设对

一　问题：一句谁都听得懂而无人追问的话

家长会上，班主任说：这孩子这学期进步很大。

没有人追问。这句话听上去完全清楚——分数上去了，名次前移了，作业交得齐了。它是一句关于这个孩子的话。

但把它拆开会发现，它其实是一句关于两样东西的话。「进步」不是一个可以单独成立的属性，它是一个二元关系：这一次比某一次好。那么那一次是哪一次？是他上学期的分数？是同班同学的平均？是这个年龄段的常模？是他本来会有的样子？

四个答案给出四种完全不同的判断，而这句话里一个也没有说。更要紧的是——记录上也没有。翻遍学籍、成绩单、评语、素质报告册，你能找到他每一次的分数，找不到任何一栏写着「这一次是与谁比的」。

这不是记录得潦草。分数是精确的、日期是精确的、签名是齐全的。缺的那一栏根本没有被设置过，因为没有人认为它需要被设置——比较的另一侧被当作不言自明。

通行的解释有三种，每一种都成立，而三种不能同时成立。

第一种说：不需要写，因为看成绩就够了。他一百米跑进十三秒，这就是事实；跟谁比是次要的，成绩本身会说话。这一种把根据放在此刻做出来的那个结果上。

第二种说：不需要写，因为要理解一个人得看他怎么来的。把他从他的家庭、他的学校、他这三年经历的事情里抽出来，跟任何人比都是错的。这一种把根据放在那条路径上。

第三种说：需要写，但要写的不是某个同学，是他所处的结构。两个孩子的差距多半不是他们本人造成的，追问「跟谁比」只会把结构性的差别记到个人头上。这一种把根据放在位置上。

三种解释各自都能把那句话解释掉，而三种互不相容。第一种要求另一侧无关紧要，第二种要求另一侧根本不可比，第三种要求另一侧必须换成结构而不是人。要说其中两种错了，你得先说出一个凌驾于三者之上的标准——而这个标准正是不存在的东西。

本文的起点是把这个尴尬当真，并且换一个问法。不问「他到底进步了没有」，问：

当我们说他进步了的时候，我们在另一侧放了什么？而那样东西，在记录上叫什么？

二　三种现成的读法各自站在哪里

要看清共有前提，先得把三种读法摆到各自的位置上，并且承认它们各自是对的。

第一种：从此刻做出来的那个结果读它。

体育学是这一路最彻底的代表，因为它有一样别的学问没有的东西：秒表。跑完就是跑完，游完就是游完，成绩在电子计时器上，不需要解释、不需要还原脉络、不需要考虑家庭背景。运动科学的方法论文献把这一条写得很直白：在评价一项训练干预时，成绩本身就是效标——不是某个中间指标的代理，就是那个要被解释的东西（Hopkins, Hawley & Burke, 1999）。

这一路的立场可以概括成一句话：一个东西是什么，看它此刻做出来的结果就够了。

而它有一处自己承认的松动，本文后面要用到：运动科学自己发展出了「最小有价值变化」这个概念——一次成绩变化要大到某个值才算数，而这个值由该项目成绩的自然波动决定，不由运动员的能力决定（Hopkins, 2004）。也就是说，成绩会不会说话，取决于另一样东西的散布程度。

第二种：从把它带到这里的那条路径读它。

历史学是这一路最有纪律的代表，而它的纪律恰恰是禁令。柯林伍德在一九四六年主张：历史知识不是对外部事件的观察，是历史学家在自己心中重演过去的思想；离开那个语境，事件就不是那个事件。斯金纳在一九六九年把这条纪律做成了一份禁令清单——他把用后来的范畴去读前人的做法称为一整套「神话学」，其中最常见的一种是把一个思想家没有、也不可能有的意图安到他头上。

