方法論-歐洲行為與社會科學(xué)研究方法雜志
方法論-歐洲行為與社會科學(xué)研究方法雜志雜志簡介
- 出版商：PsychOpen
- 出版語言：English
- TOP期刊：否
- 出版地區(qū)：Germany
- 是否預(yù)警：否
- 是否OA：開放
- 出版周期：4 issues/year
- 出版年份：2005
- 中文名稱：方法論-歐洲行為與社會科學(xué)研究方法雜志
- 是否OA：開放
方法論-歐洲行為與社會科學(xué)研究方法雜志（國際簡稱METHODOLOGY-EUR，英文名稱Methodology-european Journal Of Research Methods For The Behavioral And Social S）是一本開放獲取（OA）國際期刊，自2005年創(chuàng)刊以來，始終站在心理學(xué)研究的前沿。該期刊致力于發(fā)表在心理學(xué)領(lǐng)域各個方面達(dá)到最高科學(xué)標(biāo)準(zhǔn)和具有重要性的研究成果。全面反映該學(xué)科的發(fā)展趨勢，為心理學(xué)事業(yè)的進(jìn)步提供了有力的支撐。期刊嚴(yán)格遵循職業(yè)道德標(biāo)準(zhǔn)，對于任何形式的抄襲行為，無論是文字還是圖形，一旦查實(shí)，均可能導(dǎo)致稿件被拒絕。
近年來，來自USA、GERMANY (FED REP GER)、Netherlands、Spain、Belgium、South Korea、Canada、Chile、England、Taiwan等國家和地區(qū)的研究者在《Methodology-european Journal Of Research Methods For The Behavioral And Social S》上發(fā)表了大量的高質(zhì)量文章。該期刊內(nèi)容豐富，包括原創(chuàng)研究、綜述文章、專題觀點(diǎn)、論文預(yù)覽、專家意見等多種類型，旨在為全球該領(lǐng)域研究者提供廣泛的學(xué)術(shù)交流平臺和靈感來源。
在過去幾年中，該期刊保持了穩(wěn)定的發(fā)文量和綜述量，具體數(shù)據(jù)如下：
2014年：發(fā)表文章0篇、2015年：發(fā)表文章0篇、2016年：發(fā)表文章0篇、2017年：發(fā)表文章0篇、2018年：發(fā)表文章0篇、2019年：發(fā)表文章0篇、2020年：發(fā)表文章19篇、2021年：發(fā)表文章16篇、2022年：發(fā)表文章16篇、2023年：發(fā)表文章17篇。這些數(shù)據(jù)反映了期刊在全球心理學(xué)領(lǐng)域的影響力和活躍度，同時也展示了其作為學(xué)術(shù)界和工業(yè)界研究人員首選資源的地位。《Methodology-european Journal Of Research Methods For The Behavioral And Social S》將繼續(xù)致力于推動心理學(xué)領(lǐng)域的知識傳播和科學(xué)進(jìn)步，為全球心理學(xué)問題的解決貢獻(xiàn)力量。
期刊指數(shù)
- 影響因子：2
- 文章自引率：0.0645...
- Gold OA文章占比：100.00%
- CiteScore：2.7
- 年發(fā)文量：17
- 開源占比：1
- SJR指數(shù)：0.738
- SNIP指數(shù)：1.22
- OA被引用占比：0.1594...
