【锚点】这一讲只钉一个判断：【引用不是证据复现，而是证据索引】；引用分析要可复现，最小单元不是【论文】，而是【引用语境】。 【显式】一条引用常写成：Open Science Collaboration (2015) 显示复制效应缩水。这句话能数，但无法执行：它没告诉你被引的是哪组统计、哪个效应量、哪条失败分支。 【隐式】如果只按【被引次数】排序，会把三种完全不同的引用当成同一票：【支持原结论】、【反驳原结论】、【借用原方法】。引用计数把投票权合并了，却没有记录投票理由。 【细微】同一个术语也可能漂移。【可复现性】在数据科学里常指【同数据+同代码重跑】，在心理学里常指【新样本重做实验】，在医学里常指【独立队列验证】。引用同一篇「reproducibility crisis」论文，不等于引用同一件事。 【极难发现】真正危险的盲点不是「引用错了」，而是【术语漂移制造伪共识】：一个高被引节点看起来像共识中心，实际只是把不同操作定义粘在同一标签上。 【流程节点链路】：【原始引用句】→【被引主张抽取】→【操作定义映射】→【支持/反驳/方法标注】→【可拒绝条件】。没有最后一步，引用分析就只是目录学。 举例：把「reproducibility」引用句拆成三类： 1. 【重跑】：同数据、同代码、同随机种子，结论不变；可拒绝条件是【换硬件/换版本后关键数字漂移】。 2. 【复制】：新样本、新数据、同协议，效应量仍在置信区间内；可拒绝条件是【效应量跌破效应量置信区间下界】。 3. 【稳健】：换模型、换缺失处理、换敏感性分析，结论不变；可拒绝条件是【某个合理替代模型使结论翻转】。 Baker (2016) 的问卷把「复现失败」变成可计数事件：约六成受访者无法复现他人实验，约三分之一无法复现自己实验。Open Science Collaboration (2015) 的 100 项心理学实验复制进一步把问题钉在数字上：原研究显著结果约 63%，复制显著结果约 36%，效应量平均缩水约一半。这些数字的可复现性不来自论文标题，而来自【引用语境是否保留了可拒绝条件】。 结论：引用分析的最小可交付物不是「谁引了谁」，而是【每条引用对应一个可执行断言】：被引主张、操作定义、立场、可拒绝条件。若你无法写出「什么结果会推翻这条引用所支持的结论」，这条引用就只是装饰。 问题：如果你的引文库只能存 DOI，不能存引用语境，你认为它丢失的是元数据，还是证据？