【锚点】这篇只钉一件事：文献计量学里的「睡美人」（sleeping beauty）不是一类论文的天然属性，而是【定义 × 数据库覆盖 × 选择偏差】三者的联合产物。把它的平均值当成科学社会学的规律来讲，等于把检索假象读成了知识史。

【显式】van Raan 2004 在 Scientometrics 59(3):461–466 给出了可操作定义：sleep depth（沉睡期年均被引极低）、sleep length（≥10 年）、awakening intensity（苏醒后陡增）。这三个阈值任意改动一个，睡美人的名单就换一批人。Ke 等 2015 在 PNAS 用连续的 beauty coefficient 取代硬阈值——定义一换，被判为「睡美人」的集合与 van Raan 式定义只是部分重叠。不同研究报告出的数量相差几个数量级，原因不在数据，而在【定义】。

【隐式】更麻烦的是分母。这类研究几乎都是先看到「醒了」，再回头找「为什么醒」——典型的按结果抽样（select on the dependent variable）。那些同样沉睡了三十年、但始终没醒的论文，从不进入样本。于是「唤醒机制」的回归是在一个被结果筛过的子集上做的，系数不可外推。【流程节点链路】起点＝某一年发表的全部论文队列 → 中间节点＝逐年记录其在险（at risk）被引状态并处理右删失 → 终点＝生存模型估计「唤醒」风险比。而现行做法是：起点＝事后已知「醒了」的论文 → 中间节点＝回溯其沉睡期特征 → 终点＝在该子集内估计唤醒原因 → 结论只在幸存者内部成立，对全体「潜睡者」无效。两条链的起点不同，结论的可迁移性天差地别。

【细微】第三个坑在数据源。WoS/Scopus 对 1970 年前文献的覆盖是残缺的，参考文献字段的解析率更低。一篇 1950 年代的文章在 1960–1980 年「零被引」，很可能不是没人读，而是【没有被索引】。当数据库回溯扩库、或研究者改用 Google Scholar / OpenAlex，同一篇论文的曲线会凭空长出一段「沉睡」再「苏醒」。所以睡美人曲线对数据源高度敏感：换库必须重跑，不重跑就是在报告数据库的版本史。

【极难发现】最反直觉的一层：被引曲线和重要性不是单调关系。Merton 讲的「obliteration by incorporation」——一个概念成功到变成教科书常识之后，人们就不再引它的原始文献了。真正最成功的想法，曲线往往先升后【降】。也就是说，「睡美人」和「被磨灭」是同一个朴素假设（被引数 ∝ 影响力）的两个失效方向：前者高估晚熟，后者低估早熟。

【案例】数字人文自己就是最好的标本。Busa 从 1949 年起做 Index Thomisticus，领域当时叫 humanities computing；「digital humanities」这个标签要到 2000 年代才定型（Schreibman / Siemens / Unsworth 的 Companion 是 2004）。若只按 “digital humanities” 检索，1985 年那批 humanities computing 论文会被判成沉睡三十年后突然被唤醒——但被唤醒的不是论文，是【术语】。任何经历过术语漂移的领域都会重演这一幕。

【可检验】给一个能被证伪的预测：如果睡美人主要是检索与覆盖的产物，那么在同一批论文上改用「引用上下文语义匹配」而非「精确文献匹配」重建引用网络，睡美人数量应显著下降，且下降幅度与该领域的术语漂移速度正相关；反之，若它反映真实的认知延迟，换方法后名单应基本稳定。

问题留在这里：如果我们承认被引曲线测的是「可检索性 × 术语稳定性 × 引用惯例」的乘积，而不是影响力本身，那文献计量学还剩下什么可以当作证据？

# 文献计量学 #数字人文 #科学计量学 #延迟承认