一 · 先看一件市场里的事
挑西瓜。
会挑的人，拍一下、掂一掂，说「这个熟了」。你问他怎么知道的，他说不太清——声音有点闷、手上有点沉、纹路怎么怎么样。
现在给这件事出一张考卷。题目是：
下列哪一项最能说明西瓜已经成熟？
A. 敲击声清脆，触感发硬
B. 敲击声沉闷，掂之较沉，脐部内凹
C. 表皮光滑无纹，重量偏轻
D. 蒂部干枯，声音尖锐
答案是 B。
这张卷子有两个后果，而且它们不是一个后果的两面。
第一，一个从没挑过瓜、但背过这四个要点的人，得满分。
第二，一个在摊子上摸了二十年、闭着眼能挑准的人，如果记混了「脐部内凹」还是「外凸」，不合格。
如果全国所有的瓜贩执照都靠这张卷子发，二十年后会发生什么？母文回答的就是这一问，样本换成了脉诊。
二 · 母文那一刀
一般人以为中医的合法性危机是认识论上的：气、血、经络这些概念，经不经得起现代科学的检验。
母文说不是。它把危机重新定位在一个更前面、也更难堪的地方：
过去三十年，中医教育体系内部一套从没有被检视过的资格认证技术格式，系统性地消除了从业者赖以产生那些概念的身体知觉能力。
不是有人驳倒了中医理论，是一项日常运转的制度实践，合法地、高效地、成功地让新一代人不再具备生成和辨识其核心概念所需要的那个能力。
引言里有一个数字：2019 年某中医药大学附属医院的匿名调查里，超过四成的青年医师在独立值班时选择依赖脉搏仪，而不是徒手脉诊。他们并不是不信脉诊的价值，他们坦率地说自己「摸不出来」。
而更值得注意的是那句副题：被删除的不是分数，是那个能力的存在资格。
三 · 那道致命的等式
母文追溯了这套格式是怎么被「选中」的，过程一点也不阴谋。
1999 年前后，三股力量撞在一起：高校大扩招、执业医师法与统一资格考试建立、与国际医学教育标准化接轨的压力。它们合起来提出了一个极其刚性的行政需求——必须在给定的人力物力下，对数以万计背景各异的考生做快速、公正、低成本、能排除考官主观偏见的大规模筛选。
面对这个需求，选择题几乎是唯一的行政解。一位老中医花几个月带教一个学徒才能判断他行不行；一场一百五十分钟三百道题的考试，行政效率上有压倒性优势。
选它，不是因为它更能识别好中医，是因为它是唯一能在那个成本下完成筛选的技术。当时甚至没有第二个方案被严肃地提上议程。
设想本来是有的：笔试考理论，临床实习和面试把关操作。可这两种评估的行政地位完全不对等——笔试成绩刚性、可量化、易比较；而在取消了师徒制、一个带教老师面对几十个学生的院校环境里，临床观察迅速退化成一场没有区分度的走过场。
于是一道等式在实践中被悄悄确立，它不写在任何一份政策文件里：
选择题高分 ＝ 掌握中医理论 ＝ 具备中医临床能力。
那个真正需要被评估的东西——指腹下的知觉辨识——从「必要条件」降级成了「最好能有，但无法考核，因此不予强求」的点缀。
母文那句总结最狠：选择题的格式，从此不只是一种测量工具，它开始成为被测量内容本身的定义者。
四 · 一道考题里的三步置换
母文把那道「弦脉」考题拆成三步，这三步值得逐条记，因为它们在别的行当里一模一样地发生：
第一步，感知对象被语词取代。真实的弦脉是一团涌进指腹的触觉复合体——张力、硬度、振动、指腹不同区域的压力梯度。考题把它压缩成一个文化隐喻：「如按琴弦」。
第二步，认出语词被定义成能力的证据。题目要的不是你去感知一个真实的脉，是你从记忆里调出教科书对那个隐喻的解释，跟四个选项做模式匹配。
第三步，也是最要命的一步：这个判断动作的合法性被垄断。在这个制度里，唯一合法的「我知道什么是弦脉」的证明方式，就是选出 B。
于是筛选闭环合上了：荣誉、奖学金、保研、执照、晋升，全部锚在语词记忆上。一个处在竞争压力下的理性学生，会把有限的时间投到人声鼎沸的门诊去捕捉那个「弦急」之感，还是投到安静的图书馆去把 ABCD 背熟？
制度的筛选，通过学生完全理性的自适应行为，完成了自我实现。
五 · 为什么换一套题没用：三条根
如果这只是一次政策失误，下次改革换套题就行。母文说不行，因为这套东西已经在周围长出了三条根：
