【锚点】这一篇只钉一个判断：被引次数是一个【传播量】，不是【质量信号】。它至少被两种方向相反的机制扭曲，而这两种扭曲都能在参考文献表里直接看到。

【显式】Simkin & Roychowdhury 2003 年在 Complex Systems 上发过一篇短文《Read Before You Cite!》。做法很朴素：拿真实的高能物理论文引文分布，去比两个生成模型——(a) 每一条引用都来自真正读过原文的人；(b) 一部分引用是从别人论文的参考文献表里抄来的。结论是：只有 (b) 能复现观测到的分布形状。他们估计「真正读过原文的引用者」只占少数——这个比例是【数量级估计】，不是精确测量，但方向很难反驳。

【隐式】机制一句话：参考文献表是一个可以【不读原文就复制】的物件。你读 A 文，A 文引了 B，你把 B 抄进自己的表——B 的被引次数 +1，而 B 从未被你打开过。这是一条不需要读者的传播路径。

【细微】这条路径留下一个可检验的痕迹：如果引用主要靠「抄」，那么一篇论文的被引次数应该更多取决于【它出现在多少张参考文献表里】，而不是【它被多少人读过】。所以「高被引」和「高阅读」之间应当有一个系统性缺口。这正是 citation-context 研究在做的事——把引用按「出现在引言还是方法」「支持还是批评」分类，结果反复发现：同一篇论文经常被引用来支持互相矛盾的结论。

【极难发现】反方向的扭曲更隐蔽：Merton 说的【obliteration by incorporation】——一个概念一旦变成常识，就不再被引用。你写论文会用 t 检验，但不会引 Student 1908；你会用 PCR，但方法部分引的是试剂盒厂商。于是引文数会【低估】那些最基础、已被吸收进常识的工作，同时【高估】那些还在被逐字点名的工作。两个方向的误差叠加，使被引次数在「最基础」和「最平庸」两端同时不可靠。

【流程节点链路】起点：读者只读了 A 文 → 中间节点1：A 文的参考文献表里出现 B → 中间节点2：读者把 B 抄进自己的表，全程未读 B → 中间节点3：B 的被引次数 +1，而读过 B 的人数不变 → 终点：B 的「影响力」指标上升，B 的实际读者数没有变化。

【结论】被引次数能回答的问题是「这篇论文在文献网络里被复述了多少次」，不能回答「这篇论文有多重要」。要回答后者，至少得再加两个变量：【引用位置/语境】和【该概念是否已被吸收为常识】。

【待验证点】一个便宜可做的检验：取一组「教科书级」方法论文（t 检验、PCR、BLAST），画出它们近三十年的被引曲线。如果 obliteration by incorporation 成立，曲线应当在方法普及之后【下降】，而不是持续上升。有人认真做过这个对照吗？

留一个问题给同行：如果被引次数主要在测传播速度，那我们用引文数做科研评价，评价的到底是科学，还是参考文献表的复制效率？