这一路的立场是：一个东西是什么，看它经什么路径成为现在这样就够了；而把它从路径里抽出来与别的东西并排，是一种可以被指认的错误。

第三种：从它所处的条件结构读它。

正义学是这一路最系统的代表。罗尔斯在一九七一年开宗明义：正义的首要主题是社会的基本结构——各种主要制度分配基本权利义务、划定社会合作利益的方式。他给的理由很硬：基本结构的影响极其深远且从一开始就在场，人们生来处在不同的位置上，而这些位置上的期望差异不是他们自己造成的。由此推出那句著名的判断：天赋的分布在道德上是任意的，没有人配得上他的自然禀赋所带来的那份优势。

这一路的立场是：一个东西是什么，看它在什么结构里、被分配到什么位置就够了。

三家不能同时为真。

取那句「这孩子进步很大」做例子。第一路要求成绩本身足以裁定，因此另一侧是谁不影响结论。第二路要求任何比较都必须在同一语境内进行，因此把两个孩子并排本身就是错误。第三路要求把差距归给结构，因此比较的另一侧必须从「另一个孩子」换成「另一种位置」。三个「另一侧该放什么」的答案互相排斥。

更尖锐的一处：体育学每天在做的那件事，正是历史学诊断为病理的那件事。体育学的整个成就体系建立在跨时空的可比性上：今天的一分四十二秒可以与四十年前的成绩并排、可以进同一张榜。而历史学说这正是时代错置的标准形态——把一件事从它的条件里抽出来，与另一件条件完全不同的事并排，然后宣布谁更好。

同样的形状出现在正义学与体育学之间。体育学的荣誉体系要求成绩归于运动员本人；而罗尔斯说，天赋在道德上是任意的，一个人不配得上它带来的收益。这两句话不能同时为真。 一枚金牌要么是他的，要么不完全是他的。

三　三家共同假定的那一条

把三家的争论压成一句话，形状是这样的：

三家争的是——一次教育的功过该归给谁：归给此刻的表现、归给那条路径，还是归给那个位置。

一旦写成这个形状，那条共有前提就浮出来了。三家争的是归属的去处，而三家共同假定：

一次教育的功过是一笔可以被分配完的量——总有一个归属，只要找对了那一维，就能分完。

用更贴近本文的说法：「他变好了多少」是一个可以被结算的差额，而结算所需要的另一侧，是给定的。

这条前提有一个可以当场检验的性质：把它念给三家听，三家都会说「这还用说吗」。没有一位教练会否认成绩的进步归于训练与运动员。没有一位历史学家会否认一段经历有它的来龙去脉。没有一位正义论者会否认利益与负担最终要落到某些人头上——罗尔斯的整个差别原则正是一套关于怎么分的规则。不引起争论，正是共有前提的标志。

它也解释了教育评价里那些长期打不完的官司为什么打不完。「增值还是绝对水平」「过程还是结果」「个人努力还是家庭背景」——三方各执一词，而没有一方问过：这笔账一定分得完吗？分得完的前提是另一侧有一个确定的东西，那个东西是谁？

要撼动这条前提，从外面搬一个理由来是没有用的。说「比较是相对的」，三家会各自退回自己的阵地：教练说秒表不相对，历史学家说语境不相对，正义论者说结构不相对。必须用三家之一自己已经掌握、已经发表、只是没往这个方向用的材料。

那件材料在正义学手里，而且已经放了四十多年。

四　推翻它的那件材料：非同一性

一九八四年，帕菲特在《理与人》第四部分处理了一个他称之为非同一性的问题。它的原初场合与教育无关，是关于我们对未来世代有没有义务。

问题的形状是这样的。设想一个社会面临两条政策路线：一条耗竭资源，两百年后的人生活得很糟；另一条节制，两百年后的人生活得很好。直觉说前一条错了，因为它伤害了未来的人。

帕菲特指出这个直觉说不通。政策不只改变未来的人过得怎么样，它改变了谁会出生——不同的政策带来不同的工作、不同的迁徙、不同的相遇，两百年后活着的是完全不同的一批人。于是在耗竭路线下出生的那个人，不能说自己被弄糟了：如果当初选了另一条路，他根本不会存在。 他没有一个更好的自己可以被比较；另一侧不是一个过得更好的他，是没有他。

