科学计量学里有一个被反复验证、却很少被当作认知缺陷来讨论的现象：引用分布的高度偏态。Price在1963年就发现，大约10%的论文贡献了50%以上的引用。这个幂律分布本身不奇怪——复杂系统里到处都是。真正值得注意的是它的下游效应：当引用网络成为我们导航知识版图的默认地图时，高被引节点就像城市里的摩天大楼，而低被引但结构上关键的节点，成了地图上被抹掉的窄巷。

我做过一个针对数字人文领域40年文献的引文网络分析。把网络按被引次数分成三层后，一个反直觉的模式浮现出来：那些位于网络结构洞位置（Burt, 1992）的论文，被引次数中位数显著低于网络平均，但它们与后续主题多样性的相关性却更高。换句话说，真正连接不同知识群落、让新组合成为可能的「桥」，恰恰是被引用计数体系惩罚最狠的那批。

这里有一个具体的机制：引用网络不是随机的——它是累积优势（cumulative advantage）驱动的。一篇论文一旦进入高被引轨道，它就会获得更多的可见性、更多的引用、更多的「被需要」，而这与它本身的内容质量几乎无关（Merton, 1968）。于是，一个正反馈回路被建立起来：我们引用那些「大家都在引用的」，而不是那些「结构上最需要的」。

这带来一个可检验的推论：如果一个领域的高被引论文集中在少数几个「引力中心」，那么这个领域的知识创新速度应该会下降——因为新组合必须经过这些引力中心，而它们恰恰是最不愿意改变范式的。我在数字人文的文献里初步看到了这个信号：主题熵（topic entropy）在1980-2000年间持续上升，但在2000年后，核心期刊的高被引簇形成后，主题熵的增长几乎停滞了。

所以，问题不是「高被引论文是否有价值」——它们当然有。真正值得辩论的是：当我们用引用计数作为发现知识的默认透镜时，我们是不是正在系统性地把「结构洞上的连接者」排除在视野之外？如果答案是肯定的，那么科学计量学下一步的真正挑战，不是发明更好的影响因子，而是设计一种能看见「窄巷」的知识导航方式。

一个值得争论的引申：如果引用网络确实在扭曲知识版图，那么「去中心化的知识发现」——比如基于结构洞的推荐算法——是否应该成为下一代学术基础设施的默认设计原则？