除了不靠谱的“高”引用，对应的，还有不正常的“低”引用。这个低，不仅是引用次数上，还体现在引用的程度上。

先讲正面的“低”引。一般讲论文引用，从大道理来说，是尽量不要引用特别低档期刊或会议上的论文，尤其是自己研究领域完全没听说过的。因为这会让评审觉得作者看文献的底线有点低，在良莠不齐的乱看，进而会置疑作者的科研素质。这种低引是能低尽量低引，可称为遵守科研规范的“避引”。

但偏偏有些作者不信邪，或不太愿意遵守学术圈的陈规，或只想追求论文发表的短平快，导致好的研究成果埋没在低档期刊或会议上。类似地，还有因为论文题目取得过偏，导致成果无法被同行看到或通过关键词检索到。这两种都是比较可惜的低引用，是“憾引”。

还有语言方面引发的低引用。比如前苏联的很多先进成果都优先发在本国期刊上，俄文撰写。非俄语国家的人要么看不懂，要么看不到，或者通过翻译滞后一段时间才能看到。结果，国际上在某些领域发表的英文写成的成果，按发表时间算，实际上是落后于前苏联的研究成果。这或许是“民族自信”引发的“低”引。

另外，还有“滞”引导致的暂时“低”引。其原因是因为想法过于超前以至无法被认同，高档期刊怕担风险拒绝发表，以至于作者只能找不知名期刊发表的。比如美国科学家卡尔曼1960年提出的、在自动化领域关于最优控制理论的奠基性论文，就只能发表在墨西哥数学学会通报上。好在他的成果最终还是为学术界认可，得到了高的引用和正面评价。这可以算迟来的爱。

也有些成果是写成无法引用的形式，比如只是一篇微博之类的。举例来说，计算机视觉和图像处理领域常用于检测图像中目标边缘的索伯尔（Sobel）算子。在算力不是特别强的早些年，这个算子曾经被极为广泛的采用，以实现对图像中水平和垂直边缘的快速检测。但却极少有论文引用过提出该算子的原文。原因在于，该算子是作者Irwin Sobel在1968年、斯坦福大学人工智能项目组的一次博士生讨论组会上，与参会的一位研究生Gary Feldman共同提出的。他们认为是一种3乘3的各向同性的梯度算子，但并没将其发表。后来，1973年Duda和Hart出版的专著《Pattern Classification and Scene Analysis》也只是将这一算子作为注释出现。而数字图像课程里，冈萨雷斯写的经典教材《数字图像处理》，也没说这个算子的由来。直到2014年2月Irwin Sobel才撰文详细回顾了此算子的来龙去脉。以至于Sobel算子成了一项进入了教材、高应用但却是零引用的方法。

   图1: Sobel算子 

以上说的低引都还是正面的，也有些低引是负面的。一是太过优秀的研究成果，有可能把这个方向的潜力在短期内直接挖干净了，比也比不过。此时，同行们会有意识地避开此文，以免大家都在论文发表上没饭吃。

类似但略有差异地，还有做同一个方向的，明知道此方向上有相似思路的新成果出来了，但不进行引用；或者虽是隔得很远的方向提出来的，但与本方向的研究思路一致，也不进行引用。这两个都是担心降低论文的原创性，导致的不引。

当然，也有些文章也会引用。但是，可能不会大引特引，而是在综述的某个合引位置，比如【3-7】中的【5】里隐晦的引用。表面上看，文章确实是引用了，但其实没有公平公正地分析与该文创新点的相似处和实验性能差异，直接忽略了被引文的核心创新和与自己文章的强关联。

另外，还有种低引是耐人寻味的，就是审稿期间避开对某文章的引用，误导评审对自己工作创新性的判断。但在发表后，又引用该文，改变对创新性描述的措辞，比如将论文的某些创新点从“We proposed”弱化成“We introduced”，以避免正式发表后可能引起的攻击。这是不应该出现的低引。

不管是低引还是高引，一项好的成果，都应该做到正面、客观的引用相关研究的论文，这样才利于科研大环境的良性循环。

 张军平

2022年8月8日 

参考文献：

1.     Irwin Sobel. History and definition of the so-called “Sobel Operator”, more appropriately names the Sobel-Feldman operator. Feb 2, 2014. 链接：https://www.scribd.com/document/271811982/History-and-Definition-of-Sobel-Operator

2. 彭真明，Sobel算子的数学基础. 科学网，2018.10.6

科学网链接：https://wap.sciencenet.cn/blog-425437-1139187.html?mobile=1

高质量读研其它文章：

1. 科研要记住的是名字而非帽子– 谈破五唯和忆孙剑

2. 《高质量读研》出版感言

3. 科研的主动性 — 从下厨做菜说起

4. 科研需要的品质：单纯

5. 不靠谱的“高引用”