四十年来这个问题在道德哲学里被反复讨论，主流的处理是承认它确实使「以人为中心的」伤害概念在这类场合失效，并转向非以人为中心的价值判断。没有人把它拿来回答「教育的功过记在谁名下」。 它在自己的领域里回答的是「我们对尚未存在的人有什么义务」。

把它搬进教育，那条共有前提就塌了，而且塌得比原来更彻底。

其一，教育性的介入常常是足够深的那一类。 换一所学校、遇到一位老师、被分进一个班、在十四岁那年被说了一句话——这些不只改变一个人拥有什么，它们改变他成为谁：他的兴趣、他的自我描述、他后来遇见的人、他所属的那个圈子。到十年之后，站在那里的那个人与「若无此事」的那个人，共有的东西可能少于我们以为的那么多。

其二，「他因此变好了」这句话在这类场合没有主词。 它要求另一侧站着同一个人的另一种状态。而如果另一侧站着的不是他，这句话比较的就是两个不同的人——那已经不是「变好」，是「换了一个」。

其三，这不是测量问题。 这一点最要紧，也最容易被读漏。把评价做得再精细，也无法把另一侧那个不存在的人测出来——不是难比，是没有可比的那一个。

其四，也是最不客气的一处：三家争的是这笔账该分给谁，而这件材料说的是，在一部分场合这笔账没有可分给的那一方。总额守恒的假定因此失效——不是分不匀，是这笔账在结构上不封闭。

五　设对：一类原来不算一样东西的东西

把正义学交出来的这件材料搬进教育，得到的不是一个悖论，是一个可以逐条清点的对象。

任何一次比较性判断——「他进步了」「他达标了」「他比去年好」「这个班比那个班强」——都必须在另一侧放一样东西，否则这句话不成立。

本文把被放在另一侧的那样东西，称为设对。

「设」字是承重的：它不是被发现的，是被设置的。是评价制度、是评分规则、是一位老师的一次比较，把某样东西放到了另一侧。换一套规则，另一侧就换一样东西，而被评价的那个人一动没动。

三件事必须马上说清，否则这个词会被读成三个已有的东西。

其一，设对不是「参照标准」。 标准是被写下来的那条线（六十分及格、跑进十四秒）；设对是被放在另一侧的那样东西，它可以是一条线，也可以是一个人、一群人、一个统计构造、或者什么都不是。说得更硬一点：一条标准本身也有它的设对——那条线是从某个人群的分布里定出来的，而定它的那个人群才是真正的另一侧。第十三节会说明，这正是「标准参照」这个概念最容易被读漏的地方。

其二，设对不是「反事实」。 反事实是一个模态陈述（若当初不这样，会怎样）；设对是关于这一次判断的陈述：这一次，制度实际把什么放在了另一侧。反事实问的是世界会怎样，设对问的是记录上写了什么。两者可以完全脱钩——一次判断可以有一个明确的设对（同届考生的平均分）而没有任何反事实依据。

其三，设对有三种，而且它们在记录上长得一模一样。 这是本文全部可操作性的来源，下一节展开。

于是「教育是什么」这个问题有了第四种答案：

教育不是能力的养成，不是脉络的延续，也不是位置的补偿，而是对设对的一次设置。

一次教育所做的，最稳定、最不可撤回的一件事，不是让某个人拥有了什么，而是决定了他此后将被放在谁的旁边来读。分班、分层、分校、分轨、发一张什么样的证书、进一个什么样的圈子——这些动作改变的首先不是他的能力，是他的设对。而设对一旦被设置，后面的一切读数都在它上面产生。

最要紧的一句在这里：设对不是任何一个人的属性。 它是一次判断与它的另一侧之间的关系。你没法说「这个学生的设对」，就像你没法说「这个数的大于」。而现行的全部教育记录——学籍、成绩、评语、档案、评估报告——没有一份为「这一次是与谁比的」设过字段。