- 出版國人文章占比：0.01
WOS期刊SCI分區(qū)（2023-2024年最新版）
| 按JIF指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學(xué)科：PSYCHOLOGY, MATHEMATICAL | SSCI | Q2 | 6 / 13 |
57.7% |
| 學(xué)科：SOCIAL SCIENCES, MATHEMATICAL METHODS | SSCI | Q2 | 18 / 67 |
73.9% |
| 按JCI指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學(xué)科：PSYCHOLOGY, MATHEMATICAL | SSCI | Q3 | 9 / 13 |
34.62% |
| 學(xué)科：SOCIAL SCIENCES, MATHEMATICAL METHODS | SSCI | Q3 | 37 / 67 |
45.52% |
中科院分區(qū)表
中科院SCI期刊分區(qū) 2023年12月升級版
| Top期刊 | 綜述期刊 | 大類學(xué)科 | 小類學(xué)科 |
| 否 | 否 | 心理學(xué) 3區(qū) |
PSYCHOLOGY, MATHEMATICAL
心理學(xué)：數(shù)學(xué)
SOCIAL SCIENCES, MATHEMATICAL METHODS
社會科學(xué)：數(shù)理方法
3區(qū)
3區(qū)
|
CiteScore（2024年最新版）
CiteScore 排名
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||||||
| 2.7 | 0.738 | 1.22 |
|
學(xué)術(shù)指標(biāo)分析
影響因子和CiteScore
自引率
影響因子：指某一期刊的文章在特定年份或時期被引用的頻率，是衡量學(xué)術(shù)期刊影響力的一個重要指標(biāo)。影響因子越高，代表著期刊的影響力越大 。
CiteScore：該值越高，代表該期刊的論文受到更多其他學(xué)者的引用，因此該期刊的影響力也越高。
自引率：是衡量期刊質(zhì)量和影響力的重要指標(biāo)之一。通過計(jì)算期刊被自身引用的次數(shù)與總被引次數(shù)的比例，可以反映期刊對于自身研究內(nèi)容的重視程度以及內(nèi)部引用的情況。
年發(fā)文量：是衡量期刊活躍度和研究產(chǎn)出能力的重要指標(biāo)，年發(fā)文量較多的期刊可能擁有更廣泛的讀者群體和更高的學(xué)術(shù)聲譽(yù)，從而吸引更多的優(yōu)質(zhì)稿件。
期刊互引關(guān)系
| 序號 | 引用他刊情況 | 引用次數(shù) |
| 1 | PSYCHOMETRIKA | 44 |
| 2 | MULTIVAR BEHAV RES | 35 |
| 3 | PSYCHOL METHODS | 32 |
| 4 | STRUCT EQU MODELING | 30 |
| 5 | METHODOLOGY-EUR | 23 |
| 6 | EDUC PSYCHOL MEAS | 21 |
| 7 | BRIT J MATH STAT PSY | 18 |
| 8 | J EDUC BEHAV STAT | 12 |
| 9 | PSYCHOL BULL | 12 |
| 10 | BEHAV RES METHODS | 11 |
| 序號 | 被他刊引用情況 | 引用次數(shù) |
| 1 | FRONT PSYCHOL | 27 |
| 2 | METHODOLOGY-EUR | 23 |
| 3 | EDUC PSYCHOL MEAS | 13 |
| 4 | ASSESSMENT | 10 |
| 5 | PSYCHOL METHODS | 10 |
| 6 | PSYCHOMETRIKA | 9 |
| 7 | STRUCT EQU MODELING | 9 |
| 8 | BEHAV RES METHODS | 8 |
| 9 | CONTEMP EDUC PSYCHOL | 7 |
| 10 | J EXP EDUC | 7 |
高引用文章
- Using Shrinkage in Multilevel Models to Understand Intersectionality A Simulation Study and a Guide for Best Practice引用次數(shù)：9
- Multiple Imputation by Predictive Mean Matching When Sample Size Is Small引用次數(shù)：6
- What Can We Learn From Factorial Surveys About Human Behavior? A Validation Study Comparing Field and Survey Experiments on Discrimination引用次數(shù)：5
- Comparing the Performance of Agree/Disagree and Item-Specific Questions Across PCs and Smartphones引用次數(shù)：4
- Using the Linear Mixed-Effect Model Framework to Estimate Generalizability Variance Components in R引用次數(shù)：4
- A Comparison of Simple Structure Rotation Criteria in Temporal Exploratory Factor Analysis for Event-Related Potential Data引用次數(shù)：3
- Improving Bi-Factor Exploratory Modeling Empirical Target Rotation Based on Loading Differences引用次數(shù)：3
- Bayesian Latent Class Models for the Multiple Imputation of Categorical Data引用次數(shù)：3
- Pushing the Limits The Performance of Maximum Likelihood and Bayesian Estimation With Small and Unbalanced Samples in a Latent Growth Model引用次數(shù)：3
- Fitting Bayesian Models for Single-Case Experimental Designs A Tutorial引用次數(shù)：3
