第二十九章 让理论承担经验风险：怎样检验发生连续体
可重构连续性不是最小文件大小，也不是完整数据复制，而是相关关系能否被继续使用与修订。
29.1 概念编码、纵向观察与干预研究的区别
一本理论专著可以通过定义、论证和反例形成新的研究对象，却不能仅凭叙述完整就证明它在经验上稳定存在。本书至此完成的是一个概念与机制方案，案例均按其实际身份使用。发生连续体、关系历史和可重构连续性仍然需要研究检验。本章给出前瞻性设计，不报告未执行的样本、效果或统计结论。
第一类工作是概念可用性检验。不同研究者能否依据相同说明，识别问题变化、条件回写和历史激活？他们的分歧来自材料不足、概念含混，还是合理的专业区别？这类工作可以使用经过适当整理的任务材料，也可以先用明确构造的边界样例。它检验概念能否被使用，不直接证明教学有效。
第二类工作是纵向观察。追踪同一学习者在多个相关任务中的变化，研究哪些历史联系进入了后来行动。它能够发现接续模式，也可能提出机制解释。但观察中的关系受到基础能力、动机、教师支持和资源影响，不能仅凭时间先后宣布因果。历史材料被调用之后表现较好，不等于调用本身造成提高。
第三类工作是干预研究。研究者有计划地改变历史呈现、配置参与或工具条件，比较相关结果。合理随机化可以增强某些因果判断，但它检验的是具体安排，不是整个哲学体系。干预有效也不自动证明SDE具有唯一解释权，其他学习理论可能解释同样变化。方法设计需要让不同主张承担不同风险。
三类工作不能跳步替代。编码一致不等于构念有价值，相关显著不等于干预有效，干预有效不等于新主体本体论已经被唯一证明。每个阶段都应说明准备作出的结论。否则研究容易用最容易获得的证据支持最宏大的命题，把方法上的局部成功扩大为理论全面成立。
编码首先需要独立于结果。不能把“后来表现更好”写进关系历史有效的定义，再用关系历史预测表现。可以先根据过程材料判断是否保存了条件、是否出现调用、是否改变当时决定，再用独立的后续任务测量相关能力。定义与结果越混合，所谓预测越可能只是重复同一判断。
编码手册应包括典型、边界和反例。只展示理想案例，研究者很容易学会给作者期待的答案。应加入保存未调用、调用未改变行动、无日志但有个人继承、规则生效却已不适用等情形。它们检验概念是否真能保持区别，而不是只在成功故事中成立。
不同研究者应尽可能先独立判断，再讨论分歧。讨论可以改善定义，但不能把最后协商一致当作最初判断可靠的证明。报告需要说明独立结果、修订过程和仍未解决的边界。对分类材料可以选择合适的一致性统计，对连续评分可以采用相应方法；具体指标与阈值应由材料和用途决定，不照搬一个万能数字。
纵向观察则需要明确任务族。数学条件意识可以在相关证明中追踪，但不能因为学生在写作中也说“要看条件”，就宣布发生跨学科迁移。应先说明共享的结构是什么，再观察它是否实际改变新任务。事后把任何相似表现都解释为继承，会使概念无法失败。
研究者还应记录任务与工具的变化。模型版本、材料库、教师提示和可用时间改变，都可能影响结果。它们不必全部被视为噪声，因为本书本来研究条件变化，但必须被明确处理。不能在理论中强调E，分析时又把不同E下的表现无条件合并成稳定增长。
因此，本章的研究路线是先让概念可以被清楚使用，再研究关系如何延续，最后比较哪些安排造成了有价值变化。这不是必须机械执行的三阶段仪式，而是一组不能混用的证据责任。研究可以根据条件同时开展部分工作，但结论范围应始终清楚。
29.2 历史材料呈现与配置参与的比较
一个候选实验可以包含两个因素：历史怎样呈现，学习者是否参与后续配置。历史因素比较普通结论摘要与带有问题、反例、修订理由和适用条件的关系材料；配置因素比较固定工作规则与允许在明确范围内修订规则。两因素交叉形成四种安排，用来分开材料组织与参与组织的可能作用。
