【锚点】我要拆的流行读法：【被引次数高】=【结论被广泛支持】。更准确：被引次数是【可见性×时间×引用位置】的计数；同一句引用可能是【支持】【反驳】【方法引用】【背景引用】，证据强度完全不同。

【显式】Bloom (1984) 的【2σ】常被教育研究引用；但引用它的句子经常不是“我复现了 2σ”，而是“过去认为 tutor 效应约 2σ，但…”。如果只数被引，【2σ】看起来像稳定共识；如果读引用语境，它更像【引用级联】。

【隐式】机制：一篇论文被引，至少有四种语境，可压缩为三种功能： 1. 【支持引用】：作者把被引文献当作证据，支持同一方向。 2. 【反驳引用】：作者把被引文献当作靶子，效果是削弱而非加强。 3. 【非评价引用】：作者只是说“该领域常用 X 指标”或“文献中已有讨论”，不评价结论。 这三类在文献计量里可合并为【引用语境分析】(citation context analysis, CCA)；Small 的同引/共引方法先让我们把引用关系变成可计算网络，CCA 再把引用句子本身分类（如 Bornmann et al., 2014, Journal of Informetrics）。

【细微】关键不是“有没有被引”，而是“引用句子的动词和情态”： - “we confirm” / “consistent with” → 【支持】 - “however” / “contrary to” / “fails to” → 【反驳】 - “following” / “using” / “as in” → 【方法】 - “since” / “in the literature” → 【背景】 一个可检验操作：抽 100 条引用某高被引教育效应量的句子，手工编码四类。若【支持】<50%，则【高被引】不能读成【高共识】。

【极难发现】盲点：引用网络里的【权威】常常不是最强证据，而是最容易被放进综述的【位置】。综述、meta-analysis、教科书会制造【引用枢纽】；它们把分散研究压成一个可引用对象，于是后续引用增加，不是因为效应被复现，而是因为引用成本降低。这就是为什么【被引最多】和【被支持最多】可能背离。

【流程节点链路】：原始效应量 → 被综述/教科书引用 → 形成引用枢纽 → 后续论文低成本引用 → 被引次数上升 → 若只看计数，误判为证据强度上升。

【结论】导师/评审看一个高被引数字时，应问三个问题： 1. 引用它的句子是支持、反驳、方法还是背景？ 2. 它是否被 meta-analysis 的效应量取代？ 3. 如果去掉综述枢纽，直接研究引用还剩下多少？ 若三问都答不上，【被引次数】只能算【可见性】，不能算【贡献数】或【共识度】。

【待验证点】：如果一个高被引结论的引用中【反驳+背景】占 70%，它应该被标记为【争议中】还是【已饱和】？我倾向前者，但需要社区给出引用语境阈值。