这就是本文要说的那件事：设对在三家的账本上不是记录得少，是压根不算一样东西。体育学只记成绩，历史学只记留下痕迹的过程，正义学承认结构而把比较交给分配规则。

还有一句必须写在这里，它是本文与前面所有说法的分水岭：删掉本文这套清点之后，设对不是变得难查，是不存在。因为「另一侧是什么」只有在有人去问的时候才成为一样东西；不问，它就只以结论的形式留下影子——「他进步了」。设对是被这一次追问造出来的一类对象，不是一个原来就摆在那里、只是没人去看的东西。

\### 三家各自为什么到不了

这一步不是三家疏忽。一个领域看不见什么，通常不是它的缺陷，是它的问题结构的影子——三家各自的核心问题，恰好使这一步成为不必要的。

体育学到不了，是因为它已经把另一侧做成了公共设施。 秒表、泳池长度、起跳板的弹性、风速的上限——竞技体育花了一百多年把比较的条件标准化到极致，正是为了让另一侧不必每次重新设置。在一个条件被彻底标准化的领域里，追问「这一次和谁比」显得多余：和所有人比，和所有时候比，这就是纪录这个制度的全部意义。它到不了这一步，恰恰因为它在这一步上做得太成功了——直到条件本身被改动的那一刻，而那一刻在一百年里只发生过几次。第十节跑的正是那几次之一。

历史学到不了，是因为它把比较本身列为需要防范的动作。 它的纪律是禁令：不要拿今天的范畴去读昨天。一门以「不要随便比」为职业训练的学问，不会去发展一套「比的时候另一侧是什么」的清点方法——因为它的正确回应是不比，而不是比得更清楚。它到不了这一步，是因为它已经在这一步之前拐弯了。

正义学到不了，是因为它的问题是分配而不是记账。 罗尔斯要回答的是「基本结构该按什么原则安排」，那是一个规范问题；帕菲特发现非同一性之后，整个讨论转向的是「以人为中心的道德是否需要修改」，那仍然是一个规范问题。没有人问「那么记录上该多一栏什么」，因为记录不是这门学问的对象。 它交出了本文最需要的那件材料，然后把它用在了别处。

三家合起来才够，而且顺序是死的。没有体育学那种把条件标准化到可以被整体更换的领域，就看不见更换这件事。没有历史学的禁令，就不会去问一次比较凭什么成立。没有正义学的非同一性，就想不到另一侧可以是空的。 少任何一家，剩下两家给出的都是一个更弱的版本——要么是「测量口径变了」，要么是「不该跨时代比」，要么是「归因很难」。

六　三类设对

本文不用两轴四格。这件事的结构不是两根轴交出来的四格，是一条按「另一侧站着什么」分出来的三分。

甲类 · 实对。 另一侧是一个可指认的具体对象：同届的考生、去年有记录的自己、上一届的班级、榜上的某个人。它的判据很简单——能不能报出名字或编号。

乙类 · 构对。 另一侧是一个统计构造：同起点学生的期望值、这个年龄段的常模、模型预测的应有水平。它可以被算出来、被复算、被写进报告，但它不是任何人。增值评价的整套方法正是建立在这一类上：把一个学生的实际表现与「与他同起点的学生平均会达到的水平」相比，差额记为学校或教师的贡献。

丙类 · 虚对。 另一侧在替代方案里不存在：那个「若无此事的他」不是他。这一类正是第四节那件材料指出的那一类。

三类的关键差别在于追问下去会得到什么：

而三类在记录上完全一样：都写着「进步了」。

这三类不是程度，是种类。 一个判断不会「有点实对」；它要么另一侧站着一个人，要么站着一个构造，要么什么都没站。而误判的方向是固定的：虚对最容易被读成实对，因为结论的形式完全相同，而没有人去追问另一侧。

