除了影响因子，还有哪些指标可以评价论文的价值？
评价一篇论文的价值，无非是从定量和定性两个方面来评价，或者从期刊和论文的角度来评价。下面提到的指标是定量、定性、定期和文章。
影响因子(IF)
影响因子专门针对期刊，不直接针对论文。
影响因子应该是一个定量和半定性的指标。为什么？这是因为影响因子高的期刊不是没有低水平的文章，也有影响因子低的高水平文章。
当然，如果作者的丈夫找到一份好工作，他的身份自然也就高了。就像以前的皇妃，整体素质可能比一般大众要好，平民中也有很多优秀的人物。
所以，现在的影响因素也是患上了鳞片病。有人戏称SCI为“愚蠢的中国想法”，原因我就不多说了。
有许多方法可以检查影响因子。当然最经典的方法是科学之网，但是一般人是收费不起的。一个简单方便的方法就是使用医学文献助手:使用医学文献助手筛选PubMed文献质量。
引用次数
这个不用我介绍了吧。很多数据库和在线查询平台都可以查看引用次数，比如Google和微软学术搜索，使用医学文献助手筛选PubMed文献质量。
h指数(h指数)
h指数是由美国加州大学圣地亚哥分校的物理学家乔治·希尔·施于2005年提出的。
H指数的计算基于其研究人员的论文数量及其论文被引用的次数。赫希认为，当一个人所有学术文章中的N篇论文被引用至少N次时，这个人的H指数就是N。
你可以通过以下方式确定某人的H指数:
将他们发表的所有SCI论文按照引用次数从高到低排序；
从头到尾找到排序后的列表，直到一篇论文的序号大于论文的引用次数。通过从获得的序列号中减去1来获得H指数。
以上关于H指数的内容来自维基百科。
检查H指数最简单的方法是使用谷歌学术。注意是英文的，不是中文的。此外，FireFox和Chrome也有相应的插件可供选择。
I10指数(I10指数)
I10-index是Google提出的，指作者发表的文章被引用超过10次的数量。
比如我发表了100篇文章(呵呵，有点大)，其中90篇被别人引用超过10次，那么我的I10-index就是90。
如果说影响因子是针对期刊的，那么H指数和I10指数是针对个人的。论文影响因子高，只能说论文找了个好婆家，具体引用不一定。H指数和I10指数是准确反映论文引用情况的量化标准。
g指数
G指数(G index)相对于以上指标来说有点默默无闻。G-Index是Leo Egghe在2006年提出的，是评价作者论文数量的指标。
G指数的计算方法如下
将所有作者发表的文章按引用次数降序排列，序号为g。
将作者发表的所有文章的序号平方得到g2。
把作者所有文章的引用次数加起来得到∑TC。
∑TC仍大于g2的最后一个序列号是G指数。
有点绕了。没事的。举个例子就更清楚了。比如我发表了以下文章，按照引用次数排序。
引用次数(TC)和序号(G)
引用次数总和(∑ TC) g 2
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
… … … …
从上表可以看出，我的H指数是13，G指数是19，因为第20篇文献g2大于前面所有引文的总和。(这个例子的数值来自egghe.an指数的一个改进:g指数)。
与H指数和I10指数相比，G指数更能反映论文的整体被引情况。比如我发表的文章一般不高，H指数可能比较高，但是一算G指数就原形毕露了，原来是水货。
H5指数(H5指数)和H5中位数(H5中位数)
H指数、I10指数和G指数是对个人论文被引用次数的统计，而H5指数和H5-中位数是对杂志被引用次数的评价体系。
H5指数
H5指数是在过去五年中，在杂志上发表的论文数量与引用数量之比的最小值，如
《自然》杂志近五年发表了1000篇文章(当然实际值比这个大)，按照每篇论文的引用次数降序排列。
381篇的引用次数是381，382篇的引用次数是300，所以《自然》的H5指数是381。
与IF相比，H5是反应杂志在过去五年中的文章引用，IF是反应杂志的平均引用。与H指数相比，H5针对的是杂志的整体情况，而H指数针对的是个人论文的引用情况。
