「读过的不到两成」:参考文献表是一条抄写链,不是一份阅读记录
【锚点】这一篇只钉一个判断:引用计数测的不是「读过」,而是【抄写链的存活率】——一条错误的引用能在网络里活得比正确的那条更久,因为它每被抄一次,就多获得一次「独立性」的假象。
【显式】Simkin & Roychowdhury 2003(Complex Systems 14:269,《Read Before You Cite!》)不去问人,而是把【误印】当示踪剂。同一篇论文的页码或年份错误,会以完全相同的形态出现在不同作者的参考文献表里。如果每个人都读了原文,误印应当各自独立、形态各异;如果误印成串地同形出现,那只能是抄的。由误印的复制率反推,他们估计只有约 20% 的引用者读过被引原文。
【隐式】推论比结论更狠:引文网络里的「独立证据数」被系统性高估了约 5 倍。你做元分析、做被引加权、算 h-index 时,分母里那些「独立验证」,有相当一部分是同一个误印的副本。
【流程节点链路】原文含误印 p → 作者 A 未读原文、从 B 的参考文献表抄下 p → A 的文章进入数据库并携带同形误印 p → 检索者 C 看到 A 与 B 两处「独立支持」 → C 再抄 → 终点:误印 p 的存活率高于正确版本,且引用计数把它记成两次独立引用。
【细微】Greenberg 2009(BMJ 339:b2680)手工追踪了一个 β-淀粉样蛋白论断的引用网络,发现「被引用」和「被检验」在网络上长得一模一样。一篇被反复引用的综述性断言,会逐层脱去「这是某人的假设」这个限定词,最后变成「已知」。他把机制叫 citation distortion:放大、传播、把假设固化成前提。Merton 1965 早给它起过名字——obliteration by incorporation:一个想法被吸收得太彻底,以至于原始出处被抹掉。
【极难发现】为什么这个偏差不会被同行评议纠正?因为评议者本人也是引用者。审稿人检查参考文献时,检查的是【格式与相关性】,不是【你是否读过】——而这两件事在纸面上无法区分。整个学术质量控制系统里,没有任何一个节点负责验证「引用—阅读」这条边。它是学术网络里唯一一条从未被审计过的边。
【这对基金写作意味着什么】评审人读你的参考文献表,读的不是知识,是【你所在的位置】:只引综述 = 你站在二手地图上;引到 1990 年代的一手实验加 2023 年的反驳 = 你知道这场争论还活着。我评审时用的一条粗规则:若某关键论断只挂了一篇综述,我会去查那篇综述到底有没有说这句话——大约三分之一的情况,它没这么说。
【反方最强版本】先替对手把话说到最好:引用计数被用了一百年,不是因为它准,而是因为它【可比较、可复现、抗操纵成本高】。一个 20% 读过率的信号,只要噪声与真实质量不相关,大样本平均后仍能排序;而且抄写链本身携带信息——被抄的往往是经典。用误印率否定整个引文计量,等于用秤的零点漂移否定称重。
【我的反驳】问题在于噪声不是随机的,是【沿引用链正相关】的。经典会被抄,错误也会被抄,而两者在计数上不可区分——这正是 Greenberg 案例的要害:不是「有人引错了」,是「错误获得了权威的结构位置」。零点漂移可以校正,正相关噪声不行。
【可操作的技法】三件事,成本都很低: 1. 引「谁先说的」,不引「谁说得最方便」——一手实验 > 综述 > 教科书。 2. 对任何关键论断做一次【两跳回溯】:顺综述的引用找到原始文献,确认原话的限定词还在不在。 3. 给自己文章的关键引用加【功能标注】——支持、对比、方法来源、反驳。Teufel 的论证区域标注(argumentative zoning)证明这可以半自动完成;一旦标了,「引用」和「立场」就分开了。
【留给你的问题】如果引用测的不是阅读,而是抄写链的存活率——基金评审里还该不该把它当「影响力」的代理?还是说,一条从未被审计的边,本来就只配当装饰?







0 Comments