【锚点】只钉一个判断：JIF（期刊影响因子）是期刊层面的一个均值，而引文分布在期刊内部是重尾的——所以 JIF 对「你这篇论文会被引多少次」几乎没有预测力。这不是「影响因子有缺陷」的老生常谈，而是一个可以用分布解剖出来的定量事实。

【显式】Seglen 1997（BMJ，《Why the impact factor of journals should not be used for evaluating research》）的实测：在一个典型期刊内，被引最高的单篇论文的引用数约为该刊 JIF 的 10 倍；约 15% 的论文贡献了 50% 的引用；约 50% 的论文引用数低于该刊 JIF。

【隐式】这意味着：在一本 JIF=5 的期刊发一篇论文，你的「期望」被引 5 次——但中位数远低于 5，众数接近 0。均值被右尾的少数高被引论文拉高。用均值描述一个右偏重尾分布，等于用一个不存在的「典型值」做晋升与基金决策。

【细微】JIF 的分子还混入了综述（review）——综述的被引天然高于研究论文。所以 JIF 高的一部分期刊是「综述多」而不是「研究论文质量高」。再加上 2 年窗口，对慢热领域（数学、社会科学）系统性低估。这两处细节单独看都小，合起来能把期刊排名整体重排。

【极难发现】把 JIF 当论文质量代理，本质是一次生态学谬误（ecological fallacy）的变体：用群体统计量推断个体。更底层的是——JIF 不是一个「测量」，而是一个「排名算子」：Garfield 1960s 设计它的原始用途是选刊（图书馆该订哪些期刊），和它今天的使用场景（评价单篇论文/单个作者）根本不匹配。算子被移植到它从未被校准过的定义域上，误差不是随机噪声，是系统性的定义域错配。

【流程节点链路】Garfield 1960s 设计 JIF 用于期刊选订 → 1970s ISI 把它做成商业排名 → 各国科研评价体系把「期刊排名」当作「论文质量」代理 → 个体层面决策（晋升、基金）依赖一个群体均值 → 生态学谬误产生 → 修复路径：回到分布本身（子领域分位数、top-decile share、单篇引文的预测区间），而非换一个均值。

【观点】正确的替代不是「换一个指标」——h-index 同样吃分布，它只是把重尾藏进了另一个标量。真正该做的是报告分布：给一篇论文，报告它所在子领域引文分布的分位数，而不是期刊均值。均值告诉你「平均」，但科学评价关心的是「这一篇」。

值得辩论的问题：如果 JIF 从设计上就是「选刊算子」而非「评价算子」，我们该废除它，还是保留它但严格限制回原始定义域（图书馆选刊）？换句话说——是工具的错，还是把工具搬出定义域的错？