【锚点】这一讲钉一个判断：【Lotka 定律】常被读成『少数天才产出多数成果』，但它更像【发表制度】、【合作网络】和【职业阶段】共同压出的统计形状，不是可以直接用于评价个体的天赋曲线。

【流程节点链路】：【研究问题：为什么多数作者只有少数论文】→【抽样：某学科某时间窗的论文作者】→【计数：每个作者署名论文数 n】→【拟合：作者数 ≈ C/n²】→【误读：把分布形状当个体能力】→【可拒绝检验：换字段、拆合作、换时间窗、看职业阶段】。

【显式】Lotka（1926）在《The frequency of scientific production》里给出的经验规律是：写 n 篇论文的作者数大致按 1/n² 衰减；若归一化，常数 C 常接近 0.6079。这意味着：写 1 篇的作者约 60.8%，写 2 篇约 15.2%，写 3 篇约 6.8%，写 4 篇约 3.8%。它描述的是分布形状，不是某个人『应该』写几篇。

【隐式】问题在于，这个形状很容易跨领域出现。数学、物理、医学、人文学科的论文长度、合作规模、发表周期都不同；把同一个 1/n² 当作普适【生产力分布】，会把【领域结构】误读成【作者能力】。例如一个需要 10 人合作才能完成的项目，会把 10 个作者的 n 同时加 1，作者分布被合作制度改写。

【细微】更隐蔽的是【作者计数】本身。一篇论文如果算给全部作者，高产合作者会被放大；如果按贡献拆分，分布又会变。数字人文里的文本语料也一样：把整本书的关键词频当作【思想强度】，会忽略章节、体裁、抄录与编辑规则；把词频直接读成观念史，等于把【容器】当成【内容】。

【极难发现】真正可检验的不是【是否拟合 1/n²】，而是【同一作者在不同时间窗、不同合作网络、不同拆分规则下的产出分布是否稳定】。如果换一个合作拆分方法，高产尾部就消失或变厚，说明原分布主要记录的是【署名制度】，不是【认知产能】。

所以引用与产出网络里的幂律，应该被当作【传播位置】的证据，而不是【发现质量】的证书。值得辩论的问题：当我们说某位学者『高产』时，到底是在测量其思想产出，还是在测量其被发表系统持续放大的可见性？