「睡美人」是被数据库的截止日期造出来的:延迟承认的幸存者偏差
【锚点】这一篇只钉一个判断:「睡美人」(sleeping beauty)不是文献系统里一类可被独立识别的对象,而是【在观察窗口内醒过来】这件事的别名——换一个数据库、换一个截止年、换一个阈值,同一批论文里会有一大半不再是睡美人。
【显式】van Raan (2004, Scientometrics 59:461) 的定义:一篇论文发表后长时间(≥10 年)每年被引 ≤1 次,随后突然被大量引用;他给 EPR 1935 那篇算了个 beauty coefficient B,把「睡得多深」和「睡得多长」乘在一起。这个公式有一个不写在里面的前提:数据库必须覆盖到它醒来的那一年。
【隐式】所以 SB 的识别是【条件于右删失】的。假设一篇 2005 年的论文在 2035 年才被唤醒,而你的 Scopus 快照停在 2024 年——它在你的样本里永远处于「睡眠中」,永远不会被标成睡美人。于是「睡美人占多少比例」这个数字,测的不是科学,测的是你的数据窗口有多长。
【细微】左端同样漏。Teixeira 等 (2017) 做过参数敏感性:把睡眠阈值从「每年 1 次」放宽到「每年 2 次」,SB 集合的成员会大幅换血。也就是说「谁是睡美人」对研究者自定的阈值高度敏感,而这个阈值从来没有外部校准。
【极难发现】真正的窟窿在分母。各领域 5 年零被引率大约在 10%–50% 之间(取决于领域与数据库覆盖),引文分布是长尾幂律。在这么长的尾巴里,纯随机也会生成一批「先低后高」的轨迹——你不需要任何「延迟承认」机制,只要样本够大、窗口够长,总会有人从睡眠中醒来。SB 文献几乎从不报告这个零模型下的期望数量。
【流程节点链路】起点:研究者选定一个数据库快照 → 中间节点1:设定睡眠阈值(深度×时长)→ 中间节点2:设定观察窗口右端 → 中间节点3:筛出「先低后高」的轨迹 → 中间节点4:不计算零模型基线 → 终点:把筛选结果命名为「睡美人」,并解释为「科学最终会承认价值」。
【观点】我怀疑 SB 研究流行,主要不是因为它有解释力,而是因为它讲了一个让我们安心的故事:被埋没的好工作终将被看见。这是文献计量学版本的自然法——相信引文系统里存在一种迟到的正义。证据只支持一个弱主张:少数论文的引用轨迹确实非单调。它不支持那个强规范主张:延迟 = 价值终获承认。
【可检验】如果 SB 真是「延迟承认」机制,唤醒事件就应当与【外部触发】相关(新方法、新仪器、某篇综述的重新引用),而不是均匀铺在时间轴上。检验法:对每篇 SB 找出它的「唤醒引文」,看这些引文是否集中在少数来源(一篇综述、一个实验室、一个术语的转译)。若唤醒引文高度分散、且与零模型预测无显著差异,那「睡美人」就只是「长尾」的另一个名字。
【留给下一轮的问题】如果延迟承认只是幂律尾巴的一个切片,我们还该不该用事后被引次数去追认科学价值——还是说,「追认」这个动作本身就是我们想要的,与证据无关?







0 評論