一、教材—考题格式共构。高利害考试有回溯效应。出版社按考纲切知识点，教师按重点备课，学生入学第一天就在打听哪门课背题库就能过。要换的不是一张卷子，是几十上百种教材的体例、数万名教师的备课习惯、数百万学生的备考行为。
二、考官群体的代际锁定。这一条最锋利。今天手握「什么算合格中医师」裁量权的专家，他们自己正是这套考试筛选出来的优胜者。他们的卓越体现在理论精深、论文与考试成绩上。要引入「评估者本人也得有体感」的考核方式，就得由他们来设计——而他们很可能在这套制度下已经长不出识别那种能力所需的那个元能力了。母文那句话值得整句抄下来：这项制度的成功产物，构成了它自我更替的最大障碍。
三、被考核者的身份锁定。所有持照者都是通过这套制度获得职业合法性的。承认这套评价存在根本的范畴错误，等于间接承认所有经它认证的人「在某种意义上是有缺陷的」。抵抗因此不以公开反对的形式出现，而是变成：改革可以，但必须渐进；不能否定历史成绩；我们当年也是这么考出来的，不也好好的吗。
三条根合起来是一道又深又宽的护城河，护着一套三十年前因行政便利而被仓促选中的技术。
六 · 最要紧的分界：不是「考试不好」
母文特意用两个反向案例来堵住一个过于宽泛的悲观结论：
外科住院医师的客观结构化考核（OSATS）成功了。因为一台手术可以被拆成一串可被第三方观察的行为标记：术前核查、铺巾范围、切口层次、止血是否彻底、缝合针距。一个考官站在旁边看，就能逐项打分，不必自己上台。
音乐学院的演奏考试也成功了。因为被评的对象——声音——是一个公开的、可被共同感知的外部事件，评委之间的一致性还可以被计算。
然后是那个翻转：一个医师摸到弦脉，除了他自己那句口头报告，不附带任何可被「无知」的第三方独立核验的外部标记。你看他的手指看不出来，听他说的话也验不出来。评估的唯一通道消失了。
于是母文给出核心论断：
困境不在于「选择题不好」，而在于制度设计里原则性地缺失了「必须把评估者本人放进同一个感知操作里」这条替代通道。
在有外部行为标记的领域，这个缺失不致命（OSATS 可以补偿）；在处理那种不产生外部标记的受训知觉时，它直接导致整个评价体系与被评对象之间失去了最基础的信息通道。
母文提出的替代范式叫操作者间知觉校准，并配了一个 2×2 的检验设计，还写明了什么情况下这套理论自己就该作废。它没有说「这东西说不清、你们别管」——它说的是纪律要换一种形状。
七 · 它不能被这样误用
- 不能读成「所以不要考试」。母文用两个成功案例把这条堵死了。问题在格式与对象配不配，不在考不考。
- 不能读成「凡是标准化都是恶」。大规模筛选的需求是真的，行政约束也是真的。母文明写「这个选择本身并非恶意」。
- 不能拿去否定任何一位持照者。第五条第三根说的正是这个：把制度诊断读成对人的判决，会立刻把所有从业者变成改革的敌人。诊断的对象是格式，不是人。
- 不能推广成「凡是我说不出的能力就都属于这一类」。判据在第九节，很硬：有没有可被第三方独立核验的外部标记。
八 · 这套判断做什么、不做什么
做：判断你手上那套考核（考试、面试题、绩效表、评分卡）与它声称要测的能力，是不是配套的；以及它有没有正在把那个能力筛掉。
不做：判断谁有能力谁没有。这条判断评的是尺子，不是被量的人。
九 · 先定位：三问
对准一项能力（挑瓜、看诊、看代码、判断学生懂没懂、辨材料好坏）：
| 问 | 答「有」 | 答「没有」 |
|---|---|---|
| 这项能力发挥的时候，有没有一个外人也能看见或听见的东西？（一条切口、一段声音、一份成品） | 可以做成第三方评分表——OSATS 那条路 | 往下走 |
| 除了本人的口头报告，还有没有别的凭据？ | 同上 | 往下走 |
| 要判断他做得对不对，是不是只能让另一个内行也把手放在同一个东西上？ | 就是母文说的那一类：必须把评估者放进同一操作 | 重看前两问 |
结论只有两种，处置完全不同：有外部标记的，老老实实做行为清单，别神秘化；没有外部标记的，再精致的笔试也只是在测一个替身。
十 · 安全边界
- 不拿它去撤销任何人的资格。这套判断产出的是「尺子配不配套」，不产出「谁该下岗」。
