科学知识图谱论文很好发表吗？
科学知识图谱论文很好发表吗？
文献计量与知识图谱应该是先学会，再应用。
我曾经打过一个比方：似懂非懂做研究，就像醉酒的李白，什么都敢写（实际上，这是一些知识图谱论文的问题）。
现在很多发表的bibliometrics analysis、bibliometrics mapping和Scientometrics mapping的论文都有问题。
暂且不说基本概念和原理不懂，直接用软件（比如CiteSpace、VOSviewer或者Histcite）分析的论文，好多论文都出现了软件使用错误和不当的情况。
这个是需要思考的，不能什么方法“热”、什么方法“新”就直接套数据去用。
（当然所谓的“先发优势”害死人，我曾经就遇到过很多人着急发表，因为晚一些在审稿人和编辑看来就不“新”了。期刊成了求新不求对的媒体了吗？应该不是！）
期刊编辑部也应该在送审的时候，邀请跨学科的专家来审稿，做好学术出版的守门人。上次的《冰川冻土》编辑责任和审稿人责任应该也不小。
最后，文献计量与知识图谱不是照着操作指南，简单出几张图的照猫画虎式的解读。无论中文还是英文的这类论文数量已经达到了泛滥的程度，作为知识图谱的实践者需要对自己的结果负责。
我国学者使用该方法发表的SCI/SSCI论文：
简单检索了一下，共得到了1057篇论文。
近十年来论文的产出情况，近两年来论文的产出有点疯狂。2019年平均一天就有一篇该方面论文发表。
中文论文更加疯狂。
主题为CiteSpace的论文一共就达到了2955篇。在2019涉及CiteSpace的论文就达到了1097篇。也就是说大约每天有3篇主题为CiteSpace论文发表！
目前出现的问题：
数据库的检索错误。现在的科技论文索引数据库不是百度，很多人就当百度来用了。导致在检索中使用的检索策略严重错误。
严重缺乏文献计量与知识图谱的基础理论。表现在对文献计量的相关理论方法的认识就是参考几篇论文，并不真正了解。在后面结果的分析中，与理论毫无关系。
“低劣的图谱+天马行空“”的解读造就了一批中英文论文发表。从图谱的质量来看，对软件的认识程度仅仅停留在照着指南操作的层面。在论文中出现的图谱混乱不堪，根本不知道可视化了啥，核心的节点和关系是啥，核心的聚类是啥？
为何这类论文发表了很多，而且每年有上百篇的SCI论文？其中的一部分论文与作者的天马行空的解读是分不开的。软件得到的结果应该是基于一定的理论和技术基础的， 很多作者不以为然，而且抛开软件本身的理论基础不管，对出现图谱按照自己的理解去解读。
为何会发表呢？
（1）期刊的编辑责任不能推脱。很多这类论文送到了“专业”领域人员的手里。仅仅是和论文专业相关的论文，而没有送到进行文献计量和知识图谱人员的手里。导致一些低劣论文发表。
（2）审稿人接受审稿后，只能审自己动的部分。比如知识图谱可视化的质量不会判断，只能看作者的文字是啥就是啥。毕竟大多数审稿认为作者文字的描述是客观的，是基于图谱结果的。
最后，通过指南的学习，一般在一个月只能就能分析出图谱。但是论文的写作不是很快能完成的工作。
低劣的文献计量论文是很好发的，即使是SCI（事实也证明了这一点）。
质量较高的文献计量与知识图谱论文的发表是需要时间的沉淀。不仅呀对自己的所学的专业有深刻的认识，而且要对文献计量理论、方法以及工具要比较熟悉。这个跨学科研究不是想象中的那么容易。
速度与数量有了，我们想要质量！也希望知识图谱能够在健康发展中逐渐深入，并在各个领域开出健康的学术果实。
下面一些文献计量学论文出现了Correction和Erratum....
