复合影响因子与综合影响因子：深入理解与实际应用
在学术评价领域，影响因子（Impact Factor, IF）是一个广为人知的指标，用于衡量学术期刊的相对重要性。然而，随着学术出版和引文数据的日益多样化，单一的、基于特定数据库计算的影响因子有时难以全面反映期刊的实际影响力。因此，学术界引入了复合影响因子（Compound Impact Factor, CIF）和综合影响因子（Comprehensive Impact Factor, ComIF）等更为多元化的评价指标。本文将围绕这两个指标，详细探讨它们的定义、计算方法、应用场景以及如何理解其数值。
一、 复合影响因子和综合影响因子：是什么？
什么是复合影响因子（CIF）？
复合影响因子是相对于基于单一引文数据库计算的标准影响因子而言的。它是一种尝试更全面评估期刊引文影响力的指标，其核心在于将期刊在多个不同、权威的引文数据库中的被引情况进行综合计算。
- 核心思想： 不局限于一个引文源，而是整合来自多个引文索引系统的数据。
- 引文来源： 通常会包含国内外重要的学术数据库，例如一些综合性数据库、特定国家或地区的权威引文数据库等。
- 计算范围： 同样关注在特定年份内，该期刊在前两年发表的可被引文献在这些综合数据库中获得的平均引文数。
什么是综合影响因子（ComIF）？
综合影响因子则是在复合影响因子的基础上，进一步扩展了评估维度。它不仅考虑期刊的引文影响力，还会纳入其他能反映期刊使用和传播情况的指标。
- 核心思想： 提供一个更全面的期刊影响力视图，超越纯粹的引文计数。
- 包含指标： 除了来自多个数据库的引文数据外，还可能包括：
- 文章下载量
- 文章浏览量
- 期刊网站访问量
- 在特定平台上的使用频率等
- 计算方式： 通常会采用加权计算方法，对不同类型的指标赋予不同的权重（通常引文数据权重最高）。
复合影响因子与综合影响因子的主要区别？
简单来说，复合影响因子是“多来源的引文因子”，而综合影响因子是“多来源引文 + 多维度使用指标的因子”。综合影响因子是复合影响因子的延伸和发展，提供了更丰富的信息维度。
二、 为什么学术界需要并使用这些因子？
为什么使用复合影响因子？
标准的影响因子可能过度依赖于某一特定数据库的收录范围和引文统计规则。使用复合影响因子有以下必要性：
- 更广泛的引文覆盖： 许多重要的学术成果可能并未被某个单一数据库完全收录，或者在不同数据库中的收录情况和引文链接有差异。复合因子通过整合多个来源，减少了因数据库局限性带来的评价偏差。
- 反映区域或学科特色： 特定的数据库可能在某些区域或学科领域有更强的收录优势。复合因子能更好地反映在这些特定背景下的引文影响力。
- 规避单一指标的风险： 过度依赖单一指标可能导致期刊或研究人员采取策略性行为来“操纵”该指标。复合因子提供了一个更为稳健的多角度视角。
为什么使用综合影响因子？
引用是衡量学术影响力的重要方式，但并非唯一方式。综合影响因子的使用则基于以下考虑：
- 反映实际使用情况： 一篇文章即使未被引用，其高下载量或浏览量也表明它受到了广泛关注和阅读。综合因子纳入使用数据，更能反映期刊内容的实际传播和利用程度，特别是非研究性文章（如综述、新闻、评论）的影响力。
- 评价新兴期刊或领域： 在一些新兴或交叉领域，引用可能需要更长时间才能产生。高使用量可以在早期反映期刊的活跃度和潜在影响力。
- 补充引文滞后性： 引用通常有滞后性，一篇文章发表后需要一段时间才会被他人引用。使用数据则可以更即时地反映文章的受欢迎程度。
三、 在哪里可以找到这些因子？
哪些机构或平台发布这些因子？
复合影响因子和综合影响因子并非由某个国际通用机构（如科睿唯安发布JCR IF）统一发布。它们通常由以下类型的机构或平台计算和发布：
- 国家或地区级的学术评价机构： 负责评估本国或本地区学术期刊的机构，可能会开发和使用这些复合或综合指标。
- 大型学术文献数据库提供商： 拥有广泛引文和使用数据的数据库公司，可能会基于其平台数据计算并发布相关的综合评价指标。
- 大学或研究机构： 为了内部评价或决策需要，某些机构会自行计算其教师发表论文所在期刊的这些因子，或者使用第三方提供的报告。
- 期刊出版单位： 部分期刊为了展示其多维度影响力，可能会在其网站或宣传材料中引用或发布由特定机构计算的复合或综合因子。
