大家读文献时可能会发现，很多论文根本没有实验，整篇文章可能就是下载数据、验证、分析等，就发了SCI了，因此很多研究生可能想问：
“纯数据挖掘，现在还好发SCI吗？”
答案是还能发，但明显已经没有以前那么好发了，尤其现在AI加持下，论文数量增多。如今的问题，已经逐渐从能不能发，转变为你的数据挖掘到底有没有价值。
1 纯数据挖掘为什么不好发了？
公开数据库越来越丰富，这些数据库开放后，研究者不需要自己做实验，也能够开展研究，并且机器学习、AI辅助分析等快速发展，导致纯数据挖掘的论文这几年越来越多。
纯数据研究本身并没有问题，现在很多高水平期刊也会发表完全没有实验验证的数据研究。那现在为啥不好发了呢？
1） 大量同类研究
因为数据库越来越开放的同时，做同类研究的人也越来越多。以前可能做做差异表达分析、生存分析等，就能发一篇SCI，但现在大量类似研究已经发表了。面对类似的纯数据挖掘文章，审稿人经常会问你的研究到底新在哪里？
如果只是发现某个基因和预后有关，很多时候已经很难打动审稿人，甚至即投即拒，连审稿人都见不到。
2） 期刊越来越重视验证
近几年，期刊越来越关注结果是否可靠、是否可重复。
例如，2023年《Nature Computational Science》的一篇编辑评论就直接提出：即使是计算科学研究，很多情况下仍然需要实验验证，或者至少需要充分证明方法的有效性。文章里提到，研究不仅要提出预测，还要证明这些预测是可信的。
这也是为什么很多纯数据文章会被审稿人追问：
是否进行了外部验证？
是否有独立队列验证？
是否有实验支持？
外部验证越来越重要。
“纯数据挖掘，现在还好发SCI吗？”
答案是还能发，但明显已经没有以前那么好发了，尤其现在AI加持下，论文数量增多。如今的问题，已经逐渐从能不能发，转变为你的数据挖掘到底有没有价值。
1 纯数据挖掘为什么不好发了？
公开数据库越来越丰富，这些数据库开放后，研究者不需要自己做实验，也能够开展研究，并且机器学习、AI辅助分析等快速发展，导致纯数据挖掘的论文这几年越来越多。
纯数据研究本身并没有问题，现在很多高水平期刊也会发表完全没有实验验证的数据研究。那现在为啥不好发了呢？
1） 大量同类研究
因为数据库越来越开放的同时，做同类研究的人也越来越多。以前可能做做差异表达分析、生存分析等，就能发一篇SCI，但现在大量类似研究已经发表了。面对类似的纯数据挖掘文章，审稿人经常会问你的研究到底新在哪里？
如果只是发现某个基因和预后有关，很多时候已经很难打动审稿人，甚至即投即拒，连审稿人都见不到。
2） 期刊越来越重视验证
近几年，期刊越来越关注结果是否可靠、是否可重复。
例如，2023年《Nature Computational Science》的一篇编辑评论就直接提出：即使是计算科学研究，很多情况下仍然需要实验验证，或者至少需要充分证明方法的有效性。文章里提到，研究不仅要提出预测，还要证明这些预测是可信的。
这也是为什么很多纯数据文章会被审稿人追问：
是否进行了外部验证？
是否有独立队列验证？
是否有实验支持？
外部验证越来越重要。