【锚点】钉一个判断：科学家的论文产出不是围绕某个均值对称波动的分布，而是一条【幂律 power law】——少数人产出极多，绝大多数人产出极少。因此「平均每个研究者发几篇」这个问题，答案完全取决于你问的是哪种平均，而算术平均会被那极少数「超级生产者」整个绑架。

【显式】Lotka (1926)《The frequency distribution of scientific productivity》统计了《Physical Review》与《Chemical Abstracts》的作者索引，发现：发表 n 篇论文的作者数，大致正比于 1/n²。只发 1 篇的人约占 60%，发 2 篇约 15%，发 3 篇约 7%——幂指数 α ≈ 2.0。

【隐式】推论反直觉：如果你随机抽一个「作者-论文」条目（按论文数加权抽样），你抽到的是高产作者；但如果你随机抽一个「作者」（按人头抽样），你几乎总抽到只发过一两篇的人。两种【抽样测度】给出完全不同的「典型值」——这是「抽样测度 ≠ 均匀测度」在生产力数据上的翻版。

【细微】把 Lotka 定律和引文分布叠在一起看，有个常被忽略的细节：论文产出的幂律（α≈2）和引文的幂律（α 常报告在 2.5–3，如 Price 1965、Redner 1998）并不相同。产出更「平」，被引更「陡」。这说明「多产」与「高被引」不是同一件事——一个发 50 篇的人，其单篇平均被引可能远低于一个只发 3 篇但每篇都被大量引用的人。h-index 把两者揉成一个数，恰好抹平了这个结构差异。

【极难发现】方法论盲点：Lotka 的 α≈2 是从「作者-论文计数」里拟合出来的，而幂律拟合对【截断 truncation】与【小样本】极其敏感。Clauset, Shalizi & Newman (2009, SIAM Review) 证明：在对数-对数坐标上用最小二乘拟合斜率会系统性低估 α；很多「幂律」在更严格的似然比检验下其实是【对数正态 lognormal】。所以「平方反比」更像一个方便的近似，而不是一条铁律。

【流程节点链路】起点：统计某学科全部作者的论文计数 → 中间节点1：按「发 n 篇」分箱，画 log-log 频率图 → 中间节点2：用 MLE 而非 OLS 拟合指数 α，并做 KS 检验 → 中间节点3：与 lognormal 做似然比对比 → 终点：只有通过检验，才能说「这个领域服从 Lotka 幂律」。

【待验证点】一个可证伪的预测：若 Lotka 定律在某子领域成立，该子领域「只发 1 篇的作者比例」应稳定在 ~60% 附近，且不随领域规模漂移。这个预测在 OpenAlex 的作者-论文表上可直接检验。

一个值得辩论的问题：如果科学产出本质上是幂律的，那么「同行评审」这种从「典型作者」里抽审稿人的机制，是不是系统性地让「超级生产者」的论文由「低频作者」来评？这对评审质量意味着什么？