科学计量学凭借其客观的数学方法和计量工具，已经广泛应用于各个学科领域，特别是在科研评价方面发挥了重要、独特的作用。科研论文是科研成果的主要呈现形式，文献计量分析是评价高校及科研院所学术水平的常用方法之一。传统的文献计量指标如“论文数量”、“总被引频次”、“篇均被引频次”、“期刊影响因子”等已经无法满足日益增长的需求，因此在科研论文评价领域涌现出诸多新的评价指标。
一、h指数（h-index）h指数是一个混合量化指标，最初是由美国加利福尼亚大学圣地亚哥分校的物理学家乔治·赫希（Jorge Hirsch）在2005年的时候提出来的，其目的是量化科研人员作为独立个体的研究成果。Hirsch的原始定义是，一名科学家的h指数是指其发表的Np篇论文中有h篇每篇至少被引h次、而其余Np-h篇论文每篇被引均小于或等于h次（A scientist has index h if h of his or her Np papers have at least h citationseach and the other(Np-h) papers have≤h citation each)。这h篇被认为最能反映作者学术水平的代表性论文，也被称为h-核论文。h指数将论文数量与反应论文质量指标的被引量结合在一起，克服了以往单项评价指标的缺点，但对高被引论文和被引频次低的论文均不敏感，因此不利于客观评价那些论文数量少而被引频次高的学者，或刚开始从事科学研究的青年科技工作者的学术水平。针对h指数的弊端，国内外学者对其进行了补充与修正，产出了一些新的指标：
1、当前h指数（Contemporary h-index）
由Antonis Sidiropoulos, Dimitrios Katsaros, and Yannis Manolopoulos等人在其发表的Generalized h-index for disclosing latent facts in citation networks，arXiv:cs.DL/0607066 v1 13 Jul 2006一文中提出，该指标旨在改进h指数，对新近发表的文章赋予更高的权重，从而鼓励那些一直保持稳定的研究活动的学者。
2、g指数（Egghe's g-index）
由Leo Egghe在其论文Theory and practice of the g-index, Scientometrics,Vol. 69, No 1 (2006) , pp. 131-152.中提出，该指标旨在通过赋予高被引论文更高权重来改进h指数。其计算方法如下：将一个作者发表的N篇论文按照被引频次从高到低排序，当且仅当这N篇论文中有g篇论文，总共获得了不少于g2次的被引量，而g+1篇论文总共获得的引文总数少于（g+1）2,称该作者的评价指数为g。g指数打破了文献总数的限制，对文献产出少但被引频次高的学者或机构更为公正。
3、R指数（R-index）
R指数是由Rousseau提出的h指数的另外一个变种，即h-核内被引频次总数的平方根。R指数在不打破h-核的条件下，对相同h指数具有区分度，解决了h指数不关心h核内论文被引次数的问题，通过R指数，不同的科研人员在进行评价时不再存在指标相同的情况。
4、AR指数（AR-index）
AR指数由中科院的金碧辉老师提出，即h-核内论文被引频次总数/论文出版年龄的商的平方根。在AR指数中，考虑到了时间因素，对h指数的走向具有调节作用，防止研究者出现“吃老本”的情况。按照AR指数，如果研究者的h-核内论文不再得到新的引用，随着时间的推移，最终它的权重会趋于0。
5、AWCR指数（Age-weighted citation rate/ AW-index）
受到AR指数的启发：作为h-指数的补充，AWCR是按论文发表年限进行加权的引用率。在发表或灭亡的背景下，论文成为了学者研究工作的象征和意义。（对于年轻学者和较少引用的论文来说，尽管可能并不会对h-指数有多大影响，但对AWCR指标而言仍旧是有意义的。）
6、e指数（e-index）
由zhang chunting在其论文The e-index, complementing the h-index for excess citations, PLoS ONE, Vol 5, Issue 5 (May 2009), e5429中提出。e指数的功用之一是区分具有相同h指数但不同被引量的科学家，另一个优点是它可以反映作者对高被引论文的贡献度。e指数是作为对h指数的补充，在对高被引科学家进行评价，或者精确地比较一组具有相同h指数的科学家的科研产出时有一定的适用性。
