Epj Data Science
  • 中科院分区:2区
  • JCR分区:Q1
  • CiteScore :6.1

Epj Data ScienceSCIE SSCI

国际简称:EPJ DATA SCI 中文名称:Epj 数据科学

Epj Data Science杂志是一本MATHEMATICS, INTERDISCIPLINARY APPLICATIONS 应用杂志。是一本享有盛誉的顶级学术杂志,由Springer Berlin Heidelberg出版,该期刊创刊于2012年,出版周期为1 issue/year,始终保持着高质量和高水平的学术内容。在中科院分区表2023年12月升级版中,被归类为大类学科分区2区,显示出其卓越的学术水平和影响力。

  • ISSN:2193-1127

  • 出版地区:GERMANY

  • 出版周期:1 issue/year

  • E-ISSN:2193-1127

  • 创刊时间:2012

  • 出版语言:English

  • 是否OA:开放

  • 预计审稿时间: 13 Weeks

  • 影响因子:3

  • 是否预警:否

  • 研究方向:MATHEMATICS, INTERDISCIPLINARY APPLICATIONS 

  • 年发文量:59

  • 研究类文章占比:100.00%

  • Gold OA文章占比:100.00%

  • H-index:21

  • 出版国人文章占比:0.06

  • 开源占比:0.9934

  • 文章自引率:0.0555...

杂志简介

EPJ 数据科学涵盖了广泛的研究领域和应用,尤其鼓励来自技术-社会-经济系统的贡献,这些系统包括那些现在将人类的数字“轨迹”视为科学研究的首要对象的研究方向。主题包括但不限于人类行为、社会互动(包括动物社会)、经济和金融系统、管理和商业网络、社会技术基础设施、健康和环境系统、科学科学以及一般风险和危机情景预测,包括政策建议。

值得一提的是,Epj Data Science已成功入选 SCIE(科学引文索引扩展板) 、 SSCI(社会科学引文索引) 等国际知名数据库,这进一步彰显了其作为国际优秀期刊的卓越地位和广泛影响力。自创刊以来,该杂志一直保持着1 issue/year的出版周期,以高质量、高水平的学术内容著称。在JCR(Journal Citation Reports)分区等级中,该期刊荣获Q1评级。此外,其CiteScore指数达到6.1,该期刊2023年的影响因子达到3,再次验证了其优秀学术水平。

Epj Data Science是一本开放获取期刊,但其高质量的学术内容和广泛的影响力使其成为了计算机科学-MATHEMATICS, INTERDISCIPLINARY APPLICATIONS研究领域不可或缺的重要刊物。无论是对于学者、研究人员还是学术界来说,该期刊都是一份不可或缺的重要资源。

期刊指数

中科院SCI分区
CiteScore指数
自引率
发文量
影响因子

中科院SCI分区是中国科学院对SCI期刊进行的一种分类和评级。在学术界,中科院SCI分区被广泛应用于科研业绩奖励、职称评审等方面。许多高校和科研单位会按照中科院SCI分区的标准来加权计算科研成果的影响力。因此,对于科研工作者来说,了解中科院SCI分区的标准和方法,以及具体的分区结果,对于评估自己的科研成果和选择合适的期刊发表论文都非常重要。

CiteScore(或称为引用指数)是由全球著名学术出版商Elsevier于2016年12月基于Scopus数据源推出的期刊评价指标。CiteScore指数能够反映期刊在较长时间内的平均影响力。通过计算期刊过去四年内发表的文章被引用的次数,这使得该指标能够更准确地评估期刊的影响力和学术价值。

自引率的计算公式为:自引率 = (期刊自己发表的文章被自己引用的次数) / (期刊自己发表的文章总数)。其中,期刊自己发表的文章指的是该期刊所发表的所有论文,包括文章、综述、简报、通讯等各类论文。如果自引率过高,可能会影响到该期刊的学术声誉和权威性。

