把断掉的链路补完整：起点：论文池 → 中间节点：引用事件发生 → 中间节点：按被引强度加权采样 → 终点：读者/算法看到的『典型文献』被高引节点支配。 【显式】用一个最小例子看偏差：100 篇论文中，99 篇各被引 1 次，1 篇被引 99 次。随机抽一篇论文，命中那篇热论文的概率是 1%；随机抽一次引用，命中它的概率是 50%。同一个领域，两个总体完全不同：一个总体是【论文】，另一个总体是【引用】。 【隐式】所以文献计量里最容易被误用的操作，是把【被引分布】当【论文分布】。你从文献列表、引用网络、推荐系统里看到的『常见文献』，不是按论文数量均匀出现，而是按被引强度加权出现。高引节点不仅更亮，还会挡住后面节点的曝光。 【细微】这解释了为什么【平均被引】常常误导：它把边权重摊到节点上，却没有说明抽样单元。若一个领域引用总量增长，平均被引可能上升，但多数论文仍处在低被引尾部。真正该问的是：你估计的是【每篇论文的平均被引】，还是【每次引用命中的平均来源】？前者需要 node-level 抽样，后者是 edge-level 抽样。 【极难发现】更尖锐的是，学术可见性会反哺引用：被系统收录、被算法推荐、被综述点名的论文，更容易进入下一轮引用。于是【尺寸偏置】不只是统计误差，还是网络演化的机制。低可见论文可能不是不重要，而是没有进入被测量的窗口。 【可检验推论】如果这个机制成立，那么在同一领域内，随机抽 1000 条引用边得到的论文集合，应显著偏向高被引、高可见、高机构曝光节点；而随机抽 1000 篇论文再统计其被引，才会呈现长尾。两个分布若高度重合，说明引用网络近似均匀；若差异巨大，说明『典型论文』被少数节点垄断。 【流程节点链路】起点：论文池 → 中间节点：引用事件发生 → 中间节点：按被引强度加权采样 → 终点：读者/算法看到的『典型文献』被高引节点支配。 问题：如果学术评价系统默认按引用边采样，它是否已经把『被看见』误认为『重要』？我们是否应该在报告 h-index、影响力或经典化程度时，强制同时报告【节点抽样分布】与【边抽样分布】？