残判

关键词：残判；重算率；一致性检验；同塑；只追加不重算；终审早于证据

一、一张不会被重算的表

先看一条链，不是一份成绩单。

一个孩子，小学三年级第二学期，一次单元测验四十一分。班主任在学期评语里写了一句“数学基础较弱，需加强”。这句话进入了成长记录册。第二年分班时，这册子被翻过一次。四年级他被编进了 B 组，B 组的进度比 A 组慢半章。五年级期末他考了八十七分，没有人因此把他调回 A 组——调组的窗口在学年初，而学年初的依据是上一年的组别。初二他在一次竞赛初赛里做出了一道多数人没做出来的题，这件事没有进入任何一份档案，因为竞赛初赛不计入学业记录。初三填志愿时，班主任的推荐意见里写着“理科尚可，数学相对薄弱”。高一分科，他选了文科。

十二年间，这个孩子做过大约四千次数学作业、两百次测验、六次统考。这些记录全都存在，全都可查，绝大多数是电子的。其中有相当一部分与三年级那次判定不相容。

没有任何一次被拿回去重算那一次判定。

这不是说没有人再评价过他——恰恰相反，评价从未停过。每一年都有新的分数、新的评语、新的排名。但每一次新评价都是又一次判定，不是对上一次判定的重算。它们像地层一样叠上去，最底下那一层从来没有被翻动过，而它承着上面所有层的重量。

三年级那句“数学基础较弱”，在他十五岁那年已经是假的了。它仍然在册子上，仍然在起作用，仍然没有任何一个字段记录着“此判定已被后续证据推翻”。

本文要问的就是这样东西是什么。而问到底，它就是“教育的本质是什么”这道题——因为上面这条链里，第一次判定、分组、评语、推荐意见分属四种不同的记录体裁、四种不同的量纲、四个不同的部门，却在同一个地方一起失灵：它们都是一次性写入的，而它们所依据的那类证据是持续到达的。一个能同时解释这四处失灵的东西，才配叫作本质。

二、三种互不相容的“算不算数”

先把三种成熟的看法摆开。每一种在自己的领域里都对，每一种都不是稻草人；而把同一个学生的同一次答对摆到三家面前，它们会给出不能并存的判决。

第一种：看当下可核对的表现清单就够了，来源问了也白问。

这是临床精神病学 1980 年之后最硬的一条纪律。DSM 第三版把诊断改写成一组可核对的判据：列出若干条可观察的症状，规定一个数量门槛与一段持续时间，达到就是，达不到就不是；病因、机制、动力学一律悬置。这套做法被明确地称为“无理论的”，它的目标只有一个——信度：让两个不同的医生面对同一个病人说出同一个名字。在此之前，这一行连“两个医生说的是不是同一件事”都不知道。这一目标是达成了的：DSM 之后，评分者间一致性成了这一行的通用语。

这一家主张的是：一个东西究竟是什么，看它此刻显露出来的、可以逐条打勾的那份清单就够了；问“它是怎么来的”，在判定环节是越界。

第二种：整体相似度不是判据，来源不同就不是一回事。

这是系统发育学一个甲子最硬的一条进展。1966 年的那本书把这件事说死了：物种之间的形态相似不能简单地当作亲缘关系的判据，这个概念必须先被拆成三类——共祖相似（从更远的祖先那里一起继承来的）、趋同（各自独立地长出了同样的东西）、共有衍征（在共同祖先那里发生的、只有这一支才有的改变）——而只有第三类可以用来确立关系。整体相似度是这三样东西的一锅混合物，用它分类会系统性地把独立起源的相似归成一类。

更要紧的是这一家的做法：单个性状本身不能判定自己是哪一类。逐个性状先提出同源假设，然后用一致性检验把它们放在一起——与多数性状不相容的那些，被判为同塑（表面相似而非同源）。一个性状是“真的”还是“假的”，取决于它与其余性状之间是否一致；而这个一致性，只有在整张矩阵里才存在。

这一家还有一条更狠的：要知道哪些特征是真正独特的、哪些高度同塑，必须做广泛的外群比较——比较对象太少，判断必然错，而且错得看不出来。

第三种：那份能力根本不属于这个个体，分母就是错的。

这是宿主—微生物研究这二十年最硬的一条。一个动物的代谢能力、免疫成熟、乃至行为，有相当一部分不是由它自己的基因组决定的，而是由它与体内微生物群落共同决定的；无菌条件下养大的同一物种，表型完全不同。于是有人主张：真正的单位不是这个个体，而是“宿主＋它的微生物组”这个复合体。把个体单独拿出来测，测到的不是它。

这一家主张的是：一个东西究竟是什么，看它纠缠着哪一套共生条件就够了；把它从那套条件里摘出来的那一刻，你测的已经是另一个东西。

把同一件事摆到三家面前。 一个学生在一道题上给出了正确答案。

第一家问：判据清单打勾了没有？——打了，答案正确、限时内完成、步骤完整。算。

第二家问：这次正确与“他真的会”是同源的吗？——一个理解了原理的学生和一个背下了这类题型模板的学生，会给出一模一样的答案。这是趋同。按表现分组，必然把这两个人归成一类。不算，除非拿出与其余性状一致的证据。

第三家问：这次是谁做的？——有一份带公式的参考页、有一位同桌、有一个刚讲完这类题的老师、有一个提示“注意单位”的旁批。那份能力的携带者不是这个学生，是这一整套配置。问错了。

三家给出三个不同的判决，理由互不相容：第一家说算因为清单打了勾，第二家说不算因为来源可疑，第三家说这个问题的主语就写错了。

三、三家自己都知道、却没往这个方向用的三件事

三家争的是：一份能力该按哪一维去认。 但三家都各自握着一件对自己不利的事实，而且都不往这个方向用。

第一家自己知道：信度做出来了，效度没有。这一行内部对此说得比外人狠——诊断类别之间的共病率高得离谱，同一个类别内部的病人异质得像两种病；2013 年，美国国立精神卫生研究所的负责人在第五版发布前夕公开表示这些类别缺乏效度，并把研究资助的方向转向了一套按机制维度重建的框架。也就是说：最有资格坚持“看清单就够了”的那一家，自己承认这套清单认出来的不是一类东西。这一家还有一件事，本文原来漏了，而它对本文有利，因此更该写在这里：这一行几十年来一直在做随访研究，测的正是同一个人的诊断在后来被改掉的比例，并且为它造了两个专用读数——基线时得到某诊断而随访时仍保留的比例，以及随访时得到某诊断而基线时也有的比例。读出来的数很大：首发精神病随访四年，约有四分之一的人改了诊断；一项二十一年的随访里，整体诊断稳定性只有百分之四十七点七。也就是说：这一家在诊断上是会回头的，而且把回头的结果做成了公开数字。这一条把本文后面要说的那个对照变得更锋利，而不是更钝——同样是给人贴一个会产生后果的标签，同样是证据持续到达，一个领域把改诊率算成了公开数字，另一个领域连一个能记下「先前那次不算了」的位置都没有。详见第十五节第三支。

第二家自己知道：分子系统学口称支序方法，实际上大面积地退回了“整体相似度反映亲缘程度”这条假定——这条假定是 1962 年提出的，它和 1966 年那本书要打倒的正是同一件事。也就是说：最有资格坚持“来源优先”的那一家，自己的主流实践在偷偷用被它判为无效的判据。

第三家自己知道：那个复合体的边界划不出来。2016 年那篇著名的反驳说得很清楚——宿主与共生体之间的利益经常冲突，传递方式从垂直到水平不等，伙伴保真度参差；要让这个复合体成为一个单位，需要各方选择利益近乎完全一致，而这在多数关系里并不成立。更该用生态群落而不是超个体来理解它。也就是说：最有资格坚持“要看整套纠缠”的那一家，自己承认那一套划不出边。

三件事的形状是同一个：三家的判据在自己家里都已经出过一次事，而出事的方式都是“我用来认它的那个东西，认出来的不是一个东西”。

四、三家共同站着、却从没说出口的那块地

三家吵得很凶。但把三家的话并排念一遍，会发现底下有一句谁都没说、谁都用着的话：

存在一个确定的携带者，“会了”是它的一个状态；分歧只在于用哪一维去认它。

第一家认的是这个状态的当下表现，第二家认的是它的来路，第三家争的是携带者的边界画在哪儿。三家争的是判据，没有一家怀疑过“有一个待认的状态”这件事。

把这句话念给三家听，三家都会说：这还用说吗，不然我们在争什么。

这正是它是共有前提的证据。而教育实务里那句最常听见的话——“这孩子到底会不会”——是同一条前提的日常版本。它假定“会不会”是一件此刻已经确定、只等我们用某种办法读出来的事。所有的考试、所有的评价、所有的判定，都建立在这一句上面。