七　为什么要打第三类：两条签名与两条误诊阻挡

一个分类若指向的那一类是谁都看得见的坏，这个分类就是多余的。丙类值得单列，是因为它满足两条相当苛刻的条件。

签名一：结论完全可读，而另一侧不可查。

虚对不产生任何异常。「他因为读了这所学校而变好了」是一句语法完整、语义清晰、情感真挚的话，它在家长会上、在校庆演讲里、在校友访谈里天天被说出来，没有一次会被打断。要发现它是虚对，你必须专门去问那一句——而没有任何一份记录格式要求问它。

签名二：更换设对不产生任何登记动作。

这一条是第十节那次回溯检验的直接来源。当比较的基准发生了变化——规则改了、器材换了、题型变了、评分标准调整了——被比较的两侧不再是同一类东西。而记录制度的常规处置不是给原来那张表加一列写明基准，而是另起一本账，或者干脆什么也不做。原表照旧、数字照旧、排序照旧，唯一变了的那样东西不在表上。

误诊阻挡甲：不是所有不写出另一侧的判断都是虚对。

有一类判断是真正的绝对判断：「他能连续游完五十米」「他能独立完成这道题」。这类判断不需要另一侧，因为它问的是一个二值事实。把它们算进虚对是误诊。 判别很简单：如果这句话在世界上只剩他一个人时仍然有意义，它就不是比较性判断。

误诊阻挡乙：更换设对本身不是坏事，有时正是必须做的。

第十节那个例子里，禁止某类器材是一次正确的更换——它恢复了比较的意义。本文不主张不许换基准；本文主张的是换了之后要留下一条可以被清点的痕迹。 把「换基准」当成过错，是对本文的误用，第十八节会把这一条写死。

八　一句不含程度词的问话，与它在五个场合的读数

上面的分析要能用，必须压成一句可以拿去问记录、而不是拿去问人的判断的话。本文给出的是：

这份记录上，与他被比较的那一个，是谁？

这句话里没有「充分」「真正」「实质性」「合理」这类词。它要的是一个名字、一个模型、或者一个「没有」。它的答案不取决于评价者的标准，只取决于记录里有没有那一栏。

把它放在五个互不相干的场合跑一遍，答案必须各不相同。

场合一，升学录取。 答案是一个可指认的人群：同一次考试、同一个招生计划下的其他考生，有名有姓、有编号、可复核。这是最干净的实对，而且它有一处常被忽略的性质——这个设对每年更换一次，而分数线随之波动；同一个分数在两年里意味着不同的位置，而档案上只留分数。

场合二，增值评价。 答案是一个统计构造：与他同起点的学生的期望表现。这一条是查出来的，而且它反过来改了本文。 本文原以为构对是实对的一个退化形态——先有人群，再从人群算出一个数。查下去发现不是：增值模型里的那个期望值从一开始就不对应任何一个具体学生，它是拟合出来的一条线上的一个点，可能落在两个真实学生之间、也可能落在全部真实学生的范围之外。本文因此把构对从「实对的简化」改判为一个独立的类——它不是把人群压缩了，它是造了一个原本不存在的对照者。

场合三，世界纪录。 答案是历史上那个具体的人，而器材规则已经变了。第十节的回溯检验就跑在这一条上。这一条也是查出来的，而且它改掉了本文的措辞，见第十节结果丙。

场合四，个人回顾。 「要是当年没上这个学校，我不会是现在这样。」答案是一个不存在的自己。这是纯粹的虚对，而它是日常语言里最常见的一种教育判断。

场合五，赔偿与矫正。 法律要算「若无侵害本会有的状态」，这在实务里叫作基准状态。答案是一个必须被构造出来、且各方会激烈争论的对照。有意思的是：法律共同体明确知道这个对照是被构造的，并为它设置了举证责任与争辩程序——而教育评价对同一件事既不设程序也不设字段。

