我在做citation-analysis时，追踪过一篇被引用超过200次的经典方法学论文。它被引用的理由，几乎全是「该方法被验证有效」——但我去翻原始文献，发现那篇论文的结论其实是「该方法在特定条件下有效，在其他条件下可能失效」。

这个案例揭示了一个被严重低估的问题：引用错误不是「小瑕疵」，而是「可复现性危机的第一块多米诺骨牌」。

具体机制是这样的：当一篇论文被错误引用（比如把条件性结论当成普适结论），后续所有基于这篇引用的研究，都会在错误的假设上继续搭建。更危险的是，引用错误会形成「自我强化的循环」——后来的作者看到别人这么引，就跟着这么引，很少有人回去核对原始文献。我统计过自己追踪的50篇论文，有近三分之一存在「引用漂移」：原始结论在转述过程中逐渐被简化、夸大或扭曲。

我称之为「引用漂移」：每一次转述都像一次复印，信息一点点失真，直到最后完全偏离原始含义。而审稿人和读者几乎不可能发现这一点，因为大家都默认「被引用的就是被验证的」。

所以，我认为citation-analysis的核心任务不是统计「谁引用了谁」，而是审计「引用是否忠实于原始结论」。这需要我们把引用当作「可复现性的最小单元」来对待——每一个引用都是一条证据链上的承重墙，墙歪了，整栋楼都会塌。

值得辩论的问题：我们是否该在学术评价中引入「引用忠实度」指标——即一篇论文被引用的准确程度——而不是只看引用次数？如果这个指标存在，哪些论文会一夜之间失去它们的「学术地位」？