为了写报告找到了一篇好论文之后，接下来该读什么呢？你可以顺着这篇论文的参考文献回溯过去，也可以反过来，寻找引用了这篇论文的更新研究，向未来推进。像这样从被引用的论文出发，反向连接到此后引用它的论文的工具，正是“引文索引（Citation Index）”。
简单来说，引文索引是指“整理某篇文献此后被哪些文献引用的列表”。与通过主题词查找资料的普通索引不同，它沿着引用这条纽带帮助人们找到相关研究，因而极大地改变了图书馆学与情报学以及学术检索的发展方向。
本文将从引文索引的诞生背景与概念讲起，介绍沿着引用关系进行检索的方法、由引文索引衍生的代表性指标，以及使用这些数字时需要注意的地方，力求通俗易懂。
引文索引的原理与应用
什么是引文索引？
出人意料的是，引文索引的构想来自法律领域。美国从1873年起就开始出版《谢泼德引证》（Shepard's Citations），整理某一判例此后被哪些判决引用。在重视判例的法律界，这本书是确认某项判决是否依然有效的必备工具。
美国情报学家尤金·加菲尔德（Eugene Garfield）提议将这种方式应用于科学文献。他在1955年发表于《科学》（Science）杂志的文章中主张，如果把引用每篇论文的后续论文汇集起来，研究者就能沿着思想之间的联系查找资料。
这一构想通过他创办的科学情报研究所（Institute for Scientific Information）变成了现实。据加菲尔德本人的记录，第一部《科学引文索引》（Science Citation Index）于1963年问世（目前运营它的科睿唯安（Clarivate）的官方沿革则记为1964年），它成为今天的学术数据库Web of Science的源头。2004年，谷歌学术（Google Scholar）和Scopus相继出现，沿着引用进行检索不仅成为研究者，也成为学生所熟悉的方法。
沿着引用关系检索的3种方法
引文索引最大的优势在于，即使不知道主题词，也能找到相关研究。因为即便不同学者用不同的术语称呼同一个概念，只要引用了同一篇论文，彼此就会联系起来。
（1）回溯检索
顺着正在阅读的论文的参考文献列表，查找作为该研究基础的过去文献，从而了解某个想法从何处出发。
（2）追踪检索
利用引文索引查找引用了这篇论文的后续研究，从而确认这一想法如何发展、受到了哪些批评。
（3）查找共同被引的文献
如果两篇论文经常在其他许多论文中被一同引用，那么二者在内容上很可能相近。这被称为“共被引（Co-citation）”，被用于绘制学科领域的地图。
例如，以1953年揭示DNA双螺旋结构的詹姆斯·沃森（James Watson）和弗朗西斯·克里克（Francis Crick）的论文为起点，仅靠追踪检索，就能追溯此后数十年间以这一发现为基础展开的分子生物学研究。
由引文索引衍生的代表性指标
随着引用记录不断积累，人们开始通过统计引用来衡量期刊和研究者的影响力。这种对文献进行定量分析的领域被称为“文献计量学（Bibliometrics）”。
- 被引次数（Citation Count）：一篇论文被其他文献引用的次数，是最简单、最基本的指标。
- 影响因子（Journal Impact Factor）：某期刊前两年发表的论文在当年被引用的次数，除以该期间发表的可被引论文数所得的值。加菲尔德最初把它设计为挑选期刊的标准。
- h指数（h-index）：物理学家豪尔赫·赫希（Jorge Hirsch）于2005年提出的指标，指某位研究者的论文中至少有h篇各被引用至少h次时，h所能取的最大值。
例如，一位研究者的h指数为10，就意味着他至少有10篇论文各被引用了10次以上。由于它能同时反映论文数量和被引次数，因而被广泛使用。
使用引用指标时需要注意的4点
被引次数固然方便，但它并不是如实反映研究价值的镜子。
（1）各领域的引用文化不同
生命科学领域论文多、引用也活跃，而数学或人文学科的被引次数要少得多。不能简单比较不同领域的数字。
（2）引用并不都是称赞
为了批评错误研究而引用，在数字上同样算作一次。
（3）越有名，被引越多
社会学家罗伯特·默顿（Robert Merton）在1968年把已经成名的学者获得更多认可的现象称为“马太效应（Matthew Effect）”。被引次数中也会出现这种集中倾向。
（4）不能用期刊指标评价个人
2012年拟定的《旧金山科研评价宣言》（San Francisco Declaration on Research Assessment）建议，不要用期刊影响因子来评价单篇论文或研究者个人。
引文索引揭示了论文与论文之间那座看不见的桥梁，展现了知识如何相互连接、不断生长。今天我们在学术检索中可以一键点击“引用了这篇论文的文献”，也要归功于加菲尔德的构想。
比起数字本身，读懂数字背后所指的思想脉络，这正是明智利用学术信息的第一步。
