一、本书首先是一部理论建构专著。九个概念来自跨学科近邻比较、机制碰撞、课堂反例与可证伪预测，尚不能被视为已经完成多中心实证验证的成熟量表或因果定律。正文中的课堂场景用于显露机制，不等于样本统计。全书唯一的外部实证支撑在第十二章第三节，共两条，且只支持“在场表现与撤除后学习可以分离”这一结果，不支持本书对该分离的机制解释。
二、文献必须逐条核验。九章各自列有参考文献，合并去重后共二百四十余条。由于原稿涵盖二十余个学科，并包含 2025—2026 年的新近资料，正式出版前应逐条核对作者、题名、期刊、卷期、页码、数字对象标识符、版本与访问日期；无法核验的条目应删除、替换，或明确标注为待刊资料。本版逐条核过的仅六条（见附录七），其中一条查出刊名与卷期著录有误并已改正——六分之一的错误率，正是必须逐条核库而不能靠抽查的直接理由，作者的如实披露不能代替这道工序。
三、与最近邻的关系应采用“继承—分界—独有预测”的写法，避免“从未有人提出”之类的绝对性语言。创新不要求与既有研究毫无相似，而要求新对象、新机制或新因果顺序能够经受最危险近邻的还原检验。
四、课堂研究必须保护学习者尊严。错误、未决差异与人机对话记录不应成为永久标签；公开的换手与复议需要允许退出和匿名；延迟帮助不能应用于安全关键或心理危机场景；合理便利、无障碍工具与语言支持不得被简单归类为代偿——第八章讨论的是替代认识发起权的支持，不是补偿功能差异的支持，两者在伦理上完全不同。
五、九维指标不得直接用于高风险问责。若学校以“复议率”“换手率”或“再生指数”排名教师，第七章描述的结算先行会立即把本书的概念转化为新的表演凭证。最合适的用途是共同备课、低风险观察、设计实验与形成性反馈。
六、使用人工智能进行课堂分析时，应公开模型版本与提示策略，最小化数据收集，允许参与者查看与纠正推断，并由人工复核结构性差异。任何自动摘要都应保留原始证据指针与不确定性，防止研究工具本身执行差异泄压。