五、推翻它的那件材料，来自第二家自己

推翻这条前提的东西不必从外面搬。它就在第二家自己的日课里，是这一行每天都在做的一件事，而它从来没有被用在这个方向上——一致性检验。

事情是这样的：你手上有一批类群和一批性状。对每一个性状，你先提出一个同源假设：“这个特征在这几个类群里是同一个东西。”然后你把所有性状放在一起，按简约原则建树。建完之后，某些性状与树相容，某些不相容——不相容的那些被重标为同塑：它们看起来像同一个东西，其实是各自独立长出来的。

关键不在“会有同塑”。关键在另外两件事。

第一，一个性状是不是同源，不是那个性状自己的性质。 你把那个性状翻来覆去地看，看多细都看不出来。它是同源还是同塑，取决于它与其余全部性状之间是否一致。判定的单位从来不是那一个格子，是整张矩阵。

第二，这个判定会随矩阵长大而翻转，而且翻转是常态，不是事故。 加进新的性状、加进新的类群，昨天还是共有衍征的那一栏，今天可能被重标为同塑；反过来也一样。这一行甚至造了一个专门的量来数这件事——一致性指数，它测的就是一张矩阵里有多少相似是趋同来的。没有人认为这是失败。整张树被新数据推翻并重建，是这门学问正常运转的样子。

一旦承认这一条，三家的争论就同时失去地基。不是谁对谁错的问题——是三家都在问“这一次算不算数”，而“这一次”根本不是一个可以单独承载真值的单位。

六、承重命题：残判

于是可以说出本文的判断了。

教育不是被逐条核对的那份表现清单（第一家），不是由来路决定的那条谱系（第二家），也不是只在整套共生条件里才成立的那份复合能力（第三家），而是——

>

一次“会了”的真假不属于那一次；它是这个人全部表现之间的一致性关系，因此必须随后续证据被重新计算，并且其中必然有一部分会翻转。

>

而教育系统是一台只追加、不重算的分类机：每一次判定在写下的那一刻取得终审效力，它所依据的那类证据却每天都在增加。于是它必然、系统性地保有一批已被自己后来的数据推翻、却从未被撤销、仍在产生后果的旧判定。

给这类东西一个名字：残判。

一条判定成为残判，要同时满足三件事：①它曾被正式作出并产生了后果（分组、评语、资格、推荐、分流）；②在它之后，同一系统内积累了足以推翻它的证据（不设阈值的操作化替代见第二十三节第一条：把当初那把尺子套在今天的全部证据上，看结论变不变）；③没有任何一次重算发生，它至今有效。

残判不是错判。 错判说的是当时就判错了；残判在作出的那一刻可能完全正确——三年级那次四十一分是真的，那句“基础较弱”在当时是一个合理的读数。残判说的是它后来变假了而没有人回去看。

残判也不是过时的信息。 过时的信息可以被忽略；残判仍在起作用——它决定了分组，分组决定了进度，进度决定了下一次的分数。它不是躺在档案里的一句废话，它是这条链的第一环。

残判也不是偏见。 偏见预设判定者有倾向；残判里通常没有人有倾向：每一个人都在照章办事，每一次新评价都做得很认真，只是没有任何一个环节的职责是“回去重算上一次”。

那么被残判遮住的是什么？是一件在教育账本上不存在的东西：“这一次判定已经被推翻”这个事实。系统里有判定，有后续证据，两样都记得清清楚楚；缺的不是数据，是把两者对起来重算的那个动作，以及记录这个动作结果的那个位置。

这一点必须说清楚，因为它决定了本文与很多相邻讲法的分野：本文不主张教育少记了什么。教育记得很多。本文主张的是，教育的记录是只追加的，而只追加的记录无法表达“撤销”。

七、不是四个格子，是一台机器只有三种做法

要把两件在表面上一模一样的事分开，光有一个名字不够。但也不需要一张二维格子——因为分开它们的不是两根轴，是新证据到达之后，系统实际执行了哪一个动作。

只有三种，没有第四种。

做法甲 · 重算。 新证据到达 → 把它与既有全部证据放在一起 → 重新计算既往判定 → 若结论改变，旧判定被标记为已撤销，并保留在记录里。系统发育学是这么干的；法院的再审是这么干的；一次贝叶斯更新是这么干的。特征：记录里同时存在“当时判的”与“现在判的”，以及两者之间的连线。

做法乙 · 覆写。 新证据到达 → 用新读数替换旧读数 → 旧读数消失或被降权到零。以最近一次掌握证据取代平均分，就是这一种。特征：记录里只剩现在这一个值；“曾经判过什么”以及“为什么变了”都不可查。覆写看起来很像重算，它们的区别是：重算用新证据去重新判定旧的那一次，覆写是把旧的那一次扔掉。

做法丙 · 冻结。 新证据到达 → 既往判定不进入任何计算 → 新证据只用于生成又一次新判定，叠在上面。绝大多数教育记录是这一种。特征：记录只增不改；每一条判定都停留在它被写下时的状态。

要打的是丙。它不是坏，它是看不见：一个从不重算的系统，其记录在形式上与“每一次判定都恰好正确”完全一样。乙至少还留下一次改动的痕迹，丙连痕迹都没有。

丙这一类有三条签名，每条都要配一句误诊阻挡——否则任何一次正当的、必要的、教学上完全正确的记录留存，都会被误判成丙，那样这套读法就毁了。

签名一：系统里有大量“判定”记录与大量“表现”记录，但没有任何一条记录把某一次判定与它之后的表现连起来。

误诊阻挡：可能只是关联表没建。分开的办法是问一句更硬的：这个系统里有没有任何一种记录，其产生条件是“某个既往判定被认定不再成立”？（撤销分组的备案、评语的作废、资格判定的回改）有这个类型而计数为零，是丙；连这个类型都没有，是丙的更深一层。

签名二：记录的生命周期只有两种状态——有效，或者删除。

误诊阻挡：删除有时是正当的（隐私、纠错、法定保留期）。分开的办法是看有没有第三种状态：“曾经有效，现已被推翻，因记录完整性而保留”。一个系统若只有“活着”和“可以删掉”两格，它在结构上说不出“这一条曾经是真的，现在不是了”。

签名三：越正规化，冻结得越彻底。

误诊阻挡：正规化确实带来真实的质量提升。分开的办法是看比值：新增的流程环节里，有多少是新增的判定点，有多少是新增的重算点。实测中后者通常为零——这条签名的读数是一个分母为零的比值，而这本身就是最强的一条读数。

第三条签名解释了为什么残判几乎永远不被发现：每一次改进都在增加判定的密度。 更细的分项、更频的测评、更即时的反馈、更完整的画像——每一样单独看都是好的，合起来是让“当下这一格”越来越精确，而没有一样是回头去动上一格的。矩阵在横向长大，纵向从不回算。

八、一句可以直接问表结构的话

概念要能被人拿去用，得压成一句可以直接问记录、问数据库、问学籍管理办法的话，而不是问人的判断。本文的判据是这一句：

这个人身上有哪一次判定，是被后来的表现推翻之后又被改回来的？给出日期。

它不含“应当”“充分”“真正”“有意义”这类词，因此没有酌情空间。它只有三种答案：一个具体日期／“没有过”／“这个问题在我们这儿问不出来”。第三种是丙。

把它拿到五个具体场合跑一遍，答案必须互不相同，而且不能全都从命题直接推出来。

场合一，中小学分组与评语。 答案：问不出来。学籍系统里的评语与分组记录都是按学期新增的，没有“撤销上学期评语”这个操作；调组走的是新申请流程，而不是对原判定的重算。——这一条是查出来的：常见学生信息系统的成绩与评语实体里，没有一个字段的产生条件是“上一次判定不再成立”。

场合二，特殊教育资格认定。 答案：有，而且是法定的。这里存在制度化的重算——每三年必须重评一次。但读数并不因此变好看：州级操作指引明写，重评时推定原认定有效、状况仍然存在，除非有数据表明相反；且允许在各方无异议时进行不做任何新测评的“无疑问重评”。这一条反过来改了本文——它逼出了第十三节的第一处约束，也逼出了编码规则第 4 条（有重算制度而举证方向偏向维持原判的，单列一档，不与丙合并）。

场合三，标准参照评分的课堂。 答案：有一个日期，但它记的是覆写不是重算——最近一次掌握证据取代了此前的分数，而“此前那次判定曾被作出并已被推翻”这件事没有留下位置。这一条逼出了本文最要紧的一条分界，单独写在第十节。

场合四，学徒制与临床带教。 答案：有，且通常在带教者的记忆里，不在表上。“我原来以为他不行，后来那台手术之后我改了看法”——这是一次真实的重算，它发生了、起作用了、决定了后续放手的程度，而它在任何一份评估表里都不存在。这一条是本文原来没预料到的一档，它逼出了编码规则第 5 条（口头且可追述的重算可计入，但须单列并标注来源）。