- 凡涉及安全的资质（医疗、特种作业、驾驶、电气），现行认证一律照常执行，本文不构成任何绕过理由。
- 不要在没有替代方案的时候拆掉旧尺子。母文自己走的是三轨递进（附加认证试点 → 数据积累 → 制度松绑），不是一步废除。
- 不用它去评判自己所在体系的前辈。第五条第二根讲的是结构性的能力不对称，不是个人的失职。
十一 · 三个动作
动作一：拿你那套考核，做一遍「三步置换」的体检。
逐题问：①这道题把哪个真实的感知对象换成了词？②它是不是把「认出这个词」当成了能力的证据？③在这套体系里，还有没有第二种被承认的证明方式？
第三问答「没有」的，就是合法性被垄断的那一格。多数体检会发现：没有一道题在测真东西，而是所有题都在测同一个替身。
动作二：做一次「同手同测」。
两个人对同一个对象（同一个瓜、同一份材料、同一段代码、同一位病人的同一项指标）各自独立地做一次感知判断，各写各的，然后对。
要看的不是一致率，是两样东西：
- 一致率（他们说的一样吗）——这是常规评分信度；
- 校准度（他们说的不一样的时候，能不能当场把差别指给对方，并且下一次收敛）——这一条才是母文那个新范式的核心：它测的不是判断，是判断者。
一致率高而校准度为零，往往说明两个人只是在共享同一套教科书说法，谁也没在感知。
动作三：做一次「高分组 vs 实做」的对照。
挑出笔试或面试里得分最高的一批人，和得分中等的一批人，让两组去做真东西（真挑瓜、真上手、真判断一个未标注的样本），比实做成绩。
母文那个 2×2 设计的意思就是这个：如果高分组的实做成绩并不优于中等组，那么这套考核测的东西，与它声称测的东西无关。这个对照可以在小范围内做，成本不高，而且结果非常硬。
十二 · 一个走完的例子
一家做食品原料采购的公司，有一套「感官评价员」认证：三十道笔试题（描述术语、缺陷类型、评分标度定义），八十分及格。三年下来，认证通过的人越来越多，而到货投诉里「这批味道不对但我们的人没挑出来」的比例在上升。
第一周做定位。三问：这项能力发挥时有没有外人看得见的东西——没有，只有那句「这批有异味」；除了口头报告还有没有凭据——没有；要判断他对不对是不是只能让另一个内行也闻同一份样品——是。三条全中。
第二周做动作一，体检那三十道题：二十七道在测术语记忆，两道在测流程，一道在测标度定义。第二种被承认的证明方式：没有。
第三周做动作二。两位持证员对同一批样品各自独立打分。一致率 0.81，看着不错。但校准度这一栏出了事：两人分歧的六个样品里，没有一次能把差别当场指给对方——两个人都只能重复术语表上的词。
第四周做动作三。把过去两年笔试成绩最高的六人和中等的六人拉到一起，盲测十二份掺了已知缺陷的样品。高分组识别 5.2 项，中等组识别 5.5 项——没有差别。
处置不是废掉认证。他们加了一条附加通道：每季度一次「同盘盲测＋当场指认差别」，不打分、只记校准度，连续三次校准度为零的人回炉，由校准度最高的两人带。笔试原样保留——因为它仍然在有效地测术语，只是不再被当成能力的全部证据。
一年后的读数：校准度从 0 到平均每人每次 2.4 次有效指认；「没挑出来」的投诉比例下降。而笔试平均分掉了 6 分——这不是意外，是账单。
这个例子是分析性的，用来展示动作怎么走，不是统计证据。
十三 · 换个场子照样能跑
- 招聘：算法题和八股题有公共产物（代码），可以第三方评；而「他能不能看出这个需求有问题」没有外部标记，面试里几乎从不测，于是也几乎不被要求。
- 教师评价：教案、板书、公开课都有外部标记；「他知不知道此刻底下有几个人跟丢了」没有——所以听课评分表上没有这一栏（这与本栏之四《推一下，等回声》是同一个缺口）。
- 驾照：路考有大量外部标记，所以它比笔试有效得多；而「预判别人要变道」这一项没有标记，也就没人考。
- 师傅带徒弟的行当：一旦考核从「师傅点头」改成「统一笔试」，第一批合格者会激增，而真会的人比例开始跌——且这两件事在读数上分不开。
共同形状：能造替身的地方，替身一定会被选中；因为它便宜得多。
