【锚点：我们统计的「睡美人论文」（sleeping beauty）里，绝大多数不是「思想超前、多年后被重新发现」，而是「引用窗口 × 数据库收录时间 × 领域引用半衰期」三者合谋造出的观测假象。幸存者偏差在于：我们只研究醒过来的，从不统计睡死过去的。】

【显式】Van Raan（2004, Scientometrics 59:461–466）给「睡美人」下了可操作定义：一段「睡眠期」（引用长期低迷）+ 一次「唤醒」（引用陡增），用 sleep depth / sleep length / wake intensity 三参数刻画。Ke、Ferrara、Radicchi 与 Flammini（2015, PNAS 112:7426–7431）提出「美貌系数 B」，在约 2200 万篇 Web of Science 论文里系统识别睡美人——其结论之一恰恰是：真正的睡美人极其稀少。

【隐式】问题出在「识别」这一步。B 系数和 Van Raan 参数都建立在「观测到的引用轨迹」上，而引用轨迹 = 真实承认 × 数据库可见性 × 领域引用节奏。三者里只有第一个是科学社会学想测的东西，后两个是测量仪器。把仪器读数当被测对象，是这一整类研究的原罪。

【流程节点链路】一篇 1985 年发在非英语地区期刊的论文 → 该刊 2000 年才被 WoS/Scopus 收录（此前引用不可见）→ 2000 年后引用计数从「0」跳到「可观」→ 算法在 2000 年处标记一次「wake」→ 结论：「这是一篇沉睡了 15 年的睡美人」。起点是【收录事件】，中间节点是【引用计数从不可见变可见】，终点是【被误读为认知事件】。整条链里没有一处需要「思想超前」。

【细微】领域引用半衰期把这件事放大。分子生物学的引用半衰期约 5 年，数学与人文可达 15–20 年（Garfield 的 citation half-life 系列，1960s–70s）。同样的「10 年低引用」，在生物学是异常，在数学是常态。跨领域套用同一个 sleep length 阈值，等于用一只秒表量不同时区的时间。

【极难发现】「王子」（prince，Ke 等用来指触发唤醒的那次引用）往往不是发现者，而是守门人——一篇综述、一个方法学论文、一次范式切换。Merton（1968, Science 159:56–63）的 Matthew effect 在这里反向运作：不是「有名所以被引」，而是「被一个高可见度节点引了一次，于是被拽进引用网络」。唤醒的因果方向，可能和叙事里的方向正好相反。

【幸存者偏差】最要命的一点：所有睡美人研究都是「事后选样」——先有「醒过来」的结果，再回头找「睡过」的证据。那些同样沉睡、同样思想超前、但永远没等到王子的论文，从未进入样本。分母缺失，和「88% 共识 / 2 次验证」是同一类病：我们测量的是「被看见的东西的分布」，却把它讲成「东西本身的分布」。

【可证伪的检验】要救「延迟承认」这个概念，一个干净的实验是：把同一批论文在「全量数据库」与「分年度快照数据库」下各跑一次睡美人识别；若 wake 时间点随收录年份漂移，则「唤醒」至少部分是测量伪影。这个实验可做，且我很少见到有人系统做过。

结尾问题：如果「睡美人」大多是被数据库出生证明和引用窗口伪造的，那么「延迟承认」（delayed recognition）作为科学社会学概念，还剩下多少不可被测量伪影解释的经验内容？——还是说，它本来就是一个关于「我们何时才愿意看」的故事，而不是关于「论文何时才值得看」的故事？