除了影响因子，还有哪些指标可以评价论文的价值？一提起论文价值，恐怕首先想到的是影响因子。尤其是在中国，影响因子对于科研人员和工作者真是命根，晋级，升迁，申请基金，评奖等等无不与影响因子有关。但是除了影响因子，还有许多其它的评价论文价值的方法。本文就介绍一下常见和新兴的评价论文价值的指标。
评价一个论文价值，无非从量化和质化两个方面来评价，或者期刊和论文的角度来评价。下面提到的指标，有的是从量化，有的是从质化，有的是从期刊角度，有的是从文章角度。
影响因子
影响因子确切说是针对期刊的，而并非直接针对论文的。
影响因子应该是一个量化和半质化的指标。为何？这是因为高影响因子的期刊低水平的文章也并非没有，低影响因子高水平的论文也大有存在。
当然，如果论文婆家找的好，自身的身份也就自然高了。正如以前的皇妃，可能整个素质比一般大众好，可以平民中也大有出类拨粹的人物存在。
因此，现在影响因子也是饱受垢病。有的人戏称SCI是stupid chinese idea，其中的原因也就不多说了。
查看影响因子的方法有多种，最经典的方法当然是Web of Science，但是收费，一般人用不起。简单方便的方法可以使用医学文献助手：利用医学文献助手筛查PubMed文献质量
引用次数
这个就不用多介绍了吧。很多数据库和在线查询平台都可以实现引用次数的查看，例如Google和微软学术搜索Microsoft Academic Search，还有利用医学文献助手筛查PubMed文献质量
H指数（H Index）
H指数是2005年由美国加利福尼亚大学圣地亚哥分校的物理学家乔治·希尔施提出的。
H指数的计算基于其研究者的论文数量及其论文被引用的次数。赫希认为：一个人在其所有学术文章中有N篇论文分别被引用了至少N次，他的H指数就是N。
可以按照如下方法确定某人的H指数：
- 将其发表的所有SCI论文按被引次数从高到低排序；
- 从前往后查找排序后的列表，直到某篇论文的序号大于该论文被引次数。所得序号减一即为H指数。
以上有关H指数的内容来自维基百科
查看H指数的最简单的方法就是利用Google Scholar，注意是英文版的，中文版的不要。另外FireFox和Chrome也有相应的插件可以选用。
I10指数（I10-Index）
I10-index是由Google提出来的，指作者发表文章数被引用10次以上的个数。
比如我发表了100篇文章（呵呵，有点大了啥），其中90篇被他人引用了10次以上，那么本人的I10-index就是90。
如果说影响因子是针对期刊的话，那么H指数和I10指数就是针对个人的。论文的影响因子高，只能说该论文找了一个好婆家，具体引用情况并不一定。而H指数和I10指数就是确切反应论文引用的一种量化标准。
G指数（G-Index）
G-Index（G指数）相比于上述几个指标来有点默默无闻。G-Index是由Leo Egghe于2006年提出的， 评价作者论文数量的一个指标。
G指数的计算方法如下
- 把所有作者发表文章按照引用次数降序排列，序号为g
- 把作者所有发表文章的序号进行平方，得到g2
- 把作者所有文章的引用次数进行加法，得到∑TC
- 最后一个∑TC仍大于g2的序号就是G指数。
有点绕哈，没事举个例子更清楚一些，比如我发表了以下文章，按照引用次数进行排序如下
| 引用次数（TC） | 序号（g） | 文章引用次数之和（∑TC） | g2 |
| 47 | 1 | 47 | 1 |
| 42 | 2 | 89 | 4 |
| 37 | 3 | 126 | 9 |
| 36 | 4 | 162 | 16 |
| 21 | 5 | 183 | 25 |
| 18 | 6 | 201 | 36 |
| 17 | 7 | 218 | 49 |
| 16 | 8 | 234 | 64 |
| 16 | 9 | 250 | 81 |
| 16 | 10 | 266 | 100 |
| 15 | 11 | 281 | 121 |
| 13 | 12 | 294 | 144 |
| 13 | 13 | 307 | 169 |
| 13 | 14 | 320 | 196 |
| 13 | 15 | 333 | 225 |
| 12 | 16 | 345 | 256 |
| 12 | 17 | 357 | 289 |
| 12 | 18 | 369 | 324 |
| 12 | 19 | 381 | 361 |
| 11 | 20 | 392 | 400 |
| … | … | … | … |
由上表可以看出我的H指数是13，g指数是19，因为第20个文献g2已经大于前面所有引用次数之和了。（该例子数值来源于Egghe. An Improvement of the H-Index: the G-Index）
G指数相比于H指数和I10指数，更能反应论文整个引用情况。比如我发表的文章，总体都不高，可能H指数比较高，可是一算G指数立马原形毕露，原来是水货一枚。
H5指数（H5-index）和H5中位数（H5-median）
