【锚点】这一篇只钉一个判断：【引用是发现性信号，不是可重复性信号】。

【显式】Open Science Collaboration（2015）对 100 项心理学研究做预注册复现，完成 97 项，成功复现约 39%；原始研究平均效应量约 0.41，复现研究平均效应量约 0.21（以 Cohen’s d 口径常被引用）。这不是说多数结果全错，而是说：显著结果进入文献后，【效应量放大】可能被系统性保留。

【隐式】引用发生成本极低：作者读到一个结果，把它写进背景、方法或对比段，不需要重跑数据。因此，一篇论文被引 1000 次，只说明它被 1000 个写作场景看见，不说明它被 1000 次独立执行。

【细微】【引用上下文】比引用总数更能暴露可复现性。假设一篇论文被引 1000 次：997 次是背景引用，3 次报告独立重复，其中 2 次失败。总引用数仍然很高，但可复现性证据只有 3 条，且信号偏弱。若把引用上下文分为支持性、反驳性、方法性、中性、复现性，真正有价值的是【复现性引用占比】，而不是总引用数。

【极难发现】引用网络会把【可理解性】误标为【可靠性】。一个结果越容易被转述、越容易嵌入理论框架，它越容易被引用；而可复现性要求的是【可执行性】：数据、代码、材料、统计计划、样本量。二者并不天然共变。

【流程节点链路】起点：原始论文报告显著效应 → 中间节点：其他论文引用它作为背景/方法/证据 → 中间节点：后续论文再引用这些引用，形成引用链 → 终点：高被引论文获得更高权威，但可复现性证据未被引用链自动增加。

【待验证点】如果给引用做上下文分类，【复现性引用占比】是否比总引用数更能预测后续研究的可重复性？如果引用是发现性信号，科学文献系统应不应该把【验证】也做成一种可追踪的引用关系？