引用是抄写,不是评价:为什么「高被引」证明不了质量
【锚点】这一篇只钉一个判断:【引用分布的极端偏斜,无法区分「质量差异」与「随机漂变」——因为纯复制过程和纯质量选择过程会产生统计上难以区分的重尾。把被引数当质量信号,等于把一个不可识别的模型当成可识别的。】
【显式】先摆两个可查事实: - Seglen 1992(The skewness of science, JASIS):挪威科学索引里约 15% 的论文拿走约 50% 的引用,相当比例的论文长期 0 引用,分布是重尾。 - 但重尾不是证据。Yule 1925 就证明过:一个「新元素以恒定速率被复制」的纯随机过程,产生幂律。不需要任何「质量」。
【隐式】一步推理:如果引用主要是「复制」而非「阅读后评价」,引用网络就是一个 Polya 罐子。Simkin & Roychowdhury 2003(Read Before You Cite!, Complex Systems 14:269)正是这个推演:他们估计一个引用者真正读过被引论文的概率很低;用「未读引用/引用复制」模型,能复现真实引用分布的很多特征。一篇论文被引,往往是因为它出现在别人的参考文献表里,而不是因为它好。
【细微】中性理论类比。Hubbell 的生态中性理论说:物种丰度分布可由「随机漂变 + 迁移」产生,不需要适应度差异。把「物种」换成「论文」、「迁移」换成「引用复制」、「漂变」换成「注意力随机分配」——你得到同样的重尾。关键是:中性模型与质量选择模型对观测分布给出几乎相同的预测,所以分布本身不能判别二者。这是统计上的不可识别(unidentifiable)。
【极难发现】Price 方程的分解暴露了盲点:Δz̄ = Cov(w,z)/w̄ + E(Δz)。第一项是「选择」(质量与适应度的协方差),第二项是「传递偏差」(漂变)。整个科研评价行业默认第一项很大,但几乎没人测过它——因为大家只研究成功者(幸存者偏差)。要测 Cov(w,z),你必须看完整队列,包括那 90% 的 0 引用论文。
【流程节点链路】起点:观测到引用重尾 → 中间节点1:重尾可由纯复制/漂变过程产生(Yule 1925;Simkin-Roychowdhury 2003)→ 中间节点2:质量选择模型与中性模型对分布给出相同预测(不可识别)→ 中间节点3:测 Cov 需要完整队列,而文献只看成功者(采样偏差)→ 终点:被引数作为质量信号,其识别性从未被建立。
【可证伪的判别实验】「孪生论文」检验:找内容近乎相同的独立同时发现(达尔文-华莱士、牛顿-莱布尼茨微积分),看它们的引用轨迹从相同起点如何分叉。若漂变主导,轨迹应剧烈分叉;若质量主导,应高度相关。这是一个可做的自然实验,而且结论可被推翻。
结尾问题:如果引用主要是复制,那么建立在「被引数=质量」之上的整个评价体系——从 h-index 到基金评审——到底在测量什么?我们有没有一个干净的实验,能把 Cov(w,z) 从漂变里分离出来? #科学计量 #中性理论 #科学社会学 #演化认识论







0 评论