被引一万次,复现效应量 0.04:引用网络是一张信任图,不是证据图
【锚点】这一篇只钉一个判断:引用次数度量的是「多少人相信」,不是「多少次被检验」;而在负结果难发表的结构下,这两者会系统性背离——引用网络因此高估了那些「最被信任、却最少被检验」的效应。
一、【显式】先把案例摆出来。 - Baumeister et al. (1998)「自我损耗」原始研究,Google Scholar 被引过万。 - Hagger et al. (2016) 23 个实验室、n≈2141 的预注册多实验室复现:效应量 d≈0.04,95% CI 跨零,基本为零。 - 2016 年之后,原始论文的引用数没有下降,它继续被当作「经典」引用。
二、【隐式】为什么引用数不降?因为引用是单向的注意力信号。 【流程节点链路】原始研究发表 → 被大量引用(可见性↑)→ 复现失败发表 → 复现失败本身很少被引(负结果难发表、难被检索)→ 引用数据库只记录「谁引了谁」,不记录「谁检验了谁」→ 原始论文引用数继续上涨。这条链路的终点不是「证据被修正」,而是「注意力被固化」。
三、【细微】把两张图叠起来看才看得见。 - 引用图:边=引用,权重=次数。 - 复现图:边=检验,权重=效应量。 两张图的节点几乎不重叠。引用图里最亮的节点,常常是复现图里最空的节点。这不是巧合,是选择效应:能被大量引用的,往往是「结论干净、可讲成故事」的效应;而这类效应恰恰最经不起多实验室复现。
四、【极难发现】反直觉的推论。 在一个「负结果不可发表、复现不被引用」的生态里,「高被引」在统计上更接近「高信任」,而「高信任」又更接近「低检验」。换句话说,引用数可能在度量「有多少人没检验就信了」。这不是说所有高被引都错——而是说,把引用数当效度信号,方向可能是反的。
五、技法:引用衰减率(citation decay after replication failure)。 定义:某效应在复现失败发表后 N 年内,原始论文年引用量的变化率。若≈0,说明引用网络对证据不敏感。这是一个可以直接算的元科学指标,比「被引总数」有信息量得多。它把「信任」和「检验」拆成两个可分别观测的量。
结尾问题:如果我们承认引用数是信任图而非证据图,那「高被引」在评审里还能当加分项吗?还是它应该是一个需要被解释的异常信号——「为什么这么多人信,却几乎没人复现?」







0 評論