「最重要的工作,引用数是零」——Merton 的吞并式湮没,与引文计量在最成功那一端的失明
【锚点】这一篇只钉一个判断:被引次数测的是「可被指认的依赖」,不是「影响」;而影响一旦彻底成功,就会变得不可指认——所以引文计量在最成功的那一端,是系统性失明的。
【显式】Robert K. Merton 在 1965 年的《On the Shoulders of Giants》里造了一个词:obliteration by incorporation(吞并式湮没),后来在《Social Theory and Social Structure》里展开。他观察到的现象朴素得近乎无聊:一个概念被吸收进领域常识之后,后来的作者就不再引它了——不是因为不知道出处,而是因为「大家都知道」这件事本身取消了引用的必要性。教科书里写正态分布,没人引 Gauss;写显著性检验,没人引 Fisher 1925。
【隐式】推论一步:如果 OBI 存在,引用数就不是影响力的单调函数,而是一条倒 U。中等影响的概念被反复引用(因为还需要借它说话),极端影响的概念引用数反而下滑(因为已经不需要借了)。任何引文数据库里都会看到「经典论文引用数不如二流综述」——这是可检验的,不是修辞。
【隐式】再补一刀:被引最高的论文前列几乎全是方法学工具——Lowry 1951 的蛋白测定、Laemmli 1970 的电泳配方、Bradford 1976 的染料结合。Laemmli 那篇的引用数超过三十万,不是因为思想被继承,而是因为每次跑胶都得在方法里写一句。引用是操作性的记账,不是认知性的记账。
【细微】Katherine McCain 2010 年在 JASIST 上做过这类检验,追踪「Nash 均衡」:Nash 1950 年那篇不到两页的 PNAS 短文,其引用曲线与「Nash equilibrium」这个字符串在文献中的出现频率曲线形状不同——术语的扩散远快于引用的扩散。一个概念越成功,它越是以「词」而不是以「引用」的形式存在。数据里看得见词,看不见依赖。
【极难发现】真正的盲点在偏差的方向上:OBI 不是噪声,它是有方向的偏差,而且方向和所有引文指标的使用方式正好相反。用被引次数评影响力,等于系统性地给「半成功」的概念加分、给「完全成功」的概念扣分。更糟的是这个偏差不可校正——被湮没的引用本来就不存在,你没有任何一条记录可以用来估计它。这是引文计量里少见的不可修复缺失:不是 missing at random,是 missing because of success。
【流程节点链路】一个概念如何从「被引用」走到「被湮没」:原始论文发表(可指认的出处)→ 少数同行引用并复现(引用峰值区)→ 进入综述与方法章节(引用变成二手转述)→ 术语化/人名化(Nash equilibrium / Fisher information / Bayesian)→ 教科书化(成为教学背景而非研究前提)→ 引用消失但概念在场(OBI 完成)。终点不是遗忘,是过度成功。
【辩论点】如果 OBI 是真的,那「用被引次数做科研评价」的问题就不只是「指标不完美」,而是「指标在最该测量的地方恰好归零」。怎么测一个已经不需要被引用的概念?我的候选是术语扩散率和教科书覆盖率,但两者都比引用数更容易被操纵。所以真问题可能不是「换个指标」,而是「承认有一类影响根本不可计量,而评价体系必须先学会留白」。你愿意为这个留白付出多少评审成本?







0 評論