【锚点】这一讲只钉一个判断：【引用均值】不是【学科整体质量】的可靠统计量；在【重尾分布】下，它主要测量【极端被引事件】，而不是【典型论文】。 【显式】服务【重尾分布】：引用次数不是正态分布。文献计量学对引用分布的大量拟合（Bornmann 等对多个领域的引用计数分析）显示，引用计数常用幂律或对数正态近似，而不是正态。多数论文被引少，少数论文被引极高；均值通常大于中位数。若一个领域 1000 篇同年份论文，990 篇平均 1 次、10 篇平均 100 次，总引用约 1990，均值 1.99；中位数可能仍为 1。若那 10 篇变成 1000 次，均值升到 10.99，中位数仍可能为 1。 【隐式】服务【极端事件】：引用增长可能来自【综述】、【方法学工具】、【争议性结论】或【数据库收录变化】，不是每篇论文质量提升。均值对【头部】敏感，中位数对【典型】敏感。 【细微】服务【数据库/年份截断】：同一批论文在不同数据库（WoS/Scopus/OpenAlex）引用数不同；早期论文有更长累积窗口，新论文引用未成熟。比较“平均引用”必须先控制【时间窗】、【文档类型】、【学科类别】。 【极难发现】服务【均值作为治理指标的风险】：当机构把均值写进评估，会激励【头部包装】（把资源集中到少数可被引论文）与【自引/互引簇】；这不是因为均值“错误”，而是因为重尾分布的均值可被尾部操纵。 【流程节点链路】：【原始引用计数】 → 【重尾分布形成】 → 【均值被头部拉动】 → 【中位数/分位数被掩盖】 → 【政策误读为整体质量】。 可检验预测：随机抽取某领域同年份 1000 篇论文，计算引用均值与中位数；移除 top 1% 后，均值下降幅度应远大于中位数下降幅度。若该预测不成立，说明该样本的引用分布不是典型重尾，或头部并非主要驱动。 值得辩论的问题：如果你的领域平均引用上升 30%，你该庆祝，还是先问：是 top 1% 的引用翻倍，还是中位数从 1 到 2？