中科院分区表

中科院 SCI 期刊分区 2023年12月升级版

Top期刊 综述期刊 大类学科 小类学科
计算机科学 2区
MATHEMATICS, INTERDISCIPLINARY APPLICATIONS 数学跨学科应用 SOCIAL SCIENCES, MATHEMATICAL METHODS 社会科学:数理方法
1区 2区

JCR 分区(2023-2024年最新版)

按JIF指标学科分区 收录子集 分区 排名 百分位
学科:MATHEMATICS, INTERDISCIPLINARY APPLICATIONS SCIE Q1 22 / 135

84.1%

学科:SOCIAL SCIENCES, MATHEMATICAL METHODS SSCI Q1 9 / 67

87.3%

按JCI指标学科分区 收录子集 分区 排名 百分位
学科:MATHEMATICS, INTERDISCIPLINARY APPLICATIONS SCIE Q1 20 / 135

85.56%

学科:SOCIAL SCIENCES, MATHEMATICAL METHODS SSCI Q1 10 / 67

85.82%

CiteScore 分区(2024年最新版)

CiteScore SJR SNIP CiteScore 排名
6.1 0.829 1.355
学科类别 分区 排名 百分位
大类:Mathematics 小类:Computational Mathematics Q1 26 / 189

86%

大类:Mathematics 小类:Modeling and Simulation Q1 52 / 324

84%

大类:Mathematics 小类:Computer Science Applications Q2 244 / 817

70%

文章摘录

  • Segregation in religion networks Author: Jiantao Hu, Qian-Ming Zhang, Tao Zhou Journal: EPJ Data Science, 2019, Vol.8, , DOI:10.1140/epjds/s13688-019-0184-x
  • Individual position diversity in dependence socioeconomic networks increases economic output Author: Wen-Jie Xie, Yan-Hong Yang, Ming-Xia Li, Zhi-Qiang Jiang, Wei-Xing Zhou Journal: EPJ Data Science, 2017, Vol.6, , DOI:10.1140/epjds/s13688-017-0105-9
  • Measuring economic activity in China with mobile big data Author: Lei Dong, Sicong Chen, Yunsheng Cheng, Zhengwei Wu, Chao Li, Haishan Wu Journal: EPJ Data Science, 2017, Vol.6, , DOI:10.1140/epjds/s13688-017-0125-5
  • Comparison of traffic reliability index with real traffic data Author: Limiao Zhang, Guanwen Zeng, Shengmin Guo, Daqing Li, Ziyou Gao Journal: EPJ Data Science, 2017, Vol.6, , DOI:10.1140/epjds/s13688-017-0115-7
  • Feature analysis of multidisciplinary scientific collaboration patterns based on PNAS Author: Zheng Xie, Miao Li, Jianping Li, Xiaojun Duan, Zhenzheng Ouyang Journal: EPJ Data Science, 2018, Vol.7, , DOI:10.1140/epjds/s13688-018-0134-z
  • Understanding coupling dynamics of public transportation networks Author: Zhihao Zheng, Zhiren Huang, Fan Zhang, Pu Wang Journal: EPJ Data Science, 2018, Vol.7, , DOI:10.1140/epjds/s13688-018-0148-6
  • Extroverts tweet differently from introverts in Weibo Author: Zhenkun Zhou, Ke Xu, Jichang Zhao Journal: EPJ Data Science, 2018, Vol.7, , DOI:10.1140/epjds/s13688-018-0146-8
  • Big data would not lie: prediction of the 2016 Taiwan election via online heterogeneous information Author: Zheng Xie, Guannan Liu, Junjie Wu, Yong Tan Journal: EPJ Data Science, 2018, Vol.7, , DOI:10.1140/epjds/s13688-018-0163-7

免责声明

若用户需要出版服务,请联系出版商:ONE NEW YORK PLAZA, SUITE 4600 , NEW YORK, United States, NY, 10004。