当前位置: 首页 JCRQ2 期刊介绍(非官网)
Data & Policy

Data & Policy

SCIE

国际简称:DATA POLICY  参考译名:数据与政策

  • 中科院分区

    3区

  • CiteScore分区

    Q1

  • JCR分区

    Q2

基本信息:
ISSN:2632-3249
是否OA:未开放
是否预警:否
TOP期刊:否
出版信息:
出版地区:United Kingdom
出版商:Cambridge University Press
出版语言:English
研究方向:PUBLIC ADMINISTRATION
评价信息:
影响因子:2.6
CiteScore指数:4.2
SJR指数:0.668
SNIP指数:1.202
发文数据:
Gold OA文章占比:100.00%
研究类文章占比:94.67%
年发文量:75
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 & Policy期刊介绍

Data&Policy is an international academic journal focused on data science, policy analysis, and their intersection. The journal aims to provide a communication platform for researchers, policymakers, and practitioners to explore how data affects the policy-making process and how policies shape the collection, management, and use of data. It is committed to publishing high-quality research results that are not only innovative in theory, but also operable in practice, and can have a positive impact on policy formulation and implementation.

The magazine covers a wide range of content, including but not limited to data governance, data privacy and security, data-driven policy analysis, and the application of data science in public policy. It encourages interdisciplinary research and welcomes submissions from scholars in various fields such as economics, sociology, computer science, statistics, and political science. The readership of the magazine includes academic researchers, government officials, members of non-governmental organizations, and professionals from the private sector. The editorial team of the magazine is composed of internationally renowned scholars who have a profound understanding and rich experience in the fields of data science and policy analysis. The magazine adopts a strict peer review system to ensure that the published articles have high standards of academic quality and research depth. In addition, the magazine actively collaborates with international organizations such as UNESCO and the International Commission on Science and Technology Data (CODATA) to promote international exchange and cooperation in data policies.

期刊简介Data & Policy期刊介绍

《Data & Policy》是一本管理学优秀杂志。致力于发表原创科学研究结果,并为管理学各个领域的原创研究提供一个展示平台,以促进管理学领域的的进步。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管理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SCIE收录,得到了广泛的认可。

该期刊投稿重要关注点:

Cite Score数据(2026年6月最新版)Data & Policy Cite Score数据

  • CiteScore:4.2
  • SJR:0.668
  • SNIP:1.202
学科类别 分区 排名 百分位
大类:Social Sciences 小类:Social Sciences (miscellaneous) Q1 124 / 744

83%

大类:Social Sciences 小类:Public Administration Q2 76 / 248

69%

大类:Social Sciences 小类:Artificial Intelligence Q2 230 / 570

59%

大类:Social Sciences 小类:Computer Science (miscellaneous) Q2 76 / 179

57%

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 & Policy 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
管理学 3区 PUBLIC ADMINISTRATION 公共管理 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
管理学 4区 PUBLIC ADMINISTRATION 公共管理 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 & Policy 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:PUBLIC ADMINISTRATION ESCI Q2 35 / 97

64.4

学科:PUBLIC ADMINISTRATION ESCI Q2 33 / 97

66.49

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:PUBLIC ADMINISTRATION ESCI Q3 51 / 91

44.5

学科:PUBLIC ADMINISTRATION ESCI Q3 58 / 91

36.81

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

本刊中国学者近年发表论文

  • 1、AI-driven dynamic electronic road pricing to reduce air pollution and traffic congestio

    Author: Kaistha, Tushar; Kaistha, Sumer; Li, Victor O. K.; Lam, Jacqueline Chi Kei; Han, Yang; Wang, Shanshan

    Journal: DATA & POLICY. 2026; Vol. 8, Issue , pp. -. DOI: 10.1017/dap.2026.10060

  • 2、A large language model based data generation framework to improve mild cognitive impairment detection sensitivit

    Author: Han, Yang; Lam, Jacqueline C. K.; Li, Victor O. K.; Cheung, Lawrence Y. L

    Journal: DATA & POLICY. 2025; Vol. 7, Issue , pp. -. DOI: 10.1017/dap.2025.8

  • 3、Case studies of AI policy development in Afric

    Author: Diallo, Kadijatou; Smith, Jonathan; Okolo, Chinasa T.; Nyamwaya, Dorcas; Kgomo, Jonas; Ngamita, Richard

    Journal: DATA & POLICY. 2025; Vol. 7, Issue , pp. -. DOI: 10.1017/dap.2024.71

投稿常见问题