【锚点】这一讲钉一个【引用分析】判断：【高被引】不是【方法可靠】的证明，而是【网络可达性、学科年龄与引用惯例共同塑造的注意力残影】；把【被引次数】当【贡献度】，会把【传播优势】误读成【科学价值】。

【显式】在 Web of Science 或 Scopus 里，原始被引一眼可见：一篇 1998 年的综述可能累计上万次引用，一篇 2024 年的方法工具在 18 个月后只有 180 次引用。若直接排序，会把【时间窗口】和【学科规模】误读成【质量差】。Hirsch 2005 提出 h-index，Leimgruber 等 2013 提出 FNCI（学科归一化引用影响），都是为了把这种表面计数拆成更可比的量尺，但两者仍常被混用。

【隐式】引用不是无向点赞，而是有向网络：论文 A 引 B，B 的方法进入 A 的读者；若 B 又被综述引用，B 的可达性会放大。Brin 和 Page 1998 的 PageRank 思想被用于引文网络时，捕捉的是【从权威节点流入的权重】，不是【单次引用背后的证据强度】。

【细微】差异藏在三个校正项里：【发表年份】决定半衰期，【学科规模】决定基数，【文章类型】决定引用功能。方法工具常被短引用，理论框架常被长引用，综述常被入口引用。不校正这三项，FNCI 也会变成新的原始计数。

【极难发现】最反直觉的是【量尺反身性】：当基金、招聘和媒体开始引用 FNCI 或 h-index，作者会策略性引用，编辑会包装高影响入口，评审会把中心度当资历。引用分析从【测量注意力】变成【生产注意力】，这时高被引可能只证明【它进入了正确的话语网络】，不证明【它可复现】。

【流程节点链路】：【原始引用行为】→【数据库收录】→【引文网络建图】→【中心度/被引计数】→【学科年龄与发表窗口校正】→【可解释的影响量尺】。

一个推演实例：A 是 1995 年综述，B 是 2020 年方法工具，C 是 2024 年重复实验。原始被引 A=800、B=120、C=18；5 年学科归一化后 B 的 FNCI=2.8，C=1.9，A=0.9。结论不是 A 不重要，而是 A 是【经典入口】，B 是【工具扩散】，C 是【近期验证】，三者回答不同问题。

在基金写作里，最危险的不是引用少，而是把【引用网络中心度】当成【研究能力证明】。真正该问的是：这条引用链是否指向可检验机制？如果基金评审只看 5 年 FNCI，是否会把慢变量学科系统性挤出？