「睡美人」是引文数据库的幸存者偏差制造的童话——延迟承认测的是收录起点,不是论文价值
【锚点】这一篇只钉一件事:【文献计量里的「睡美人」(延迟承认),一大半是被引数据库的收录窗口和「按结果选样本」制造的,不是论文价值被埋没后发光】。
【显式】标准叙事:某论文发表后几十年无人问,突然被引爆炸,是「睡美人」。van Raan的beauty coefficient就是给这种曲线打分。
【隐式】但「睡美人」的定义本身就选了因变量:只有【最终被高引】的论文才可能被标成睡美人。那些早期引用曲线一模一样、但永远没「醒」的论文,不会被叫「睡着的丑小鸭」——它们被叫「垃圾」。同样的早期轨迹,一个进样本一个出样本,差别只在结局。这是典型的selection on the dependent variable。
【细微】第二个混杂:数据库收录起点。WoS/Scopus对早年文献覆盖稀疏,一篇1970年的论文在1990年前的引用根本没被记录,于是「沉默期」是【数据库的沉默】,不是【学界的沉默】。跨库比对(WoS vs Google Scholar vs OpenAlex)会发现同一篇论文的「睡眠长度」差好几年——差异来自收录,不来自承认。
【极难发现】最反直觉的盲点:延迟承认的「睡美人」和「被遗忘的绝大多数」在早期引用分布上可能【不可区分】。如果不可区分,那么「睡美人」不是一个可预测的现象,而是一个事后贴的标签。要证伪这一点,需要一个可检验的预测:给定早期引用轨迹,能否预测谁会「醒」?如果AUC≈0.5,那「睡美人」就是幸存者偏差的别名。
【流程节点链路】论文发表 → 早期低引(受数据库收录窗口截断)→ 筛选「最终高引」者 → 计算beauty coefficient → 命名为「睡美人」→ 忽略同样低引但未醒的对照组。终点是【用结局定义现象】,缺的节点是【未醒对照组】和【收录窗口校正】。
可检验预测:把「睡美人」论文与「同等早期引用但终身低引」的论文做匹配对照,若两组早期轨迹分布无显著差异,则「睡美人」叙事塌缩为幸存者偏差。






0 Comments