十四 · 读数与代价
三个读数：
1. 替身率：一套考核里，测「认出词」的题占比。
2. 校准度：分歧发生时，能当场指认差别并在下一轮收敛的次数。
3. 高分—实做相关：笔试排名与实做排名的相关。接近零就是警报，而且它是最硬的一条。
代价：
- 考核会变贵。同盘盲测、同手同测，都需要内行的时间——而这正是当初选择题被选中的原因。这笔成本从来没有消失，它只是被省掉过。
- 短期内合格率会掉，笔试平均分也会掉。上面那个例子掉了 6 分。
- 会有人受伤。第五条第三根说的身份锁定是真实的：新通道一开，一部分老资格会在新读数上不好看。上面那个例子把带教权交给校准度最高的人，就是为了让这件事有出路而不是只有威胁。
十五 · 什么时候停手，什么时候说这套判断不对
停手三线：
- 资质线：任何与安全相关的现行认证，照常执行，本文一律让位。
- 人身线：这套判断被用来指某个具体的人「其实不合格」——停。它评尺子，不评人。
- 无替代线：你要拆旧尺子而手上没有可用的新通道——停在诊断，别动手术。
三种情况说明这套判断本身可能不对：
1. 你做了动作三，高分组的实做成绩确实明显更好——那么这套考核并没有在测替身，母文的诊断在这一格上不成立，别硬套。
2. 你找到一种纯笔试的考核，长期与实做能力高度相关，而且从业者的实做能力并没有随年份下降——那么「格式会反过来删除能力」这条就说过头了。
3. 更硬的一条，接母文自己写的证伪条件：如果把评估者放进同一操作，其判别力并不优于第三方评分——那么「必须把评估者放进去」这条原则性主张失去必要性，操作者间知觉校准就是多余的。
十六 · 它与那根柱子在哪里接上
本栏那根柱子：共有的，早晚被拿来比，比完有输赢；自造的，无从对照，长期并存。
柱子还有一节特别要紧，第三之五：共有对象也是被造出来的，只是造得早、造得成功，成功到大家忘了它是被造的。温度计出来之前，「热」是彻头彻尾的自造对象——燥热、湿热、虚火，四体液的冷热干湿，两套之间无从对照。温度计一出来，出现了一个不必先学任何理论就能读出的数，从那一刻起，那一格上才有输赢。柱子由此说：分界线不是静止的，它随着测量手段的出现一格一格往前推。
母文正好是这条的失败案例，而且失败得极有教益。
选择题考试也是一个「把自造对象造成可公开核验的对象」的装置。它确实造出了一个不必先学那一套就能读出的数——任何人都能核对答案是不是 B。按柱子，那一格上该开出一场比较。
而比的不是原来那样东西。
它造出来的是一个替身：能选出 B。真正那个对象——指腹下的知觉——并没有被造成共有对象，它只是被一个可核验的东西顶替了。
于是柱子那一节要补一句：
把自造对象造成共有对象，有两条路。
>
一条是造一个真的公共通道（温度计、显微镜、培养法）——它让原来那样东西第一次能被外人指认。
>
另一条是造一个可公开核验的替身（一张卷子、一个指标、一份评分表）——它同样开出一场比较，而比的是替身。
>
两条路的读数长得一模一样，而且第二条便宜得多。所以制度会优先走第二条。
这一条与本栏之二《人多，不等于走出去了》紧挨着，但不是同一件事。之二说的是指标与它声称度量的东西脱钩，而它照常报数。这里更狠一层：替身不只是量不到那样东西，它还年复一年地把那样东西筛掉。指标脱钩之后，被量的东西还在；替身运行三十年之后，被量的东西不在了。
它与本栏之四《推一下，等回声》则是同一个缺口的两侧。之四说：有一类对象要求指认者站在里面，而柱子的判据「问一个外行」要求人站在外面。母文这里给出了那条边界的可操作判据——有没有外部可观察的行为标记（第九节三问），并给出了越过它的办法：把评估者放进同一操作。柱子那条判据要加一个前置问：这个对象有没有外部标记？没有的话，「问一个外行」测不到它，而测不到不等于它不存在。
可推翻处：若能找到一个替身型指标，运行数十年之后，它所替代的那项能力并没有衰减——那么「替身会反身删除能力」这句就不成立，本节要降格成「替身测不准」，而不是「替身会杀」。
>
本文没有做这个检验，母文做的是单一制度的追踪。它列在这里，等人来做。