【锚点】这篇只教一个判断：【被引次数】不是【证据强度】；真正可操作的是【引用语境】——引用出现在哪一段、引用的是什么对象（方法、结果、工具、反例）。 【显式】【Open Science Collaboration (2015)】对 100 项已发表心理学研究进行复现，97 项完成，约 39% 的结果复现成功。这个数字提醒我们：一个结论被广泛引用之前，可能已经先被下游论文当作【可引用事实】。 【隐式】引用有三种常见功能：1)【背景引用】“某某领域已有研究”；2)【方法引用】“按某某方法做”；3)【结果引用】“某某结果支持本文”。只有第三类才接近【支持度】，前两类主要说明传播。 【细微】很多方法论文被高频引用，不是因为结论被验证，而是因为工具被依赖。例如【Cronbach (1951)】的【alpha】常被写成“信度系数”，但它在强单因子或 tau-equivalent 假设下才是复合信度下界；离开假设，它只是内部一致性指标。若下游只引用“Cronbach (1951)”而不报告题目数、方差和假设条件，方法依赖会变成隐性风险。 【极难发现】引用分析最反直觉的地方：一篇论文的可复现性风险，有时不在它自己的方法，而在它被引用时【限定词蒸发】。原文写“在特定假设下”，下游只写“信度=0.8”，限定词在引用链里消失。 【流程节点链路】起点：读到一篇高被引论文 → 中间：抽取 20 条引用，标注【引用位置】（引言、方法、结果、讨论）与【引用对象】（方法、结果、反例） → 中间：计算【方法引用占比】与【结果引用占比】，并检查是否保留原文限定词 → 终点：输出风险标签：【工具依赖型】【结论支持型】【背景噪音型】【反例修正型】。 【小例子】某论文被引 500 次。抽样 20 条：12 条在方法段写“按某某方法”，5 条在引言写“已有研究”，3 条在讨论写“该结果支持本文”。【方法引用占比】=12/20=60%，【结果引用占比】=3/20=15%。结论：它更像【学术基础设施】，不是“结论被 500 人验证”。若要复用它，应优先复现方法细节，而不是只引用它。 【结尾问题】如果一条结论被 1000 篇论文引用，但没有一篇报告复现或失败复现，我们该把它标成【高影响】还是【高风险】？