Sci Data 的(高)影响因子

Sci Data 的(高)影响因子

前两天欣然收到Scientific Data编辑的邮件,大约两个月前投出的一篇data descriptor几乎不需要什么改动便可以接收了。一直认为Sci Data也是Natur集团又一灌水杂志(紧随Sci Rep之后),预期影响因子也就1点几,结果一查吓了一跳,2016IF高达4.836,都超过了Sci Rep的4.259。。

想想还真是有点哭笑不得,自己的本部文章经历了几轮编辑枪毙之后只发到了Sci Rep,之后与国内交流才知道大家都认为其是灌水杂志。Nature集团2014又出版了新杂志Sci Data,其实我挺支持其理念的:支持数据的分享和再利用。其实想想现在测序技术成本越来越低,做的人也越来越多,随之而来的便是大量的数据,即使发表了文章数据的挖掘面也不高,所以数据的挖掘和再分析也显得非常重要。

说回自己的文章,在投Sci Rep一个月后极小幅度修改便接收,接着编辑建议可以把数据再整理一下发到Sci Data作为一个data descriptor,以便促进数据的影响力(说实话sci rep的文章自己感觉都没推销成功)。准备的时候还有点困惑,因为大部分数据分析方法,基本描述已经发表过了,只能从其他角度描述了一下并把数据可视化(做成网页以便读者查询),审稿人意见都比较positive,基本没什么问题。

后来想想,数据的再分析未尝不对科研起推动作用,想起一教授去国内回来的最大感觉就是大家都在竞争做第一个测序的人,也不管为什么要做,背后的驱动力便是publish or perish,结果测完的数据只肤浅地分析了一下便发表了。到底数据背后还有哪些未被挖掘的暗示,值得another visit.

Z. Lu avatar
Z. Lu
Data science, bioinfo, scripting, parasites, retro, plain text.
comments powered by Disqus