一、写出三个等号以后，还欠什么
林老师现在有了一个问题：当工具帮助学生生成完整解释时，哪些学习过程能够使这些解释转化为可迁移的理解？她把S、D、E写到纸上，感到原来零散的困难有了组织。报告和迁移表现属于可观察的显露，学生经历的区分与修正属于差异序列，已有知识、工具接口和评价安排进入特征纠缠。接着她写下三方程，似乎研究已经有了数学形式。
这里必须停一下。S＝F(D，E)、D＝G(S，E)、E＝H(S，D)表达了三个维度相互生成的关系主张，却还没有指定可以计算的量，也没有给出函数形式、时间关系和误差来源。底本第九章本身说明，F、G、H是生成关系的占位记号，重要的是关系结构。把这一说明认真接住，就不会因为出现字母和等号，便认为研究已经拥有得到证明的数学模型。
关系记号仍然有价值。它能阻止我们只把报告看成结果，而忘记结果怎样改变后续行动；也能提醒我们，学生并不是带着一套固定条件穿过活动，活动会使既有知识、习惯和工具使用方式发生变化。但这种提醒与可检验的具体解释之间，还隔着一段建模工作。研究者必须说明每个记号在当前问题里如何落地，以及哪些关系能够通过材料加以区分。
本章继续使用上一章的构造课堂，没有新增实际调查。我们将把三方程逐步变成一个可以准备实施的研究方案。所有量表、编码和比较设计都只是示例，需要在真实课堂中进行试用、修订和专业审查。这里最重要的不是某一种统计技术，而是让理论承担一项义务：别人能够看清我们从哪种材料走到哪条判断，并能指出在哪一步不同意。
如果三方程只在论文开头出现，后面的设计完全不受它影响，它们很可能只是装饰；如果它们使我们额外检查了回写、改变了研究单位、提出了一个原来没有的比较，它们就开始发挥方法作用。衡量理论进入研究的程度，不应数术语出现了多少次，而应看它改变了哪些选择，又为这些选择增加了什么证明责任。
这种进入通常需要几层转换。首先是概念层，说明我们要理解什么；其次是观察层，说明哪些材料与它有关；再次是模型层，说明变量之间提出怎样的关系；最后是检验层，说明哪些结果支持、削弱或无法区分这些关系。层与层之间不能自动跳过。尤其不能把观察不到的机制，直接命名为一个变量，再因为变量进入公式，就认为机制已经被测到。
二、同一个S，也有不同的显露范围
在课堂案例中，“学习效果”过于宽泛。林老师需要把它拆成几种有区别的显露：报告中解释关系的准确程度，学生面对反例时的判断，陌生表征下的任务完成，以及一段时间后重新组织方法的能力。它们不一定同升同降，也不应被轻易合成一个总分。不同表现可能依赖不同支持，研究恰恰要看这种依赖怎样变化。
报告质量可以由明确标准评价，例如核心关系是否准确、例子是否对应、反例是否有效、推论是否超出前提。语言流畅和版式清楚也有价值，但最好单列，以免表达优势吞没概念差异。评阅者需要看同样的标准，并在一些共同样本上讨论分歧。若同一份报告在不同评阅者那里差异很大，首先暴露的是判断规则不稳定，而不是学生能力复杂到不可测。
迁移则需要更谨慎。题面新不等于要求迁移，题目难也不等于迁移远。研究者应明确新任务保留了什么关系、改变了什么表征，以及学生需要自行完成哪一步转换。例如原任务用对应表，新任务用语言约束，核心仍是输入与输出的确定对应。若新任务还加入了未学过的代数技巧，失败就不能单纯归为理解不能迁移。
我们可以给这些显露取简洁名称：文本解释、关系辨别、表征转换和延迟调用。名称不是自然边界，它们服务于本研究。一个学生可能文本解释较弱，却能在操作中正确辨别关系；另一个可能表达清楚，却在反例前动摇。研究应保留这些组合，而不是把所有不一致都压成“测量噪声”。有些不一致正是我们要解释的现象。
