当前位置：首页 JCRQ2 期刊介绍(非官网)

Data Technologies And Applications

SCI SCIE SSCI

国际简称：DATA TECHNOL APPL 参考译名：数据技术与应用

中科院分区
4区
CiteScore分区
Q1
JCR分区
Q2

基本信息：: ISSN：2514-9288; E-ISSN：2514-9318; 是否OA：开放; 是否预警：否; TOP期刊：否

出版信息：: 出版地区：ENGLAND; 出版商：Emerald Group Publishing Ltd.; 出版语言：English; 出版周期：4 issues/year; 出版年份：2018; 研究方向：Social Sciences-Library and Information Sciences

评价信息：: 影响因子：1.6; CiteScore指数：4.9; SJR指数：0.438; SNIP指数：0.727

发文数据：: Gold OA文章占比：0.97%; 研究类文章占比：96.00%; 年发文量：25; 自引率：0.0625; 开源占比：0.0308; 出版撤稿占比：0; 出版国人文章占比：0.19; OA被引用占比：0

投稿咨询加急见刊

英文简介期刊介绍 CiteScore数据中科院SCI分区 JCR分区发文数据常见问题

英文简介Data Technologies And Applications期刊介绍

Previously published as: Program

Online from: 2018

Subject Area: Information & Knowledge Management, Library Studies

期刊简介Data Technologies And Applications期刊介绍

《Data Technologies And Applications》自2018出版以来，是一本计算机科学优秀杂志。致力于发表原创科学研究结果，并为计算机科学各个领域的原创研究提供一个展示平台，以促进计算机科学领域的的进步。该刊鼓励先进的、清晰的阐述，从广泛的视角提供当前感兴趣的研究主题的新见解，或审查多年来某个重要领域的所有重要发展。该期刊特色在于及时报道计算机科学领域的最新进展和新发现新突破等。该刊近一年未被列入预警期刊名单，目前已被权威数据库SCI、SCIE、SSCI收录，得到了广泛的认可。

该期刊投稿重要关注点：

计算机科学
计算机信息系统
SCI
SCIE
SSCI
中科院4区
非预警

Cite Score数据（2026年6月最新版）Data Technologies And Applications Cite Score数据

CiteScore：4.9
SJR：0.438
SNIP：0.727

学科类别	分区	排名	百分位
大类：Social Sciences 小类：Library and Information Sciences	Q1	62 / 296	79%
大类：Social Sciences 小类：Information Systems	Q2	183 / 519	64%

CiteScore 是由Elsevier(爱思唯尔)推出的另一种评价期刊影响力的文献计量指标。反映出一家期刊近期发表论文的年篇均引用次数。CiteScore以Scopus数据库中收集的引文为基础，针对的是前四年发表的论文的引文。CiteScore的意义在于，它可以为学术界提供一种新的、更全面、更客观地评价期刊影响力的方法，而不仅仅是通过影响因子(IF)这一单一指标来评价。

历年Cite Score趋势图

中科院SCI分区Data Technologies And Applications 中科院分区

《新锐期刊分区表》（2026年3月发布） 综述期刊：否 Top期刊：否

大类学科	分区	小类学科	分区
计算机科学	4区	COMPUTER SCIENCE, INFORMATION SYSTEMS 计算机：信息系统 INFORMATION SCIENCE & LIBRARY SCIENCE 图书情报与档案管理	4区 3区

期刊分区表（2025年3月升级版） 综述期刊：否 Top期刊：否

大类学科	分区	小类学科	分区
计算机科学	4区	COMPUTER SCIENCE, INFORMATION SYSTEMS 计算机：信息系统 INFORMATION SCIENCE & LIBRARY SCIENCE 图书情报与档案管理	4区 4区

期刊分区表（2023年12月升级版） 综述期刊：否 Top期刊：否

大类学科	分区	小类学科	分区
计算机科学	4区	COMPUTER SCIENCE, INFORMATION SYSTEMS 计算机：信息系统 INFORMATION SCIENCE & LIBRARY SCIENCE 图书情报与档案管理	4区 4区

期刊分区表（2022年12月升级版） 综述期刊：否 Top期刊：否

大类学科	分区	小类学科	分区
计算机科学	4区	COMPUTER SCIENCE, INFORMATION SYSTEMS 计算机：信息系统 INFORMATION SCIENCE & LIBRARY SCIENCE 图书情报与档案管理	4区 4区

期刊分区表（2021年12月升级版） 综述期刊：否 Top期刊：否

大类学科	分区	小类学科	分区
计算机科学	4区	COMPUTER SCIENCE, INFORMATION SYSTEMS 计算机：信息系统 INFORMATION SCIENCE & LIBRARY SCIENCE 图书情报与档案管理	4区 4区

中科院分区表 是以客观数据为基础，运用科学计量学方法对国际、国内学术期刊依据影响力进行等级划分的期刊评价标准。它为我国科研、教育机构的管理人员、科研工作者提供了一份评价国际学术期刊影响力的参考数据，得到了全国各地高校、科研机构的广泛认可。