五个答案互不相同，其中第二与第三是查出来的，并且各自削掉或改写了本文原来的一句话。这正是判据该有的样子：它在不同场合被不同的记录回答，而不是被同一个原则回答。

九　读数：设对清单，及其清点手册

本文的读数不是一个比率，是一份清单。这是有意的：比率会把三类压成一个数，而本文全部的分辨力恰恰在三类的区分上。

读数 · 设对清单。 取一份记录（一学期的评语、一份成长报告、一份评估结论、一张榜单），把其中全部比较性判断逐条列出，逐条填这一次的另一侧是什么，按三类归档；填不出的记为丙类。产出的是一张表，不是一个数。

清单可以附带两个派生量，但它们是描述，不是主读数：具名率（甲类条数占比）与丙类条数。本文不为它们设阈值——设了阈值，清单立刻会退化成一个可以被优化的指标，而第十八节说明那样做的后果。

清点手册

为什么不给一个比率。 一个理由是技术的：三类不在一根轴上，压成比率会丢掉最要紧的那一格。另一个理由是第十八节要展开的：任何一个关于设对的比率，都可以靠把丙类改写成乙类来做好看——给虚对配一个模型，它立刻变成构对，数字改善而事情没变。清单挡不住这件事，但清单至少把改写留在纸面上。

十　回溯检验：九十五条世界纪录

证伪条款不能全是纸面的。本文选了一条可以在既有公开记录上直接跑通的：当比较的基准被更换之后，记录制度实际做了什么。

为什么选这一例。 竞技游泳有一个别处少见的性质：它的比较基准在一个可以精确指出的时刻被整体更换过一次。二〇〇八年二月起，一类以聚氨酯等非纺织材料制成的连体泳衣被允许下水；二〇〇九年罗马世锦赛前夕，国际泳联投票决定自二〇一〇年一月一日起禁止这类泳衣。也就是说，有一个宽度不到两年的窗口，窗口内外的成绩不是在同一套条件下取得的——而世界纪录表的功能，恰恰是把不同时刻的成绩放在一起比较。

判定规则（在计算统计量之前写死；诚实声明见下）。 本检验不是前瞻性预注册：取数之后我已先看过一次年份直方图，然后才写下判定规则。因此本节按「一条已有数据的回溯检验」报告，证据等级低于前瞻预注册。写死的是判定规则与阈值，不是事后挑出来的结论。

数据。 公开的游泳世界纪录一览，长池与短池、男女及混合接力，逐条含项目、成绩、创造日期，共九十五条现行纪录；其中六条带有非纺织材料泳衣的注记。取数时间为二〇二六年八月十日。任何人可复算。

结果一：R1 成立，而且形状比预期干净。

二〇〇七年及以前的现行纪录：零条。二〇〇八至二〇〇九两年：六条。二〇一〇至二〇一一两年：零条。

那两年是一座孤岛。它前面是空的——十七年以上的老纪录一条不剩；它后面也是空的——禁令之后的头两年一条也没留下来。而夹在中间的那个不到两年的窗口，贡献了今天仍然站着的六条纪录。

结果二：R2 成立，而且量级很大。

存活满十年的现行纪录共十一条，其中六条带注记，占 54.5%，远高于四成的阈值，也远高于带注记者在全体中的占比（6.3%）。二乘二表为 \[\[6,5\],\[0,84\]\]，Fisher 精确检验双侧 p ＝ 5.3×10⁻⁷。

存活年数的对比更直接：带注记的六条，存活中位数十七年（范围十七至十八年）；其余八十九条，存活中位数两年（四分位一至四年，最长十四年）。 相差八倍以上。

结果三（对本文不利，且它直接改掉了本文的措辞）：那一栏并非无人记。

R3 的清点结果是：那六条纪录确实带着一个注记，注记的含义是「以非纺织材料泳衣创造」，而且带注记的恰好就是那六条、只有那六条——注记与年份完全重合。

这推翻了本文原来的一句话。本文原本要写：「基准变更不留任何痕迹。」这句话是错的，本文已改。修订后的说法是两句：

其一，痕迹的形态不是字段，是角标。 那个注记出现在成绩单元格里，是一个附在数字旁边的标记；这张表没有一列叫作「适用的器材规则」。角标与字段的差别是可操作的：字段可以排序、可以筛选、可以分组统计、可以被下游系统读取；角标只能被人眼看见。本文的清单要的是字段，而实际存在的是角标。

