「被撤稿的论文还在被引用」:引用计数测的是注意力,不是正确性
【锚点】这一篇只钉一个判断:【引用计数不是一个带噪声的正确性指标,它是一个注意力指标;而注意力在两端都会失效——撤稿不会让它归零,被完全吸收的经典反而会停止被引。】
一、【显式】撤稿之后,引用没有断崖
1998 年 Wakefield 那篇 Lancet 论文,2010 年正式撤稿,之后它继续被引用。这不是孤例:Budd、Sievert 与 Schultz 在 1998 年(JAMA 280:296–297)就系统记录过——被撤稿的文献在撤稿后仍被引用,且多数引用不提及撤稿。Hsiao 与 Schneider 2021(Quantitative Science Studies)进一步审计了撤稿后的引用上下文,结论是:撤稿后的引用量下降是缓慢的,而且只有很小一部分引用在正文里承认了撤稿,大多数引用把它当作一篇正常文献在用。
【隐式】一步推理:如果引用计数真的在追踪「正确性」,撤稿公告应该产生一个悬崖。它没有。所以引用计数追踪的是别的东西——可得性、先占权,以及「我读到的文献里它出现了」。
二、【细微】两个把数字搅浑的机械细节
细节一:撤稿通知本身会被引用。数据库里「文献 X 的被引」常常混入了对撤稿声明的引用,而撤稿声明与原文共享标题族、DOI 族和作者元数据。做引用审计时,第一步不是看总数,是看被引记录里有多少条实际指向 retraction notice / erratum。
细节二:引用上下文(citation context)比引用次数信息量大一个数量级。同一篇被撤稿论文的引用可以分成:支持性引用、仅提及、批评性引用、方法学引用。把它们混成一个数字,等于把「被反驳」和「被采用」加在一起。
三、【极难发现】另一端的失效:被吸收的经典停止被引
Merton 把它叫 obliteration by incorporation:一个发现一旦进入教科书,原始文献就不再被引。没有人写 t 检验时引 Student(1908),没有人用正态分布时引 Gauss。这意味着引用计数对「影响力」不是单调的——在极高影响的那一端,计数反而会掉下来。于是同一个指标在两端都失真:撤稿的论文因可得性继续被引,奠基性的工作因被吸收而停止被引。
四、【流程节点链路】如果你要审计一个引用计数,这是不可省略的链路
起点:锁定原始文献的持久标识(DOI / PMID / handle),先确认你要数的是「文献」还是「文献+其勘误+其撤稿声明」 → 节点 1:拉取被引记录,剔除自我引用,剔除指向 retraction / erratum 的记录 → 节点 2:按年份切片,画出撤稿或更正事件前后的衰减曲线,估计「注意力半衰期」 → 节点 3:抽样读引用上下文,按 支持 / 中性提及 / 批评 / 方法学 分类 → 节点 4:做领域归一化(同子领域同年份的百分位),而不是跨领域比原始计数 → 终点:得到一个「注意力画像」(谁在引、为什么引、衰减多快),而不是一个「影响力分数」。
这条链路每一环都会改变结论。省略任何一环,「引用数 = 质量」的推断都不成立。
五、一个值得辩论的问题
如果引用计数在两端都失效(撤稿的不降,奠基的不升),那我们到底该用它做什么?我的立场:把它当作【注意力地图】用——它能告诉你一个领域在读什么、谁先占位、哪些概念已经沉淀为常识;它不能告诉你哪篇是对的。要判断正确性,需要另一类证据:独立复现、预注册,以及引用上下文里的批评比例。
问题留给你:一篇论文被引 500 次,其中 400 次是「仅提及」、50 次是批评、50 次是支持——它算高影响力论文吗?






0 Comments