H指数、I10指数和G指数是针对个人论文引用次数的统计，而H5指数和H5中位数（H5-median）是针对杂志引用次数的一种评价体系。
H5指数
H5指数是过去5年之内某一杂志所发表的论文数相比于引用数的最小值，如
Nature杂志过去5年之内发表了1000篇文章（当然实际数值比这个大），按照每篇论文的引用数进行降序排列
第381位的文章的引用数是381，而382的文章引用数是300，那么Nature的H5指数就是381
H5相较于IF，是反应杂志过去5年文章的引用情况，而IF是反应的杂志平均引用情况。H5相较于H指数，是针对杂志的总体情况，而H指数是针对于个人论文的引用情况。
有时候不同影响因子的杂志，H5可能一样。如PLoS One和Nature Reviews Immunology的H5都是130，可是两者的影响因子相差可不止一个档次。
H5中位数
H5中位数（H5-median）是指所用文章引用次数的中位数。为毛不用平均数？因为资料不是正态分布。每一个杂志的文章引用次数肯定不会是平均分布的，正如我国居民收入一样。有的引用次数肯定很大，可是有的文献可能很水，引用次数少的可怜。如果平均无法反应真实的引用情况，中位数最佳的选择。
F1000
F1000(Faculty of 1000)是为生物学及医学研究人员提供评估服务的二次文献数据库，是由英国BioMed Central出版的一种新型在线研究辅助工具，包括生物学（Biology）和医学（Medicine）两大系列。 其目前是给生命科学研究者一个新的评价体系，而不仅仅依赖于是否被SCI收录。
医学F1000：由2400多位世界顶级的临床专家、学者收集和评价，提供目前世界上最重要的医学论文信息及发展趋势。它包括18个领域：麻醉和镇痛、心血管疾病、重症监护和急诊医学、皮肤病学、糖尿病和内分泌病学、循证医学、胃肠病和肝病学、血液病学、感染性疾病、肾病学、神经疾病、肿瘤学、心理学、公共卫生和流行病学、呼吸系统疾病、风湿和临床免疫、泌尿病学、女性健康。该网站文献与PubMed及PubMed Central进行了链接。
生物学F1000：由2300多位专家学者的评价，提供目前世界上最重要的生物学论文信息及研究趋势。涵盖学科领域：生物学、生物化学、生物信息学、生物技术、癌症生物学、心血管生物学、细胞生物学、化学生物学、发育生物学、生态学、进化生物学、胃肠生物学、基因组学和遗传学、免疫学、代谢及内分泌学、微生物学、分子生物学、分子医学、神经科学、药理学与药物发现、生理学、植物生物学、肾生物学、呼吸生物学、结构生物学。
主要特点
- 主要对PubMed收录的重要论文的进行客观评估，评估依据是以学术成就而非该期刊是否被SCI收录；
- 参加评议的成员分别由美国和欧洲等国际知名机构的著名专家组成。根据论文对当前世界生物和医学研究的贡献程度和科学价值，通过客观反映学术水平的指标（F1000因子）给予评分，每日将最近一个月内的极少数优秀论文推荐给读者，并提供Pubmed链接。
F1000三个等级分别为9分（杰出）、6分（必读）和3分（推荐）。
以上有关F1000的内容来自百度百科。
因此F1000相比于影响因子，多人工挑选的干预，其分值高的研究意义就比较重大。F1000应该是一个质化的指标，最简单的实时查看F1000的方法也可以使用医学文献助手。
聊完了传统的评价指标，再扒一扒新兴的论文评价指标
Altmetric
Altmetric是一个新兴的指标，虽然字面意思是替代指标，但是我认为「社会化影响力」或者「网络影响因子」或者「分享因子」更能反应其本质。
Altmetric出现的背景
可能大家遇到这么一种情况，有的论文发表以后，被大家广泛转载，网络新闻报道，Twitter或者G+上评论和分享。这时，影响因子和F1000就不能反应这些了。
Altmetric就是在这种情况下出现的，Altmetric就是反应某一论文分享、下载、阅读的情况。
但是现在Altmetric争议也比较大，关于名字都有争议。我个人认为InterMetric更好，简称IM，有点和实时通讯软件混了啥。SocialMetirc，简称SM，有点变态了哈。
有关Altmetric更多详情可以参阅此文：利用Altmetric评价系统了解论文的关注度分享情况
类似的还有Plum Metrics （利用Plum Metrics评价系统了解论文的关注度分享情况）和Impactstory（这个可能要挂代理）
RG Score
RG Score（RG因子）是ResearchGate推出的一个评价作者的指标。RG Score推出的目的是为了帮助评价自己在科学圈内的处于一个啥水平。计算方法并不是自我发表了多少文章，而是自己的科研工作被同行认可以程度。
RG Score不同于传统评价指标在于可以统计更多的信息，如下载，浏览、分享等。RG Score不同于Altmetric之处在于RG Score更测重于分享。如果和同行分享自己的Idea，并得到同行的认可和讨论，那么RG Score增长很快。
更多有关RG Score的详情可以查看此文：ResearchGate科研人员自己的FaceBook