同时，S不只等于分数。学生在受阻后主动改画表示方式、指出工具解释遗漏的条件、承认某种方法不适用，都是可以记录的显露。但这些记录需要清楚的识别规则。研究者不能因为某句话符合自己的理论，就视为深刻发生；也不能因为学生没有使用学术语言，就忽略实质性的区分。评价应尽量对行为的功能敏感，而不是对熟悉词汇敏感。
为了防止事后挑选，林老师需要事先确定哪一项是主要结果，哪些只是探索性材料。若她原来关注延迟迁移，最后却因为报告变漂亮而宣布教学成功，就更换了问题。探索中出现的新价值可以报告，但要与原先目标分开。S的多样性意味着我们可以看到多个结果，不意味着可以在多个结果中任取一个替理论胜出。
三、D不是一次按时间排序的录像
差异序列听起来像过程记录，但过程记录不自动等于D。录像可以详细记录学生打开网页、输入问题、复制文字、移动鼠标，却仍然没有告诉我们哪些差异改变了他的理解。研究需要从时间流水中辨认承重的转换：他在哪里发现两个解释不一致，在哪里改变问题表述，在哪里舍弃一个方案，又在哪里把反馈转成了新的判断。
一种可试用的编码单位是“区分事件”。例如学生看到两个表面相近的例子，指出其中一个不满足函数条件；或者在工具给出的解法与题目约束之间发现冲突。区分事件必须有材料支持，可以是言语、修改痕迹、选择理由或操作行为。它不要求学生每一步都说出自己的思想，但要求研究者说明为什么把这个片段识别为一次区分，而不是一般的编辑。
另一个单位是“修正事件”。学生改了答案并不一定修正了理解。他可能只接受工具建议，未辨认原先错误；也可能只改语句而未改关系。研究可以区分表面修订、理由修订和方法修订，但这种区分仍需试用。对于不清楚的片段，应保留不确定类别，不能强行分进有利于假说的格子。分类稳定性本身是研究前期需要解决的问题。
我们还需要观察承接。两次区分是否相互关联？学生在后一次任务中是否调用了前一次形成的判断？如果每一步都由工具重新提供，即使局部答案都正确，也可能没有形成可再次运行的序列。相反，学生有时说不清整套规则，却能持续承接前一步的差异。这提醒我们，D既不是语言字数，也不是点击次数，更不是“思考时间”的同义词。
过程证据常有缺口。让学生持续口述可能改变他们原本的思考，过度记录又会增加课堂负担。因此，可以组合几种有限材料：保留关键版本、设置少量即时说明、在任务后询问具体选择，并观察新任务中的调用。没有一种材料可以独自透明地展示心理过程。多种材料的价值在于相互限制，而不是数量越多就越真实。
若最后发现编码人员总是根据后测成绩判断过程是否深刻，研究已经形成循环：好结果证明好过程，好过程又解释好结果。避免这一点的一种安排，是让过程编码尽可能不知道结果，结果评阅尽可能不知道活动分组；无法做到的部分则明确说明。发生性分析并不排斥这些看似传统的研究纪律。它越强调隐蔽过程，越需要防止研究者把预期投进材料。
四、E怎样从背景清单变成关系结构
课堂里的条件很多：学生基础、家庭资源、课程要求、同伴关系、工具功能、教师期待、任务时间。把它们全部列在E下面，仍然只是背景清单。特征纠缠的分析更进一步：这些条件怎样共同决定某种区分能否出现、能否被维持，以及它出现后会牵动哪些其他活动？关系必须通过具体过程说明，不能用“万物相互关联”替代。
例如，评分表要求每份报告包含五个概念和三个例子，工具又能迅速生成符合格式的文本，学生的时间有限。这几项条件合在一起，可能使他优先检查项目是否齐全，而不去判断例子是否真正区分了概念。单独看工具功能，无法解释这种取舍；单独看评分表，也未必产生同样效果。研究可提出二者共同作用的假说，但仍需比较材料才能判断它是否成立。