场合五，学位与资格的既定记录。 答案：没有过，且制度上明确禁止。一次考试成绩、一张文凭一经作出即为终局，它的稳定性本身就是它的价值。这一条是本文自己给自己找的最强反例，写在第十八节。

五个答案互不相同：问不出来／法定重算但推定维持原判／覆写不是重算／在人的记忆里／制度上禁止重算。其中第二、第三两条是查出来的，并且各自改了本文一条规则。

九、重算率 r：怎么算

一个不能清点的判断，最后只会变成一个形容词。以下是把它变成一个数的全部规则。本文正文、证伪条款与末章赌注三处引用的是同一份。

读数名：重算率　符号：r

定义：在一个给定的观察窗内，

r ＝ （因新增证据而被重新计算的既往判定数）÷（该窗内仍在产生后果的既往判定总数）

什么算一次“判定”（四条同时满足）：①由有权者作出；②被记入某个持久记录；③在作出之后仍被用于任何下游决定（分组、进度、资格、推荐、分流、资源分配）；④针对的是一个人的能力或状态，而不是一次事件的事实。

什么算一次“重新计算”（三条同时满足）：①触发条件是新证据的到达，不是新周期的开始；②计算的输入包含该次判定当初的依据与其后的证据；③输出是对那一次判定的裁定（维持／推翻），而不是一次新判定。

写成可直接实现的形式：

for v in 既往判定:

if v.仍在产生后果:

E_after = 该人在 v 之后产生的、与 v 同一能力域的全部证据

if 存在一条记录 rec 满足:

rec.触发 == "新证据"

and rec.输入 ⊇ (v.依据 ∪ E_after 的非空子集)

and rec.输出 ∈ {维持 v, 推翻 v}:

计入分子

计入分母

r = 分子 / 分母

六条编码规则：

周期性复评（每学期、每学年）不自动计入分子——触发条件是日历不是证据。只有当复评的输入明确包含既往判定本身、且输出是对它的裁定时才计入。

覆写不计入分子。 用新读数替换旧读数、或只取最近一次证据，都是覆写；判据是问一句：被替换掉的那一次判定，现在还查得到吗？它旁边有没有一个“已被推翻”的标记？两问皆否即为覆写。

一次重算无论结论是“推翻”还是“维持”，都计入分子——重算的价值在于它发生了，不在于它翻案。只数翻案会让这个读数变成一个鼓励翻案的指标。

存在法定重算制度、但其举证方向被设定为“推定原判有效”的，单列一档记为“弱重算”，不与丙合并，也不与甲合并。

口头的、未入表但可由当事人追述并被下游决定采纳的重算，可计入，但须单列并标注来源。

观察窗必须长于该能力域的自然变化周期。窗太短会把“还没有新证据”记成“没有重算”，那是最容易被做手脚的一处。

表头：单位 ID ｜ 判定 ID ｜ 判定日期 ｜ 能力域 ｜ 下游后果 ｜ 窗内新证据条数 ｜ 是否重算 ｜ 重算类型(甲/弱甲/乙覆写/丙冻结) ｜ 重算日期 ｜ 裁定

不适用：对事件事实的记载（出勤、缴费、违纪的事实层）；一次性且不产生下游后果的评价；以稳定性本身为价值的终局记录（见第十八节）。

本篇三处引用一致性自查：正文 §九 ＝ 证伪 §十六 ＝ 赌注 §二十一　✅

r 的四条性质，缺一条这个读数就白造。

一，它是一个比值，但分子分母都是动作计数而不是人的属性，因而不能通过挑选学生做好看。

二，可事后清点，不必在现场观察，也不必新增任何一次测评——这是它相对于一切“应当增加某种观测”的处方的唯一优势。

三，把“这孩子到底会不会”这种印象，换成一个可以去查的问题：“关于他的那次判定，被重算过吗。”

四，与既有主要指标正交。这一条最容易漏也最要命，所以必须举一个既有指标最好看而 r 最难看的真实例子：一所测评体系极完备、每两周出一次学情画像、每个学生有四十个分项读数的学校，它的 r 是零——四十个分项全都在描述当下，没有一个在裁定过去。反过来的例子同样要举得出：一个只有期末一次考试、什么画像都没有的师徒作坊，师傅在第三个月改了对徒弟的看法并公开说出来、放手让他做以前不许做的事——它的 r 大于零。

r 不是一个可以拿去排名的数。 理由见第二十节：它一旦进考核，最省事的达标办法是组织“重算”。

十、覆写不是重算

本文最容易被误读成对手的，不是任何一种理论，是一场正在进行的评分改革。

标准参照评分——把分数挂到具体的学习目标上、允许重考、只让最近一次掌握证据计入成绩、不做平均、不用早期的失败去拉低后期的成功——这套做法在中小学推行了三十年，在大学也开始落地。它的论证与本文的开场几乎逐字相同：早期的一次失败不该永久损害一个人的记录；一个学得慢但最终学会了的人，不该被他学得慢的那一段定义。

这是本文与之最近的一位，而且它已经在真实的课堂里运转。若本文不能与它划出一条可判定的界，本文就只是它的一个哲学包装。

分界只有一句，但这一句是硬的：

它把旧的那一次扔掉，本文要求把旧的那一次重新算一遍。

只取最近证据，是覆写：早先那次判定不再影响成绩，但它也不再被裁定——没有人说过“三年级那次判断是错的”，只是它不再计入了。而重算要的是相反的动作：把三年级那次判定连同它之后的全部证据一起放进去，输出一个关于那一次的裁定，并把裁定留在记录里。

两者的差别在三处会长成完全不同的东西：

第一处，下游后果。 覆写只能改动那个被覆写的读数本身。它改不了那次判定当年造成的分组，改不了因分组而放慢的进度，改不了写进推荐意见的那句话。成绩可以被覆写，后果不能被覆写——只能被撤销，而撤销必须先有一次重算。

第二处，可查性。 覆写之后，“曾经判过什么”通常不可查。而残判这个概念要求的正是可查：一个系统若不能同时呈现“当时判的”与“现在判的”，它就无法自己发现自己有多少残判。覆写在改善个体处境的同时，销毁了诊断这个系统所需要的信息。

第三处，方向。 覆写默认新的比旧的对——最近的证据优先。重算不作这个假定：一致性检验完全可能判定新证据才是那个不一致的、需要被解释的异常。教育里这一格很常见：一个长期稳定的学生突然考砸了一次，覆写会让这一次成为他的读数，重算会把这一次判为与其余全部表现不一致并去找原因。在这一格上，两者给出方向相反的处置。

判决性对照：取一批在标准参照评分下已经“最终掌握”的学生，查他们当年因早期判定而承受的下游后果（分组、选课资格、推荐意见）有多少被回改。覆写观点不作预测；本文预测这个比例接近零，且与他们最终成绩的高低无关。若这个比例显著大于零并与最终成绩正相关，则本文这条分界不成立，本文可被这套改革吸收。

十一、标签理论的方向

第二个必须单独处理的对手族，与本文在同一片经验现象上，但箭头指向相反。

一支说：一个人被正式贴上标签之后，标签成为他的主身份，压过其余一切；由此引发的社会反应，会催生出与标签相符的后续行为。另一支说：分类实践与被分类的人之间存在回路——分类会改变被分类者，被改变的人又反过来改变分类。还有一支在教室里做了实验：教师被告知某些学生“即将大幅进步”（实际是随机选的），这些学生后来真的进步得更多。

三支合起来是一个很强的解释：旧判定之所以看起来一直是对的，是因为它把自己变成了真的。

如果这是全部真相，本文就多余了——不存在什么“已被推翻却仍生效”的判定，因为判定不会被推翻，它会自我实现。

本文与这一族的分界，是一条可以在同一批数据上判决的分界：

标签理论预测标签与行为随时间收敛；本文预测两者随时间分岔，而分岔不被记录。

取一批在早期被作出负面判定的人，追踪他们的判定与其后的表现。若两者随时间越来越一致（表现向标签靠拢），标签理论对；若相当一部分人的表现与标签越来越不一致，而判定与其下游后果纹丝不动，本文对。

这两种情形都真实存在，因此更准确的说法是：它们是同一台机器的两种输出，而它们共用一个前提——判定不被重算。标签理论解释的是被判定者那一侧发生了什么；本文说的是记录这一侧什么也没发生。如果判定会被定期重算，标签的自我实现就会被打断；正因为不重算，两条路才都走得通。

本文因此欠这一族一件事，必须写下来：本文关于“证据在增加”的假定，被这一族削弱了一部分——因为有一部分后续证据本身就是旧判定的产物，不是独立的新证据。这一处的处置写在第十三节第二处。

