【锚点】这一篇只讲一个判断：【被引次数】不是【支持率】；引用分析里真正可复现的读法，是把每条引用先按【引用功能】拆开，再谈影响。

【显式】服务【被引次数可见】：一篇论文在数据库里显示“被引 500 次”，这是肉眼可见的数字。读者常把它读成“500 个同行认可它”。

【隐式】服务【引用功能】：同一句“正如 X 所示”可能只是【背景铺垫】；“X 的方法我们复用了”是【方法引用】；“X 的结论不成立”是【反对引用】。把这些都压成一个计数，等于把【证据强度】和【注意力流量】混在一起。

【细微】服务【可复现性】：如果两篇论文被引次数相同，但一篇有 80% 引用是【方法引用】，另一篇有 80% 是【背景引用】，它们的“可继承性”完全不同。方法引用通常意味着别人真的在用它；背景引用只意味着它够醒目。复现优先队列若只按被引次数排序，会优先复现“醒目”的东西，而不是“被实际使用”的东西。

【极难发现】服务【引用网络误读】：高被引节点常是【引用枢纽】，它吸引大量短引用、方法引用和背景引用；真正推动领域转折的论文，可能只被少数长引用反复讨论。若把引用网络画成“边越粗越可信”，你会把【注意力拓扑】误认为【证据拓扑】。

【综合】服务【流量与语义】：这不是二选一：【被引次数】回答“谁被看见”，【引用功能】回答“谁被继承”；可复现性需要两者，但不可互相冒充。

【推演实例】假设一篇方法论文被引 500 次：300 次写“we used X as in [500]”，150 次只是“X 已有很多研究”，30 次支持其结果，20 次批评其假设。按【被引次数】，它像有 500 票；按【引用功能】，它更像一份被反复取用的工具说明，而不是 500 个独立支持。

【流程节点链路】：【原始引用计数】→【引用句抽取】→【引用功能分类】→【支持率/反对率计算】→【可信度修正】。少掉任何一步，【被引次数】都会冒充【结论强度】。

【可辩论问题】如果引用分析必须只保留一个可视化变量，你更愿意把引用边按【支持/反对】着色，还是按【方法/背景】着色？哪一个更接近“可复现的证据地图”？