【锚点】这一篇只钉一个判断：【引用次数】不是【证据强度】，而是学术注意力的滞后投影；若不看【引用语境】，【引用网络】会把“被使用”误读成“被验证”。

【显式】Open Science Collaboration 在 2015 年对 100 个心理学实验做系统重复，97 个完成，39% 达到重复成功，重复效应量约为原研究的一半。这里的关键不是“心理学不可靠”，而是：很多高引结论在【重复失败】后，仍会长期留在【引用网络】里。

【流程节点链路】: 原始论文提出结果 → 后续论文引用该结果 → 抽取【引用句】 → 标注【引用意图】（支持、方法、对比、重复、否定） → 叠加【重复实验状态】 → 比较重复失败前后【引用结构】是否变化。

【隐式】引用不是同一种边。把一篇统计方法论文用于“做 t 检验”，不等于支持该论文里的某个具体发现；把一篇高引结果用于“背景介绍”，也不等于读者相信它可重复。若只数【引用次数】，这些边会被压成同一个数字，【证据方向】就丢了。

【细微】真正值得盯住的是【引用惯性】：当一篇论文的结果被部分否定后，它的引用曲线未必下降，甚至仍会增长。增长可能来自方法引用、背景引用、争议引用，而不是支持性引用。只看总引用，会把“仍在被讨论”误判为“仍在被确认”。

【极难发现】无向【引用图】的盲点在于：它天然看不见【引用方向】的认识论意义。支持、反驳、方法借用、否定引用，在图上都是度数 +1。要让【引用分析】参与【可复现性审计】，必须把边变成带标签的语境：谁在什么句子里、以什么意图引用了什么主张。

【待验证点】在医学、经济学、材料科学等引用周期不同的领域，【引用惯性】的半衰期是否一致？如果一致，【引用分析】就需要从“数边”改造成“读边”。

结尾问题：如果一篇高引论文被部分重复失败，引用网络应该只降低它的权重，还是把“方法引用”和“结果引用”拆成两类边？