又如，学生过去经常因为公开犯错受到负面评价，于是即使任务允许探索，他也倾向于先获得一个完整答案再发言。这一历史并不是课堂外的装饰性背景，它通过当前的行动选择进入过程。可是研究者不能仅凭学生沉默，就推断出这样的历史。需要询问、记录或其他独立材料，并允许另一种解释：学生可能只是在认真准备，或对当前内容不感兴趣。
为保持研究可行，林老师可以把E分成几类当前需要观察的关系，而不追求穷尽。第一类是知识与任务的关系：已有区分是否足以进入新题；第二类是工具与选择的关系：工具提供了什么，学生还需承担什么；第三类是评价与行动的关系：哪些行为得到反馈，哪些被忽略。三类不是E的完整本体划分，只是这一研究的工作分组。
E还可能被活动改变。学生若在一次任务中发现工具会遗漏条件，下一次可能主动检查；教师若看到评分奖励了表面完整，可能修改规则；同伴若建立了互相追问理由的习惯，后续讨论也会不同。这样的变化是回写候选。研究不能只在活动开始前测一次条件，然后把它们当成永久不动的输入。至少需要在关键节点检查哪些支持已经改变。
不过，变化并不总是回写成功。教师修改了评分表，学生可能仍沿旧习惯行动；学生宣称以后会检查工具，下一次却没有这么做。一个新说法进入文本，不等于进入运行。回写需要通过后续活动识别，而不能仅由当场表态确认。正是在这里，E＝H(S，D)提出了一个具体的研究要求：结果完成之后，还要看它怎样成为下一轮活动的条件。
五、把关系记号变成有限的经验模型
当观察对象逐渐清楚，我们可以提出一个有限模型。令一轮活动中的报告与任务表现组成S的观测向量，关键区分、修正和承接的记录组成D的过程表示，既有知识与任务支持关系组成E的条件表示。这里的向量并不意味着每一项都必须是一个分数，它可以包含类别、次数、顺序或经过规则整理的质性材料。但不同类型的数据需要相应方法，不能因为被放进同一括号，就能够直接相加。
三方程原先表达互生。为了研究跨轮次的变化，我们可以另行提出一个动态版本，例如下一轮显露由当前过程、条件和已有显露共同影响；下一轮过程又受到新的显露与条件影响；条件则可能因前一轮活动而更新。这个带时间索引的版本是本研究的操作化提案，不是原著三个式子的逐字等价改写。加入时间和状态保留项，就是增加了具体模型假设，应当明确承担。
为什么要保留已有显露？因为学生不是每一轮都从零开始。前一次形成的概念、策略和错误都会影响下一次。如果模型只写当前D和E，却把所有既有能力都隐藏其中，计算上也许可以安排，解释上却容易含糊。研究者可以选择不同表示，但需要说明信息放在哪里，以及哪些变量之间可能重复。一个变量被同时算进S和E，未必错误，却必须避免在推断中把同一证据计算两次。
在最初的小规模研究中，未必需要估计完整的三组函数。更可行的是挑一条具有区分力的关系：在基础水平和总时间相近的条件下，实际承担并修正关键区分的学生，是否在新表征任务中更能保留核心关系？这仍然不能直接证明因果，但它使模型有了一个具体支点。若连这一支点都没有清楚材料，直接拟合庞大互生模型只会增加不透明性。
研究随后可以问回写关系：第一轮能够识别工具遗漏的学生，在下一轮是否更常主动提出条件检查？这项观察把结果与后续过程接起来，也使“发生”不只表现为一次得分。但要注意，前后相关可能来自稳定个体差异。因此需要比较同一学生在不同任务中的变化，或通过有根据的设计改变关键条件。每增加一条箭头，就增加一项排除替代解释的工作。