十二、教育之外的十处兑现

一个跨领域的判断，只有在别的领域里也能据此预测一件具体的事，才算兑现；只是“像”不算。本文的兑现全部写成顺序预测——先动的是什么，什么多久跟上。

刑事司法。 存在成建制的重算：再审、平反、定罪后的证据复核。预测：一个司法体系里“定罪后证据复核”制度建立的时间，早于该体系“错判率”这个概念被公开使用的时间；且两者相差不超过一代人。没有重算装置，错判率不可被表达。

临床诊断。 一个诊断在患者病历里通常终身携带。预测：在实行诊断复核制度（定期重新核对既有诊断是否仍成立）的科室，用药删减的发生早于住院天数的下降；未实行的科室两者都不动。

信用评分。 存在法定的时效与消除机制——负面记录到期失效。预测：负面记录的法定失效（时间到）与主动重算（新证据到）在同一体系里出现时，前者早于后者数十年；且后者一旦出现，申诉量的上升先于违约率的变化。

药品审批。 加速批准之后的确证性试验，是一次真正的重算。预测：一个监管体系里撤市与撤销适应症的比例，与它对确证性试验的时限要求呈正相关，且比例的上升滞后于时限收紧约一个审批周期。

科学文献。 撤稿是一次重算；勘误是一次覆写。预测：在引入撤稿标注的期刊里，“被撤论文的后续引用”这一指标的出现，早于撤稿率本身的变化。记录撤销的能力先于撤销的发生。

软件工程。 只追加日志加上定期重算物化视图，是这一行的标准做法；而配置与权限往往只追加不重算。预测：一个组织里权限的“最小化重算”制度建立之后，权限撤销事件的上升先于安全事件的下降。

人事考核。 一次绩效评级几乎从不被重算。预测：在引入评级复核的组织里，晋升路径的分岔度上升先于绩效均值的变化。

生态分类。 一个物种的保护等级会随新数据被重新评定，包括降级。预测：任何一个有正式重评周期的名录，其“降级”事件的存在与该名录的公信力正相关；只升不降的名录会在两个重评周期内失去引用。

语言能力认证。 证书通常有效期固定而不重算。预测：以到期重考为制度的体系，其证书与真实能力的相关随持证时间衰减得比以持续证据重算的体系更快，且衰减在第一个有效期内就可测。

人工智能模型的既有判定。 一个模型对某个样本的旧判定，在模型更新后通常不被回溯重算——线上系统只对新请求生效。预测：引入“回溯重评”的系统里，历史误判的发现量在回溯上线后一次性跃升，而模型指标本身不变。这一跃升的存在与否，是判断一个系统属甲属丙的最快办法。

第 1 与第 5 两条是本文最愿意先被检验的，因为它们的重算制度已经存在，只需要有人把 r 这个读数加进去。

十三、三处反过来加在本文身上的约束

一个判断如果只从三个来源那里拿好处，不被它们逼着让步，那它多半没有真正碰到它们。以下三处，每一处削掉的都是本文原本打算写下的一句更强的话。

第一处，来自特殊教育资格制度：本文不能主张“教育里根本没有重算”。

我原本会写：教育系统完全不具备重算机制。查证把这句话打掉了——特殊教育资格认定有法定的三年重评，这是一个真实的、有强制力的重算装置。但查下去，读数并没有变好看，只是变精确了：州级操作指引明写，重评时推定原认定有效、状况仍然存在，除非有数据表明相反；并且允许在各方无异议时不做任何新测评。也就是说，教育里唯一制度化的重算，其举证责任被设定在“推翻原判”这一侧。于是本文的主张从“没有重算”削成“有重算的地方，重算的默认方向是维持原判”，并在第九节加了“弱重算”这一档。这一处削掉的是本文最容易被一句反例打倒的那半句。

第二处，来自标签理论：本文不能假定后续证据是独立的。

我原本会写：判定之后的每一条表现，都是可以用来重算那次判定的独立证据。这一族立刻给出反例——相当一部分后续表现是旧判定自己造出来的（分组决定了他学到什么，学到什么决定了他考出什么）。用被污染的证据去重算，会系统性地确认原判。于是本文的读数被加了一个硬约束：重算必须优先使用与判定的下游后果无关的证据渠道（跨科目的表现、校外的表现、不受分组影响的统一测评），并且在第九节的编码里要求标注证据的独立性。这一处拿掉了本文原本“数据都在、算就完了”的乐观，代价是使 r 更难算。

第三处，来自第一家自己：本文不能主张“重算总是更好”。

我原本会写：凡判定皆应可重算。第一家自己的历史挡住了它——那套可核对的清单之所以被造出来，是因为在此之前诊断是可以被无限重议的，而无限重议的结果是没有人知道任何一个名字指的是什么。判定的终局性不是懒惰，它是可比性与信度的来源。 一个所有判定都可以被随时重算的系统，会失去它作为公共记录的功能。于是本文的处方被削掉了一半：本文不主张普遍重算，只主张重算率是可测的，而现在它没有被测；至于哪些判定应当可重算、哪些应当终局，本文不给答案，那是另一道题。这一处削掉的正是本文最容易被拿去当口号的那一半。

十四、与另外七种说法的分界

以下七种说法，每一种都会被读者拿来问“这不就是……吗”。逐一给出可判定的分界。凡出现“更强调”“更深入”“视角不同”，即等于承认被覆盖，因此以下一处也不用。

一、信念修正的形式理论（Alchourrón、Gärdenfors 与 Makinson，1985，《Journal of Symbolic Logic》50:510–530）。它说到哪一步：给出了一套公理，规定一个信念集合在接收与之冲突的新信息时应当如何收缩与修正，并要求改动最小。分界：它是规范理论，讲的是应当如何修正；本文是结构主张，讲的是一整类现实系统在结构上无法执行修正——不是修正得不对，是记录格式里没有“被修正者”这个位置。判定形式：若一个教育记录系统能表达“某条判定已被撤销且保留”，而它仍然不重算，则本文的结构主张为伪，问题只是意愿；若它连表达都做不到，则本文对。

二、程序性错误诊断与认知诊断模型（Brown 与 Burton，1978，《Cognitive Science》2:155–192；Tatsuoka，1983）。它说到哪一步：从学生的答案模式反推他使用的是哪一条错误规则，即从表现分布推断生成机制——这与第二家的一致性检验形式相同，而且是在教育里做的。分界：它推断的是当下的机制，用于此刻的教学决策；它不回头裁定任何一次既往判定，也不改动任何既往判定的下游后果。判定形式：若存在一个部署了这类诊断的系统，其既往分组或评语因诊断结果被回改，则本文这条分界不成立。

三、知识追踪（Corbett 与 Anderson，1995，《User Modeling and User-Adapted Interaction》4:253–278，及其后的深度模型）。它说到哪一步：每一次作答之后重新估计学生对某项技能的掌握概率，部分实现还会做前后向平滑，把后来的作答用于修正对更早时刻状态的估计。这是本文最危险的一位——它在算法层已经做了本文要求的事。分界：估计被重算，不等于判定被撤销。 被平滑修正的是模型内部的一个后验概率，而成绩、分组、评语、推荐意见没有任何一条因此改动；这个后验也几乎从不进入任何一份持久的、有法律或制度效力的记录。判定形式：若某系统把平滑后的历史估计写回学籍记录，并据此标注既往判定失效，则该系统属甲，本文的丙类主张在该系统上不成立。

四、增值模型与成长测量（Kane 与 Staiger，2008 及其后）。它说到哪一步：用后续表现来估计某一段教学的贡献，因而确实是“用后来的数据回看以前”。分界：它回看的是教师或学校的效应，不是某一个学生的某一次判定；它的产出是一个新的统计量，不是对既往判定的裁定。判定形式：若增值分析的结果被用于回改任何一名具体学生的既往分组或资格，则本文这条分界不成立。

五、档案的完整性原则与不可篡改。 它说到哪一步：记录一经作成不得更改，这是档案取信于人的根本；任何改动必须以新记录的形式追加。分界：这一位与本文方向一致而非相反——本文要的正是追加一条“撤销记录”，而不是抹掉原记录。真正与本文冲突的不是不可篡改，而是只有“有效/可删除”两态、没有“已撤销且保留”第三态的数据模型。判定形式：若一个不可篡改的档案系统同时提供了撤销标记，且撤销标记被使用，则该系统属甲——这证明本文要求的东西与档案原则相容。

六、教育社会学的分流研究（Oakes，1985，《Keeping Track》，耶鲁大学出版社）。它说到哪一步：早期分组决定了学生接触到的课程与期望，其后果长期不可逆，且沿社会阶层分布。分界：这一位管的是分流的后果与它的不平等分布，本文管的是分流依据的那次判定有没有被重新计算过；二者在一处正面相遇——若重算普遍发生，分流的不可逆性会大幅下降，而分流研究并不预测这一点。判定形式：若在一个引入了强制重算的学区，分组与家庭背景的相关显著下降，则 r 提供了分流理论预测不到的信息；若相关不变，则 r 只是分流的一个代理。