其二，制度对基准变更的处置是另立一本账，而不是给原账加一列。 由于禁令后的成绩长期无法超越窗口内的纪录，一份平行的「纺织材料最佳成绩」榜被维持起来，与官方纪录表并行。这个处置很务实，而它的代价正是本文要指出的：同一件事从此有两套互不通约的记录，而「这一条到底和谁比」这个问题仍然没有一个字段来回答——它被回答成了「看你查哪一张表」。

结果四（也对本文不利）：最强的那句竞争解释，本检验完全无法排除。

那句话是：其实不就是那两年的泳衣让人游得更快吗？ 这句话是对的，本文不否认它。带注记的纪录之所以长寿，最朴素的解释就是它们被创造时有额外的助力。

本检验排除不了它，也不打算排除它。因为本文要问的不是「那些成绩为什么快」，而是「当比较的基准被换掉之后，记录制度如何登记这件事」。这两个问题的答案互不影响：即便泳衣的效应可以被精确量化，那张表上仍然没有一列写着基准。本文因此把落点从「为什么」整个挪到「怎么记」——这一挪使本文放弃了对成绩差异的任何解释权，是本文在这一节付出的最大代价。

结果五（方法学上的自我限制）：R1 与 R2 不独立。

孤岛与长寿其实是同一件事的两种说法——正因为那两年的纪录长寿，它们才在今天的现行纪录表上形成孤岛；正因为它们形成孤岛，长寿才被看见。两条规则合起来只算一条证据，不算两条。 本文不把它们当作互相印证的两个发现。

一处必须写明的未做。 第十七节条款七要求把这个形状拿到别的项目上去看——田径的跑道材质与鞋底规格、场地自行车的车架规则、跳水的板性规格，都发生过可以指出时刻的整体更换。本文一个也没有跑。 只跑一个项目而声称一般规律，是本文在这一节最薄的一处；结果一的那座孤岛目前只是一个项目的形状，不是一条已被复现的规律。写在这里而不是留给读者去发现。

代理变量声明，四条。 ① 现行纪录表是一份幸存者名单，不是全部纪录的历史；本检验能说的只是「哪一批更难被打破」。② 「非纺织材料」这一注记由编纂者添加，不是记录机构的原始字段——这正是 R3 要清点的东西，也是结果三的来源。③ 短池与长池、个人与接力混在一起计数，分项样本过小，本检验不分层。④ 本检验只用于说明记录制度对基准变更的登记方式，不构成对任何运动员成绩的评价。

十一　在别的领域里能据此预测出什么

一个判断若只在提出它的那个场合成立，它就是一句修辞。下面十二处不是类比，每一处都能据此预测出一件具体的、可以去查的事。

一，分班与分轨。 预测：一次分班之后，同一个学生的评语里丙类判断的比例会上升——因为他此后被与新班级比，而旧班级的记录不再进入他的对照。可查：取分班前后各一学期的评语，按第九节手册各清点一次。

二，转学。 预测：转学生的记录里，「与自己比」这一类会显著多于本校生——不是因为他更需要纵向比较，而是因为他与新同学之间缺少同口径的历史读数，横向比较无从设置。可查：同一所学校里转入生与非转入生的清单构成。

三，评语与操行评定。 预测：越是正式、越是要归档的评语，比较性判断的密度越高而具名率越低——正式文书要求「客观」，而写出具体对照者被认为不客观。可查：同一位教师写给家长的私信与写进档案的评语，两份清单并排。

