京公网安备 11010802034615号
经营许可证编号:京B2-20210330
一、认识SCI论文
罗伯特•戴在其名著《如何撰写和发表科学论文》的序言中指出,“对一个科学家的评价,从研究生开始,就主要不是看他在实验室操作的机敏,不是看他对或宽或窄的研究领域固有的知识,更不是看他的智能和魅力,而是看他的著述。他们因此而出名,或依然默默无闻”。
(1)原创性和显著性是论文的生命:
公认的原则是:作者不能把已在经过审稿的杂志发表的主要结果以不同形式投寄给其它杂志再发表。国际核心刊物的论文,不仅应该是原创的,其结果还必须是显著的,并对学科发展有所推动。
(2)充分评价已有工作,体现作者学术水平:
原则上:除了教科书上公认的方程和表达式外,对用于特定目的、特定条件和问题的推演,只要不是自己的工作,都要列出出处和适用条件;即便是作者以往的工作,也要列出相应文献,让读者在充分评价作者以往工作的基础上作必要参考,并清晰指出自己当前工作中独创性的贡献。
(3)特别重视论文题目、摘要、图表和结论:
作者应当清晰地知道,论文的题目将被数以千计的读者读到。对题目的每一个字都要审慎地选择,用最少的词语最确切反映论文的内容。
(4)花大力气提高英语写作水平:
英语不是我们的母语。我国SCI论文和引述偏少,除了基础研究水平的限制,语言的障碍不容忽视。每一位基础研究工作者必须把提高英语写作能力作为一个艰巨的任务。
二、论文进入SCI的影响因素
SCI(ScienceCitation Index,简称SCI)是美国科技信息研究(Institutefor Scientific Information,简称ISI)编辑出版,用来查询科技文献及其引用情况的检索工具,内容涉及科技领域150多个学科,分为数学、物理学、化学、生物学、微生物学、农业、分子生物学与遗传学、临床医学、神经学、药学、计算机科学、生态与环境等,以基础科学研究为主。
SCI对其收录期刊采用了多种严格而科学的定量和定性筛选,所收载的均是集中了各学科高质量优秀论文精萃的期刊,全面覆盖了世界最重要、最有影响的研究成果。
SCI的研究成果代表着世界基础学科研究的最高水准,科技论文被SCI收录和引用是评价其国际学术地位、基础科学研究水平、科技创新实力和科技论文质量的国际通用依据。
(1)原创性和影响力:
原创性也就是原始性和创造性。原创性不等同于新颖性,新颖性可以是别人研究的延续,而原创性意味着一个新事物、新领域、新问题的开创。原创性研究通常是指对新的观测和实验事实的描述,首次提出的概念和模型,首次建立的方程,以及对已有的重大观测(实验)事实的新的概括和新的规律的提炼等。
影响力以论文被引频率来衡量。引用频率已被科学界公认是衡量特定研究价值的最为客观公正的方法。
(2)论文撰写:
1.撰写英文论文。被SCI收录的我国期基本上为英文,英文文种优势是论文进入SCI期刊的重要因素。东西方语言差异是中国科技工作者学术成果走向世界的一个很大障碍。
2.英文摘要全面深入,反映研究要点,强调自己的独创。论文要进入SCI,除投SCI来源期刊处,另一途径是为国外读者引用。因此,英文摘要的撰写显得非常重要。
3.参考文献应用。论文应清楚地标注引用,完整给出参考文献。这样做既对他人研究有充分肯定、免去剽窃之嫌,又能说明自己的论述依据充分,也突出了自己在该研究中的独创内容。
三、如何投稿SCI杂志论文
为什么要鼓励向国外投稿?国内核心刊物版面有限,投稿人多,国内刊物SCI收录杂志发表更难;国内刊物影响因子都较低;大多数国际刊物不收版面费;国际刊物发表周期短。
如何准备稿件?选题新颖、idea好,讲究科学。Titlepage;Abstract;Text(Introduction;Methods;Results;Discussion);References;Acknowledgements;Figure legends;Tables and Figures。
使用清晰合理的语言,避免修饰词(如最好、第一)和社论性语言(如令人惊异地、令人感兴趣地等)。
题目醒目,表达清楚而不含糊。
介绍研究背景十分重要,说明为什么要进行研究,长度在1页内,引用文献15条内。
方法学一定要做到:临床研究有病人知情同意,通过伦理委员会批准;动物实验符合本大学的动物管理与动物实验的章程等。
特别注意方法是否合理,是否目前国际上通用。结果要清晰图、表格,合理的结果解释等;特别注意方法学和结果中可能的小的漏洞,最好请多位同行专家审阅。
成稿后请同行专家反复修改;可请语言专家纠正语法错误。
四、撰写SCI文章的经验
(1)首先是大量阅读文献,如果要撰写高水平论文,基础是读很多高水平文献。建议多看影响因子高的国外文献,最好IF>3以上。
(2)看文献的同时注意随时摘录。英语论文的写作实际上又很多现成固定的模式和表达方法,将这些固定用法随时做笔记,并随时复习,加上不断阅读新文献,自己动手写时也就不会举步维艰。
(3)课题设计的IDEA十分重要,观点的创新性决定了文章能否受editor和reviewer青睐。
(4)实验完成开写文章,或者时自己写,是在不行,就找几篇与你的课题十分相近的文章阅读,有些表述方法可以直接借鉴,当然不可以直接照搬,必须进行适当的修改,如语序,近义词替换等等。最后进行通篇连贯的阅读,总体使其变得通顺。
(5)投递建议多投网上可以submission的杂志,快又省钱,投之前好好看看guideline forauthors。严格按照上面的条例修改,像图片的分辨率等等细节都要十分注意。
(6)修回的稿件一般是要求point to point的回复,必须一一进行回答,个人建议是所有问题最好都按要求去做,这样的accept可能性很高,当然审稿人的水平也有不同,有些明显错误的观点应当用详细的理由加以回复,有可能的话附上参考文献增加可信度。
