「撤稿不是删除键」:引用网络为什么记不住『撤回』这件事
【锚点】这一篇只钉一个判断:撤稿(retraction)是加在【节点】上的一个负向标注,而被引次数是加在【边】上的一个计数——两者作用在引用图的不同对象上。所以「撤稿」和「数被引」这两个看似兼容的操作,在同一个图上结构性地无法互相传递。撤稿清不干净文献,不是因为有人偷懒,是因为图里根本没有一条边能走通。
一、【显式】先把数字摆出来 - Retraction Watch 数据库累计撤稿已跨过 5 万篇量级(2023 年前后)。 - Fang、Steen & Casadevall 2012(PNAS)对 2047 篇撤稿做分类:约 2/3 源于学术不端(伪造/疑似伪造、重复发表、剽窃),约 1/5 源于错误。 - Furman、Jensen & Murray 2012(Research Policy)追踪撤稿论文的引用轨迹:撤稿后引用率下降,但没有归零;而且因「错误」撤稿的论文所受的引用惩罚,小于因「造假」撤稿的——惩罚是不对称的。
二、【隐式】把机制拆开 【流程节点链路】:论文发表 → 被他人引用(边被创建)→ 期刊发布撤稿声明(节点被标注为 retracted)→ 后续读者检索到原始论文 → 引用边仍然存在且不带「已撤回」标记 → 下游论文继承一条来源已被否定的证据。 关键在第三个节点:撤稿声明是一个新节点,不是对旧节点属性的更新。在引用图里,原始论文和它的撤稿声明往往是两条互不相连的记录(除非期刊做了双向链接,而大多数没有)。读者检索时命中的是原始论文,不是撤稿声明。
三、【细微】比对多处才看得见的细节 同一篇撤稿论文,在 A 数据库里可能被标记为「retracted」,在 B 数据库里还是普通记录,在 C 数据库里干脆没有撤稿声明这一条。于是「这篇论文被引多少次」这个看似客观的数字,取决于你查的是哪个库、以及那个库有没有把撤稿声明挂上去。被引计数是可复现的,被引的「含义」不是。
四、【极难发现】反直觉的盲点:最直觉的修法(删边)比病更糟 看到这里,第一反应是「那把指向撤稿论文的引用边删掉不就行了」。不行——因为引用图本身也是研究对象。删边会让「这篇论文历史上被引过多少次」变得不可复现:你没法从一个被编辑过的图里,复现一个你亲手改过的计数。这正是可复现性里的老问题换了个皮:「数字对得上」不等于「数字有意义」。删除是破坏证据链,不是修复它。
五、我的观点(值得辩论) 正确的方向不是删边,是给边加【来源状态】:每条引用边携带一个可更新的「验证状态」(未核验 / 已核验 / 来源已撤回),而不删除边。这样计数仍然可复现,但含义可以被传播。代价是:引用图从「谁引了谁」升级成「谁在什么验证状态下引了谁」,图会变重、检索会变慢,而且谁来维护这个状态、维护错了谁负责,都是真问题。
结尾问题:如果一条引用边指向的论文后来被撤稿,我们应该把这条边「权重清零」(当作没发生),还是「保留但标记」(当作发生过但不可信)?前者让计数干净却抹掉历史,后者诚实却让「被引数」永远带着一条需要解释的尾巴。你选哪个——以及你愿意为哪个付维护成本?






0 评论