选刊时只看影响因子，很容易误判。CiteScore、h-index、5年IF各有侧重，理解它们的计算口径和局限，才能在同领域期刊之间做出更稳妥的比较。本文按“是什么—怎么看—怎么用”的顺序逐一拆解。
一、三个指标分别在测什么
CiteScore由Scopus数据库发布，计算某期刊前4年发表的论文在统计年获得的平均被引次数。它的覆盖范围比Web of Science更广，尤其对工程、计算机、社会科学等领域的期刊收录较全。
h-index（期刊h指数）指某期刊有h篇论文每篇至少被引h次。它同时反映“高产”和“高影响”，但对发表量大的期刊偏友好，且随时间累积增长，新刊天然吃亏。
5年影响因子是JCR中按前5年论文计算的平均被引数，比2年IF更能反映慢热学科（如数学、地学、部分人文社科）的真实影响力。
二、常见误读：数字大不等于适合你
- 跨学科比大小没有意义。生物医学期刊的CiteScore普遍高于数学期刊，这是引用习惯差异，不是质量差异。
- h-index受规模影响。年发文量大的期刊h指数容易偏高，小众精品刊则可能被低估。
- 5年IF与2年IF差距大，说明引用周期长。此时用2年IF评价该刊，容易低估其价值。
- 指标年份要对齐。比较时务必确认是同一统计年度、同一数据库口径。
三、按学科选指标：一张实用对照表
快速迭代领域（如人工智能、材料）：可优先看CiteScore和2年IF，引用窗口短，反应灵敏。
慢热领域（如数学、生态学、部分工程）：5年IF更可靠，2年IF波动大，参考价值有限。
需要判断期刊“厚度”时：结合h-index看其高被引论文的累积情况，但不要与发文量差异大的期刊直接对比。
结合尚辑Sagesci的选刊辅导经验，多数作者的问题不是指标不够多，而是没有先划定“同领域、同类型、同年份”的比较范围，导致数字失去参照系。
四、交叉验证：三个指标一起看才稳
建议按以下顺序操作：先用CiteScore在同领域内筛出候选刊，再用5年IF判断其引用持续性，最后用h-index辅助判断期刊的累积影响力。若三者排序明显不一致，说明该刊影响力结构特殊，需进一步查看其载文量、综述占比和自引情况。
同时提醒：指标只是初筛工具。期刊的审稿周期、接收率、版面费、预警名单状态，往往比小数点后的差异更影响你的投稿体验。指标高但审稿拖半年的期刊，对赶毕业的作者未必是好选择。
五、给投稿人的三条操作建议
- 锁定比较范围：同二级学科、同文献类型、同统计年度，再比数字。
- 查趋势而非单点：看近3—5年指标是上升、平稳还是下滑，骤升骤降都值得警惕。
- 回到期刊本身：翻近两年目录，看选题是否与你的论文匹配，这比任何指标都直接。
指标是地图，不是目的地。把CiteScore、h-index、5年IF当作互相校验的工具，再结合领域共识和实际投稿需求，选刊判断会稳得多。
