随着论文引用逐渐成为主流学界评价体系指标，越来越多的研究也开始关注到全球论文引用的不平等（比如PNAS这篇http://t.cn/AX4nMMsy）。学科之间的差异且不说，在每个学科内，这些不平等浸透了性别、种族、年龄等等不动脑都能想到的维度（http://t.cn/AX4nMMs2）。在我自己的领域，常常也会看到同样的话题、类似咖位的期刊、类似的方法和数据类型，差不多发表的时间，最后华人学者、女性学者的引用（和男性、白人作者比起来）就少很多。所谓客观的评价指标和体系，底层也是结构性的不平等(unequal by design)。

要怎么去解决这个问题、怎么能有效的改变文献引用的不平等，我也不知道：

1. 比如Nature Human Behaviour这篇文章，作者通过NLP，在支撑同一个点的文献里面，对引用进行了随机化筛选。但最初这个被用来选择的database是怎么选出来的，我们也不得而知：http://t.cn/A6SpPo41

2. 是不是可以citation去殖民化，可以集中cite under-represented groups作者的作品呢？这个实际操作起来也很有难度，因为under-represented的群体在顶刊发文章本来就是有结构性障碍的，而顶刊又会隐性要求作者引用（包括自己期刊）“高质量”文章。而现在整个（英文）发表体系本身的底层就是linguistic imperialism: http://t.cn/AX4nMMsL

3. 前两天还看到🍠上有人在为AI引用布局😱（这么拼吗……），说是要疯狂把自己的论文灌给AI训练数据库，这样AI在推荐的时候就会推给别人（我从没试过，所以不知道这个有效性是真是假？）。但如果真的越来越多的人用AI工具来推荐引用，那基于目前主流AI能有哪些资料库和语言的数据来看，恐怕引用的全球不平等还会被AI放大吧。

4. 再加上现在据说Google Scholar里都有AI造的“假论文”，我（和合作者）最近写论文基本连Zotero这种工具都很少用了，因为不能绝对的确定Zotero plugin从scholar等地爬下来的信息是不是绝对准确的，所以基本都回到了手动时代，感觉和文献又恢复了一种肉体手动的亲切感，也挺好的。