七、系统发育学自己（Hennig，1966，《Phylogenetic Systematics》，伊利诺伊大学出版社）。它说到哪一步：本文的辨别装置整个借自它——判定的单位是矩阵不是单格，翻转是常态。分界：它的对象是没有利害关系的性状，重标一个性状为同塑不会伤害任何人；本文的对象是有下游后果的人身判定，撤销一次判定意味着承认一段时间的处置是错的。这个差别不是程度差别，它决定了为什么那一行天天重算而教育不重算：在那里重算的成本接近零，在这里重算的成本是承认责任。判定形式：若在重算成本被制度性豁免的教育场合（如不追责的匿名复核），r 显著上升，则成本解释成立；若 r 仍然为零，则成本解释被推翻，本文需要另找原因（这一条见第二十三节第二个洞）。

最近的一位是第三位，知识追踪：它与本文在同一片经验现象上，有算法、有数据、有部署。本文不可被它吸收的理由只有一条，也只需要这一条：它重算的是一个不产生后果的估计，本文说的是那些正在产生后果的判定。 若有一天平滑后的历史估计被写回学籍并据以撤销既往处置，本文就该被降级为它的一节实施说明。

十五、更近的一层：三支已经在数翻转的人

上一节那七位，是本文在写作时的检索范围内找到的。发表之前把范围又推了一次，专门去找一件事：有没有人已经在数「一个判定后来翻了没有」。 找到了三支，而且都不新——最老的一支比本文早二十三年，最成熟的一支比本文早三十一年。这一节把它们写出来，逐一给出可判定的分界，并且如实交代：其中有一支的存在，削弱了本文原来的语气；另一支的存在，反而把本文的论证补齐了一角。

一、贴上去的标签会自己变硬（最危险的一位）。 二〇〇三年，急诊医学里有人给一批临床思维的失误方式起了名字，其中一个叫诊断动量：一个诊断标签一旦贴到病人身上，就会越来越黏——经由病人、急救员、护士、医生一层层传递，原本只是一种可能性，会积累动量直到变成确定，其余可能被排除在外。 后一手的医生接过它时，往往未经任何独立复核就接受了前一位提供者给的那个名字。

这就是残判在临床医学里的成名版本，比本文早二十三年，而且写得比本文利落。本文第六节挡掉了「偏见」，却没有挡这一位——而这一位恰恰不是偏见：它不预设任何人有倾向，它说的正是本文说的那件事，标签在传递中固化，没有任何一个环节的职责是回头重估。这一处必须认账：本文没有发现这个现象。

分离线只有一条，而且很窄，但它是实的：这一位问的是人为什么不复核，本文问的是系统能不能表达撤销。 前者把成因定位在认知——处方因此是元认知训练、强制思考策略、诊断暂停；后者把成因定位在格式——处方是加一个位置。两者给出不同的预测，可以分开检验：判定形式是，在一个已经做过全套认知去偏训练的机构里，若既往判定的撤销记录仍然为零，则认知解释不足以解释这件事，本文的格式解释成立；若去偏训练之后撤销开始出现，则本文多余，问题只在人的思维习惯。这一条比本文原来那六条证伪都更便宜，因为去偏训练在医学里已经做过很多轮，数据是现成的。

二、同一个人重考会不会落进另一个类别——教育测量已经算了三十一年。 一九九五年有一套方法被提出来，此后成为标准做法：分类一致性指的是同一个人在重复施测下得到同一分类的概率；与之配套的还有分类准确性，指观察到的分类与真实分类的吻合程度。这套估计不需要真的让人重考，用一次施测的分数分布与信度就能算出来；如今多数州级测评项目都例行报告这两个数，通常要在零点八以上才被认为支持把该测验用于分类决策。

这一支的存在，直接打掉了本文原来的一句语气话：教育并非从来没有量化过「判定会翻转」这件事——它量化了三十一年，而且是公开报告的。 本文必须收回那半句。

收回之后，分离线反而更清楚了，因为两者数的根本不是同一样东西。那一支算的是「如果重来一次，分类会不会不同」，它是一个由模型推出的概率，评的是测验工具的质量；本文数的是「系统实际执行过多少次重算」，它是一个动作计数，评的是这台机器有没有回头看的能力。 一个决策一致性零点九五的州测评，完全可以同时有一个等于零的重算率——事实上本文预测它一定是零：一致性指数越高，越没有人觉得需要回去重算。判定形式：取一批同时报告了决策一致性与既往判定撤销记录的机构，若两者显著正相关，则本文的读数是那一支的一个下游推论；若两者不相关或负相关，则它是一根独立的轴。 本文押负相关，并且愿意为这条预测单独负责。

三、精神病学自己一直在数改诊率——这一位对本文有利，而本文原来漏了它。 本文第二节把可核对的症状清单那一家写成了「只看当下、不回头」的代表，第三节给它的自曝只写了效度不足。这不完整。这一行几十年来一直在做随访研究，测的正是同一个人的诊断在后来被改掉的比例，并且造了两个专用读数：前瞻一致性（基线时得到某诊断而随访时仍保留该诊断的比例）与回溯一致性（随访时得到某诊断而基线时也有的比例）。读出来的数很大：首发精神病随访四年约有四分之一的人改了诊断；一项二十一年的随访里，整体诊断稳定性只有百分之四十七点七。

这一处必须写进正文，因为它把本文的论证补齐了一角，而不是削弱它。本文原来的三家架子是「三家都不回头」；实测下来不是——第一家会回头，而且把回头率做成了公开读数。 于是三家的位置要重排：那一家在诊断上是甲类（重算发生、有痕迹、有比例可查），教育在同一位置上是丙类（不重算、无痕迹、无比例）。这个对照比原来那个「三家都一样」的架子更锋利，因为它拿掉了「谁也做不到」这条退路：同样是给人贴一个会产生后果的标签，同样是证据持续到达，一个领域把改诊率算成了公开数字，另一个领域连字段都没有。

分离线仍要给：改诊率数的是「后来的诊断与先前的不同」，本文的重算率数的是「先前那一次被重新计算过」。 二者不等价，而且差别正是本文第十节要挡的那一刀——一个病人今天被诊断为乙、去年被诊断为甲，这在改诊率里计一次改动，在本文的编码里可能只是一次覆写：去年那一次判定有没有被标为「已被后续证据推翻」，还是只是被今天这一次盖住？判定形式：翻一批病历，看旧诊断是仍然并列在案且带失效标记，还是被新诊断替换掉。若普遍带失效标记，那一支属甲，本文可以直接借用它的现成数据；若普遍是替换，则改诊率其实是一个覆写率，本文的区分在医学里同样有效，而且那里也需要它。

三支合起来，本文剩下的是什么，可以说得很确切：标签会自己变硬（第一支说过）、分类会因重测而不同（第二支算了三十一年）、诊断会在随访中被改掉（第三支有几十年数据）。没有一支去数「这台机器有没有执行过重算」这个动作本身，也没有一支把「记录格式里没有被撤销者这个位置」当作原因。 本文只补这一步——而下一节要说的是，补这一步需要的不是一个字段，是一种记账法。

十六、撤销位：这条记账法长什么样

第十九节那次真跑得出的处方是「应当新增一个状态」。发表之前我把这句话又推了一步，因为它不够——一个状态是一个值，而要让这个值有意义，需要一整套记账约定；缺了那套约定，加上去的状态会在半年内退化成一个没人填的复选框。 这一节把那套约定写出来。它不是本文的附属，它是本文真正主张的那样东西：不是多一个字段，是一种以已撤销判定为条目的记账法。

它的条目不是判定，是撤销。 这是全部要害。现行记录里的条目是「某年某月某日，对某人作出某判定」；追加一条新判定，条目数加一。本文要的条目是另一种东西：「某年某月某日，因某批证据，对某年某月某日的那一次判定作出重算，结论为维持／推翻」。它的主语不是人，是一次既往判定；它指向过去，而现行记录里的每一条都指向当下。 这也是为什么在只追加的记录里加一个布尔字段不够用——布尔字段只能说「这条不算了」，说不出「谁在什么时候、依据什么、把它算成了不算」。

四个必填项，缺一条这套记账就白做。 一，被重算的那次判定的标识——它必须仍然可查，不得因为被推翻而消失；二，触发重算的证据批次及其来源渠道，且须标注该渠道与被重算判定的下游后果是否独立（第十三节第二处约束逼出来的那一项，没有它，重算会系统性确认原判）；三，重算的结论，取值是维持／推翻／不可判定三者之一——「不可判定」必须单列，把它并进「维持」，是这套记账最容易被做坏的一处；四，重算之后，原判定所触发的下游处置有没有跟着改，以及没改的理由。第四项是最容易被省掉的，而省掉它，这套记账就退化成一份态度声明。

