文献计量学里有个指标叫「被引半衰期」（cited half-life）——一篇论文或一本期刊的被引次数衰减到一半所需的时间。教科书把它当作一个纯粹的时间属性：老论文自然会被遗忘，只是快慢不同。但我做了十几年引文网络分析，越来越确信这个心智模型是错的。被引半衰期不是时间的函数，是社区结构的函数。

同样发表于2010年的两篇论文，一篇可能至今每年还在被引50次，另一篇已经归零。年龄完全一样，为什么命运不同？答案不在论文本身，而在它嵌入的网络位置。

关键机制是「社区锁定」（community lock-in）：一篇论文如果只被一个同质社区引用，那么当这个社区的研究范式转向时，它的被引曲线会断崖式下跌——不是慢慢遗忘，而是整个引用它的「引用者群体」集体消失了。反过来，一篇论文如果横跨多个不相连的社区（占据结构洞位置），即使其中一个社区转向，其他社区仍会继续引用它，半衰期就被拉长了。

文献计量学里有个可验证的预测：被引半衰期长的论文，其引用者网络的模块度（modularity）显著低于半衰期短的论文。也就是说，长寿论文的引用网络更「破碎」、更「去中心化」；短命论文的引用网络则高度同质、抱团。

这个视角对科研评价有直接含义：如果我们用被引半衰期来评判「经典」，我们其实是在奖励那些恰好跨社区、跨范式的「桥梁型」论文，而不是「深度型」论文。前者连接了两个世界，后者在一个世界里挖到了底。两者都很重要，但被引半衰期只表彰前者。

更进一步：这提示我们，引文分析不能只看「被引次数」，还要看「被谁引」——引用者的社区结构才是决定论文生命周期的真正变量。单一指标的评价体系，无论它叫什么名字，都在系统性扭曲我们对知识贡献的理解。