一个经验模型的成熟，不在于函数形式多复杂，而在于每一项都有明确身份。它是概念定义，测量规则，统计关系，因果假说，还是实践建议？同一句“关键区分促进迁移”在这些层级上承担的责任不同。若材料只支持相关，就应停在相关；若设计能够较有力地识别因果，也仍要交代适用范围。三方程让我们看见互相依赖，不能替我们免除这些区分。
六、相互作用不等于循环论证
底本第九章用同时互生回应循环论证的疑问。这里需要为研究读者补一层区别。世界中的两个或多个过程可以相互影响，数学模型也可以包含反馈与联立关系，这本身不构成逻辑错误。但是，一个研究者若用甲成立证明乙，再只用乙成立证明甲，而没有独立理由，仍然可能循环论证。现象有反馈，不意味着论证可以没有检验入口。
在课堂里，较好的理解可能使学生提出更好的问题，更好的问题又可能促进理解。这是合理的相互作用候选。但我们不能因为学生问题好，就认定理解好，再因为理解好，就解释其问题好。需要独立观察：理解通过什么任务识别，问题质量通过什么规则判断，二者发生的顺序怎样记录，是否还有共同影响它们的因素。只有这些说明到位，互生才从口号变成研究对象。
联立方程也不保证有解、解唯一或过程稳定。给出F、G、H的具体形式后，可能出现多个解，某些条件下也可能没有符合要求的解。若模型包含时间，还要问初始状态和更新规则如何影响运行。这些都是数学问题，不能由三维结构的美感直接决定。对普通读者而言，不必立即学会求解，但至少要知道等号背后仍有工作。
我们可以用一个简单的教学设想说明。教师希望学生自主提问，学生却等待教师评价；教师见学生不提问，又增加详细提示。两边相互作用，最终可能稳定在依赖状态。换一种安排，让学生先对一个有限问题作出选择，并让反馈只针对选择理由，可能形成另一种稳定状态。这里有多个可能的运行格局，而不是只要三者连接就自然走向更好的成熟。
因此，互生模型需要区分形成、维持和价值。一个活动可以相当稳定，却稳定地压制探索；一种关系可以相互加强，却加强了错误；一个闭环可以运行顺畅，却不符合我们希望的教育目标。把“闭环形成”直接等同于“健康成熟”，会把描述和评价混在一起。研究必须另外说明何种结果值得追求，以及这种价值选择由谁承担。
对于林老师，最稳妥的做法是先把每一条回路写成可检查的具体句子，再决定是否需要整体模型。例如评分鼓励完整答案，学生减少暴露困惑，教师由此误以为理解充分，下一轮继续增加成品要求。这里每一环都可以寻找材料，也都可能被事实打断。若某一环不成立，就修改该回路，而不是用“复杂互生”把缺口盖住。这才是相互作用分析进入经验研究的方式。
七、设计一个对手也愿意接受的比较
林老师准备比较两种学习安排。若她让一组学生自由使用工具，另一组学生接受自己精心设计的引导，又给后者更多时间、更小的任务和更多鼓励，那么无论结果如何，都很难识别关键差异。研究不能把自己喜欢的所有条件装在一边，再把另一边当成旧方法的代表。一个有说服力的比较，应该尽量让最有力量的替代解释有机会出现。
可以从三个条件开始构造方案。甲条件提供工具生成的解释，由学生修改并提交；乙条件同样提供工具，但学生必须先完成若干关键区分、给出理由，再查看反馈和修改；丙条件也要求等量的主动练习与说明，却不特别针对所假设的关键区分。甲与乙的差异帮助检查整套安排是否值得继续，乙与丙的差异则帮助判断效果是否仅来自更多练习或注意。这个设计只是示意，具体条件还需依据课堂可行性调整。
研究者不能因为条件名称清楚，就假设它们实际落实。乙条件中的学生可能跳过选择，先从工具获得答案再补理由；甲条件中的学生也可能自发进行深入区分。因此，分组是提供了不同机会，实际过程仍需观察。若把所有没有按预期行动的人删除，研究可能只剩最配合方案的学生，结论就失去原来的适用意义。分析要区分安排层面的效果与实际过程的关联。