这只是设计框架，不是已经证明最佳的实验。普通摘要不应故意写得差，固定配置也不应设置明显缺陷。对照条件需要代表一种合理、可执行的已有安排，否则新方案的优势可能只来自人为弱化对手。可以请不了解本书理论的教师共同确认材料质量，使比较更公平。
材料长度、接触时间、反馈次数和教师支持应尽可能匹配，但不能声称全部信息相同。关系联系本身也是信息，改变它就改变了信息组织。研究应准确说明控制的是事实条目、总长度或阅读时间，操纵的是哪些联系。清楚的操作描述比“只改变历史”这样的宏大表述更可靠。
配置参与也可能引入额外练习与动机。允许学生修改规则，可能使其更投入，或者增加对材料的加工。若出现收益，不能直接归因于主体形成。可以记录实际修改、理由与使用情况，比较不同解释是否符合过程证据。必要时进一步设计研究，分开参与感、练习量与规则组织的作用。
随机化单位需要考虑相互影响。若学生会共享材料，个体随机可能造成条件交叉；若按班级安排，又会引入教师和课堂共同条件。研究者应根据实际教学结构选择，并在分析中处理相关性。不能因为方便，就把相互影响明显的观察当作完全独立样本。
主要结果应与问题对应。可以预先选择延迟任务中的条件辨别、陌生任务的错误修复或组件替换后的重构表现，而不把当前摘要流畅度作为唯一结论。当前作品质量仍应记录，因为某种设计可能以降低实际可用成果为代价。教育评价需要同时看收益与代价，不只挑最有利指标。
结果形式可能不同。正确识别关键条件可以是分类结果，修复任务可能有专业评分，时间与操作负担又是另一类变量。不能为了方便把它们全部平均成主体指数。可以分别报告主要结果，或者在有明确测量依据时建立限定构念，但需要说明其解释。原稿C指数的问题不应在研究设计里重新出现。
若采用一个两因素随机设计，可以事先定义主效应与交互作用。例如，历史呈现的平均差异与配置参与的平均差异分别回答什么，两者共同出现是否产生超过简单相加的变化。交互作用即使出现，也不自动证明“整体不可还原”的哲学命题，它只是特定结果尺度上的统计关系，需要进一步机制解释。
可以用符号说明这种限定。令Y(a,b)表示在历史安排a与配置安排b下某个明确的后续结果，那么比较Y(1,1)、Y(1,0)、Y(0,1)与Y(0,0)有助于提出不同研究问题。这是研究设计的结果记号，不是SDE三大关系式的经验求解，也不保证所有潜在结果都可同时观察。实际识别依赖随机化、实施与缺失处理等条件。
样本规模应根据主要结果、随机化单位、可接受的不确定性和先导信息规划。本书不提供一个无依据的固定人数，也不以“至少三个班”假装已经完成功效分析。若实际条件只能支持小规模探索，应如实定位，不把信息不足包装为确认性裁决。
实验还需要允许学生不接受理论解释。参与某种材料安排，不应以同意“复合主体”概念为条件。研究测量的是相应行动与结果，不是思想认同。若不用SDE术语的人表现同样或更好，应按证据报告。这样，研究才可能检验机制，而不是检验学习者是否学会作者的语言。
29.3 历史消融究竟改变了什么
“历史消融”听起来像能够把过去从系统中拿掉，但真实学习并不能这样简单操作。学生已经形成的理解、习惯和情感不会因为删除文件而消失。因此，本书将历史消融限定为对某些外部历史载体或调用条件的有计划改变，不把它当作擦除整个发生史。
一种操作是保留最终结论与大致相同的材料量，暂时隐藏问题分支、反例关系和修订理由。它主要检验关系呈现的作用。另一种操作是保留这些内容，但改变默认出现位置或检索便利性，主要检验调用条件。两种操作不能都用“有无历史”一词概括，研究报告需要具体描述。
还有一种比较是个人形成的历史与结构匹配的他人历史。它可以帮助讨论亲历是否提供额外作用，但需要控制熟悉度、阅读时间和先前练习。否则发现的差异可能只是个人更熟悉自己的文字。若两种材料同样有效，应收缩“我的亲历不可替代”的主张，而保留可传播关系结构的可能价值。