三条不变量。 其一，撤销不删除：被推翻的判定连同它当时的依据一起留在案，只是多了一条指向它的撤销条目——这一条使本文与「不可篡改」的档案原则相容而非冲突（第十四节第五位）。其二，重算不覆盖：重算条目与被重算的判定并列存在，不允许把结论写回原记录里去，否则重算就变成了覆写（第十节整节要挡的正是这一刀）。其三，维持也留痕：结论为「维持」的重算同样生成条目，否则这套记账只会记录翻案，而只记翻案必然诱使翻案（第九节编码规则第三条同理）。

这套记账法一旦存在，本文的读数就不再是唯一的产物。 重算率只是它的第一个统计量；同一套条目还能直接给出另外三个：翻案率（推翻÷重算）、独立证据占比（用了非下游渠道的重算÷全部重算）、以及最要紧的一个——处置跟随率：结论为推翻的重算里，下游处置真的跟着改了的比例。 本文押这个数会很难看，而它难看的方式与重算率为零不同：那是不回头看，这是看了也不动。两者需要分开诊断，处方也不同。

最后一句要说在前面，免得这一节被读成一份产品需求。 本文不知道这套记账法应当覆盖哪些判定——第十八节第二条已经承认，一次考试的成绩、一张文凭、一次资格考试的通过与否，它们的社会功能恰恰建立在不会被改这件事上。本文只主张一件事：现在这套记录里，连「哪些判定应当可重算」这个问题都问不出来，因为没有任何一个位置能承载它的答案。 先有位置，才谈得上讨论范围；而这个位置的成本，是一张表加四列。

十七、与同栏四篇的分界

本栏此前有四篇与本文靠得很近，其中一篇与本文问的是同一道题。逐一给出可判定的分界，每一条都做成方向相反，而不是「侧重不同」。

《同持》（之八十四）——同一道题，必须先划这一条。 那一篇问的也是教育的本质，答案是：教育的成果在供给停止之前与它的反面不可分辨，读数是第一次在无人要求时做出该动作的日期。两篇的分岔点很干净：那一篇说记录不够——供给期内的记录在原理上分不开两类过程，因此必须新增一段观测（一段断供期）；本文说记录足够——判定与后续证据都在案，缺的是把两者对起来重算的那个动作。 一篇要加观测，一篇不要加观测；一篇的读数需要制造一段新的时间，一篇的读数今天下午就能从现有库里查出来。判定形式：取同一所学校，同时跑两个读数。若τ₀ 查不出来而 r 也查不出来，两篇同时成立且互补；若τ₀ 查得出而 r 为零，则「能观测」与「会回头」是两件独立的事，本文的独立性成立；若凡能算出τ₀ 的机构 r 都不为零，则本文可以并入那一篇——回头看只是断供观测的一个副产品。

《记零位》（之二十七）。 那一篇说的是被账本记为零的那类动作。与本文的分界在有没有那一栏：那一篇里有一栏，填的是零；本文里连栏都没有，而且缺的那一栏与「记多少」无关——它要记的是「先前那一次不算了」，这在一张只能追加的表上不是一个数值问题，是一个结构问题。 判定形式：把记账口径整个改宽（给所有既往动作都设上分值），那一篇预测分布随之改变，本文预测重算率纹丝不动——因为再宽的分值也是新的一条，仍然不指向旧的那一条。

《同缩》（之八十二）。 那一篇说的是一台装置按自身响应速度回收自己的分母，被回收的单位从未成为条目。与本文形状相近而方向相反：那一篇里事情根本没有发生过，所以没有条目；本文里事情发生了、条目也在，只是它后来变假了而没人回去改。 判定形式：那一篇的处方是把结算变快，本文的处方是把旧条目重算一遍——对同一个系统同时施用，若加快结算之后重算率自动上升，则本文可被并入那一篇；若结算快了而回头看的次数照旧为零，则两者是两台不同的毛病。

《无主段》（之八十一）。 那一篇数的是必经环节里有几段还没有被任何一方持有。与本文最近的一处是「没有任何一个环节的职责是做这件事」——本文第二十三节第二个洞正是这么写的：回头看的成本几乎为零，可没有人的职责是回头看。这两篇在这一点上不是竞争关系，是接力关系：那一篇解释了为什么会有一段活没有人认领，本文指出被漏掉的那段活是「重算」。 判定形式：若把重算明确写进某个岗位的职责（指定人、给时间、不追责），而重算率仍为零，则职责解释被推翻，本文第二十三节第二个洞要另找答案；若重算率随之上升，则那一篇的读数是本文的上游。

最后一句自我限制：四篇能同时站住，是因为「记录齐全而事情不对」本来就有不止一个来源。本文只主张其中一个，并且已经在第二十三节承认，它连自己那一个的阈值都还给不出来。

十八、不适用的边界

六条，写出来是为了让人有地方反驳。

一，对事件事实的记载不适用。 出勤、缴费、违纪的事实层，其价值恰恰在于终局；把 r 用在这里是误用。本文只针对对人的能力或状态的判定。

二，以稳定性本身为价值的终局记录不适用。 一次考试的成绩、一张文凭、一次资格考试的通过与否——它们的社会功能建立在“不会被改”这件事上。这是本文自己给自己找的最强反例：一个可以被随时重算的文凭不再是文凭。本文不主张改动它们，只主张把它们从 r 的分母里明确排除，并且承认：排除之后剩下的那些判定，才是本文说的那些。

三，观察窗短于该能力域自然变化周期的，不得计算 r。 窗太短会把“还没有新证据”记成“没有重算”。这是本读数最容易被做手脚的一处。

四，证据渠道未标注独立性的，r 不可比。 用被旧判定污染的证据算出的重算，是确认不是重算（第十三节第二处）。

五，r 不区分好坏。 一个高 r 的系统不因此更公正——它可能只是把判定作得太随意。r 只回答“这个系统有没有回头看的能力”，不回答“它看得对不对”。任何把 r 直接当作绩效、评级或问责依据的用法，本文不承认。

六，丙类不可被解读为个人属性。 丙的意思是“这个系统没有重算过”，不是“这个人没有变”。把丙记在人头上，是本文能想到的最坏的一种误用。

十九、一次真跑：两种状态，没有第三种

证伪条款如果全是纸面的，只证明作者想清楚了。所以在成文之前，本文用公开可复算的语料把最便宜的那一条跑了一遍。

语料。 两份 K-12 成绩数据交换规范的公开信息模型文本（一份为成绩簿服务的 1.2 版，一份为 1.1 版的完整规范），由本文直接抓取，任何人可以照参考文献里的出处自行复算下面每一个数。选它们是因为：它们不是某一所学校的做法，而是学生信息系统与学习管理系统之间交换成绩数据的事实标准，一个字段在这里不存在，意味着实现方在互通层面无法表达它。

预注册（统计执行之前写死，存档，未事后改动）：

撤销族词集 K_sup：supersede / superseded / supersedes / supersession / invalidate / invalidated / revoke / revoked / rescind / retract / retracted / overturn / overturned / recompute / recomputed / recalculate / recalculated / amend / amended / annul / void / "prior result" / "previous result" / "superseded by" / provenance / "audit trail“。

追加族词集 K_app：dateLastModified / tobedeleted / status / created / sortOrder / "one result per student“。

H1：K_sup 在两份规范中合计出现 ≤ 5 次，且在成绩与结果实体的数据元素定义中出现 0 次。

H2：K_app 中 dateLastModified 与 tobedeleted 均出现，合计 ≥ 20 次。

H3（防伪）：若 K_sup 任一词在数据元素定义语境出现 ≥ 3 次，H1 判否，第三层主张须改写为“字段存在但未被使用”。

结果。

两份文本合计约四十万字符。K_sup 全词集合计命中 4 次（1.2 版 2 次、1.1 版 2 次），H1 的次数条件成立。

逐条看这 4 次的上下文：两次是版权声明里“授权不会被撤回”这句套话；一次是接口描述里“无返回值”的类型名；一次是版本变更日志里说某个属性名被修订过。没有一次出现在数据元素定义中。H1 的关键条件成立。

K_app 合计命中 268 次，其中 dateLastModified 51 次、tobedeleted 26 次，H2 成立。

H3 未触发。

最要紧的一条不是这些数字，是那个枚举。 规范里写明：所有对象的状态必须是两个值之一——活动的，或者待删除的；被标为后者的记录被认为可以安全删除。

一条记录的一生只有两种状态：活着，或者可以删掉。

没有第三种。没有“曾经有效、现已被后续证据推翻、因记录完整性而保留”。这不是某一所学校的疏忽，是整个互通层的数据模型里没有这个对象。一个实现方即使自己想记录撤销，它也无法把这件事传给下一个系统——传过去的只会是“这条改了”或者“这条没了”。

