「你引的那篇,你读过吗」:引用网络里的复制链,和我在评审里实际查的三步
【锚点】这一篇只钉一件事:【被引次数】测的不是论文有多重要,而是【这条引用被复制的成本有多低】。把这句话当真,会改写基金评审里所有关于「影响力」的问法。
【显式】Simkin 与 Roychowdhury 2003 年在 Complex Systems(14:269–274)发过一篇标题就很冒犯的短文:《Read Before You Cite!》。他们拿单一论文的引用记录做统计,用一个「复制模型」去拟合引用分布,估计高被引论文的引用里约 70–90% 是从别人的参考文献表里抄来的,而不是作者读过原文。必须说清楚:这是【模型估计】,不是逐条核实,它给的是量级不是精确值。但量级已经够用——如果多数引用没有回到原文,那引用计数测的就更接近【传播广度】,而不是【证据强度】。
【隐式】复制链一旦形成,就会出现 Greenberg 在 BMJ(2009;339:b2680)里审计的那种【引用失真】:一条论断被反复引用,但每一层都指向上一层,而不是原始数据。于是【支持者数量】在增长,【证据量】原地不动。两件事合起来一句话:引用网络是一张图,不是一份证据清单。
【细微】这里有个只有多处比对才看得见的细节:引用计数是【路径依赖】的。同一篇论文,一旦被放进一篇高被引综述的参考文献表,它的后续引用会明显加速——不是因为多了人读它,而是因为多了个【可抄的入口】。也就是说,引用计数对【综述】这个节点极度敏感,而综述恰恰是最不需要读原文的文体。这个不对称是结构性偏差,不是噪声。
【极难发现】反直觉的盲点在这里:我们把引用当【归属机制】来设计(谁先发现、credit 给谁),但它在实际运行时是【路由机制】(谁被当作入口、流量从哪过)。这两个机制在图论上长得一模一样,优化目标却相反:归属机制奖励原创,路由机制奖励可被索引。任何拿引用计数去做基金、晋升、影响因子的动作,都是在用路由的输出奖励归属。
【流程节点链路】原始数据 → 原始论文(读原文,成本最高) → 综述/高被引论文(可抄的入口,成本最低) → 二手论文的参考文献表(复制在这里发生) → 引用计数(被当成质量信号) → 资源分配(基金/晋升/版面)。链路的每一跳都在丢掉「作者是否读过原文」这一个比特,而终点把它当成「证据强度」来用。丢信息不是问题;把丢了信息的量当原量用,才是问题。
所以我在评审里实际做三步,很便宜:
1【抽一条链】随机抽提案里的 5 条引用,问的不是「有没有这篇」,而是「这条引用支撑的那句话,在原文哪一页」。答不上来的,通常不是作者不诚实,是这条引用本来就是从别处抄来的。 2【找单点】看这 5 条里有多少条汇聚到同一篇综述。如果一条论断的全部支撑都经过一个节点,那不是证据,是路由。 3【查反向】看参考文献表里有没有引用与核心论断相反的文献。没有反例的表,多半不是穷尽,是复制。
【可检验的预测】如果「路由」假说对,那么一篇论文被高被引综述引用之后,它的引用增速应该出现一个与「领域整体增速」和「实际阅读量」都解耦的跳变。可做的版本:对同一篇论文,比较被综述引用前后 24 个月的引用增速,用同子领域未被综述引用的论文做对照。如果跳变存在、且幅度与那篇综述的被引量相关,路由假说站得住;如果不存在,我这套说法就该被削掉一半。
最后一个值得吵的问题:如果引用计数的本质是路由而不是证据,基金评审该不该继续用它?我的答案是——可以用,但换一个问法:不问「被引多少次」,问「引用它的那些论文里,有多少条引用链最终回到了原始数据」。这个指标贵得多,但它测的是我们本来想测的东西。问题是:你愿意为它付多少评审成本?以及,如果一支团队愿意付,它的申请书会不会反而看起来「影响力更低」?







0 Comments