消融后的无变化也有不同解释。外部历史原来就没有被使用，学生已经内化相关能力，任务太简单无法显示差异，或操作没有真正改变可用条件。研究应事先考虑哪些资料能够区分这些情况，不能在结果出现后无限寻找使理论继续成立的解释。边界分析需要证据，不能成为万能免责。
出现下降同样不能立即证明主体被破坏。材料减少、界面陌生或注意转移都可能影响表现。需要比较功能与资源变化，检查下降是否集中在理论预测的关键判断，而非一般速度与流畅度。一个系统少了资料通常可能更难使用，但这并不专门支持发生连续体的解释。
因此，消融应与过程材料连接。学生是否查阅被改变的部分，哪些决定因此不同，是否能够通过自己的理解补偿，需要分别记录。不能只看最终分数变化，就推断历史怎样进入了认知。过程证据也有误差，应与任务结果共同解释，而非被当作透明的心理记录。
历史信息的准确性可以作为另一项研究因素。已核验关系、含有过时规则的关系与不确定材料，可能产生不同结果。但这类研究应避免让错误材料进入真实高风险使用，并采取适当说明与事后处理。设计应由实际机构确认，不能以检验理论为理由任意操纵学生的重要支持。
研究还可以观察历史的负作用。学生持续调用一条旧规则，即使新条件已不适用；平台因熟悉度优先返回旧解释，抑制新材料。若这种情况存在，连续性本身可能造成僵化。理论应能够预测并解释何时需要中断与删除，而不是把所有历史增长都视为发展。
对这种负作用的检验，需要允许“拒绝调用”成为合理结果。若评分只奖励使用旧材料，学生的正确暂停可能被低估。任务应包含适用与不适用情境，使研究者能够区分机械继承与有选择的重构。迁移不是旧方法出现得越多越好，而是它在合适位置发挥作用。
消融研究的价值在于缩小解释，而不是制造一次戏剧性撤除。它可以帮助判断某项外部组织是否必要、是否冗余、是否已经被个人承接。无论结果如何，都可能改善教育设计。真正需要保留的是愿意让历史材料失去必要地位的开放性，而不是证明平台永远不可替代。
由此，“关系历史有作用”应被拆成更精确的经验问题：哪种历史，以什么形式，在什么任务与学习阶段，通过什么调用条件，改变了哪项判断？这种拆分使理论从动人的概括进入可研究的空间，也使负结果能够具体地修改主张。
29.4 组件替换怎样控制性能与熟悉度
组件替换研究关注的不是学生是否忠于一个模型，而是关键关系能否在变化后重新组织。原系统可能提供检索、长文生成和版本材料，新系统的功能与表现不同。若直接比较替换前后总成绩，结果很难解释：它可能来自模型能力，也可能来自界面熟悉度、资源差异或个人重构。
一种较谨慎的安排，是先在不依赖个人历史的任务上了解组件差异，再让学习者迁移必要材料与规则，处理相应新任务。基准任务不能完全消除差异，但有助于避免把明显技术限制误记为主体能力不足。研究应报告比较范围，不宣称两个模型因此在所有方面等价。
熟悉阶段需要合理。学生应知道新界面的基本操作、资料入口与功能限制，不应通过突然剥夺熟悉支持来制造失败。熟悉时间是否足够，可以通过简单任务检查，而不只凭统一分钟数。不同学习者可能需要不同支持，研究应说明如何处理这种差异。
迁移包本身也是研究对象。有人复制全部聊天，有人只带入来源、反例和方法限制。比较不宜预先偏爱材料更少或更多，而应看它们是否支持关键工作、成本如何、是否造成误用。可重构连续性不是最小文件大小，也不是完整数据复制，而是相关关系能否被继续使用与修订。
新组件可能违背旧规则。学生已经要求先检查条件，它仍直接输出结论；或者旧系统能返回来源，新系统不能。研究应观察学习者是否发现差异、是否调整任务或寻找替代，而不只看是否获得同样答案。组织能力可以表现为拒绝继续使用某个不适合的组件，不一定表现为强行完成。
交叉设计可以提高某些比较效率，但也有学习携带问题。学生在第一种条件下学到的东西会进入第二种条件，不能通过短暂等待便假定完全消失。可以平衡顺序、使用相关但不同任务，并在解释中保留携带效应。若问题本来就是研究继承，携带又可能是对象本身，需要明确而非简单消除。
