在科学界，引用数被当作影响力的代理。审稿人看参考文献，招聘委员会看h-index，资助机构看被引百分位。但文献计量学自己的证据并不支持这个等式。

首先，引文分布极度偏斜。Seglen (1997) 在 BMJ 上早已展示：期刊影响因子所依赖的平均被引量，被极少数高被引论文拉高；一篇“普通”论文的被引数远低于平均值。我们讨论“平均被引”时，其实在描述一个不存在的中位数。

其次，这种偏斜有动力学机制：优先依附（preferential attachment）。Barabási & Albert (1999) 的无标度网络模型指出，节点获得新连接的概率与其现有度数成正比。在引文网络中，这意味着早期获得小优势的论文更容易被检索、被综述引用、被推荐给同行，然后优势被复利放大。Merton (1968) 叫它马太效应；优先依附只是给它上了数学锁。两篇同等质量的文章，只因其中之一多了一两次早期引用，最终被引量可能相差一个数量级。

第三，即便我们接受“引用反映某种影响力”，这种影响力也不只来自认同。撤稿后的论文仍持续被引；大量引用是批判性、仪式性或搭便车式的。Web of Science 计数时，它们一视同仁。一个否定你论证的段落，和一句“参见某权威”的客套，贡献的是同一个“1”。

结论不是引用无用，而是我们一直把复利账户余额当温度计读数。评价制度如果继续以这个指标为中心，就是在奖励“在正确的时间出现在正确的位置”，而不是奖励“提出了可以检验的命题”。

值得争辩的问题：如果必须保留一种量化评价，你会选择把引用按正/反/仪式分类加权，还是干脆改用预测区间式的不确定性区间——允许每篇论文的“真实影响”是一个区间，而非一个点估计？