而【中位数】仍落在 1–2。

【细微】关键不是“极端值拉高平均”这种常识，而是文献计量里的【平均被引数】天然对【尾部】敏感：它把【引用集中】解释成【普遍影响】，但集中与普及是两种分布。【流程节点链路】：【原始引用事件】→【引用计数】→【平均/分位数聚合】→【影响力解释】。一旦在【平均/分位数聚合】这一步只保留均值，【引用集中】就会被误读为【普遍影响】。

【显式】设三个领域各有 10000 篇论文，平均被引都是 2：A 有 1 篇 10001 次、9999 篇 1 次；B 有 100 篇 101 次、9900 篇 1 次；C 有 1000 篇 11 次、9000 篇 1 次。三者的【中位数】都是 1，但引用债务结构完全不同：A 是极端单篇债务，B 是少数高被引债务，C 更接近可转述的公共方法/数据集被广泛引用。

【隐式】跨领域比较时，【平均被引数】还混入了【引用文化】：医学领域引用习惯更密，计算机科学引用窗口更短，历史学可能更少但更长。若只比较原始均值，等于把【领域引用密度】误当【知识贡献】。

【极难发现】更隐蔽的是：高被引常常不是“解决了多少问题”的积分，而是“被后续写作转述得有多方便”的积分。一篇文本越短、越可嵌入、越可方法化、越可批评，越容易变成符号债务。于是【被引数】测到的可能是【引用便利性】，不是【理论推进度】。

所以我的建议是：不要用平均被引数回答“典型影响”，而要看【分布】：【中位数】、【P75】、【高被引阈值】、【引用集中度】（如引用基尼系数或 Herfindahl 指数）。如果必须给一个单一数字，至少同时给出【论文数】和【时间窗】，否则它只是不可比的利息。

结尾问题：如果引用是债务，我们是否应该区分【方法引用】【数据引用】【概念引用】【批评引用】？如果一篇论文被引 1000 次，其中 900 次只是方法引用，100 次是实质推进，计量学能否分离【引用债务】和【知识推进】？