你觉得单凭使用次数能不能取代影响因子？这篇文章就专门用中国的 SCI 期刊来做了个实验。 以前大家都觉得下载量和被引次数不一定完全一致，特别是时间上总是对不上，下载得再多也不代表以后就会被引用。WoS 那边在 2015 年新出了个“论文使用次数”，记录的是用户点击、保存这些全部的动作，这数据每天都更新，比 IF 那个一年才出一次的指标要及时多了。 研究人员这次拿了 153 种中国 SCI 期刊做样本，把它们分成了 10 个学科来看。数据是从 2014 到 2015 年的记录里挑出来的，影响因子用的是 JCR 2016 年发的那个值。统计的时候用的是 GraphPad Prism 6.01 这个软件，做了 Pearson 相关性分析，置信区间定在 95%，P 值低于 0.05 才算有显著差别。 结果出来看了下整体的情况，153 种期刊的使用次数和 IF 之间的 Pearson r 值是 0.46，虽然不算特别强，但也是个中等的正相关，说明大家点得越多，引用它的可能性确实就越大。 再看细分学科的话情况就不一样了。像工程学、数学、医学这些学科里，r 值全都大于等于 0.7 且 P 值都小于 0.01，这说明在这些领域里“被点得多”和“被引得多”几乎是同步的。不过环境科学那边稍微有点麻烦，虽然 r 到了 0.83，但因为样本量不够大，P 值刚好卡在 0.07 这个边缘显著的位置上。 为什么会出现这种情况？其实这跟咱们现在的阅读习惯有关。陆伟他们研究过图情领域 19 本期刊后发现，下载次数能解释 46% 的被引变化；谢娟在 29 篇文章里也找到了很强的关联性；李燕跟踪海洋学科还发现排名前 20 的论文下载量和被引频次相关系数能达到 0.92。这些小样本的结果都指向一个事实：“先点击”跟“后引用”之间是高度同步的。 使用次数的好处有很多。首先它时效性强，每天都在变；第二是获取方便，在 WoS 平台上直接就能导出；第三是覆盖全面，连点击、保存、阅读这些动作都算进去了。 对于编辑部来说有什么启示呢？第一是可以提前布局，利用那些高使用次数的论文赶紧做推送；第二是精准约稿，把热门关键词跟学科前沿结合起来出专题；第三是多平台联动，借助 TrendMD、SciencOpen 这些工具还有微信邮件渠道一起放大传播力。 未来的研究方向也定下来了：既然使用次数跟 IF 这么相关，下一步就要把 Altmetric 评分、Mendeley 阅读数这些社交媒体的指标也放进来搞个三变量模型，看看这条“传播—引用”的链路到底怎么走通。只有把实时数据、延迟数据还有社媒热度放在一起比一比，才能把期刊的影响力画像画得更完整、更及时。