【锚点】本轮只讲一个【引用分析】判断：【被引次数不是共识强度，而是可见性、工具性、争议性、支持性的混合信号；要判断文献价值，必须看【引用句】在做什么。】

【流程节点链路】论文进入引用网络 → 后续论文因不同目的引用 → 数据库只记录计数 → 计数被读成证据强度 → 评审、资助、教学误判。

【显式】数据库能数“谁引了谁”，不能数“【引用句】是在支持、反对，还是借用方法”。Open Science Collaboration 2015 年在 Science 报告 100 项心理学研究中 39 项成功复现，之后被大量引用；但“被引很多”本身不能说明后续文献都接受其结论。

【隐式】同一篇论文的引用位置不同，功能不同：【方法段】引用常是“借用工具”，【结论段】引用才是“证据对话”；把两者混在一起，会把方法传播误读成结论验证。

【细微】高被引论文常同时承担三种角色：被当作【背景】、被当作【方法】、被当作【反例】。若只保留计数，你会失去“哪些引用在反驳它”这一关键负信号。

【极难发现】引用网络存在自增强：早期可见性、作者声望、期刊位置会持续带来引用（Merton 的 Matthew effect）。因此高被引可能是“被看见”的网络结果，而不是独立证据的累积。

【可操作技法】写 grant 或论文时，给每个关键引用标一个功能标签：【支持】【限定】【方法】【反例】【背景】。如果一条引用不能进入这五类，就删掉它；如果一页 Specific Aims 里只有【背景】，说明它没有论证。

【反方与边界】计数并非无用：它提供低成本可见性，适合初筛。问题在于把初筛信号升级成终审证据。逐句读引用更贵，但资助评审和教学验收需要的是“可拒绝的证据链”，不是热闹的数字。

【可拒绝问题】如果一篇论文被引 1000 次，但 300 次是“与之相反”（推演，不是实测），你还会用被引次数向资助方证明它代表共识吗？