自然科学领域期刊分区——什么是核心期刊(核心A、B、C)

简介: 自然科学领域期刊分区——什么是核心期刊(核心A、B、C)

前言

本文只做一个简单的科普,当然每所院校或者科研单位对期刊分区或者认定有一套自己的认定,本所述仅作为一个大致的参考。

1、什么是核心期刊

核心期刊是我国国内对一些学术水平比较高的期刊的等级评价,通常被国内核心期刊遴选机构收录的期间都叫做核心期刊。比如北大核心期刊、南大核心期刊、CSCD核心期刊、科技核心等。当然我们认定的核心期刊一般都是北核及以上的期刊,绝大部分院校或者科研单位都不认定科技核心为核心期刊,但科技核心保研还是有点用处。

2、期刊来源数据库的大致排名

我们通常说的C刊,其实是CSSCI来源期刊,它由南京大学中国社会科学研究评价中心评定,中文名“中文社会科学引文索引”,俗称“南大核心”,不要和核心C混淆。C刊为人文社会科学领域,当然上面也有少量的自然科学领域的期刊。该刊代表着我国人文社会科学期刊引文的最高水平,社科方向一般要求一本博士或者副教授才能投。当然本文只讨论自然科学领域的主流期刊来源数据库,下面是不同期刊来源数据库的大致排名(作为大致参考):

SCI>EI>=CSCD>=EI会议>北大核心>=CSCD扩展版>科技核心>普刊

3、什么是顶刊、权威期刊、核心A、核心B、核心C

这部分的话,每所院校或者科研单位对期刊分区或者认定有一套自己的认定,只作为一个参考。

顶刊:《Science》《Nature》《Cell》《Proceedings of the National Academy of Sciences of the United States of  America》;SCI 一区(中国科学院期刊分区表的大类)内的 Science 和 Nature 子刊;影响因子 20.0 以上的跨学科 SCI 期刊;以及自己学校或者科研单位遴选的各学科顶级期刊。


权威期刊:《Science China》各分刊;《中国科学》各分刊; 《Science Bulletin》;《Engineering》;影响因子 10.0 以上的跨学科 SCI 期刊;以及自己学校或者科研单位遴选的各学科权威期刊。


核心A:未列入权威及以上等级的 SCI 二区及以上期刊(中国科学院文献情报中心 SCI 期刊分区表大类);以及自己学校或者科研单位遴选的国内 A 类期刊。


核心B:未列入 A 类及以上等级的 SCI(E)收录源刊;CSCD (核心库)收录源刊;EI 收录源刊(不包括会议论文集);未列 入 A 类及以上等级的 CCF 推荐 B 类及以上等级学术期刊与学术会议(仅适用于计算机科学与技术及其相关学科)。


核心C:ESCI(Web of Science)收录期刊;CSCD 扩展板 收录期刊;未列入 B 类及以上等级期刊的《中文核心期刊要目总 览(北京大学出版社)》中的期刊;未列入 B 类及以上等级的 CCF 推荐 C 类学术期刊与学术会议(仅适用于计算机科学与技术及其 相关学科)。



4、JCR分区与中科院分区

在国内的话,一般中科院分区比科睿唯安公司的JCR分区认可度高,两者分区的区别如下:

中科院分区查询:

欢迎来到中国科学院文献情报中心期刊分区表

JCR分区:Web of Science网站

5、中科院2023年预警国际期刊

61e43fcf4d88ab1da4d5dcb1bd2b33b7_62d67309553c456791ddc0ae940e4e40.png

f08e12042162d1bcbc50fd88d19971f9_67d15d07c8614f28b4b3627583f3b08d.png

6、投稿须知

投稿中文核心的话,审稿和接受大多数比较慢,大多是6个月到1年,而且现在好像不让加急了。特别是对于那些双月刊和季刊来说,漫长的排队等待会让你在深夜里流泪。对于某些学校的学报来说,本校的毕业生,特别是学硕享受优先审稿的机会。所以有部分人选择投SCI、一些EI会议论文。当然,选择投会议论文时,尽量选择不用你参与会议的那种,而且能在期刊版面上给你刊登出来的那种(有的会议学校不给报销)。虽然不开源的SCI也比较慢,但总好过中文核心,如果实在为了毕业或者拿奖学金,可以考虑SCI的一些开源期刊,这些期刊审稿和反馈一般很快,大多一两个月就能给你通过或者反馈,当然这些OA期刊版面费自然也不便宜(一两千美刀往上吧)。