7、个体h指数（Individual h-index）
由Pablo D. Batista, Monica G. Campiteli, Osame Kinouchi, and Alexandre S. Martinez等人在其发表的Is it possible to compare researchers with different scientific interests? Scientometrics, Vol 68, No. 1 (2006), pp. 179-189一文中提出，该指标根据论文作者数量对h指数进行了平均以减少合作作者产生的影响。
8、w指数（w-index）
w指数是由中国科学技术大学管理学院吴强教授在h指数的基础提出的，即如果一个研究者有 w 篇文章至少有 10倍w 个引用，而其（w+1）篇文章引用数少于10(w+1)，那么该研究者的指数为 w。w指数能够精确地反应学者顶尖论文的影响力。
推荐指数：★★★★★
二、I10指数（I10-Index）
I10-index是由Google于2011年所提出来的，指作者所发表的论文中被引量至少10次以上的论文数量，是确切反应论文引用的一种量化标准。推荐指数：★★★
三、RG因子（RG Score）
RG Score（RG因子）是ResearchGate网站推出的一个评价作者的指标。RG指数是根据作者所发表的论文、在其网站提问、回答问题和跟随者等四方面计算得来，其目的是为了帮助研究者了解自身在学术圈内被同行认可以程度。由于RG指数的计算不公开透明，不具重复性而遭受不少质疑。
推荐指数：★★★
四、成功论文数量（Number of Successful Paper，NSP）
该指标是由M.Kosmulski所设计提出，其中“成功论文”(successful paper)的定义是一篇论文如果被引用的次数大于其参考文献数量，那么这篇论文就是“成功论文”。M.Kosmulski进一步以一名作者的成功论文数量(NSP)作为该作者的学术水平评价依据。成功论文的思想主要是基于以下几个事实:D.W.Gregory等人在对进化与人类行为领域的562篇论文的引文分析中发现，参考文献篇数较多的论文本身被引量也较大;参考文献多的论文获得审稿人好评的机率更大，从而被录用的机会更大;参考文献多的论文，被他人检索或关注到的机会更多，从而被引用的潜在机会也更多。
“成功论文”概念是以论文被引量与其参考文献数量的比较结果为依据来判断一篇论文是否为“成功论文”，是一种新的方法来评价作者学术水平，也能同时反映发文量与被引量。
推荐指数：★★★★
五、Altmetric指数
Altmetric是一个新兴的指标，目前国内有学者将其翻译为“社交媒体影响计量学”或“补充型指标计量学”。该指标是在2012年由北卡罗莱纳大学资讯与图书馆学系的博士候选人Jason Priem在推特（Twitter）所创建的，可追踪一项发表的研究在网路传播的记录，包含引用、转发、收藏、下载、提及、评论、讨论的次数。广义的Altmetrics包括五种内容:使用率(Usage)，如下载(downloads);获取(Captures)，如书签(bookmarks);关注(Mentions)，如博客(blogs);社交媒体(Social Media)，如推特(tweets);引用(Citations)，如Web of knowledge;Scopus。Altmetrics所具有的客观性，公正、透明性，覆盖、 社会性，补充性，实时性特征。通过文献研究、整理，得到在社交媒体中Altmetrics即时测量出的学术论文的影响力，与科技期刊的学术影响力相吻合；在开放存取领域中，Altmetrics学术影响力计量方法已得到认识、关注和应用，并为科技期刊的影响力计量化、可视化评价提供依据。
推荐指数：★★★★
六、高被引论文（Highly Cited Papers）
近十年被SCI&SSCI收录的且文章类型为Article和Review的论文中被引频次位于同出版年、同学科前1%的论文。
推荐指数：★★★★★
七、热点论文（Hot Papers）：近两年被SCI&SSCI收录的且文章类型为Article和Review的论文中近两个月的被引频次位于同出版年、同学科前0.1%的论文，一定程度上揭示了当前的研究热点。
推荐指数：★★★★★
