发布时间：
EI数据库可以查询。ei数据库可以查询某年某个学校发表论文的情况。查询方法：EI数据库是支持高级查找的，但是由于EI数据库全是英文的，所以一般人很难找到高级搜索的位置，其实首先选择年限范围为：2009-2010，然后再输入单位（注意一定要是英文的单位），点击搜索即可查找所有满足这两个条件的文章，至于如何找出发文最多作者和最多刊物，这个必须自己把搜出的结果进行计算后才能知道结果。
总结过去，展望未来。激励学生，更加努力。累积成绩提高知名度。
假设“学位”在B列，“发表论文数”在C列博士论文数：=SUMIF(B:B,"博士",C:C)所有教师论文数：=SUM(C:C)
通过论文集合网站webofscience查询某领域论文每年的发表数量。如果这个刊物同时被知网、万方、维普、龙源、超星收录，你可以登上其中任何一个数据库，查该刊物收录的文章篇数直接看刊物目录，同理，确定该刊物是某一个数据库收录，直接在该数据库查询即可。如果自己没办法登陆该期刊所在数据库，可以用刊物页码除以其中一篇文章的版面数，得出的结果只是一个大概的篇数。如果你只是想知道中国知网2014年更新的学术论文量，直接选择“从2014年到2014年”，截止今天，更新期刊2373640篇。
现在的排名特别靠前，排在第2名的位置，因为我们国家的文学实力有了很大的改变和提升，所以论文的数量变得越来越多，论文的含金量也是非常高的。
基于对ESI最新发布的高被引论文排名（当年度本学科全球被引用频率排名全球前1%的论文）显示，国内高校在这一排行榜中，第一作者的高被引论文被引频次排序，清华雄踞第一，复旦第四，中科大排名“吊打”国科大，国科大跌落五十名外。
第1名：清华大学
在这个排行榜中，清华的排名超过了北大列第一，北大第二，不过这次虽然两者仍然是冠亚军，但是差距有点大。比如，清华的第一作者冠名的高被引论文数达到了702篇，北大只有483篇。清华第一作者的高被引论文被引频次达到11.2万多次，北大只有7.5万多次，差别还挺大。
第4名：复旦大学
在高被引论文排行榜中，复旦大学的排名也非常靠前，位居第四名。其中，高被引论文第一作者的被引用次数，复旦是6.9万多次。所有作者的被引用次数，复旦是14万多次。高被引论文篇数，复旦第一作者的有391篇，所有作者共有748篇。
第5名：中科大
中国科学技术大学，是中科院直属大学，地点位于安徽省合肥市。在这个排行榜中，中科大的表现非常抢眼和出色。在高被引论文被引频次排序中，中科大第一作者被引频次排序第五，被引次数是6万多次，所有作者被引次数为13.3万次。在高频次被引论文篇数中，第一作者被引论文篇数为408篇，所有作者被引论文篇数为850篇。
第58名：国科大
如果说中科大是中科院的大儿子，那么国科大就是中科院的小儿子，一个是中字头，一个是国字头，但是这两者的排名差距实在太大了，国科大被中科大“伤”面子了。如果我们单论第一作者高被引论文被引频次，中科大是第5名，国科大仅名列第58名，中科大第一作者被引频次是国科大的10倍。因此，中科大和国科大谁更出色，其实也可以从这个排行榜中看出一点差别。
总之，论文影响力是体现大学科研实力的重要因素，以上大学论文影响力排名，其实也是大学学术实力的体现，可以作为考生填报志愿时的重要参考。
目前我们是排在第2位的，我们的一些论文是非常不错的，影响力是比较大的，研究的东西是比较好的。
体现出我们国家的实力，说明我们国家论文还是很优秀的，人们发表的东西非常多，有很多的人才，科研水平有了进步。
累计成绩。统计论文发表情况是学校为了累计学生所发表的成绩，累积到总成绩中。论文常用来指进行各个学术领域的研究和描述学术研究成果的文章。
根据自身的实际需要选择， 以下四个考试级别，通过一级才能拿到2级证书，后面的依次类推，但可以同时报考多个级别，国计算机等级考试所有级别证书均无时效限制，三、四两个级别的成绩可保留一次。考生一次考试可以同时报考多个科目
中国计算机科学发论文最多高校揭晓，清华、浙大、上交大前三
最近，《2017中国高校国际学术影响力评价报告》发布，清华大学计算机科学的论文发表数量、创新人才数量双双排名全国第一，华中科技大学高被引数量第一。
国际成果规模（论文发文数量）：浙江大学、中国科学院大学、上海交通大学排前三。十年来高被引论文数量：清华大学、北京大学、浙江大学排前三。创新人才（主导科学家数量）：清华大学、浙江大学、北京大学排前三。优势学科（进入ESI前1%学科数量）：北京大学、浙江大学、中山大学排前三。
具体到计算机科学：
国际成果规模（论文发文数量）：清华大学、浙江大学、上海交通大学排前三。十年来高被引论文数量：华中科技大学、东南大学、清华大学排前三。创新人才（主导科学家数量）：清华大学、上海交通大学、浙江大学排前三。
这份报告是由中国教育发展战略学会人才发展专业委员会、中国教育网、中国教育在线、学术桥联合发布。
数据来源与评价指标