这次真跑改掉了本文的什么。

我原本会写：“教育系统缺少关于学习的记录。”实测把这句话打掉了，而且打得很干净：记录多得很。 时间戳、状态、排序、创建者、最后修改人，一应俱全；这是一套设计得相当完整的数据模型。它缺的不是记录，是一个动作的对象——“这一次判定被推翻了”这件事，在模型里不是一个可以被表达的东西。

于是主张必须改写，而改写之后它更强：这不是“没有记下来”，是“记不下来”。 前者是习惯问题，后者是格式问题；前者靠提醒可以改，后者不改数据模型就无解。这一条也把本文的第三层主张从“应当新增一种观测”改成了“应当新增一个状态”——成本低得多，而且不需要任何人的行为发生变化。

还要交代三条对本文不利的细节。

第一，本次检验的是互通规范，不是任何一所学校的实际数据库。一所学校完全可能在自己的系统里保有撤销痕迹而不对外交换。这条读数因此只支持“跨系统层面不可表达”，不支持“学校层面不存在”。要补这一条，需要拿到真实的学籍库结构，本文没有。

第二，我的词集是在英文技术语汇里长出来的，对教育自身的表述方式不敏感——教育里可能说的是“复议”“申诉”“调整”“更正”。用中文教育行政语汇重跑，读数可能不同。这是代理变量的缺陷，写在这里。

第三，“没有字段”与“有字段但为零”是两件事，而本次检验只能回答前者。真正决定性的读数是后者，它需要一次真实的库查询，本文交给第二十二节那条 SQL。

二十、证伪条件

先写出最强的竞争解释，且必须挑最难打的那一个：

“其实不就是嫌麻烦吗？” ——重算要人力、要重开会议、要承认此前的处置有问题、要面对家长与上级；不重算是成本理性的结果，不需要引入什么“记不下来”。

这是本文的正主对手。以下六条证伪条款，每一条的读数都不同，且都要求在控制掉这个解释之后仍然成立。

一（低成本可实做）。 在重算成本被制度性豁免的场合——匿名、不追责、不通知当事人、由外部人员执行的既往判定复核——若 r 仍然接近零，则成本解释被推翻，本文的结构解释成立；若 r 显著上升，则本文为伪，问题只是成本而不是格式。所需条件在多数教育机构里可以在一个学期内造出来。

二（正向读数，顺序而非相关）。 在同一个系统里，“撤销状态”这个字段的出现，应当早于重算行为的上升，而不是相反。若观察到重算先大量发生、字段后来才补上，则本文关于“格式决定行为”的主张为伪，格式只是行为的记录工具。

三（三分类型学的判决性预测）。 在一批引入了标准参照评分（覆写）的学校里，应当能观察到成绩改善而下游后果不改的单位，且数量不可忽略（本文押在受影响学生的七成以上）。若几乎所有人的下游后果都跟着改了，则覆写与重算的区分没有实际后果，第十节整节多余。

四（跨领域的对照）。 在有成建制重算的领域（刑事再审、药品确证性试验、撤稿），按 r 的操作定义重编一遍现有数据，若得到的分类与该领域既有的“翻案/未翻案”分类完全一致，则 r 在这些领域是冗余的。本文要求它在至少一个这样的领域给出不一致的分类，并说明不一致来自哪里——本文的预期是撤稿领域：大量“维持原判”的复核不会出现在任何撤稿统计里，而它们计入 r 的分子。

五（反向样本）。 找一批 r 很高而结果很差的系统。若这类系统普遍存在且无共同特征，则 r 与系统质量无关，本文的实践价值归零（理论主张仍可保留）。本文预期这类系统存在且有共同特征——判定作得过于随意，因而重算频繁；这一点若不成立，本文的第五节第五条也要跟着撤回。

六（会让本文自己尴尬的一条）。 若某机构按本文建议增加了“已撤销”状态，而三年后该状态的使用次数仍为零，则本文的隐含期待（有了位置就会有人用）为伪，本文就只是一个诊断工具，不是一个改进路径。

若本文被证伪，能学到什么。 若第一条被证伪——豁免成本之后重算就大量发生——那么本文关于“记不下来”的整套结构解释就该收场，而教育界应当把力气全部花在豁免追责上。这个结果比本文成立更有用。

二十一、反噬

一个读数一旦进考核，最省事的达标办法通常不是把事做好，是在文书上做手脚。r 比比率型指标更危险一点，因为它的分子是一个动作计数，而动作是可以被组织的。

三种做法都能预见：

把重算做成例行公事——每学期末统一“复核”一遍全部既往判定，输出一律是“维持”，于是 r 瞬间等于一。这不违反本文任何一条编码规则（第 3 条甚至明写维持也计入分子），而它恰恰摧毁了这个读数要观测的东西。

把判定作得更少——分母变小，r 变好看。而判定作得少不等于处置作得少：处置可以走非正式渠道，不留判定记录。这会把整个系统推向更不可查的方向。

把重算的输入做窄——只把与旧判定同一类的证据放进去（同一科目、同一题型、同一评价体系），于是重算几乎必然确认原判。而这正是第十三节第二处约束想拦的事，编码规则拦不住“输入选得窄”，因为窄到什么程度是一个判断问题不是一个格式问题。

我看不到出口。 第九节的六条规则写得再细也拦不住第一种做法——“维持也计入分子”这一条是必须的（只数翻案会诱使翻案），而它一旦写下，例行公事式的复核就合规了。唯一能想到的缓冲是让重算由不掌握该机构处置权、也不承担其后果的一方执行，并公开重算的输入清单；但这只是把问题推给另一台装置，而按本文自己的判断，那台装置也会冻结。

二十二、一条 SQL

本文不押在一次遥远的大型研究上。以下这件事，任何一所有学籍数据库的学校，都可以在一个下午自己做完，成本接近零，且不需要任何人的行为发生变化，也不需要新增任何一次测评。

第一步，找出判定表。 凡满足第九节四条的记录所在的表：分组记录、评语、资格认定、推荐意见、学业预警。

第二步，查这一件事——这就是全部：

-- 在你的判定表里，有没有一个列的语义是"此判定已被后续证据推翻"？
SELECT column_name, data_type
FROM information_schema.columns
WHERE table_name IN (<你的判定表>)
AND (column_name ILIKE '%revok%' OR column_name ILIKE '%supersed%'
OR column_name ILIKE '%invalid%' OR column_name ILIKE '%overturn%'
OR column_name ILIKE '%撤销%'   OR column_name ILIKE '%作废%');

第三步，如果上一步返回了行，那么算这个：

SELECT count(*) FILTER (WHERE <撤销列> IS NOT NULL)::float / count(*)
FROM <你的判定表>
WHERE 判定日期 < now() - interval '1 year';

三种可能的结果，各自意味着什么。

第二步返回零行 → 这是本文押得最重的一条，也是最便宜的一条：你的系统在结构上说不出“这条判定已经不成立了”。 它不依赖本文的任何一条理论主张是否成立。

第二步有行、第三步得到零 → 位置有，从来没人用。这一档比上一档更值得研究，因为它把成本解释与格式解释分开了：格式不是障碍，那么障碍是什么。

第三步得到一个大于零的数 → 你的机构属于甲类。请把这个数公开，它会是本文所知的第一个真实的 r。

第一种结果是本文的第三层主张，它不依赖前两层是否成立。

二十三、三个我算不出来的东西

一，“足以推翻”没有阈值。 第六节说残判要满足“积累了足以推翻它的证据”，可多少算足以？在系统发育学里这由简约准则给出，在教育里没有对应的东西——一次超常发挥算不算，连续三次算不算，跨科目的算不算。我给不出一个像树长度那样的全局最优量，而它直接决定了 r 的分子。这个洞不可闭合，但可以绕开，绕法在发表前想出来了，写在这里：把「足以推翻」整个换掉，改问一个不需要阈值的问题——把当初作出那次判定所用的同一套规则，原样套在今天的全部证据上，结论还是不是同一个。这样一来，判据不再是「证据够不够多」，而是「同一把尺子量今天的料，读数变没变」；尺子由当初那次判定自己提供（分组用的是哪条线、评语依据的是哪几项、资格认定套的是哪个公式），因此不必外加任何标准。这个替代有它自己的代价，也得说清楚：它只适用于判定规则可被写下来的那些场合；凡判定出自整体印象而无成文规则的（相当一部分评语与推荐意见就是如此），这条替代失效，那里仍然没有阈值。于是这个洞被缩小了，没有被填上：它从「r 的分子无法定义」缩成「r 的分子在无成文规则的那一类判定上无法定义」。

