【目的】研究《高原氣象》來(lái)稿量的年際變化特征和月份效應(yīng),并進(jìn)行原因分析,深入了解作者的投稿行為,以期為科學(xué)辦刊提供數(shù)據(jù)支持,并為科技期刊的可持續(xù)發(fā)展提供借鑒�！痉椒ā恐饕肙riginPro 8軟件提供的箱線圖分析、線性回歸分析和Pearson相關(guān)性分析等方法研究來(lái)稿量在不同時(shí)間尺度上的變化特征,并探討其原因�！窘Y(jié)果】《高原氣象》來(lái)稿量在2009—2014年基本呈線性增加趨勢(shì);在2015—2019年,則呈線性減少趨勢(shì)。在月尺度上呈現(xiàn)出"單月高,雙月低"的特征,并存在2—3月和10—11月效應(yīng),即2月最低,10月次低,3月最高,11月次高,其中2—3月效應(yīng)尤為突出�！窘Y(jié)論】持續(xù)較高的退稿率和影響因子的下降可能是來(lái)稿量降低的兩個(gè)主要原因。月份效應(yīng)主要與工作時(shí)間和潛在來(lái)稿量的積壓有關(guān)。期刊可通過(guò)調(diào)整退稿率來(lái)改善期刊來(lái)稿情況,并通過(guò)時(shí)間效應(yīng)分析來(lái)均衡期刊來(lái)稿量,從而整體提升稿件的評(píng)審質(zhì)量和時(shí)效。 

【文章來(lái)源】：中國(guó)科技期刊研究. 2020,31(06)北大核心CSSCI

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

一組數(shù)據(jù)的箱線圖描述性統(tǒng)計(jì)分析示例

本研究統(tǒng)計(jì)的《高原氣象》采編系統(tǒng)來(lái)稿量是指已入庫(kù)登記，并分配了稿號(hào)的稿件數(shù)量，不包括未入庫(kù)直接退稿的稿件數(shù)量。為保證統(tǒng)計(jì)數(shù)據(jù)的客觀性，用于研究的來(lái)稿量專指作者的自由來(lái)稿量，不包含編輯部約稿數(shù)量。圖2為2009—2019年《高原氣象》來(lái)稿量的年際變化和月份變化箱線圖，其中叉號(hào)表示異常值;小方框表示平均值;從上至下的節(jié)點(diǎn)分別表示正常最大值、上四分位數(shù)、中位數(shù)、下四分位數(shù)和正常最小值。從圖2(a)可以看出，2009—2013年，《高原氣象》的來(lái)稿量逐年增加，從2014年開始，來(lái)稿量呈減少趨勢(shì)，2019年月平均來(lái)稿量?jī)H為2013年的57.73%(表1)。2016—2018年，各月的來(lái)稿量相對(duì)集中，其他年份都較分散。從圖2(a)還可以看出，2009年有個(gè)異常低值，2018年有個(gè)異常高值，通過(guò)復(fù)查原始數(shù)據(jù)可知，這2個(gè)異常值分別出現(xiàn)在2009年10月和2018年3月。從2009—2019年來(lái)稿量的月份變化[圖2(b)]可以看出，3月的來(lái)稿量中位數(shù)和平均值都最大，排第1位，反映出近11年來(lái)每年的3月都是來(lái)稿量相對(duì)較大的月份，而2018年的異常高值正好出現(xiàn)在3月。11月來(lái)稿量的中位數(shù)和平均值也較大，排第2位。來(lái)稿量相對(duì)較小的月份為2月(排在第12位)和10月(排在第11位)，說(shuō)明2月和10月是每年來(lái)稿量相對(duì)較小的月份，而2009年的異常低值正好出現(xiàn)在10月。整體上，各月來(lái)稿量的離散度都相對(duì)較大，其中4月相對(duì)較小;各年的來(lái)稿量都比較集中。為了使研究數(shù)據(jù)更具有統(tǒng)計(jì)意義，通過(guò)剔除異常值的方法對(duì)來(lái)稿量的月平均值進(jìn)行優(yōu)化，并對(duì)優(yōu)化前、后的來(lái)稿量月平均值作直方圖進(jìn)行對(duì)比分析(圖3)�？梢钥闯�，整體上優(yōu)化前、后的月份變化趨勢(shì)并無(wú)明顯差異，2月、4月、6月、8月和10月的來(lái)稿量相對(duì)較低，1月、3月、5月、7月、9月、11月和12月的來(lái)稿量相對(duì)較高，即呈現(xiàn)“單月高，雙月低”的特征。其中2月來(lái)稿量最低，10月次低;3月來(lái)稿量最高，11月次高，即存在2—3月和10—11月效應(yīng)。由表2可知，3月和11月的來(lái)稿量分別比2月和10月增加了54.61%和35.19%。從圖3(b)可以看出，優(yōu)化處理對(duì)2月來(lái)稿量的影響最明顯，優(yōu)化后的來(lái)稿量比優(yōu)化前[圖3(a)]降低了10.50%。而對(duì)其他月份的影響均不顯著。

