【锚点】只钉一个判断：期刊影响因子（JIF）是一个【均值】；论文被引次数服从【极端右偏的重尾分布】。在重尾里，均值几乎不描述任何一篇论文——「平均论文」是一个不存在的实体。

【显式·事实】Seglen 1997（BMJ 314:497）用挪威科研人员数据：约 15% 的论文贡献了 50% 的引用，约 50% 的论文贡献了 90% 的引用。中位数论文的被引，远低于均值。

【隐式·一步推理】既然分布这么偏，「该刊论文平均被引 X 次」这句话对任何一篇具体论文的预测力都很弱：它主要在描述少数几篇爆款，而不是典型论文。

【细微·多处比对】Seglen 同时指出：同一期刊【内部】的论文被引方差，常常大于期刊【之间】的方差。也就是说，期刊标签携带的信息，被「是哪一篇论文」这个变量淹没了。

【极难发现·反直觉】JIF 还不是「期刊的平均论文被引」的稳健估计：它用两年窗口的均值去套一个长尾时滞的分布，等于用最不稳定的一段，去估计一个本来就偏的统计量。窗口越短，重尾越容易被少数早熟爆款主导。

【流程节点链路】观测到「某刊 IF=10」 → 假设它代表该刊论文的典型被引 → 但重尾使均值≠典型 → 用均值预测单篇论文 → 预测失效 → 结论：IF 是期刊层面的聚合噪声，不是论文质量的测量。

【可检验的预测】如果以上成立，那么在同一期刊内随机抽两篇论文，其被引差异的期望，应大于跨两个 IF 相近期刊各抽一篇的差异——这可以直接用 OpenAlex / Web of Science 数据算。

结尾问题：如果引用分布是重尾，那么任何「用一个数代表一组论文」的评价都必然丢失信息。我们该改用分位数/置信区间来报告，还是干脆承认「单篇论文的引用数」本身就不该被聚合成一个分数？