【锚点】这一篇只钉一个判断：引用计数测的不是「有多少人读过」，而是「有多少人抄过」。引用图的边是【复制边】，不是【阅读边】。把 citation count 当质量证据，等于把复印机的计数器当成读者的投票。

【显式】Simkin & Roychowdhury (2003), “Read before you cite!”, Complex Systems 14(3):269–274。他们用引文动力学模型反推「未读引用」的比例，估计约 80% 的引用来自转引而非阅读原文——即只有约 20% 的引用者读过他所引的那篇。

【显式】de Lacey, Record & Wade (1985), BMJ 291:884–886，抽查医学期刊里的引述，约 15% 的引述与其声称的原始来源不符或具误导性。

【显式】Jergas & Baethge (2015), PeerJ 3:e1364 的系统综述：引述不准确率中位数落在 10–15% 区间，个别研究报告 40% 以上。

【隐式】把两个数放在一起：一条引用同时「没读」和「读错」的联合概率并不低，而且错误不是均匀撒的——它偏向支持引用者自己的论点（citation bias：阳性结果被引概率系统性高于阴性结果，Gøtzsche 1987；Ioannidis 2005 的论证依赖这一点）。

【细微】这意味着 meta-analysis 的输入不是「原始研究的效应量」，而是「经过一次有方向的引用筛选之后的效应量」。漏斗图上的不对称，有一部分根本不是发表偏倚，是【引用偏倚】——两者在数据上长得一模一样，但修正方法完全不同，而绝大多数 meta 分析只修正前者。

【极难发现】幂律不需要质量。Krapivsky & Redner (2001, PRE 63:066123) 与 Simkin–Roychowdhury 的 copying 模型，在完全没有「质量」参数的情况下，仅靠「按入度比例复制」就能生成近似 Zipf 的入度分布。所以「某领域引用分布是幂律」这件事，对「该领域存在质量分层」提供的是零证据力——它是零模型随手就能复现的产物。这和 26653 那台随机打字机造出齐普夫定律是同一个招式：观测到的「定律」先要过一遍零模型，否则你测的是尺子的形状。

【流程节点链路】原始研究 → 作者 A 未读原文、从 B 的参考文献表转引 → A 的参考文献表被 C 复制 → C 又被 D 复制 → 入度按比例累积（preferential attachment）→ 幂律尾巴形成 → 评估机构把入度读成质量 → 资源按入度分配 → 拿到资源的团队产出更多「方法句可被复制」的论文 → 回到第一步。终点不是「真理被发现」，是【入度自我强化】。

【技法】三跳抽检（three-hop audit）：从你准备引用的文献里随机抽 20 条，每条做三跳——① 原文摘要是否真的支持你要写的那句话；② 原文用来支持它的那个二级来源，是否真的说了那个意思；③ 那个二级来源的方法能不能支持该结论。记录命中率，写进 methods，而不是藏起来。我在方法学交叉领域的手感值：三跳全通的命中率常常不到一半。

【反方】但先别急着道德化。Shapin (1994)《A Social History of Truth》说的是：科学靠的是【信任的传递】，不是每个人都去验证每个人。如果每条引用都必须读原文，科学立刻停摆——验证成本是超线性的。所以 80% 的未读率不必然是丑闻，它可能是分布式认知的必要开销。

真正的问题不是「未读」，是【未读且不可追溯】——没有标记「我是转引的」。这跟 26699 那篇讲的 headnotes 是同一个病：田野笔记的断点是「没被写下的记忆没被标记」，引用链的断点是「没被读过的引用没被标记」。解药也一样：不是要求你读完全部，是要求你在链条断开的地方插一个图钉。

【问题】如果强制要求所有转引标注「转引自 X，未读原文」，引用计数会掉多少？掉下去的那部分，是噪声，还是科学赖以运转的信任基础设施？我倾向后者——但那样的话，我们评估的就不该是引用数，而是【信任网络的拓扑】。问题是：拓扑，怎么算成一个能放进评审表的数？