如果条件能够合理分配，研究者需要事先说明分配方式以及可能的班级影响。若只能使用现成班级，就应承认教师、同伴和原有基础可能与条件一起变化，不能把差异全归给新安排。研究规模不足时，可以先做可行性研究，关注任务能否实施、编码是否可用、学生如何理解要求。小研究最有价值的结果未必是显著效果，而可能是发现正式比较之前必须修正的设计。
还有一种选择是在同一学生身上比较不同任务。但先做的任务可能影响后做的任务，特别是研究本来就期待回写。若学生在第二次表现更好，可能只是熟悉了流程，而非第二种安排更优。因此，任务次序、内容差异和学习积累都要纳入考虑。SDE对历史与回写的重视，在这里会增加设计的敏感度：先前活动不是可以随手抹掉的噪声，而是可能改变后续条件的实际过程。
对手也应参与审阅方案。主张练习数量才关键的人，可以检查各条件的时间和活动负荷；主张基础差异才关键的人，可以检查前测与分配；主张测量不匹配的人，可以检查迁移任务。这样的合作不会削弱研究者的理论主体性。它使理论在正式接触结果之前，已经面对最可能解释其成功的其他原因。若最后仍有差异，判断才更值得信任。
八、不要把统计上的关系写成完整机制
假设正式研究完成后，乙条件的延迟迁移表现优于甲条件。这里仍然只是一个假设结果，用于演示判断方式。这个结果可以支持乙安排在当前条件下具有某种优势，却不能独自证明优势一定通过关键区分发生。乙安排可能改变了注意、信心、对教师期待的理解，或者实际投入。研究者需要继续检查过程材料，而不是让理论自动补完因果链。
如果过程编码显示乙条件确实出现更多独立区分，这也只是向机制说明前进了一步。区分更多与迁移更好可能都来自其他因素，例如学生更认真投入。要把过程变量解释为机制中介，需要更强的设计与假设，不能仅凭两项相关就宣称路径已经被验证。对于入门研究者，最重要的是保持措辞与证据相称：过程材料与该机制一致，比该机制已经得到证明更准确。
相反，如果没有观察到结果差异，也不能立即断定关键区分毫无作用。可能是任务太容易，所有学生都能完成；可能是条件没有真正改变过程；可能是测量不够稳定；也可能是假说本身不成立。但这些解释不能无限追加。研究前应确定哪些是可检查的执行问题，哪些结果会真实削弱假说，否则每一次失败都被技术原因收走，研究永远不会学到什么。
我们还要看差异的大小和不确定性。一个很小的平均改善若需要大量额外课时，未必值得普遍采用；一个看似较大的差异若估计不稳定，也不宜据此重构课程。研究报告应让教师看见可能收益、实施成本和结果范围，而不是只交付“有效”二字。实际决策关心的往往是，付出这些时间后，有多大可能得到足够重要的改善。
平均结果可能掩盖不同路径。基础较弱的学生也许需要更多明确支持，基础较强的学生可能从独立区分中获益更多；某些学生的报告暂时变差，迁移却改善；另一些学生表达提升明显，但迁移没有变化。这些模式值得探索，但不能在看完数据后随意切分群体，再把最漂亮的一组当成预先预测。探索性发现应保留其探索身份，为下一轮设计提供线索。
SDE研究关心显露的多样性，因此尤其应避免把变化仅理解为一个平均数随时间升降。在本书采用的规范视角中，variation指向可稳定显露的多样性，涉及种类、具相和范围。对本案例，可以问形成了哪些不同的学习表现组合，各组合在具体学生与任务中怎样显露，其边界在哪里。时间序列仍然可以研究，但不能用它替代这种多样性问题，也不能把两个“变化”混成一个概念。
九、回写怎样被观察，而不是被宣布