请注意： 查找这些因子时，需要明确是哪个机构计算的哪个年度的因子，因为不同机构、不同年度、包含的数据库或指标范围不同，计算结果也会有差异。它们不像JCR IF那样有一个唯一的、全球普遍接受的数值。
这些因子主要应用于哪些场合？
- 期刊评价与排名： 作为评价期刊质量和影响力的重要参考指标，用于编制期刊目录、推荐期刊等。
- 科研人员绩效评估： 在职称晋升、岗位聘任、人才评选等过程中，可能会参考申请人发表论文所在期刊的这些因子。
- 科研项目评审与资助： 评审专家可能会考虑申请人以往发表成果的质量，期刊的复合或综合因子可作为辅助判断依据。
- 机构学术影响力分析： 高校或研究机构会统计其产出论文在高因子期刊上发表的情况，以此评估机构的整体研究水平和国际影响力。
- 图书馆资源采购： 决定订阅哪些学术期刊时，图书馆可能会参考这些多维度的评价指标。
四、 计算中涉及的“多少”？
计算通常涵盖“多少”个引文数据库？
复合影响因子和综合影响因子在计算时涵盖的引文数据库数量没有固定标准。这取决于计算该因子的机构所能获取和整合的数据资源。
- 可能包括国际主流数据库（如Web of Science核心合集、Scopus等）。
- 可能包括区域性或专业性数据库。
- 数量可以从几个到十几个甚至更多，关键在于所选数据库的权威性和覆盖范围。
- 不同的计算体系，包含的数据库集合是不同的。
综合影响因子通常包含“多少”种使用指标？
综合影响因子包含的使用指标类型和数量也没有固定标准。常见的包括：
- 下载量和浏览量是最常见的两种。
- 可能还包括在线阅读时长、分享次数（如果在特定平台统计）、引证类型（如是否被综述引用）等，但这取决于计算体系的设计。
- 不同计算体系纳入的非引文指标种类和权重是其主要特色之一。
这些因子“多少”时间更新一次？
与JCR IF通常一年更新一次类似，复合影响因子和综合影响因子也通常是年度更新。这是因为它们依赖于前几年的出版和引用/使用数据进行计算，年度更新能够反映期刊影响力的年度变化趋势。然而，具体发布时间取决于计算机构的工作流程。
“多少”算是一个高的复合/综合影响因子？
“高”是一个相对概念，取决于以下几个因素：
- 学科领域： 不同学科的引用习惯差异很大。生物医学、物理等领域的因子普遍高于人文学科或工程学。需要与同领域期刊进行比较。
- 计算体系： 不同机构计算出的同一个期刊的复合/综合因子数值可能不同，因为纳入的数据源和计算方法不同。只能在同一个计算体系内进行横向比较。
- 期刊类型： 综述性期刊通常因子较高。
- 年度： 因子数值会随时间波动。
因此，判断因子高低应将其置于特定的学科、特定的评价体系和特定的年份中进行比较，而不是看绝对数值。一个期刊在其所属领域和特定评价体系中排名靠前，通常可以认为其复合或综合影响因子较高。
五、 如何和怎么计算复合影响因子和综合影响因子？
如何计算复合影响因子（CIF）？
复合影响因子的基本计算逻辑与标准影响因子相似，只是分子部分的引文统计来源更多。以一个简化的两年复合影响因子为例，其计算步骤大致如下：
- 确定时间窗口： 选择一个特定的统计年份（Y），以及用于计算引文基础的前两年（Y-1和Y-2）。
- 确定引文数据库集合： 指定用于统计引文的所有权威引文数据库集合 {D1, D2, …, Dn}。
- 统计分子： 计算在统计年份Y，期刊在Y-1和Y-2发表的所有“可被引文献”（通常指Article, Review等）在所有指定数据库 {D1, D2, …, Dn} 中获得的总引文数之和。
分子 = Σ (在年份Y，发表于Y-1和Y-2的该期刊文献在数据库Di中获得的引文数) ，i=1到n
- 统计分母： 计算该期刊在年份Y-1和Y-2发表的“可被引文献”总数。这个分母与标准影响因子的分母计算方法类似，基于期刊自身发表的文献。
分母 = 在年份Y-1发表的可被引文献数 + 在年份Y-2发表的可被引文献数
- 计算复合影响因子： 将分子除以分母。
复合影响因子 = 分子 / 分母
关键点： 分子的计算需要从多个数据库中抓取引文数据，并进行整合统计。不同的计算机构在如何去重、如何统计引文（例如，是只统计来自集合 {D1,…Dn} 内期刊的引文，还是统计所有来源的引文但仅从 {D1,…Dn} 中获取数据）等方面可能存在差异。
如何计算综合影响因子（ComIF）？
综合影响因子的计算更为复杂，因为它需要将引文数据和其他使用数据进行整合和加权。其步骤大致如下：
