Forest Fire Susceptibility Modeling Using a Convolutional Neural Network for Yunnan Province of China

期刊预警不是论文评价，更不是否定预警期刊发表的每项成果。《国际期刊预警名单（试行）》旨在提醒科研人员审慎选择成果发表平台、提示出版机构强化期刊质量管理。

预警期刊的识别采用定性与定量相结合的方法。通过专家咨询确立分析维度及评价指标，而后基于指标客观数据产生具体名单。

具体而言，就是通过综合评判期刊载文量、作者国际化程度、拒稿率、论文处理费（APC）、期刊超越指数、自引率、撤稿信息等，找出那些具备风险特征、具有潜在质量问题的学术期刊。最后，依据各刊数据差异，将预警级别分为高、中、低三档，风险指数依次减弱。

《国际期刊预警名单（试行）》确定原则是客观、审慎、开放。期刊分区表团队期待与科研界、学术出版机构一起，夯实科学精神，打造气正风清的学术诚信环境！真诚欢迎各界就预警名单的分析维度、使用方案、值得关切的期刊等提出建议！

关于2019年中科院分区升级版（试行）

分区表升级版（试行）旨在解决期刊学科体系划分与学科发展以及融合趋势的不相容问题。由于学科交叉在当代科研活动的趋势愈发显著，学科体系构建容易引发争议。为了打破学科体系给期刊评价带来的桎梏，“升级版方案”首先构建了论文层级的主题体系，然后分别计算每篇论文在所属主题的影响力，最后汇总各期刊每篇论文分值，得到“期刊超越指数”，作为分区依据。

分区表升级版（试行）的优势：一是论文层级的主题体系既能体现学科交叉特点，又可以精准揭示期刊载文的多学科性；二是采用“期刊超越指数”替代影响因子指标，解决了影响因子数学性质缺陷对评价结果的干扰。整体而言，分区表升级版（试行）突破了期刊评价中学科体系构建、评价指标选择等瓶颈问题，能够更为全面地揭示学术期刊的影响力，为科研评价“去四唯”提供解决思路。相关研究成果经过国际同行的认可，已经发表在科学计量学领域国际重要期刊。

《2019年中国科学院文献情报中心期刊分区表升级版（试行）》首次将社会科学引文数据库（SSCI）期刊纳入到分区评估中。升级版分区表（试行）设置了包括自然科学和社会科学在内的18个大类学科。基础版和升级版（试行）将过渡共存三年时间，推测在此期间各大高校和科研院所仍可能会以基础版为考核参考标准。 提示：中科院分区官方微信公众号“fenqubiao”仅提供基础版数据查询，暂无升级版数据，请注意区分。