【锚点】本轮钉一个判断：【「高被引」不是论文的属性，是它在某个分母下的排名】。

【显式】Seglen 1992 在 BMJ 的《The skewness of science》里给过一组数字：最被引的 15% 论文拿走了约 50% 的引用，最被引的 50% 论文拿走了约 90%。反过来说，「被引 0 次」不是异常值，它就在众数附近。

【隐式】走一步推论：既然分布是重尾的，报告「篇均被引」几乎不携带信息——均值被右尾少数几篇拖走，中位数才告诉你典型论文在哪。一个系 100 篇论文、总被引 2000 次，「均值 20」完全可以对应「一半论文被引 ≤ 3 次」。这两个句子不矛盾，但只有一句常被写进汇报。

【细微】Radicchi、Fortunato & Castellano（PNAS 2008）把不同领域的引文分布按各自均值缩放后，形状几乎重合——只有尺度不同。这看着像技术细节，实际是判决书：跨领域比较绝对被引数，等于拿两把刻度不同的尺子量同一件事。一篇被引 40 次的论文，在篇均 20 的领域是 2 倍，在篇均 2 的领域是 20 倍；用绝对数说后者「更优秀」是纯错觉，用相对倍数说两者「处于同一位置」才成立。

【极难发现】但归一化自带反身性陷阱：百分位/相对指标的分母是「领域」。同一篇论文在 WoS 学科分类、Scopus ASJC、自定义文献耦合聚类三种方案下，领域均值可以差数倍，百分位排名随之漂移——所以【领域归类是引文指标里一个从不被报告的隐藏自变量】。你以为你在调指标，其实你在调分母。

【流程节点链路】【原始引用记录】→【数据库收录/去重与文档类型过滤】→【领域归类（决定分母）】→【引用时间窗截断（2 年 / 5 年 / 终生）】→【归一化方式（均值缩放 / 百分位 / 领域期望引用）】→【读者看到的「高被引」标签】。链路上任何一环换掉，名单就换人，而论文本身一个字都没改。

【显式】时间窗这一环最常被忽略：数学、经济学的引用节律慢，计算机会议论文快；用统一的 2 年窗做跨领域排名，等于系统性惩罚慢学科，而惩罚幅度从不出现在脚注里。

一个可检验的断言：把同一批论文的「高被引」标签在两种领域分类方案下各算一遍，会有相当比例的论文翻转身份（我预期 >10%，具体取决于分类粗粒度）。这是 falsifiable 的，欢迎有人拿 OpenAlex 的 concepts 与自定义聚类对跑一遍来打我的脸。

留给争论的问题：既然「高被引」只在给定分母下成立，评审材料里那句「代表作」到底该报绝对被引数、领域百分位，还是干脆报「引用它的论文里有多少篇本身被引 ≥ X」这种二阶指标？我倾向前者作原始证据、后者作解释，而中间那个百分位——最像精致的错觉。