二，为什么在成本极低处也不重算。 第十四节第七位把不重算解释为承担责任的成本。但有一类场合成本几乎为零——匿名的、不通知任何人的、纯内部的既往判定复核，做一次不花什么钱，也不必告诉谁。据我所知没有人做。为什么？我只能猜（没有人的职责是回头看、回头看的产物无处安放、发现了也没有处置通道），三个猜测我一个也验不了。第二十节第一条就是为验它写的。

三，重算与终局的比例应当是多少，我毫无概念。 第十三节第三处已经承认终局性有真实价值。可如果绝大多数教育判定本来就该终局（否则公共记录无法运作），那么 r 这个读数虽然仍然有效，它所指向的那个“教育的本质”就要重写：本质就不再是“一台该重算而不重算的机器”，而是“一台必须冻结才能运转的机器”，残判就成了它的正常代价而不是它的缺陷。这个洞最大，而且它正好落在这道题的另一半上——本文只回答了“重算没有发生”，没回答“重算应当发生多少”。

二十四、一条写死日期的赌注

赌注：到 2031 年 12 月 31 日，至少有一份公开的教育数据规范（国家级学籍标准、区域级数据交换标准，或主流学生信息系统的公开数据模型），在其判定类实体上定义一个状态或字段，其语义为“此判定已被后续证据推翻，保留以维持记录完整性”，并给出该状态的判定条件。

什么不算命中，写死四条：

一，只在研究论文、试点方案、白皮书里出现的，不算——必须进入正式发布的规范或产品数据模型。

二，只有“修改历史”“版本”“最后修改人”这类通用审计字段的，不算——那是覆写的痕迹，不是撤销的对象。判据：该字段能否回答“这条判定现在是否仍然成立”。

三，只有“删除”或“作废”而无“保留”的，不算——把残判删掉不是撤销，是销毁证据。

四，只用于纠正录入错误的，不算——纠错针对的是记录与事实不符，本文说的是记录与事实相符而事实已经改变。

若到期无一命中，本文的实践主张（这件事是可以被表达的）就应当被视为失败，无论第二十二节那条查询是否仍然好用。

二十五、本文自己的重算率

自反这一节通常写成“本文也有局限”，那不算数。这里用本文自己的判据，去检本文自己。

按第八节那句话检它：本文有哪一次判定，是被后来的证据推翻之后又被改回来的？给出日期。

答案：有三次，都在本文成文过程中，且都留下了痕迹。

第一次，我原本判定“教育系统里没有重算机制”。查到特殊教育的法定三年重评之后，这条判定被推翻并改写为“有重算，但举证方向偏向维持原判”。痕迹在第十三节第一处与第九节编码规则第 4 条。

第二次，我原本判定“教育系统缺少关于学习的记录”。第十九节那次真跑把它推翻——记录多得很，缺的是一个状态。痕迹在第十九节。

第三次，我原本判定“判定之后的表现都是可以用来重算的独立证据”。标签理论那一族把它推翻，改写为“须优先使用与下游后果无关的渠道”。痕迹在第十三节第二处。

所以本文的 r 大于零。这不值得庆祝，因为它恰恰暴露了一件更难看的事：这三次重算全部发生在写作期内，也就是在这份判定尚未产生任何下游后果的时候。 一旦本文发表，它就进入了与它所批评的那些系统完全相同的状态——被引用、被反驳、被当作依据，而没有任何机制会把后来的证据拿回来重算它。不会有人在三年后把这篇文章标注为“已被后续证据推翻”，它只会被更少地引用，或者被另一篇文章覆写。

本文因此是它自己所描述的那类东西的一个标本。 它形式齐备、每一条引注都指得到出处、预注册与不利结果都写在正文里——而它最该有的那个东西（一条能把它自己标为失效的通道）从头到尾不存在，而且我造不出来。

一件具体的后果，写出来供人扣分：第十二节那十处兑现，是在“必须写满十处”这条要求在场时写出来的。若撤掉这条要求，其中有几处我还会写下来，我不知道，而且按本文自己的判据，我不可能通过内省知道——只能通过一次真正的重算知道，而那次重算不会发生。

二十六、先塌哪一层

本文可以分层引用，第一层塌了不影响后两层。

第一层（最强、最易倒）：残判——一次“会了”的真假是全部表现之间的一致性关系，因此必须随新证据重算，且必有一部分翻转。这一层由第二十节第一条直接检验，目前没有任何直接证据支持它在教育上成立，只有第二家在自己领域里的成熟做法作为形式类比。这是本文最弱的一层，请照此引用。

第二层（分析工具）：重算／覆写／冻结这三分。 即使第一层被推翻，把“覆写”从“重算”里分出来仍然是一个可用的区分——它至少让人不再把“只取最近证据”当成“回头重新判过了”来庆祝。第十节整节是这一层。

第三层（最稳、最便宜）：绝大多数教育记录系统里，不存在任何一个字段，其语义是“此判定已被后续证据推翻”。 这一条不依赖前两层：即使残判完全不成立，“我们的系统说不出这句话”仍然是一个可以在半小时内查证的结构事实，查证成本是本文全部主张里最低的。第十九节的真跑与第二十二节那条 SQL 都是它。

二十七、收口

回到最初那个问题。教育的本质是什么？

不是被逐条核对的那份表现清单——因为一份正确的答案可以由互不相同的机制各自独立地产生，而清单认不出这件事，这不是清单不够细，是按表现分组这个方向本身会把独立起源的相似归成一类。

不是由来路决定的那条谱系——因为来路本身也不是单格能承载的东西，它同样要靠一致性才能被判定。

不是只在整套共生条件里才成立的那份复合能力——因为那套条件的边界，连主张它的人自己也划不出来。

教育是这样一件事：一次“会了”的真假不属于那一次，它是这个人全部表现之间的一致性关系；因此它必须随后续证据被重新计算，并且其中必然有一部分会翻转。而教育的每一次判定都在写下的那一刻取得终审效力。于是这门学问不是没有观测过自己的产物——它观测得极其频繁——而是从来没有回头修改过任何一次观测的结论。

要打开这一格，不需要新的理论，也不需要新增一次测评。需要的是一个位置：让一条判定除了“有效”和“可以删掉”之外，还能有第三种状态。

而最难的一件事是：那个位置一旦造出来，第一批填进去的东西，会是一份承认名单。

English Title, Abstract and Keywords

Title. Residual Verdicts: Why Education Is a Classifier That Only Appends and Never Recomputes

Abstract. A child is judged "not good at maths" in Year 3. Over the following twelve years he completes some four thousand maths exercises, two hundred quizzes and six public examinations. A substantial share of that evidence is incompatible with the original judgement. None of it is ever taken back to recompute it. This paper argues that the essence of education is neither checkable performance, nor the pathway by which a capacity was grown, nor the conditions it is entangled with, but this: the truth of any single instance of "he has learnt it" is not a property of that instance; it is a relation of congruence across the whole of a person's performances, and must therefore be recomputed as later evidence arrives — with the consequence that some earlier verdicts must flip. Education, however, is a classifier that only appends and never recomputes. We name the resulting objects residual verdicts and propose the reading r, the recomputation rate. A preregistered test on two public K-12 gradebook interchange specifications supports the hypothesis: terms for supersession appear zero times in data-element definitions, while every record has exactly two possible lifecycle states. Unlike earlier proposals, this one requires no new observation: r is computable from data schools already hold.

Keywords. residual verdict; recomputation rate; congruence test; homoplasy; append-only; verdict precedes evidence

字数与版本

正文 18,170 汉字（不含标题、参考文献与本节），v1.0，2026 年 8 月 8 日。第九节算法与编码规则、第十节覆写分界、第十九节真跑数据、第二十二节查询为承重部分，改动须同步。

人机分工声明

选题由委托方交下；三个来源由执行者在开放语料中自行选定，选定依据（三家对同一对象给出互不相容判决、且分处三个不同位置）与被淘汰的组合记录在同期流程报告中。第十九节的预注册文本写于统计执行之前并已存档，抓取的两份规范文本与统计脚本可复算，逐条命中的上下文已人工核验。不利结果（检验对象是互通规范而非真实学籍库、词集偏向英文技术语汇、“无字段”与“有字段而为零”未能分开）由执行者写入正文。发表之前另做过一次检索，专门用来找「这件事有没有人已经在数」，结果构成第十八节；那一次检索抓到三支，其中一支（分类一致性）迫使本文收回了「教育从未量化过判定翻转」这半句，另一支（诊断稳定性）补上了本文第三节的一处取源缺口，第三支（诊断动量）说明本文并未发现这个现象、只是换了一个成因去解释它。三处结论按原样写入正文，未作淡化。三处反向约束各自削弱了本文原本更强的主张，均已注明来源。全文由 Claude 起草，委托方逐轮裁定取舍。本文取源不限于任何指定语料库，占位者搜捕在公开文献中执行；未能核到全篇原文者，其判断句在正文中标明取自何处，读者应据此作二手引用对待。

参考文献