相关文章
|
Linux iOS开发 MacOS
typora下载和破解(仅供学习)
Typora 一款 Markdown 编辑器和阅读器 风格极简 / 多种主题 / 支持 macOS,Windows 及 Linux 实时预览 / 图片与文字 / 代码块 / 数学公式 / 图表 目录大纲 / 文件管理 / 导入与导出 ……
166144 12
typora下载和破解(仅供学习)
|
机器学习/深度学习 人工智能 算法
|
机器学习/深度学习 自然语言处理 分布式计算
大规模语言模型与生成模型:技术原理、架构与应用
本文深入探讨了大规模语言模型(LLMs)和生成模型的技术原理、经典架构及应用。介绍了LLMs的关键特点,如海量数据训练、深层架构和自监督学习,以及常见模型如GPT、BERT和T5。同时,文章详细解析了生成模型的工作原理,包括自回归模型、自编码器和GANs,并讨论了这些模型在自然语言生成、机器翻译、对话系统和数据增强等领域的应用。最后,文章展望了未来的发展趋势,如模型压缩、跨模态生成和多语言多任务学习。
2203 3
|
存储 分布式计算 资源调度
|
SQL JSON 关系型数据库
"SQL老司机大揭秘:如何在数据库中玩转数组、映射与JSON,解锁数据处理的无限可能,一场数据与技术的激情碰撞!"
【8月更文挑战第21天】SQL作为数据库语言,其能力不断进化,尤其是在处理复杂数据类型如数组、映射及JSON方面。例如,PostgreSQL自8.2版起支持数组类型,并提供`unnest()`和`array_agg()`等函数用于数组的操作。对于映射类型,虽然SQL标准未直接支持,但通过JSON数据类型间接实现了键值对的存储与查询。如在PostgreSQL中创建含JSONB类型的表,并使用`->>`提取特定字段或`@>`进行复杂条件筛选。掌握这些技巧对于高效管理现代数据至关重要,并预示着SQL在未来数据处理领域将持续扮演核心角色。
411 0
|
人工智能 API 决策智能
智胜未来:国内大模型+Agent应用案例精选,以及主流Agent框架开源项目推荐
【7月更文挑战第8天】智胜未来:国内大模型+Agent应用案例精选,以及主流Agent框架开源项目推荐
19489 134
智胜未来:国内大模型+Agent应用案例精选,以及主流Agent框架开源项目推荐
|
安全 固态存储 文件存储
Windows 7纯净版重装教程|附微软原版镜像下载+驱动安装避坑技巧
本文详细介绍如何安全、高效地重装电脑系统,解决蓝屏、崩溃等问题。基于10年经验,涵盖从官方镜像获取、启动盘制作、数据备份到系统部署的全流程,并针对老旧机型优化。提供驱动一键安装工具和系统激活指南,确保无后门风险。文中还列出常见问题解决方案及操作禁忌,帮助用户顺利完成系统重装,让电脑重获新生。建议收藏并转发给有需要的朋友,欢迎留言咨询疑难问题。
33312 3
|
机器学习/深度学习 资源调度 自然语言处理
长短时记忆网络(LSTM)完整实战:从理论到PyTorch实战演示
长短时记忆网络(LSTM)完整实战:从理论到PyTorch实战演示
19703 0
|
并行计算 Ubuntu PyTorch
Ubuntu下CUDA、Conda、Pytorch联合教程
本文是一份Ubuntu系统下安装和配置CUDA、Conda和Pytorch的教程,涵盖了查看显卡驱动、下载安装CUDA、添加环境变量、卸载CUDA、Anaconda的下载安装、环境管理以及Pytorch的安装和验证等步骤。
4670 1
Ubuntu下CUDA、Conda、Pytorch联合教程
|
机器学习/深度学习 算法 Python
【Python】已解决:ModuleNotFoundError: No module named ‘sklearn‘
【Python】已解决:ModuleNotFoundError: No module named ‘sklearn‘
10156 10