对个体重复任务的分析，也需要考虑学习与疲劳。后面表现更好可能来自练习，表现下降可能来自负担。任务顺序、时间与支持变化应被记录。研究模型应根据实际结构处理，而不是把每次任务都当作独立新学生。复杂统计不能弥补没有清楚安排的设计。
可以把重构表现拆成几个具体结果：是否识别功能差异，是否保留关键资料关系，是否修改不适用规则，是否能够解释暂停原因。它们不应被无依据平均成主体指数。若建立评分，需要说明专业依据与可靠性，并检查评分是否偏爱语言流畅而非实际行动。
组件替换也可能显示个人内化。学生不再需要原来的外部提示，仍能稳定处理关键条件。这在教育上可能是成功，却会削弱某项外部组件持续必要的主张。理论应接受这种分离，不因强调复合主体就否认个人能力发展。关系可以促成某种能力，然后不再需要以原样存在。
相反，某些复杂任务可能持续需要外部支持。替换失败并不必然说明教育失败，可能新组件缺少关键功能。需要研究学习者能否识别缺口并合理重建，而不是要求任何资源撤除后都保持同等产出。真实主体组织依赖条件，不能以绝对自足作为唯一标准。
因此，组件替换检验的是有条件的重构，而不是神奇的不受条件影响。它将连续性从固定设备转向关系组织，也迫使研究者清楚区分人、材料与技术性能的作用。只有这些区别被保留，替换实验才不会成为对学生的突然惩罚或对平台的依赖认证。
29.5 延迟迁移、错误修复与实施成本
本书选择延迟迁移与错误修复作为重要结果，是因为它们有助于观察一次学习之后的接续，而不只是当下作品。但它们不是天然优于所有指标。任务设计若不合理，迁移可能主要测陌生背景，错误修复可能主要测临场表达。研究需要为每个结果说明专业含义与有效性依据。
延迟间隔应与学习目标相称。短间隔可以研究初步保留，长间隔可以观察较长期接续，但同时引入更多新的学习与生活条件。研究应记录可能影响结果的支持，不把时间过去后的一切变化都归给原干预。长期研究提供不同证据，不自动提供更纯粹的因果解释。
迁移任务需要包含适当的结构联系。若原任务训练条件辨别，新任务应要求辨别相关但不完全相同的条件；若原任务学习来源核验，新任务可以改变材料形式，但不能引入完全陌生的专业知识使任务无法进入。研究者应由独立专业人员检查这种对应，而不只由理论作者宣布结构相似。
错误修复任务可以给出一个已知存在问题的成果，让学生定位影响、选择核验和修改条件。评分应区分找到错误、解释原因、修复结果与防止重复。几项工作可能不一致：学生能指出错处却不会更新方法，或者能按提示修复却不理解原因。保留分项有助于解释机制，而不只是增加评价栏目。
结果还应包含当前任务的可用性。某种安排促进后来判断，却使当前成果质量显著下降或耗费无法承受的时间，需要讨论这种代价。教育不必要求所有指标同时提高，但应明确目标优先次序与可接受成本。不能只在有利结果中选择一个宣布成功。
实施成本应覆盖学生、教师与技术支持。准备材料、培训使用、检查生成内容、维护资料和处理错误，都可能影响可持续性。平台运行时间不等于总成本，教师满意也不等于实际劳动减少。可以采用与任务相符的时间记录和访谈，但应避免为了测量成本又制造过重记录。
分析方法需要与数据类型和结构匹配。连续评分、二元判断、重复任务和班级聚集不宜全部使用同一种简单比较。可以在明确假设下采用相应回归或分层模型，但必须说明评分尺度与模型的联系。哲学关系式S=F(D,E)不应被直接当作一个已经估计的统计模型。
中介机制尤其需要谨慎。即使干预影响了历史调用，历史调用又与迁移相关，也不自动证明完整因果链。未观测的能力与投入可能同时影响调用和结果。可以通过过程观察、额外比较或更细干预提高解释力，但每项增加都有成本。不能把一张箭头图当作因果关系已经识别。
异质性应进入主要讨论。初学者与熟练者可能从相同材料得到不同作用，不同学科也可能需要不同关系组织。研究应预先说明关心哪些差异，避免结果出来后无限分组寻找正面发现。若理论只在有限任务族成立，就保留条件化结论，不把局部证据扩展为全部教育对象已经改变。
