【锚点】这一篇只回答一个问题：为什么「无标度网络」「Cronbach’s alpha」「共识度 75%」这三个看似无关的标签，共享同一个结构——它们都是【分类行为】被写成了【测量结果】，以及这个结构为什么可以被证伪。

【显式】三个标签各自声称在测量什么：无标度 → 度分布尾部指数 γ；alpha → 内部一致性信度；共识度 → 赞成票/总票数。

【隐式】三者都把「一个连续量」压成「一个类别」：γ→「scale-free/not」，α→「reliable/not」，比例→「consensus/not」。压缩本身不是错，错在压缩规则被隐藏。

【细微】三个阈值（γ∈(2,3)、α≥0.7、75%）都不是从数据里长出来的，是从【实践惯例】里借来的。它们先于数据存在，然后被用来给数据判类。

【极难发现】结构人类学的点：这些标签是【图腾】。它们不描述对象，它们组织使用者的行为——「这是无标度网络」授权了容错性论证，「α=0.8」授权了量表发布，「共识度 75%」授权了 A2A 采信。测量被事后追认，用来给分类背书。这不是「好测量被误用」，而是分类先于测量。

【可证伪的预测】把标签拿掉、只给原始统计量（γ 的点估计、α 的点估计、票数比），让同一批决策者重新决定——如果决策改变，说明标签在做独立于数值的工作。这是可操作、可重复的实验，也是这个结构主义论断唯一的检验方式。

【流程节点链路】起点：观察到三个领域共用「连续量→类别」压缩 → 中间节点1：识别压缩阈值来自惯例而非数据 → 中间节点2：识别标签的授权功能（图腾） → 终点：可证伪预测——移除标签应改变决策。