中科院分区表 将所有期刊按照一定指标划分为1区、2区、3区、4区四个层次，类似于“优、良、及格”等。最开始，这个分区只是为了方便图书管理及图书情报领域的研究和期刊评估。之后中科院分区逐步发展成为了一种评价学术期刊质量的重要工具。

历年中科院分区趋势图

JCR分区Data Technologies And Applications JCR分区

2025-2026年最新版

按JCI指标学科分区	收录子集	分区	排名	百分位
学科：COMPUTER SCIENCE, INFORMATION SYSTEMS	SCIE	Q3	195 / 266	26.9
学科：INFORMATION SCIENCE & LIBRARY SCIENCE	SSCI	Q2	84 / 172	51.5
学科：COMPUTER SCIENCE, INFORMATION SYSTEMS	SCIE	Q3	183 / 266	31.39
学科：INFORMATION SCIENCE & LIBRARY SCIENCE	SSCI	Q3	88 / 172	49.13

2023-2024年最新版

按JCI指标学科分区	收录子集	分区	排名	百分位
学科：COMPUTER SCIENCE, INFORMATION SYSTEMS	SCIE	Q3	163 / 249	34.7
学科：INFORMATION SCIENCE & LIBRARY SCIENCE	SSCI	Q2	63 / 160	60.9
学科：COMPUTER SCIENCE, INFORMATION SYSTEMS	SCIE	Q3	170 / 251	32.47
学科：INFORMATION SCIENCE & LIBRARY SCIENCE	SSCI	Q2	77 / 161	52.48

JCR分区的优势在于它可以帮助读者对学术文献质量进行评估。不同学科的文章引用量可能存在较大的差异，此时单独依靠影响因子(IF)评价期刊的质量可能是存在一定问题的。因此，JCR将期刊按照学科门类和影响因子分为不同的分区，这样读者可以根据自己的研究领域和需求选择合适的期刊。

历年影响因子趋势图

发文数据

国家/地区发文量统计

国家/地区数量
India28
CHINA MAINLAND26
Taiwan9
Iran8
Italy8
France7
South Korea7
Saudi Arabia4
Brazil3
GERMANY (FED REP GER)3

本刊中国学者近年发表论文

1、Interpretable deep learning for anticipating length of stay in Wuhan: a comparative analysis before and during the COVID-19 pandemi
Author: Liu, Yang; Han, Lining

Journal: DATA TECHNOLOGIES AND APPLICATIONS. 2026; Vol. , Issue , pp. -. DOI: 10.1108/DTA-05-2025-0351
2、Research on high-impact user positioning from the perspective of precision marketin
Author: Zhao, Xiaogang; Dong, Siwei; Pu, Zitong; Li, Yan; Shen, Hai; Hou, Jun; Dang, Yiwei; Yuan, Yizhou; Zhang, Hao

Journal: DATA TECHNOLOGIES AND APPLICATIONS. 2026; Vol. , Issue , pp. -. DOI: 10.1108/DTA-09-2024-0873
3、Hierarchical deep reinforcement learning for real-time tactical decision-making in team sport
Author: Kong, Kai; Liu, Zhiwei; Gao, Zhitong; Dong, Huan; Isleem, Haytham F

Journal: DATA TECHNOLOGIES AND APPLICATIONS. 2026; Vol. , Issue , pp. -. DOI: 10.1108/DTA-06-2025-0512
4、Over-sampling ensemble methods for class imbalanced dataset
Author: Huang, Min-Wei; Tsai, Chih-Fong; Lin, Hsin-Yi; Lin, Wei-Chao

Journal: DATA TECHNOLOGIES AND APPLICATIONS. 2026; Vol. 60, Issue 1, pp. 110-131. DOI: 10.1108/DTA-02-2025-0126
5、CGDSClass: a sensitive personal information detection and classification solution for Chinese open government dat
Author: Yu, Ying; Li, Shan; Jiang, Hanyang; Ma, Jing

Journal: DATA TECHNOLOGIES AND APPLICATIONS. 2026; Vol. 60, Issue 1, pp. 151-170. DOI: 10.1108/DTA-03-2025-0201
6、Interpretable AI techniques unveil the factors and types of at-risk early warning: a case study in K-12 online learnin
Author: Hung, Jui-Long; Rice, Kerry; Zhang, Mingyan

Journal: DATA TECHNOLOGIES AND APPLICATIONS. 2025; Vol. , Issue , pp. -. DOI: 10.1108/DTA-11-2023-0795
7、An efficient local search algorithm for the maximum k-vertex cover proble
Author: Li, Ruizhi; Wang, Fangzhou; Liu, Siqi; Xu, Ruiqi; Yin, Minghao; Hu, Shuli

Journal: DATA TECHNOLOGIES AND APPLICATIONS. 2025; Vol. , Issue , pp. -. DOI: 10.1108/DTA-11-2023-0788
8、Disentangling the market reaction to corporate data breach events: a configurational approac
Author: Zhao, Haiping; Rao, Chongzhi; Yu, Mengli; Jian, Ling

Journal: DATA TECHNOLOGIES AND APPLICATIONS. 2025; Vol. , Issue , pp. -. DOI: 10.1108/DTA-11-2023-0748