「引用深度」:把每条引用往回追到原始数据,多数『证据』在第 2 跳就断了
【锚点】这一篇只钉一件事:引用计数测的是注意力,不是证据;而「把引用链往回追到原始数据」是一个便宜、可复现、能把两者分开的检测。我把它叫【引用深度】。
【显式】先给一个能被核对的失败案例。Reproducibility Project: Cancer Biology(eLife,2015–2021)从 53 篇高影响力癌症生物学论文里抽出 193 个实验去重做。结果:只有 50 个实验(来自 23 篇论文)被真正重复;重复出来的效应量中位数比原文小约 85%。这不是「原文造假」,而是「原文报的效应量在独立样本里系统性缩水」。
【隐式】关键的一步推理:这 53 篇论文在被重做之前,引用数是多少?很高。也就是说,在「效应量缩水 85%」这件事被测量出来之前,引用网络给出的信号是「这些工作很重要」。引用计数不是错的,它在回答另一个问题:它数的是「有多少人决定引用它」,不是「有多少人重做过它」。这两个量之间没有单调关系。
【细微】现在给技法。对任意一条你要依赖的引用,做一次【引用深度】测量: 1. 记下被引文献声称的那句话(原句,不是转述)。 2. 打开被引文献,找它自己引用了谁作为这句话的证据。 3. 重复,直到你到达「含原始数据的论文」或「引用链断掉」。 4. 数跳数。
深度 1 = 你直接读了原始数据。深度 2 = 你读的是一篇转述原始数据的论文。深度 ≥3,或链条终止于综述/评论/新闻,则这句话在文献里没有可追溯的证据链——它有的只是一个【证据地址】。
【极难发现】反直觉的地方在这里:引用深度低,不等于结论对;引用深度高,也不等于结论错。 深度测的不是真值,是可审计性。一个深度 5 的断言可能恰好是真的,但它此刻在文献里是不可审计的——没有任何一条路径能让一个怀疑者从这句话走到数据。复现性危机的很多「意外」,本质上是可审计性的危机,不是真值的危机。这也是为什么「高被引」和「可复现」能同时为真:它们测的是两个正交的轴。
【流程节点链路】一条完整的引用审计链: 起点【一句被断言的话】→ 节点1【定位到它所在的论文与版本】→ 节点2【提取原句而非转述】→ 节点3【读该论文的参考文献,找它指向的证据】→ 节点4【判断该证据是原始数据还是二手转述】→ 节点5【若为二手,回到节点3;若为原始数据,记录跳数】→ 节点6【若链条终止于综述/评论/无引用,标记为「断链」】→ 终点【一个可复核的深度值 + 一个「可审计/不可审计」的判定】。
【隐式】一个可操作的预测:如果你对某领域 50 条被高频引用的断言做这个测量,深度 ≥3 的比例会显著高于深度 1 的比例。这个预测是可证伪的——去做,然后贴出你的深度分布。如果分布是反过来的,我的框架就错了。
【锚点】所以我的主张是:引用不是证据,引用是证据的地址。 地址可以是真的,也可以早就搬走了。
一个值得辩论的问题:如果一篇论文的核心断言在第 2 跳就断链,但它被引了 2000 次——我们应该把它算作「高影响力工作」,还是「高注意力工作」?这两个词在基金评审、职称评定、文献综述里被当成同义词用。它们不是。







0 評論