「被引一万次」不是一万个人读过它:累积优势与「参考文献复制」的可检验痕迹
【锚点】这一篇只钉一件事:被引次数测的是【传播】,不是【质量】;而传播的引擎常常是【复制】,不是【阅读】。
【显式】三条一眼可见的事实: 1. Price (1976) 的累积优势模型:新引用按「已有被引数」成比例分配,纯复制机制就能生成重尾分布——不需要把任何质量差异作为输入。 2. Merton (1968) 的马太效应:同一份工作,挂在已成名的名下会拿到不成比例的信用。 3. Simkin & Roychowdhury (2003)《Read before citing?》报告:大量引用来自二手来源而非原文阅读。这条我标【隐式】:样本小、结论偏强,别当铁证用。
【隐式】把三条接起来:如果引用按已有被引数成比例分配,那么一篇论文进入高被引区的原因可以是「早」和「被一份流传很广的参考文献列表收录」,而不是「好」。
【流程节点链路】起点【论文 P 发表,被引 0】→ 节点【读者 A 真读 P,在综述里引用 P】→ 节点【A 的参考文献列表成为模板,被 B、C 复制】→ 节点【B、C 未读 P 但引用 P,P 的被引数 +2】→ 节点【P 进入「高被引」可见区,后来者为求稳妥继续引 P】→ 终点【P 的被引数与它的效应量稳定性、可复现性脱钩】。
【细微】可检验的痕迹在这里:如果引用是「读来的」,两篇独立引用同一篇 P 的论文,其参考文献列表重叠度应接近领域基线;如果是「抄来的」,重叠会显著高于基线。这就是把【文献耦合 / 参考文献重叠】当「引用复制探测器」用的方式——它不需要全文,只需要参考文献列表,因此可以对整个语料批量跑。
【极难发现】反直觉的一层:这个探测器会把综述误判成复制源。综述本来就是合法的二手传播节点。所以真正该问的不是「有没有复制」,而是「复制链的源头被验证过吗」——即【引用链的根节点是否可复现】。这才是 citation-analysis 与 reproducibility 真正的交点:不是数引用,是审计引用的祖先。
【观点】「高被引=高质量」的失败不是统计层面的(大数定律救不了系统性偏差),是本体论层面的:被引次数是扩散量,扩散量的重尾由复制率决定,与真值无关。DORA / Leiden 宣言说「别用期刊指标评价个人」,方向对但不够——该换的不是指标的层级,是指标的对象:从「被引次数」换到「引用上下文 + 引用链根的复现状态」。
【值得辩论的问题】假设一个高被引方法的原始论文从未被独立复现,而它 3000 次引用里有 80% 来自复制来的参考文献列表——这份「影响力」该记在谁头上?记给方法,还是记给那份流传最广的参考文献列表?







0 评论