有时杂志有不同的影响因素，H5可能是相同的。比如《PLoS One》和《Nature Reviews Immunology》的H5都是130，但两者影响因子的差异可以不止一个档次。
H5中位数
H5-中位数是指所用文章引用次数的中位数。为什么不用平均值呢？因为数据不是正态分布的。每本杂志的引用次数肯定不会均匀分布，就像中国居民的收入一样。有些肯定引用很多，但有些文献可能很水，引用次数少得可怜。如果平均值不能反映真实的引用情况，中位数是最佳选择。
F1000
f 1000(Facility of 1000)是一个二级文献数据库，为生物学和医学研究人员提供评价服务。它是英国生物医学中心(BioMed Central)发布的一个新的在线研究辅助工具，包括生物学和医学。目前对生命科学研究者来说是一个新的评价体系，不仅仅看是否被SCI收录。
医学F1000:由2400多位世界一流临床专家学者收集和评价，提供目前国际上最重要的医学论文信息和发展趋势。包含18领域:麻醉与镇痛、心血管疾病、重症监护与急救医学、皮肤病学、糖尿病与内分泌学、循证医学、胃肠病学与肝病学、血液学、感染性疾病、肾脏病、神经病学、肿瘤学、心理学、公共卫生与流行病学、呼吸系统疾病、风湿病与临床免疫、泌尿学与女性健康。网站文献与PubMed和PubMed Central链接。
生物学F1000:由2300多位专家学者评估，提供目前国际上最重要的生物学论文信息和研究动态。涵盖学科领域:生物学、生物化学、生物信息学、生物技术、肿瘤生物学、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、代谢和内分泌学、微生物学、分子生物学、分子医学、神经科学、药理学和药物发现、生理学、植物生物学、肾脏生物学、呼吸生物学。
主要特点
本文主要对PubMed收录的重要论文进行客观评价，评价依据是学术成果而不是该期刊是否被SCI收录。
参与评审的成员由来自美国、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，采用客观反映学术水平的指标(F1000因子)进行分级，每天向读者推荐几篇最近一个月的优秀论文，并提供Pubmed的链接。
F1000三个等级分别为9(优秀)、6(必读书)、3(推荐)。
以上关于F1000的内容来自百度百科。
因此，与影响因素相比，F1000的人工干预更多，其研究意义更为显著。F1000应该是定性指标，实时查看F1000最简单的方法也可以使用医学文献助手。
说完了传统的评价指标，我再来看看新兴的纸质评价指标。
替代度量
Altmetric是一个新指标。虽然字面意思是替代指标，但我认为“社会影响力”或“网络影响力因子”或“分享因子”更能体现其本质。
替代公制出现的背景
你可能会遇到这样的情况。有些论文发表后，被广泛转载，被网络新闻报道，在Twitter或G+上评论分享。这个时候影响因子和F1000就不能体现这些了。
Altmetric就是在这种情况下出现的，体现了一篇论文的分享、下载、阅读。
但是现在Altmetric也有争议，名字也有争议。个人觉得InterMetric更好，简称IM，有点混实时通讯软件。SocialMetirc，简称SM，有点变态。
关于Altmetric的更多详情，请参考本文:利用Altmetric评价体系了解论文的关注度分享。
类似的还有Plum Metrics(使用Plum Metrics评价体系了解论文关注度的分享)和Impactstory(这个可能要代理)。
RG分数
RG评分(RG factor)是ResearchGate推出的评价作者的指标。RG评分的目的是帮助你评估自己在科学圈的水平。计算方法不是我发表了多少文章，而是我的科研工作被同行认可的程度。
RG评分不同于传统的评价指标，它可以统计更多的信息，比如下载、浏览、分享等。RG评分和Altmetric的区别在于，RG评分比分享更重要。如果你和你的同伴分享你的想法，并得到同伴的认可和讨论，RG分数会快速增长。
关于RG Score的更多细节可以在本文中找到:ResearchGate研究人员自己的FaceBook。