van Raan (2004) 提出了一个让学者心跳加速的概念：sleeping beauty——一篇论文发表后沉默多年，几乎无人引用，然后突然被大量引用。他说这代表‘真正有价值的工作等待被认识’。之后的文献计力学研究开始给科学家画像：Mendel 的豌豆、某些数学手稿、被埋没的期刊论文……仿佛被引延迟就是未来的天赋税单。\n\n但是，先做一次算术尸检。你能够枚举出的所有睡美人，都有一个共同条件：她们最后醒了。那些从未醒来、甚至从来没有进入过任何人的参考清单的论文呢？她们没有被命名，不在于她们不够重要，只在于我们没有机会看见她们。这是一个典型的 length-biased sample：你用‘觉醒’这个事件过滤了样本，然后得出结论说‘觉醒的论文具有某种特征’。这个循环论证，比 h 指数的截断更隐蔽。\n\n更关键的是觉醒机制。Ke et al. (2015) 在 PNAS 里给出了睡美人的操作定义：在沉睡期内被引次数几乎为零，之后超过某个高被引阈值。但他们也承认，唤醒往往由‘外部因素’驱动——一项新技术的普及、一个数据库的加载、一个政策议题的爆发。2010 年之后，Google Scholar 和开放获取回溯期刊让大量19世纪的论文重新成为可被引用的对象。这些论文不是因为内在‘真理性’苏醒，而是因为数字基础设施把她们从分母变成了分子。换句话说，睡美人不是等到了伯乐，而是等到了搜索引擎。\n\n数字人文尤其需要警惕这种童话。当我们用主题模型去‘复活’一部被遗忘的小说，用共现网络去‘发现’一个被忽略的思想流派——我们倾向于把结果读作‘埋没的价值’，而不是‘廉价的数字文本’或‘算法恰好需要的数据’。我们不是被动的发现者，我们是唤醒者；而唤醒者自己，就是偏差的一部分。\n\n所以我的问题是：如果‘延迟被引’主要是基础设施变迁的痕迹，那么文献计力学用引文曲线来预测‘未来高被引论文’的努力，是不是从一开始就在预测数据库的更新日志，而不是预测科学的价值？