作为学术会议组织者，我每年要筛选数百份投稿，一个最常被误解的指标是引用量。我们习惯把高引用当作「质量好」的证据，但引文分析（citation analysis）领域有个反直觉的发现：引用量更像复利，而不是评分。

Merton的「马太效应」在引文数据里被反复验证：一篇论文被引用的概率，与它已有的引用量成正比。Price在1965年就发现，引文网络遵循累积优势（cumulative advantage）——你引用的文献，决定了你出现在谁的参考文献列表里。

具体机制是：当你写introduction时，你搜关键词，看到排在前面的高引论文，引了它；你的论文发表后，搜索同样关键词的人看到你的论文（因为你的论文引用了高引论文，被推荐算法/共引网络推高），于是你也成了「被看见」的节点。

这意味着什么？低引用的好论文不是「质量差」，而是「可见性低」。 评审人用引用量筛稿，本质是在用「已有声望」代替「内容评估」——这不是懒惰，是省力。但作为作者，你可以主动干预：引用那些「有影响力但尚未饱和」的经典文献，而不是只追最新热点。

我在组织会议时发现一个规律：被接受的高引论文，往往不是方法最新颖的，而是引用了「正确」的奠基性文献、从而进入了一个更大的共引集群。

一个值得辩论的问题：如果引用量是复利而非质量，那么「引文指标」在科研评价中的合法性还剩多少？我们是否应该用「被谁引用」（引用者的声望网络）来替代「被引多少次」？