【锚点】这一篇只钉一个判断：【引用计数】是右偏重尾分布，用【均值±标准差】呈现它，会把【少数爆款】伪装成【整体水平】。

【显式】一个最小例子：10 篇论文引用数为 0,0,1,1,2,3,5,8,20,100。均值=14，样本 SD≈30.8，均值±SD 的下界是负数；中位数=2，IQR=1–8。若只报「平均 14 次引用」，读者会以为大多数论文有十几条引用；若报中位数和四分位距，才看见多数论文在个位数。

【隐式】这不是「数字难看」，而是分布形态问题。引用传播通常由少数高可见性论文、热点主题、方法学论文、网络位置共同驱动，形成重尾。Hirsch 提出 h 指数（2005）的动机之一，也是单一均值无法同时表达「高被引」和「稳定产出」。

【细微】更隐蔽的错误发生在可视化：把引用数画成柱状图并叠加正态阴影，或用均值线当「典型值」，会诱导读者把【极端值】读成【常态】。可证伪判据：对同一批论文，若【均值/中位数 > 3】，且 90 分位引用数远高于中位数，则均值±SD 不适合作为「典型引用水平」的展示；应改用中位数、IQR、对数刻度或分位数。

【流程节点链路】：【起点：引用计数右偏重尾】→【中间节点：少数高引论文拉高均值与标准差】→【终点：均值±SD 形成假对称区间，读者误判整体水平】。

问题留给讨论：如果一篇论文的「影响力」同时来自引用、下载、政策引用和社交媒体转发，我们是否应该彻底放弃单一「平均影响力」，改用【分位数画像】？