统计不显著也不等于没有作用。需要同时报告效应估计、不确定区间和实际教育意义；区间过宽可能只是研究信息不足。若要支持“作用小到可以忽略”，需要与事先说明的有意义差异相比较，而不是只看一个显著性标签。具体标准应由任务目标和成本决定，不使用任意通用门槛。
最后，研究结果应让教学选择更清楚。若关系材料有帮助但配置参与成本很高，可以保留前者并修订后者；若简单练习已达到同样结果，就没有必要要求复杂平台；若对部分学习者无益，应研究支持而非责备。理论检验的目的不只是保住框架，而是让教育组织能够根据证据改变。
29.6 预注册、独立评估与失败条件
为了让结果真正有机会改变理论，研究需要在看到主要结果之前说明准备检验什么。预注册研究问题与分析计划，有助于区分先前预测与观察结果后形成的解释；这一方法论区别已有明确讨论[17]。本书借用这一原则，不把登记行为本身当作研究质量的充分保证。错误设计即使预先登记，也仍然可能错误。
预注册应包括研究范围、主要结果、核心比较、排除规则、缺失数据处理以及什么结果将削弱哪项主张。探索性分析可以继续进行，但需要与确认性分析区分。新发现值得报告，不应被追溯性改写为早已提出的预测。知识发生可以开放，证据身份仍应准确。
第一类失败是概念长期无法稳定使用。若独立研究者在充分材料下仍无法区分保存、激活与回写，说明定义或证据要求不成熟。此时应修订概念，暂停高影响应用，而不是不断训练研究者接受作者判断。概念清楚是进入后续研究的条件之一。
第二类失败是理论变量没有增量。若在合理考虑基础能力、资源与任务后，关系历史不能改善对跨任务表现的解释，或者更简单模型完成同样工作，独立框架的必要性应降低。这个结果不必否定所有观察，但会削弱“必须使用新对象”的主张。理论应明确接受这种收缩。
第三类失败是干预没有教育收益或成本过高。即使关系历史确实改变了行为，也可能主要训练表格生产，不能改善必要判断；或者微小收益伴随明显负担与不公平。此时应修改或停止相应方案，而不是仅说还需更多平台和训练。机制发生与教育值得推广是不同判断。
第四类失败是预测的关键区别没有出现。若个人内化足以解释长期变化，外部历史没有独立作用，应收缩对外部承载的主张；若同样关系的他人材料完全能够替代亲历历史，应放弃亲历不可替代的强说法；若组件变化后的差异全部由性能解释，就不能继续把它们当作主体重构证据。
也需要预先区分哪些失败只要求修改测量，哪些触及机制，哪些触及理论增量。不能用一项结果为零宣布全部SDE被推翻，也不能让每次失败都只影响最外围细节。研究纲领要给核心主张安排真实风险，否则证伪条款只是增加可信外观的修辞。
独立评估尤其重要。作者与SDE理论及相关平台存在直接关联，后续研究应引入不以维护框架为目标的评估者和竞争解释提出者。盲化可以减少部分偏差，但不一定完全可行；应说明哪些信息能够遮蔽，哪些无法遮蔽。不能因为使用了“独立”一词，就假定关联影响已经消失。
实际研究还需要适当的知情、隐私、退出与机构审查安排。历史消融不应在关键资格任务中任意撤除必要支持，参与研究不应影响学生对理论的自由判断，公开材料应限于必要且经过处理的范围。本书不给未执行研究填写审批信息，具体程序由实际实施机构确认。
开放材料可以包括任务、来源范围、编码说明、分析计划和必要匿名结果，不必公开全部私人对话。研究者应使他人能够理解和复核关键判断，同时保护无关个人资料。透明的目的在于提高检验能力，而不是无限暴露学习者。开放也需要明确边界。
本章最后的要求并不复杂：理论应说明自己可能在哪里错，研究应让这些地方真的能够遇到不利证据，结果应改变相应主张。发生连续体若有价值，不会因承认边界而消失；若只是更复杂的命名，也不应因作者投入而被保留。下一章将把最强的竞争解释集中提出，使这部专著在结束时仍然保留被替换和重新组织的可能。