ESI学科阈值计算步骤

一、数据准备阶段‌

时间范围‌

统计近‌10年滚动数据‌（例如2025年计算时覆盖2015年1月—2024年12月），每两月更新时淘汰最早年份，保持动态覆盖‌。

文献筛选‌

仅包含Web of Science核心合集（SCIE/SSCI）的‌ARTICLE（研究论文）‌和‌REVIEW（综述）‌，排除信件、社论等低引用类型‌。
覆盖全球约12,000种期刊的论文‌。

学科分类‌

将文献严格归入‌22个ESI学科‌中的某一类（如“工程学”“临床医学”），每篇论文仅归属一个学科‌。

二、阈值计算核心流程‌

被引频次排序‌

对目标学科内的‌全部论文‌按总被引频次从高到低排序‌。
前1%的最低值‌即为该学科阈值。例如：某学科有100,000篇论文，第1,000名的被引频次为3,000次，则阈值为3,000次‌。

动态调整规则‌

每两月更新一次数据，新论文加入统计，旧数据（超过10年）被淘汰，阈值可能随学科热度波动‌。

三、阈值应用场景‌

高被引论文判定‌

若某篇论文的被引频次‌超过学科阈值‌，则被标记为高被引论文（Top 1%）‌。

学科竞争力评估‌

学科阈值高低反映竞争强度。例如：临床医学阈值通常高于数学（如5,000次 vs. 1,500次）‌。

机构/国家排名‌

机构总被引频次超过阈值即进入全球前1%排名（如山东建筑大学工程学被引频次达5.73万次，超过阈值）‌。

四、学科阈值差异原因‌

学科规模‌：临床医学论文量庞大，阈值较高；数学等基础学科论文较少，阈值较低‌。
研究活跃度‌：新兴领域（如人工智能）可能快速推高阈值‌。
文献引用周期‌：工程学等应用学科引用积累快，阈值增长显著‌。

五、局限性‌

跨学科偏差‌：跨领域论文仅归入单一学科，可能低估其实际影响力‌。

通过上述流程，ESI阈值成为衡量学科全球竞争力的核心量化指标，但其计算需结合学科特点动态解读‌。