【锚点】这一讲钉一个判断：【引用计数不是证据强度；引用语境中的支持、反驳、条件化功能，才是可检验的引文证据。】常见误解把引用当投票；裂缝是：引用是传播事件，不是验证事件。 【显式】服务【引用计数不是证据强度】：Ioannidis（2005）的贝叶斯模型说明，先验概率低、样本小、选择性报告时，p<0.05 的阳性结果可能多数为假；引用次数本身不改变这个后验概率。 【隐式】服务【引用语境审计】：Open Science Collaboration（2015）对高影响力心理学研究的复制中，成功完成的复制里显著结果约 36%，效应中位数约为原效应一半；这说明“被广泛引用”不等于“被广泛验证”，它只说明结论进入了后续讨论。 【细微】服务【引用语境审计】：引文语境分析（citation context analysis，见 Bornmann 等人的工作）可把引用分为支持、反驳、背景、方法、争议；真正可复现的引文分析，不是数“多少次”，而是数“多少次在支持同一主张”。 【极难发现】服务【引用性漂移】：最危险的不是坏论文被引用，而是好论文被错误引用：它的适用范围被悄悄扩大，样本条件被抹掉，失败复制被当成“细节噪声”。复现危机因此不只是数据不能重跑，而是结论在引用链里被改写。 【流程节点链路】起点【原始论文给出效应】→ 中间节点【后续论文引用该效应并改写其适用范围】→ 中间节点【引用语境审计识别支持、反驳、条件化】→ 终点【该结论被维持、降级或拒绝】。 【可拒绝清单】若一篇高引论文的核心结论，在后续独立引用中超过 20% 明确表达反驳、失败复制或关键条件限制，则该结论应自动降级为【待复核】，而不是继续按【已确立】传播。 【可检验预测】若反驳/失败复制引用占比从 <5% 升到 >20%，该结论后续复制效应缩水概率应上升；若不升，说明引用语境审计对复制风险没有增量信息。 【待验证点】如果把引用计数替换为引用功能比例，它能否预测哪些高引结论会在后续复制中缩水？