- 确定时间窗口： 类似复合因子，选择统计年份Y和前两年Y-1、Y-2。
- 确定引文数据库集合： 指定用于统计引文的数据库集合 {D1, D2, …, Dn}。
- 确定其他使用指标集合： 指定需要纳入计算的其他使用指标 {U1, U2, …, Um}，例如下载量、浏览量等。
- 统计引文得分： 计算在年份Y，期刊在Y-1和Y-2发表的文献在所有指定数据库 {D1,…Dn} 中获得的总引文数之和（这与复合因子计算的分子相同）。可能需要对不同来源的引文进行标准化或加权处理。
- 统计使用得分： 计算在年份Y，期刊在Y-1和Y-2发表的文献在指定平台或系统中获得的各类使用指标 {U1,…Um} 的总数（例如总下载量、总浏览量等）。这些原始使用数据需要进行标准化处理，以消除不同指标量纲的差异（例如下载量和浏览量的绝对数值可能差异巨大）。标准化方法可能包括取对数、 Z-score 标准化或 Min-Max 标准化等。
- 进行加权计算： 为引文得分和各种标准化后的使用得分分配权重 {W_cite, W_u1, W_u2, …, W_um}，通常要求权重之和为1（或100%），且引文得分的权重通常最高。
综合得分 = (引文总数标准化后) * W_cite + (U1总数标准化后) * W_u1 + … + (Um总数标准化后) * W_um
*注意：这里是将总数标准化后加权，更常见的方法可能是先计算每篇文献的“标准化+加权得分”，然后求和，再除以文献总数。*
- 统计分母： 计算该期刊在年份Y-1和Y-2发表的“可被引文献”总数。这与复合因子和标准IF的分母相同。
- 计算综合影响因子： 将综合得分除以分母。
综合影响因子 = 综合得分 / 分母
关键点： 综合因子的计算复杂性在于使用指标的获取（需要期刊出版方或平台提供数据）、标准化方法和权重分配。不同的计算机构在这几个环节的设计差异，导致计算结果差异较大。
六、 如何理解和利用这些因子？
研究人员如何利用这些因子？
- 选择投稿期刊： 在评估一个期刊时，除了标准IF，可以参考其复合和综合因子。如果目标读者群体广泛或内容具有较高的实用性，一个较高的综合因子（特别是使用指标得分高）可能表明期刊的传播力强。如果研究内容跨多个领域或更关注国内/区域影响力，复合因子则更具参考价值。
- 评估自身发表成果的影响力： 查看自己论文发表所在期刊的这些因子，可以更全面地理解自己研究成果的传播和被关注情况。
- 准备评审材料： 在申请项目、职称时，除了列出论文发表的期刊和标准IF，如果复合或综合因子较高且与评审体系相关，可以作为辅助材料提供，证明论文发表在具有广泛影响力（多来源引用或高使用率）的期刊上。
期刊编辑部如何利用这些因子？
- 评估期刊表现： 对比自身期刊在不同评价体系下的复合和综合因子，与同领域其他期刊进行比较，了解期刊的多维度影响力排名。
- 制定发展策略： 如果发现复合因子较低，可能需要关注期刊在某些重要数据库的收录情况或提升在这些数据库中的可见度。如果发现使用指标得分较低，可能需要改进期刊的传播渠道、提升文章可及性、优化网站用户体验等。
- 对外宣传： 在期刊介绍、征稿启事中，可以引用权威机构计算的复合或综合因子，吸引高质量稿件和读者。
机构和评审专家如何利用这些因子？
- 更全面评估： 在评价个人或机构的学术产出时，将这些因子与标准IF、同行评议、代表作质量等其他因素结合起来，进行更为全面和立体的评估。
- 鼓励多元化产出： 高的综合因子可能有助于识别那些发表了具有广泛传播和应用价值（即使引用尚不多）成果的研究人员。
- 辅助订阅决策： 图书馆可以根据这些因子评估期刊的整体价值，辅助订阅决策。
重要提示： 无论是复合影响因子还是综合影响因子，都只是期刊评价的辅助工具。任何单一指标都无法完全衡量学术研究的真正价值和贡献。在使用这些因子时，务必结合期刊的办刊宗旨、文章质量、同行评议意见以及成果本身的创新性和影响力进行综合判断。理解这些因子的计算方法和局限性，才能更好地发挥其在学术评价中的作用。
结语
复合影响因子和综合影响因子是学术评价体系为了适应数据多样化和影响力衡量需求发展而产生的指标。它们通过整合多来源的引文数据和纳入多维度使用指标，提供了比传统单一影响因子更丰富、更全面的视角。了解它们的计算原理、适用范围和潜在局限性，对于科研人员、期刊编辑以及学术管理者都至关重要，有助于在复杂的学术生态系统中做出更明智的决策。
