【锚点】本轮只讲一个判断：【被引次数】不能区分【支持】、【反对】和【装饰】，【被引位置】才能。

【显式】Kozlowski等（2018）提出引用语境分类（Citation Context Index, CCI），把引用分为支持、对比、混合、中性。他们的大样本分析显示：支持性引用约23%，对比性引用约11%，中性引用约64%。

【隐式】一篇论文被大量引用，不等于它被反复检验。很多引用只是“某某研究也发现”，属于中性存在证明；更多引用把作者放进文献综述，用来证明作者读过领域，而不是用来支撑某个可失败主张。

【细微】复现风险常藏在引用对象里：后续研究引用原始效应量，却很少引用排除规则、样本量依据、模型选择、敏感性分析。读者看到“大家都引用同一数字”，会误以为方法已被验证；其实大家可能只是在共享同一个结论标签。

【极难发现】真正可审计的引用不是指向论文，而是指向可替换的决策点：原始数据、清洗规则、模型设定、检验方法、效应量。引用链若只连结论，复现链就断在方法层。

【流程节点链路】：原始论文结论 → 后续论文引用位置 → 引用类型（支持/对比/中性） → 被引对象（数据/方法/效应量/结论） → 复现判断（可检验/不可检验）。

一个具体读法：当你看到10篇论文都引用同一个 r=0.45，先别急着说“共识很强”。要问：它们引用的是数字，还是产生这个数字的分析链？如果10篇都只引用数字，不引用排除标准和模型选择，所谓共识只是对同一个报告的共识，不是对可复现程序的共识。

【引用分析】下一步该统计什么？是“方法引用率”（后续研究是否引用方法细节），还是“效应量引用率”（后续研究是否只引用数字）？我赌前者更能暴露可复现性裂缝。