本报告的数据主要来源于ESI（Essential Science Indicators）数据库，数据时间段为2007.01.01-2017.2.28（十年）。
为了更好地识别高被引论文的第一作者和通讯作者，报告在 Web of Science 数据库中下载了高被引论文的题录数据。
第一作者的依据是 Web of Science 数据库论文题录数据中 AF 字段中的第一位。第一作者机构是 C1 字段中第一作者姓名对应的机构。
通讯作者的依据是 Web of Science 数据库题录数据中RP字段的作者。通讯作者机构是RP字段中作 者姓名对应的机构。
第一作者或通讯作者的机构可能有多个，数据处理中，报告按照顺序只采用第一机构。第一作者和通讯作者因在一项研究中的主导作用而被视为主导科学家。对于主导科学家的重名问题的处理依赖于一项发明专利技术“一种面向英文文献中中国作者的姓名消歧方法”。
截至 2017年2月28日，中国大陆共有209 所高校至少有一个学科入选 ESI 前1%高被引学科。本报告对于中国高校的国际学术影响力分析仅限于这 209 所高校。
报告内容分为“中国大学国际学术影响力评价”和“中国学科国际学术影响力评价”两部分。中国大学国际学术影响力评价”主要使用表1中的评价指标。
“中国学科国际学术影响力评价”主要使用表2中的评价指标。
中国高校国际学术影响力总体情况
需要注意的是，中国科学院大学成立于 2012 年，2012 年之前中国科学院研究生院的高被引论文数量未计入其中。另外，因大量署名中国科学院大学的高被引论文的第一作者与通讯作者的第一机构并非中国科学院大学，因此，主导论文数量较少。
2、十年来高被引论文数量：排名前三的高校是清华大学、北京大学、浙江大学。
上海交通大学、中国科学技术大学、复旦大学、南京大学、中山大学、哈尔滨工业大学、华中科技大学进入前十。
3、创新人才（主导科学家数量）：排名前三的高校是清华大学、浙江大学、北京大学。
上海交通大学、复旦大学、南京大学、中国科学技术大学、华南理工大学、南开大学、中山大学进入高校前十。
4、优势学科（进入ESI前1%学科数量）：排名前三的高校是北京大学、浙江大学、中山大学。
上海交通大学、复旦大学、清华大学、南京大学、武汉大学、山东大学、中国科学院大学进入高校前十。
计算机科学国际学术影响力：清华发论文最多，华中科大高被引最多
中国学科国际学术影响力中，计算机科学在国际成果规模、高被引论文、创新人才数量三个维度进行的评价。
1、国际成果规模（论文发文数量）：排名前三的高校是清华大学、浙江大学、上海交通大学。
2、十年来高被引论文数量：排名前三的高校是华中科技大学、东南大学、清华大学。
3、创新人才（主导科学家数量）：排名前三的高校是清华大学、上海交通大学、浙江大学。
报告的课题组负责人李江教授介绍，此次《报告》的发布除了作为国家有关部门、各高校、社会组织参考的同时，也能够激励高校从高水平成果、人才培养、学科建设三个维度考虑发展方向和策略。
描述性分析是数据分析的重要步骤。进行描述性统计分析前，首先应理解搜集数据、分析数据，以及识别一些常见数据来源的必要性；然后，应该了解实践中常见的数据类型，数据汇总的方法；最后，再确定单变量的数值描述方法，以及两个或两个以上的数据分析方法。
1. 数据：定义和目标
首先，我们应该确定一些定义。
数据：用来展示和解释所搜集、分析和提炼和事实和数字；
变量：可以取不同值的标志或指标。如：行业、股价、市值；
决策变量：变量的取值直接受决策人的控制；
随机变量/不确定性变量：变量的取值不受决策人直接控制的因素的影响，可能会出现不确定性波动；
观察/观测：一组变量对应的一组值；
描述性分析，即通过对搜集的数据进行分析，以获得对变异及其商务环境影响很好的认识。
2. 数据的类型
（1）总体数据和样本数据：许多情况下，从总体（感兴趣的元素的集合）中搜索数据是不可行的。此时，可以从总体的子集（样本）中搜集数据。搜索那些能够代表总体的样本数据很重要，只有这样才能把那些样本数据推广到总体情况的认识。
（2）数量数据和属性数据：数量数据指能够进行加减乘除等数值和算术运算的数据，如：公司的市值；属性数据指那些不能进行算术运算的数据，对这些数据进行描述性分析，只能进行计数或计算每一个类别观察值的比例，如：公司所属的行业。
（3）截面数据和时间序列数据：截面数据是指在同一时间或几乎相同的时间搜集来一些个体的数据；时间序列数据：指几个时期的数据。时间序列数据图能够帮助分析人员了解过去发生了什么，识别随着时间变化而发生变化的趋势，并且可以对未来进行预测。
如果研究一个X或多个X对Y的影响关系，其中Y为定量数据，可使用线性回归分析，构建回归模型。如果研究一个X或多个X对Y的影响关系，其中Y为定类数据，可使用Logistic分析，构建Logistic回归模型。如果要分析1组X与一组Y之间的关系情况，可使用典型相关分析。如果要分析多个X与多个Y之间的影响关系情况，且样本量较小（通常小于200），可使用PLS回归分析。