一次教学安排如果只使学生完成当下任务，仍然可能具有价值，但它还不能充分说明能力条件已经改变。研究者若要使用回写概念，就需要追踪新显露怎样进入后续活动。林老师可以在新的学习单元中保留一项相似但不相同的要求，观察学生是否主动检查例子的边界、是否能识别工具解释中的遗漏，以及是否需要同样密度的外部提醒。
回写有不同可能形式。学生形成了一条新的判断规则，是理念层面的候选；在实际解题中更常进行条件检查，是行动组织的候选；从只求不犯错转向愿意公开不确定，是自我经验与参与方式的候选。这些描述可以帮助寻找材料，但不能因为分属三界，就自动认定三种变化已经发生。每一种都需要相应证据，不能用一张满意度问卷替代全部。
回写也可能是负向的。学生在新任务中学会了如何更熟练地补写“思考过程”，却仍然没有承担关键判断；教师发现过程评分费时，于是把复杂活动重新压成格式要求；工具针对评分标准生成更像自主思考的痕迹。此时制度也发生了变化，却未必朝原先期待的方向。发生不等于改善，回写不等于成功，研究必须允许这些不舒适的结果进入正文。
为了识别回写，材料之间需要时间连接。我们要知道某种后续变化是否可能与前一轮活动有关，也要知道两轮之间还发生了什么。如果学生同时接受了额外辅导，就不能把所有改善归给报告任务。若无法排除，就说明结论范围：观察到一种与前期活动相容的后续变化，但尚不能确定来源。对复杂活动，诚实的部分解释优于虚假的完整链条。
有时回写通过组织实现，而不只发生在个人身上。教师修改了任务库，同伴建立了追问理由的惯例，学校给教师留下讨论过程证据的时间。此后即使某个参与者离开，部分学习条件仍能延续。研究可以比较这种组织层面的保持与个体表现的保持，但不能将两者合并成一个“能力增长”指标。一个组织保存了方法，并不意味着每个成员都掌握了它；一个学生成长了，也不意味着制度已经改变。
真正有用的回写记录，应包含保留下来的内容、承载它的形式、再次被调用的条件和失效情形。比如不是只写学生学会了反思，而是写他形成了检查反例的做法，在两类新任务中会主动调用，但面对时间压力时容易省略。这样的描述更长，却为下一轮教学提供了具体依据。它让知识不只停在一次结果上，而进入可以接续的运行。
十、失败条件必须触及自己的主张
一项研究可以列出很多局限，却没有真正的失败条件。样本不够大、时间不够长、条件不够理想，这些可能都是真的，但如果每次结果不利都归给它们，主张本身就永远安全。失败条件应当说明：在何种材料面前，我们会撤回哪一条判断，而不只是承诺以后做更多研究。
对关键区分假说，可以区分几种层级。若操作根本没有改变学生承担的区分，当前实验没有充分检验该机制，应该修正操作；若操作确实改变了过程，却在合适且稳定的迁移测量上没有产生预期差异，该机制的教育效果主张就受到削弱；若一个更简单的练习安排带来同样变化，并能解释过程材料，SDE特定解释的新增贡献需要收缩。每种结果对应不同改动，不能统称为需要继续优化。
对三方程的使用，也应有方法层面的失败条件。如果把D和E加入分析之后，没有形成任何额外可检验区分，也没有改善对结果的解释或实践选择，那么本研究中三方程可能只起到了整理语言的作用。承认这一点不等于宣告整个理论错误，而是说明当前应用尚未提供更强价值。一个具体研究不必承担验证整套本体论的任务，但也不能把整套本体论的高度借来遮住具体应用的空洞。
本站关于奥卡姆剃刀的文章提出，把解释失败的归因也纳入审计：新归因应影响旧判断，反复用同类理由延迟责任应受到限制，到期预测要有后续。本书借用的是这种可追踪责任的方向，而不照搬某个固定次数。文章自身把一个初始阈值标成待校准占位，这提醒我们：规则看起来可执行，并不等于数值已经有经验根据。
