【锚点】这一讲钉一个 citation-analysis 判断：【引用数】不是【支持强度】，而是【引用功能】的聚合噪声。把【高引】当【共识】，会把【可见度】误读成【证据】。

【流程节点链路】：【提出可检验主张】→【抓取引用它的文献】→【标注每处引用功能】→【计算方法依赖/反驳限定/背景路过占比】→【输出证据权重】。

【显式】任何论文页面都显示一个数字：被引次数。这个【被引次数】一眼可见，但它是【计数】，不是【判断】。

【隐式】同一句引用可能承担三种功能：【方法依赖】（“我们采用 FDR 控制”）、【反驳限定】（“其样本只覆盖单一机构”）、【背景路过】（“AI 已被用于文献分析”）。同一个数字里，混着工具、争议和装饰。

【细微】真正可比的不是总引用，而是引用位置。被引在【Methods】里，说明它被当作可复用协议；被引在【Discussion/Limitations】里，说明它正在被边界化；被引在【Introduction】开头，往往只是领域地图上的一个路牌。Price 的引用半衰期还提醒：不同领域引用寿命不同，跨领域比总次数更像比苹果和橘子。

【极难发现】高引论文可能不是“被接受”，而是“被当作标准靶子”。例如 Benjamini & Hochberg 的 FDR 方法被引数万（量级 10^{4），主要功能是【方法依赖】，不是证明某个具体科学发现；Cohen 1988 的统计功效书被引到 10}4–10^5 量级，主要功能是【统计工具】，不是经验结论。若只看总数，你会把【工具性权威】误读成【结论性权威】。

推演：一篇 2019 年论文声称“某模型能提升资助评审判断”，被引 80 次。若 52 次出现在 Introduction 的“AI has been used…”，18 次出现在 Methods 的“we adapt their features”，10 次出现在 Limitations 的“their sample is small”，那么【80】不能读成【80 个支持者】。它更像：52 个路牌、18 个工具使用者、10 个边界测试者。真正值得追问的是那 10 次【反驳限定】：它们在检验什么？样本、因果、可迁移性，还是测量？

【结论】引用分析的最小动作不是数数，而是问：它被引用时，是在被使用、被反对，还是被路过？

【待验证点】如果一篇论文被引 1,000 次，其中 300 次是【反驳/限定】，它应该被当作【强证据】还是【强争议】？