(7)文章基本上accept了,有时审稿人会要求你把文章给专业领域离地英语专家修改,有些人可能未必找的到,那怎么办,那就自己来,反复阅读,尽量减少一些低级错误比如拼写和语法,还有就是表述以简洁至上,simple is the best。
五、SCI论文写作步骤
(1)Result部分。将所有的试验结果整理成图和表,尽力挖掘图和表中的信息,越多越好。在这个过程中尽可能和不同的研究人员探讨你的试验结果,因为不同的人对同一张表和图有不同的看法。这样会给你写文章提供很好的思路。
(2)分析完图表后,寻找你这个试验结果的Key point,一定要保证这个Key point具有较大的新意,或者说一个到这个Key point有一种振奋人心的感觉。然后从所有图表中找出能够论证你这个Keypoint的图和表。合理安排你的图和表,如果可能的话尽可能用图。
(3)Result以后是Discussion(一篇文章的精华),可以将discussion分为若干段落,可以是并列关系或者递进关系。但要保证每一段都有一个主题,即每一段讨论一个主要话题。而且每一段中要说明以下几点:1.你的研究结果说明什么?有什么意义?2.你的研究结果和别人的类似研究有什么异同?如果不同,可以讨论一些产生差异的可能原因?3.如果你在研究结果中出现非常新的东西,用以前别人的理论很难解释,那么你可以提出你的假设理论来解释试验中非常新的东西,一定要做到能自圆其说。在Discussion的最后要总结一下,告诉别人你这个研究的几个主要结果。
(4)Materials & Methods:你在试验中得到的数据,都要写出相应方法。写试验方法要尽可能详细,保证别人看了Materials and Methods后能够参考你的方法进行相关研究。看一下你可能要投的刊物中的Materials and Methods是怎么写的,你可以参考。
(5)Introduction:简介你这个研究领域的意义;介绍该研究领域的一些人所做的工作,指出它们存在的问题;说明你为什么要做这个试验;可在introduction中提出你的hypothesis。
(6)Reference:最好引用原始文献,不要二次引用;注意文献编排格式,与你要投的刊物要一致;不要漏和多参考文献。Acknowledge:帮助过你做试验,写文章的人;提供资金项目。Title要说明你的研究内容,要有一定吸引力;Abstract包括研究目的,主要研究结果,得出什么重要的结论。
(7)写好以后,最好找个做相关研究的美国或者英国的科学家看一下,改一下英文,就可投出了。
--本文摘自百度经验
打通结构方程模型在SSCI/SCI期刊发表的任督二脉
暑期京沪开班,“SSCI/SCI发表与SEM应用”让您完整掌握最新论文写作发表过程所需的议题寻找、统计与数据分析技术与论文撰写相关心法。找到SSCI写作发表的捷径!
三天课程让自己打通科研发表的任督二脉,成为真正的论文达人,发表属于自己的高质量期刊!
“SSCI/SCI发表与SEM应用”
推荐投稿期刊,指导SSCI投稿!!
上课时间:2019年7月27-29日(三天)北京/8月10-12日(三天)上海
上课地点:北京市海淀区丹龙大厦/上海市铁路大厦培训教室
现场费用:3000/ 2400元(学生价,仅限全日制本科及硕士在读)
每天授课:上午9:00-12:00;下午13:30-16:30;16:30-17:00答疑
讲师介绍:
陈世智老师,拥有学经营管理博士(Ph.D.)与资讯工程研究所博士 (Ph.D.)双博士学位,现任台湾南台科技大学副教授,曾担任台北科技大学、台北商业技术学院、实践大学财务金融系等校兼任教授、南开大学(中国)访问学者等。主要研究领域在信息管理/营销管理/科技应用等领域。而他也担任过超过18项科研项目与产学合作计划主持人。
陈老师近年内发表超过50篇国际期刊,其中28篇为SSCI/SCI,2篇TSSCI,2篇EI;目前共发表26篇国际研讨会论文,其中3篇得到Best Paper Award(最佳论文奖);2009年开始担任超过20本的SSCI/SCI期刊的审稿人。
授课特色:
1. 上课范例使用已发表之SSCI/SCI期刊所有的投稿过程、数据分析,引导学员从论文发想、议题寻找、理论与研究建构、数据收集,乃至研究成果撰写,打通论文发表的任督二脉。学员将得到第一手完整投稿SSCI /SCI所有完整数据与投稿过程数据。过程中引经据典,提供专业期刊论文作为佐证,让您撰写与发表论文事半功倍;
2. 上课方式生动活泼,举例深入浅出,结合老师自己丰富的投稿和审稿经验进行期刊案例分析;
3. 本课程全程使用SEM (Structural Equation Modeling)与PLS(Partial Least Square)作为分析方法,所用的案例皆使用已发表期刊范例,可完全做出与SSCI期刊等级之分析结果;
4. 上课与学员互动热情,面对提问能知无不言,言无不尽,深受上课学员的喜爱!
5. 透过此一课程,能帮助您顺利完成SSCI论文的写作和投稿!
6. 提供最新国际期刊投稿资讯,让每个学员都能找到适合自己的投稿期刊;
7. 没有统计软件操作经验者也可参加。
课程大纲:
优惠方案:
1、现场班老学员9折优惠;
2、同一单位3人同时报名9折优惠;
3、同一单位6人及以上同时报名8折优惠。
(以上优惠不叠加)
课程咨询:
魏老师
电话:010-68478566
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14