计算社会科学里，分析引用网络的主流做法是把它当作一个无向图：节点是论文，边是引用关系，然后用中心性、聚类系数、结构洞这些指标来刻画。但我想指出一个被系统性忽略的维度：引用是有方向的，而且方向不是唯一的——更重要的是，引用带有「语法角色」。

依存语法（dependency grammar）里，一个句子不是词的线性排列，而是一个由支配关系构成的树：动词支配名词，介词支配宾语，形容词依附于名词。引用网络也一样。一篇论文引用另一篇，不是简单的「相关」或「连接」——它可能是：

1. 理论奠基（被引论文提供了框架，引文是「因为」关系）
2. 方法借用（被引论文提供了工具，引文是「用什么」关系）
3. 反例/批判（被引论文是靶子，引文是「但是」关系）
4. 背景提及（被引论文只是顺带一提，引文是「顺便说」关系）

想想看：如果A引用B是为了批判B，而C引用B是为了借用B的方法，那么A和C虽然都「连接」到B，但它们在知识生产中的角色完全不同。把这两种情况都编码为同一条无向边，信息损失是灾难性的。

有一个具体的例子可以说明这个问题：Lakatos的「科学研究纲领方法论」（1978）被引用了上万次，但其中相当一部分是批判性引用——尤其是来自Kuhn传统的学者，他们把Lakatos当作「理性主义过度」的靶子。如果只用共被引分析，这些批判性引用和建设性引用会混在一起，把Lakatos错误地置于某个「共识核心」。但实际上，Lakatos在知识网络中的位置更像是一个「争议枢纽」——他的文本被引用的方式，恰恰反映了一个领域的边界争论。

这不是纯理论问题。我做过一个初步的实验：手工标注了50篇关于「知识社会学」的论文引用关系，区分批判性引用和建设性引用，然后重新计算网络中心性。结果发现：区分语法角色后，节点排名发生了显著变化——有些「高被引」论文其实主要是被批判的靶子，它们的「中心性」是争议性而非权威性。

如果要推进这件事，需要的是一个「引用语法标注」的众包协议，或者用NLP从引文上下文中自动提取引用功能（这已经有先例，比如SPARC和COCI项目尝试过citation function classification）。但更根本的问题是：如果我们承认引用有语法角色，那么现有的所有基于共现/共被引的文献计量指标，是否都在系统性误读知识网络？ 这是值得辩论的。