国外物流期刊排名及方法选择

来自:http://bbs.vsharing.com/Article.aspx?aid=640717

[转帖]国外物流期刊排名及方法选择

 

国外物流期刊排名及方法选择

众所周知,期刊不是一个抽象的概念,它是科学论文的一种载体。高质量学术期刊的出版常被作为学术界提出新观点的证据。研究表明,高质量期刊的预知能力比低质量期刊高十倍以上。此外,期刊威望也能够用来评价作者对一个领域内知识的贡献能力,因为较之在低质量期刊发表文章,在高质量期刊出版会创造更重要的贡献。

为了让南开物流网读者更便捷地检索高质量物流期刊文章并方便研读,本文在介绍几种国外物流期刊排名方法的基础上进行综合分析,评价出最新国外物流期刊排名。

(一)国外物流期刊主要的排名方法

国外物流期刊主要的排名方法大体分为两类:一类是感知调查法(Perceptive surveys)Fawctt et al.的研究和Gibson and Hanna的研究为代表;另一类是客观度量法(Objective measures)如采用认可度和引用率指标进行度量,其分别以Cabell的期刊认可度指标和ISI引用数据库的影响因子指标作为代表。

1.Fawctt et al.的研究

Fawctt et al.的研究主要是对美国大学和学院的物流教育工作者进行调查。该调查首先要求被调查者指出影响期刊质量的七个重要因素,随后要求被调查者评价22本物流期刊中的每一本时都要考虑这些因素。因此,该方法为被调查者提供了一套评价杂志相关性和贡献的体系。Fawcett et al.调查的结果见表1

1  Fawcett et al研究的国外物流期刊排名

国外物流期刊

评分

Transportation Journal

4.29

Journal of Transport Economics and Policy

4.18

Transportation Research Part A

4.09

International Journal of Physical Distribution and Logistics Management

3.99

Transportation Science

3.97

Logistics and Transportation Review

3.93

International Journal of Logistics Management

3.77

Journal of Transportation Research Forum

3.77

Transportation Law Journal

3.67

International Journal of Transport Economics

3.57

Transportation Research Board(Record)

3.57

Journal of Air, Law,and Commence

3.53

Journal of Supply Chain Management

3.49

Naval Research Logistics Quarterly

3.47

Transportation Quarterly

3.43

Journal of Transportation Law, Logistics and Policy

3.41

Transportation

3.22

Journal of Advanced Transportation

3.21

Transport Policy

3.19

Journal of Transportation Management

3.12

Defense Transportation Journal

2.65

 

2.Gibson and Hanna的研究

GibsonHanna的研究要求被调查者选择研究、教学和其他活动中运用最普遍的十本物流期刊。被调查者基于文章质量、学科影响和对其自身的研究价值三个因素来评论期刊。然后GibsonHanna为每一项活动均提供了一个有用性指标。该指标通过对上述三种因素的简单平均得出。被调查者给出的整体排名见表2

 

          2  Gibson and Hanna研究的国外物流期刊排名      N/R: Not Rated

国外物流期刊

研究价值的总体平均评分

文章质量的总体平均评分

学科影响的总体平均评分

Journal of Business Logistics

4.340(1)

4.008(2)

4.127(1)

Transportation Journal

4.219(2)

4.042(1)

4.067(2)

International Journal of Logistics Management

3.979(3)

3.938(4)

4.070(3)

International Journal of Physical Distribution and Logistics Management

3.870(4)

3.833(5)

3.976(4)

Journal of Supply Chain Management

3.810(5)

4.000(3)

3.741(6)

Logistics and Transportation Review

3.725(6)

3.600(7)

N/R

Journal of Transportation Management

3.368(7)

3.778(6)

3.944(5)

Transportation Quarterly

3.167(8)

N/R

N/R

 

需要注意的是Fawctt et al.

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/79716/viewspace-132960/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/79716/viewspace-132960/

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值