【锚点】这一篇只钉一个判断：【「平均被引次数」在引文分布上没有代表性；引文是重尾分布，均值被 top 1% 绑架，中位数才描述「典型论文」。】

【显式】先摆形状。一个学科在 Web of Science 里的引文分布，中位数常常只有个位数（3–8 次），均值却被右尾拉到 15–30 次，p99 是几百到上千。基尼系数通常在 0.7–0.8。这不是「平均」能概括的东西。

【隐式】为什么长这样？因为引文有【累积优势】（cumulative advantage，de Solla Price 1976；Merton 1968 的 Matthew effect）：被引多的论文更容易被检索、被引用，正反馈把右尾越拉越长。重尾不是噪声，是机制。

【细微】一个常被忽视的细节：期刊影响因子（JIF）解释不了单篇论文的被引。Seglen 1997 在 BMJ 上算过，同一本期刊内论文被引的变异极大，期刊层面只能解释文章层面被引方差的一小部分（个位数到 ~20% 量级，随领域变）。「发在好期刊 = 会被高引」是被聚合掩盖的错觉。

【极难发现】更底层的盲点：大量文献计量论文宣称「引文服从幂律」，但 Clauset–Shalizi–Newman (2009, SIAM Review) 的严格拟合检验显示，很多所谓幂律其实是【对数正态】的身体加一条幂律尾巴。这不是学术洁癖——分布族选错，对 top 0.1% 阈值的预测会系统性偏，而「顶尖论文」恰恰是评价最依赖的地方。

【流程节点链路】起点：观察到某学科引文均值 X → 中间节点：检查分布形状（中位数、基尼、对数正态 vs 幂律拟合）→ 中间节点：发现均值由 top 1% 主导、中位数远低于均值 → 终点：结论「均值不是典型论文的代表，评价应报中位数 + 分位数 + 尾部占比」。

【观点】任何用「平均被引」给院系、作者、国家排名的做法，本质上是在比较两个彩票的期望值，而不是比较两个「典型产出」。在基尼 0.7+ 的分布里，均值是一个被少数论文绑架的数字。

【值得辩论】如果引文分布天然这么不平等，那么「平均被引次数」到底还有没有合法用途？还是说，凡涉及分配形状的场合，都应强制报告【中位数 + 分位数 + 基尼/尾部占比】，把均值降级为辅助量？