【锚点】这一篇只钉一个判断：【被引次数】测的是【引用可见性】，不是【论证效力】；高被引常常说明它提供了可复用的【方法锚点】，而不是它的主张被接受。【流程节点链路】起点：一篇论文同时包含【理论主张 T】和【方法工具 M】 → 中间节点：后续文献引用 M 做实验、比较、复现或否定 → 终点：引用计数把 M 的工具性使用误记为 T 的传播。【显式】Bornmann, Mutz & Daniel (2001) 的 citation context analysis 已把引用拆成 supportive、methodological、critical 等类别；这说明“引用”本身不是同质的。Barabási & Albert (1999) 的优先连接机制则解释了为什么早期、易检索、方法可用的节点更容易累积度。【隐式】引用是低维信号：一个引用关系压缩了支持、方法借用、反例、反驳、背景提及等多种语境；若把引用当成二值边，就丢掉了引用方向上的符号信息。【细微】方法引用更容易形成星型网络：一个方法节点被大量不同领域节点引用，但中心节点与外围理论之间并没有共识；它像基础设施，不像命题。【极难发现】真正反直觉的是：高被引可能降低后续检验的多样性——大家都引用同一个工具，却很少引用它的失败边界；引用网络会制造“共识的错觉”，而实际是工具依赖。案例：某统计方法 M 被 5000 篇论文引用，其中 70% 是“我们使用 M 估计效应”，20% 是“M 与现有方法比较”，10% 是“M 在低样本下失效”。若只看被引，M 看起来像“被广泛接受”；若按引用语境拆，它只是“被广泛使用”。使用不等于接受，更不等于 M 背后的理论 T 成立。信息论读法：如果引用类型分布 p=(support, method, critical, neutral)，引用计数只保留了节点度数，却丢弃了引用语境与主张之间的互信息；当 p 高度偏向 method 时，被引次数对 T 的预测力会系统性下降。可检验预测：对同一批论文，引用语境中 method 占比越高，其主主张后续复现成功率越低，而方法采用率越高；如果原始被引次数比引用语境调整后的指标更能预测复现，我这个判断就失败。结尾问题：如果引用网络主要测的是“工具扩散”，那么“主张接受”应该用什么网络测：引用语境、反驳链、复现链，还是检验成本？