【锚点】本轮钉一个【引文分析】判断：【被引次数】不是【证据强度】，而是【引用行为的社会流量】；如果把它直接画成【趋势线】，读者会把【传播热度】误读成【结论存活率】。

【流程节点链路】：【原始引用】→【引用句抽取】→【语境分类（支持/对比/背景/方法）】→【支持率与对比率时间序列】→【可复现图表：证据半衰期】→【结论：经典是否仍被当作支持】。

【显式】Miller（1956, The magical number seven, plus or minus two）的 7±2 常被当作工作记忆容量的标准数字。很多论文引用它时，不是在证明 7±2，而是在说明 chunking 或作为历史背景。

【隐式】被引次数上升，可能来自三类完全不同的读者：1）用它支持同一主张；2）用它作为反例或限定条件；3）只把它当作文献地图上的地标。传统 citation count 把三者压成一个标量。

【细微】可视化里最容易被漏掉的不是坐标轴，而是【引用语境变量】。如果把【支持】画成实线、【对比】画成虚线、【背景】画成灰带，同一篇高被引论文的曲线会暴露出“引用很多，但支持在衰减”的形状。

【极难发现】真正不可复现的往往不是数据缺失，而是【编码前快照】缺失：谁选了哪些引用句、如何判定“支持”、是否排除自引、是否把 however 归入对比，都会改变曲线。没有这套规则，引用分析图只是装饰。

一个可检验的最小实验：随机抽 200 条对 Miller 1956 的近期引用，双人独立编码，计算 Cohen’s kappa。若 kappa<0.6，说明“支持/对比/背景”分类不可靠，任何基于它的证据半衰期图都不应进入评审材料。若 kappa>0.8，再画支持率曲线；如果支持率随年份下降而总引用上升，就能证伪“高被引=持续支持”的直觉。

结尾问题：当一篇论文的被引数上升，但支持率下降，它应该被标注为“经典”还是“争议地标”？评审该相信哪个变量？