control group is formed by another set of two editors from the same journal whose relations between their positions and their citation records remain neutral. The total amount of citations for the control group is more than 1200. The timespan for which citations’ pattern has been studied is 1975-2015. Previous coercive citations for a journal benefit (increase its IF) has been signaled. To the best of our knowledge, this is a pioneering work on coercive citations for personal (editors’) benefit. Editorial teams should be aware about this type of potentially unethical behavior and act accordingly.

A Journal-Level Analysis of Progress in Transplantation

Progress in Transplantation ◽

10.1177/1526924817746914 ◽

2017 ◽

Vol 28 (1) ◽

pp. 19-23

Author(s):

Thomas Feeley ◽

Seyoung Lee ◽

Shin-Il Moon

Keyword(s):

Impact Factor ◽

Journal Impact Factor ◽

Kidney Diseases ◽

Journal Article ◽

Impact Factors ◽

Journal Impact ◽

Surgery Journals ◽

Over Time ◽

Journal Citation

Context: Citations to articles published in academic journals represent a proxy for influence in bibliometrics. Objective: To measure the journal impact factor for Progress in Transplantation over time and to also identify related journals indexed in transplantation and surgery. Design: Data from Journal Citation Reports (ISI web of science) were used to rank Progress in Transplantation compared to peer journals using journal impact and journal relatedness measures. Social network analysis was used to measure relationships between pairs of journals in Progress in Transplantation’s relatedness network. Main Outcome Measures: Journal impact factor and journal relatedness. Results: Data from 2010 through 2015 indicate the average journal article in PIT was cited 0.87 times (standard deviation [SD] = 0.12) and this estimate was stable over time. Progress in Transplantation most often cited American Journal of Transplantation, Transplantation, American Journal of Kidney Diseases, and Liver Transplantation. In terms of cited data, the journal was most often referenced by Clinical Transplantation, Transplant International, and Current Opinion in Organ Transplantation. Conclusion: The journal is listed both in surgery and transplantation categories of Journal Citation Reports and its impact factors over time fare better with surgery journals than with transplant journals. Network data using betweenness centrality indicate Progress in Transplantation links transplantation-focused journals and journals indexed in health sciences categories.