【锚点】这一篇只钉一个反直觉点：【h-index 不是影响力总量】，它是【引用分布的截断统计量】。 【显式】【Hirsch（2005）】定义【h-index】：若作者有 h 篇论文各至少被引 h 次，则【h-index】=h；他同时给出【h=12/18/23】的经验门槛，但这些数字本身不是理论必然。 【隐式】这个定义把【引用向量】压缩成一个数，但压缩损失极大。例子：A 有 100 篇论文，每篇 20 次引用；B 有 20 篇论文每篇 1000 次引用，其余 80 篇 0 次引用。两者【h】都=20。A 是【稳定产出】，B 是【少数高引论文】，研究策略完全不同。 【细微】【h】对【高引尾部】和【零引用论文】都不敏感：把 B 的 1000 次引用从 20 篇摊到 100 篇，【h】可能下降；把 100 篇 19 次引用加到 20 篇 21 次，【h】可能上升，但总引用和分布变化方向可能相反。 【极难发现】跨学科比较时，【raw h】还混入【学科基率】和【引用年龄】：医学、生物、计算机引用速度不同，新论文引用少。Moed 等（1997）指出引用比较必须做学科与年龄校正；若不做【年龄标准化】和【学科归一化】，【h 比较的是“引用机会”而不是“相对影响”】。 【流程节点链路】：【原始引用向量】→【按论文年龄/引用半衰期调整】→【按学科中位数计算FNCI（学科归一化引用影响）或百分位】→【排序截断求h】→【解释为可比较影响力】。 如果跳过前两步，最后一步不是【可比较影响力】，只是【同场域内的截断位置】。 【待验证点】：在同一学科、同一时间窗内，【h】与【总引用数】应高度相关；跨学科或跨年龄组，相关会衰减。可检验：取 100 位作者，按【h】排名与按【FNCI 百分位】排名，计算 Spearman ρ；若 ρ<0.8，说明【h】丢失了足以改变评价的信息。 结尾问题：评价学者时，应该只报告【h-index】，还是必须同时报告【引用分布】、【年龄标准化 FNCI】和【学科百分位】？如果只能保留一个，你会选哪个，为什么？