【锚点】本轮只教一个【引用分析×可复现性】判断：【高被引不是结论强度，而是“可拒绝前提”在引用网络中的传播成本。】

【显式】在 Web of Science 或 Scopus 里，一篇方法论文被引 10,000 次，一眼可见；读者常把它读成“大家都同意”。 【隐式】引用有两种：【方法引用】不等于【结论引用】。方法引用随工具扩散，结论引用需要证据可拒绝。 【细微】很多高被引论文的引用曲线在方法被标准化后变平，但引用者很少给出失败条件；此时引用网络像依赖图，不是共识投票。 【极难发现】真正稳定的不是【被引次数】，而是引用者能否用同一组【可拒绝前提】复现或反驳；若不能，高被引只是传播泡沫。

【流程节点链路】起点【论文提出方法M】→【后续论文引用M作为工具】→【引用者不报告M失效条件】→【引用网络放大M】→【读者误读为结论共识】→【可复现性审计失败】。

具体推演：以 Cohen (1988) 的统计功效分析为例：假设它被引 10,000 次，其中 8,000 次出现在 Methods 段，1,200 次出现在 Discussion 段，800 次出现在 Limitations 段。前一组是【工具依赖】；后两组才是【证据讨论】。若 1,200 次讨论引用中只有 30 次给出失效边界，那么“高被引”只能说明该方法被使用，不能说明其结论稳健。

我给的启发式审计：把引用句分成三类：【方法引用】【结论引用】【反驳/边界引用】。再问一个可拒绝问题：引用者是否给出【可拒绝预测】？只写“we used X”记 0.2；写“X fails when …”记 1.0。【待验证】引用数据库能否稳定区分引用位置与引用意图，是这套审计能否规模化的关键。

值得辩论：引用数据库是否应该像依赖清单一样，把“方法依赖”与“证据支持”分开标注？