為了使研究數(shù)據(jù)更具有統(tǒng)計(jì)意義，通過(guò)剔除異常值的方法對(duì)來(lái)稿量的月平均值進(jìn)行優(yōu)化，并對(duì)優(yōu)化前、后的來(lái)稿量月平均值作直方圖進(jìn)行對(duì)比分析(圖3)。可以看出，整體上優(yōu)化前、后的月份變化趨勢(shì)并無(wú)明顯差異，2月、4月、6月、8月和10月的來(lái)稿量相對(duì)較低，1月、3月、5月、7月、9月、11月和12月的來(lái)稿量相對(duì)較高，即呈現(xiàn)“單月高，雙月低”的特征。其中2月來(lái)稿量最低，10月次低;3月來(lái)稿量最高，11月次高，即存在2—3月和10—11月效應(yīng)。由表2可知，3月和11月的來(lái)稿量分別比2月和10月增加了54.61%和35.19%。從圖3(b)可以看出，優(yōu)化處理對(duì)2月來(lái)稿量的影響最明顯，優(yōu)化后的來(lái)稿量比優(yōu)化前[圖3(a)]降低了10.50%。而對(duì)其他月份的影響均不顯著。3 討論與啟示

【參考文獻(xiàn)】：
期刊論文
[1]中國(guó)股票市場(chǎng)月份效應(yīng)研究[J]. 楊隕菽,李曉柯.  中國(guó)市場(chǎng). 2019(22)
[2]探析網(wǎng)民從眾心理對(duì)網(wǎng)絡(luò)信息傳播的影響[J]. 鄭潤(rùn)琪.  傳播力研究. 2019(21)
[3]影響作者向中文科技期刊投稿的因素以及期刊改進(jìn)措施[J]. 葉喜艷,常宗強(qiáng),張靜輝.  中國(guó)科技期刊研究. 2018(08)
[4]社交媒體時(shí)代的從眾效應(yīng)研究——以拼趣為例[J]. 沈玢.  新聞大學(xué). 2017(03)
[5]《中國(guó)科技期刊研究》來(lái)稿常見問(wèn)題與建議[J]. 梁永霞,田宏,李翠霞.  中國(guó)科技期刊研究. 2014(12)
[6]《資源科學(xué)》來(lái)稿中的常見問(wèn)題[J]. 耿艷輝,李家永.  中國(guó)科技期刊研究. 2012(06)
[7]遠(yuǎn)程稿件處理系統(tǒng)及開放式獲取對(duì)期刊來(lái)稿量和發(fā)表周期的影響[J]. 張鳳麗.  沈陽(yáng)師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(03)
[8]《安徽農(nóng)業(yè)科學(xué)》來(lái)稿量變化原因分析[J]. 陳磊.  安徽農(nóng)業(yè)科學(xué). 2009(14)
[9]群體行為心理的理性分析[J]. 吳克云.  公安研究. 2007(07)
[10]本刊近二年多來(lái)稿情況統(tǒng)計(jì)與分析[J]. 吉士云,朱建鋒.  中小學(xué)圖書情報(bào)世界. 2000(04)



本文編號(hào)：3474693