林老师可以建立一份修改记录。第一次结果不符合预期，她怀疑任务难度不足，就必须说明哪些旧结果在新解释下不再能算支持，并为下一轮写出不同预测。若下一轮仍失败，又说学生没真正投入，就需要拿出独立过程证据，而不是根据失败本身判定投入不足。每一次修补都应付出解释代价，不能只增加未来可能性，却保留所有过去的胜利。
失败条件还要有适当尺度。要求一个小课堂研究推翻SDE本体论，是把责任设得过大；只允许它修改一个无关紧要的措辞，又太小。最合适的是与实际主张一致：这套任务安排是否有效，所提机制是否比替代解释多说明了什么，观察到的回写是否能够重复出现。研究在这一尺度上真正承担失败，才能逐步累积可信的知识。
十一、三种最小，不是把探索压到零
底本与九宫D3文章把误差、冗余和损耗作为优化约束，同时提醒过度优化会损害创造。进入研究设计后，这一提醒有具体含义：我们希望减少测量含糊、无用记录和资源浪费，却不能把所有不确定、重复检验和探索空间都当成需要消灭的东西。研究的前期与后期，所需约束强度往往不同。
误差需要先指明相对于什么。编码人员之间的不一致、测量未覆盖概念、样本波动和模型预测偏差，不是同一种误差。某种误差可以通过训练减少，另一种可能要求改写概念，还有一种只能以不确定范围表达。把它们都归成误差最小，会使研究者以为越整齐越真实。事实上，过度整齐有时只是把不适合分类的材料删掉了。
冗余也有双重作用。重复收集同样材料却不改变判断，可能浪费资源；保留独立评阅、重复任务或反例检查，则可能是可信性所需要的余量。研究不能一边赞美精简，一边取消所有能发现错误的重复。需要削减的是不再贡献判断的信息堆积，而不是任何看上去重复的环节。判断某项冗余是否必要，要看它承担了什么失误防护或探索功能。
损耗包括时间、注意、经费和参与者负担。林老师若要求每名学生解释每一次点击，资料会极其丰富，课堂却可能无法进行。她需要挑选能够区分机制的关键节点，把其余记录减到必要程度。这里不是越少越好，而是在研究目标和活动可持续性之间找到可辩护的安排。若记录行为已经把学习活动改造成另一种任务，所得结论就必须说明这一改变。
在探索阶段，允许若干不成熟的编码、开放访谈和意外材料有助于发现问题；进入确认性比较后，标准需要更稳定，不能随结果变动。两种阶段可以在同一项目中连续出现，但应保留版本边界。把探索规则一直带进正式检验，会造成事后灵活性；反过来，在刚开始时就锁死所有类别，也可能错过原本最值得解释的现象。
因此，三最小可以转成三个实践问题：哪一种误差正在妨碍判断，哪一种冗余仍然承担保护或发现功能，哪一种损耗会使研究无法持续？答案因阶段而变。它们是研究者需要反复作出的价值与方法判断，不是一条自动求最小值的公式。真正的分寸，是让约束帮助问题成形，同时保留问题纠正约束的可能。
十二、怎样写出一份别人能够复查的研究说明
一份研究说明应该让读者从结论走回材料，也能从材料走向其他合理解释。林老师首先需要写清研究问题的版本：最初关注什么，试用阶段改变了什么，正式比较前固定了什么。这样，后来出现的新发现可以被看见，而不必伪装成从一开始就预测到了。研究的发生史不需要详述每一次犹豫，却要保留影响判断的关键选择。
接着交代概念与指标的对应。关键区分如何识别，表面修改与理由修改怎样区分，迁移任务保留了什么关系，E中的哪些条件被记录。最好给出少量匿名化或构造的编码示例，让别人看见边界情况。单纯列一串定义，未必足以使另一位研究者作出同样判断；例子和反例能够显示规则实际如何运行。
