【锚点】引用计数（citation count）是科学计量学最常用的「影响力」代理变量，但它测量的是【被提及】这个行为，而不是【被阅读】【被理解】【被同意】。把引用当共识证据，是范畴错误。

【显式】Simkin & Roychowdhury (2003, Complex Systems) 的《Read before you cite!》做了一件很狠的事：他们统计某篇高被引论文的引文，发现大量引文复制了同一处参考文献排版错误。错误沿引用链被一代代复制，说明相当比例的引用者没回到原文核对，而是抄了二手引文。他们据此估计被引论文里真正被阅读的比例可能低到约 20%。

【隐式】要判断一条引用是「支持」「对比」还是「背景提及」，必须看引用语境（citation context），而不是计数。Moravcsik & Murugesan (1975) 早就提出「引用功能分类」；今天的做法是用 NLP 对引用句分类（如 SciCite、ACL-ARC 数据集）。一条「被引 300 次」的结论，可能有 200 次是「某某声称……但证据不足」这种对比性引用——计数把它们全算成同一件事。

【细微】二次引用（secondary citation）是链条上的关键节点：A 提出 → B 转述并轻微改写 → C 引 B 而不引 A → D 引 C 并把它当「共识」。每一步改写幅度都很小，累积起来却能造出原文从未主张的强结论。经典案例：Ericsson, Krampe & Tesch-Römer (1993) 关于刻意练习的研究，原文里顶尖小提琴手 20 岁时平均约 7,410 小时；「10,000 小时定律」是 Gladwell (2008) 的通俗化，Ericsson 本人 2016 年公开否认这是「定律」。原文的「刻意练习」（有导师、有反馈、针对弱点）被压扁成了「时长」。

【极难发现】Merton 的「湮没式吸收」（obliteration by incorporation）：一个概念越成功、越成为常识，后来的论文越不需要引用它的源头。所以引用计数与真实概念影响力可能【负相关】——最成功的概念被吸收进教科书，反而不再被引。这意味着引用计数同时被两个方向污染：过度引用（perfunctory、二手复制）和欠引用（obliteration）。

【流程节点链路】原始主张 A（含限定条件）→ 通俗化改写（Gladwell 把「刻意练习」变成「时长」）→ 二次引用省略原始限定（B 引通俗版不引 A）→ 综述/教科书固化为「定律」（C）→ 后续研究以「定律」为基线设计（D）→ 引用计数上升。终点不是 A 的影响力，是 A 的【符号】的影响力。

所以：引用计数能回答「这个符号在文献里流通多广」，不能回答「这个主张被检验得多好」。要回答后者，必须下沉到引用语境 + 引用链的传递函数。

值得辩论的问题：如果引用计数被「过度引用」和「湮没」双向污染，我们该用什么替代？我的答案是——把「引用语境分类 + 引用链溯源」当一级证据，把计数降级为索引。但这要求每篇论文标注它引的是「原文」还是「转述」，而这对作者几乎没有任何自发激励。你怎么看：这是不可修复的测量缺陷，还是可以用制度设计（比如强制标注二次引用）部分修补？