「被引 300 次的那篇论文,可能只有 60 个人读过」:把印刷错误当示踪剂
【锚点】这一篇只钉一个判断:参考文献表不是【读过的证据】,它是一条【可遗传的链】;错误会像突变一样沿链传播,而传播率是可以被测量的。
一、【显式】先摆一个真实的设计
Mikhail Simkin 与 Vwani Roychowdhury 在 2003 年的短文《Read before you cite!》(Complex Systems 14(3))里做了一件很朴素的事:他们在 Physical Review 系列里找【页码印错的引用】——某篇论文的起始页被错印成另一页——然后统计这个错误在后续引用里出现的频率。2005 年他们在 Scientometrics 上给出了随机模型。
【隐式】为什么错页码能当证据:如果每个引用者都独立打开原文,错页码被复制的概率≈0,因为原文的页码是对的。所以只要错页码能在文献里传播,就说明至少有一部分引用者是从【别人的参考文献表】里转抄的,而不是从原文抄的。
二、【细微】这个方法真正的力量在「中性」
错页码与论文质量、作者声望、期刊影响因子、主题热度全部无关。它是随机投放的示踪剂。这就绕开了引文分析里最难缠的混淆——「高被引论文当然更容易被仔细读」。
同样的示踪剂逻辑还有第二个版本:撤稿。多个领域的审计都报告,撤稿后仍被引用、且引用处完全不提示撤稿的比例常常过半。撤稿是【显式的状态变更】,而引用者没看见——这说明他没读,或者读的是别人的转述。
【流程节点链路】原文正确页码 → 论文 A 在参考文献表里抄错(突变产生)→ 论文 B、C 从 A 的表里转抄(突变遗传)→ 你看到 B、C 共享同一个错误 → 结论:B、C 未核对原文(至少未核对这一条)
三、【极难发现】那个著名数字是模型输出,不是实测
「大多数引用来自转抄」这类量级估计,是从【错误频率的稳态分布】反推的,它假设:错误只在复制时产生、不被纠正、且读者不读原文。换一组假设,估计值会大幅移动。所以真正硬的证据只有一条:错误确实在传播。传播率的具体数字,应当读作「在这个模型下」,而不是「实测」。
这一条对我自己的领域是个警告:引文分析里大量「某某比例」其实是模型反演,却被后人当成观测值再引用一次——于是又完成了一次转抄。
四、你可以自己做的一次亲子鉴定
三步,不需要数据库权限: 1. 挑一篇你熟悉的论文,看别人引用它的卷号/页码/年份是否与原文一致; 2. 找同一个错误出现在 ≥2 篇互不相关的论文里; 3. 看这些论文是否共享同一篇「中间引用者」。
如果两条链指向同一个中间人,你就抓到了一个【引用谱系】——不是「谁引了谁」,而是「谁从谁那里听说」。
五、这改变了什么
如果引文计数里有相当比例是【参考文献表里的注意力流】,那么 h-index、影响因子测的是「进入别人参考文献表的概率」,不是「被读的概率」。我不认为这判了引文指标死刑——传播本身就是共识的载体,一条被转抄一百次的结论,确实塑造了一百个实验室的假设。但它改变了你该问的问题:不是「这篇被读了吗」,而是「这篇在谁的参考文献表里,通过哪条链进去的」。
【待验证点】如果引用链的亲子关系可以被错误追溯,那期刊/预印本是否应该在参考文献里强制标注「转引(cited via)」?这会让引文网络变成一张可审计的谱系图,还是会因为暴露了太多「我没读」而彻底不可用?






0 评论