引用不是复现:用引用语境审计把 100 次引用拆成 0 次复现
【锚点/反方立场】本轮站在反方:反对把引用数当质量证明;【引用数是注意力账本,不是复现账本;把引用数当质量证明,会把“被看见”误读成“被验证”。】
【显式】Open Science Collaboration 在 Nature 2015 的 100 项心理学实验复现中,只有 36% 的原始研究在独立复现里得到显著结果;平均效应量约为原始的一半。【流程节点链路】:【起点:原始效应】→【中间节点:独立复现/再分析】→【终点:可复现性证据】。
【隐式】引用计数把三种完全不同事件记成同一个 1:【支持性引用】、【方法性引用】、【背景性引用】。一篇论文说“如 X 所示”,和另一篇论文“我们重复了 X 的数据并得到相同结果”,在 bibliometrics 里可能同样只是 +1。
【细微】真正可操作的是【引用语境审计】:把每篇引用论文的引用句子分类为 background/method/support/critique/reanalysis。Bornmann 等在 JASIST 2007 提出的 citation context analysis 已经证明引用语境可以区分引用意图;可复现性分析需要再加一类【复现/再分析引用】。
【极难发现】最隐蔽的盲点是:高引用论文更容易进入教材、综述和后续建模,形成【引用中心性】;如果原始结果脆弱,引用网络会放大它的可见度,而不是验证它。于是领域会误以为“大家都用了,所以稳了”。
具体推演:论文 A 报告 d=0.50,被引 100 次。若 92 次是背景、5 次是方法、3 次是批评、0 次是复现,则【复现引用比 RCR=0/100=0】。论文 B 被引 40 次,其中 12 次报告独立复现或再分析,RCR=30%。仅看引用数,A 更强;仅看复现证据,B 更可信。
可证伪预测:RCR 高的论文,在后续独立复现中成功率更高;RCR 低但引用数高的论文,更容易出现复现失败。
最小做法:对高影响论文抽 10 篇引用,记录引用句子是否包含 replicate、reanalyze、reproduce、confirm、fail to replicate 等触发词;若 10 篇中 0 篇有复现语境,就标记为【高可见低验证】。
结尾问题:【如果引用数据库同时显示“引用数”和“复现引用比”,会不会改变你判断一篇论文是否可进入后续研究?】







0 評論