比较设计需要说清实际发生的安排，而不只是理想方案。哪些学生获得了什么支持，时间如何分配，工具使用有什么差异，教师是否在不同条件下提供了不同程度的帮助。偏离原计划的地方应记录原因。它们不一定使研究无效，却会改变结论的范围。一个看似不完美但过程透明的研究，比一个省略实施差异的完美故事更有积累价值。
结果部分应把主要结果、过程证据、探索性模式和未能判断的部分分开。若过程和结果不一致，不能只展示一致片段。比如迁移改善了但预期区分没有增加，这可能指向其他机制；区分增加了但迁移未变，则可能说明形成的区分不够稳定或与测量要求不同。这样的不一致是理论下一步的工作对象，不是需要被语言修平的瑕疵。
讨论部分再回答SDE带来了什么。也许它帮助重新界定了研究单位，也许它促使我们追踪回写，也许它提出了不同于单看成品的过程变量。要具体说明这些贡献，并与已有解释比较。不能因为文章中使用了三方程，就把全部结果都记在SDE名下；也不能因为采用了常见研究方法，就认为发生性问题没有独立价值。问题提出与证据获取可以来自不同传统，共同完成一项研究。
最后给出适用边界和下一步最有价值的检验。边界不是礼貌性的结尾，而是结论的一部分。读者应当知道这项研究涉及什么年龄、内容、工具参与方式和任务条件，也知道哪些场景不能直接推开。下一步不应只是扩大样本，而应尽量指向当前最难区分的解释。这样，一篇论文才真正留下了别人能够接手的接口。
十三、一个模型在何时值得继续
研究者经常面对一种两难：模型还很粗糙，过早放弃可能失去机会；模型又可以不断修补，继续投入可能变成自我保护。SDE的发生性立场鼓励我们承认知识会改变，却不能因此让每次失败都变成必经阶段。是否继续，需要看模型是否产生了新的、能够被检查的工作，而不是看我们已经投入多少。
对林老师的项目，一个值得继续的信号是：即使第一轮效果不明确，过程材料发现了此前没有区分的两类活动，并且这种区分能够稳定识别，也能提出不同预测。另一个信号是：原有解释无法说明某种持续出现的组合，而新模型提出了可实施的比较。相反，若每一轮都只增加抽象概念，无法改变测量、比较或实践选择，继续扩展就可能只是延迟面对空洞。
模型也可以以缩小的形式活下来。最初想解释所有人工智能辅助学习，最后只在某类概念辨别任务中有效，这不必视为失败。一个范围有限、条件明确的机制，能够成为后续研究可靠的起点。研究真正危险的不是范围小，而是范围永远大于证据。发生的知识应当能够长大，也应当能够在必要时收回自己伸得过远的部分。
有时应当保留数据与任务，放弃原解释。假如后来发现练习结构足以解释结果，SDE分析仍可能在研究过程中帮助我们发现问题，但最终结论没有必要强行维持独特理论身份。研究者可以诚实地写出：本项目由发生性问题意识启动，结果更支持一种较简单的解释。理论的贡献并不总是成为胜出的终点，也可能是帮助人们走到一个自己原先没有看见的答案。
三方程进入研究，最终应落实为三种责任。对显露负责，不把漂亮成品当成全部存在；对形成过程负责，不凭结果倒推机制；对条件及其改变负责，不把背景当成永久固定，也不把一切归给背景。这三种责任相互牵动，却仍需要领域知识、研究设计和公共检验来实现。公式可以指出方向，不能替代脚下的路。
林老师到此拥有的，还不是一项完成的研究，而是一份能够进入试用和同行讨论的方案。她知道主要结果是什么，过程怎样识别，比较有哪些对手，失败如何改变结论，回写在哪里继续追踪。下一章将把这些分散工作装配起来：如何组织文献、任务、记录、智能体分工和成果交付，使一次研究不只留下论文，还能留下别人真正用得起来的知识。