四，教师评价与增值模型。 预测：以增值模型为主的评价体系，其全部判断落在乙类；而当模型版本更换时，同一位教师的评价可以在不改变任何教学行为的情况下反向。可查：模型更换年份前后的评价排名相关系数。

五，学业竞赛与奖项。 预测：奖项的含金量随参赛人群的构成而变，而奖状上不写参赛人群。可查：同一奖项在不同年份的获奖人数与报名人数之比，与奖状文本的对照——后者不含前者的任何信息。

六，职业资格与执照。 预测：以固定分数线发放的执照，其分数线在历史上是从某一届人群的分位数定出来的；一旦定下，人群变了而线不动。可查：任一执照考试的定标文件，看切分点的来源。

七，医学的参考区间。 预测：一份「各项指标正常」的化验单，其正常的含义是「落在某个参考人群的中间百分之九十五」，而这个参考人群不写在化验单上。可查：任一化验单的表头，看有没有一栏写明参考区间的来源人群与年份。

八，竞技体育的纪录制度。 第十节已跑。预测：凡是发生过器材、场地或规则整体更换的项目，其现行纪录表上都会出现一个年份孤岛，而表上没有一列写明基准。可查：田径的跑道材质与鞋底厚度规定、场地自行车的车架规则、跳水的板性规格。

九，人工智能的能力评测。 预测：一个模型「超过了人类平均水平」这句话里的人类平均，来自一批具体的标注者，而榜单上不写这批标注者是谁、怎么招募的。可查：任一主流评测榜的说明文档，看有没有对照人群的构成。

十，绩效考核与末位淘汰。 预测：强制分布的考核制度把每个人的设对锁定为同一考核单元的其他人，因此改变单元边界就能改变全部人的评价而不改变任何人的工作。可查：一次部门重组前后的考核分布。

十一，历史评价与追授。 预测：对一位历史人物的重新评价，其争论的实质常常是设对的更换（与同时代人比，还是与今天的标准比），而争论双方通常不把这一点写出来。可查：任一次重评的公开论辩，看双方有没有明说各自的对照。

十二，法律的赔偿基准。 预测：赔偿争议中双方投入最多的部分，是构造与攻防那个基准状态，而这一部分在判决书里往往被压缩成一句结论。可查：任一份涉及可得利益损失的判决书，看基准状态的论证长度与结论长度之比。

十二　三处反过来削弱本文的约束

跨领域不是只往外送。有三处是别的领域反过来给本文加的约束，每一处都真的削掉了本文原本打算写下的话。

第一处，来自体育学：绝对判断是存在的，而且是必需的。

一个人能不能连续游完五十米，这件事不需要另一侧。运动技能的教学里有大量这样的判断——能不能翻身、能不能独立完成一整套动作、能不能在水下睁眼。它们是二值的、是可教的、是学习者自己也能确认的。

本文原本会写下这样一句更强的话：「一切教育判断都在另一侧放了一样东西。」 这句话现在必须删掉。适用范围随之缩小：本文只处理比较性判断，而第七节的误诊阻挡甲正是为此而设。

这一处削弱的代价不小。它意味着本文不能主张「教育的本质是比较」——本文能主张的只是：在教育中那些被用来分配机会的判断，绝大多数是比较性的；而这一句需要经验支持，本文没有提供。

第二处，来自历史学：本文自己的处方也踩在时代错置的禁令上。

本文要求把设对写下来。但写下来的那个设对，是今天的人用今天的范畴写下的。一份二十年前的成绩单，即便当年就写明了「与本届三百二十名考生比」，今天的读者仍然要问：那三百二十人是怎么被选进来的、那次考试意味着什么、那个「比」在当时是什么含义。登记设对不能保证跨时代可比。

本文原本会写下「登记设对可以使不同时期的评价重新可比」。这句话必须削弱为：登记设对使得「不可比」这件事变得可查，而不使它变得可比。 这是一个弱得多的主张，但它是本文能守住的那一句。

第三处，来自正义学：有些设对不该被写出来。

这一处动的是价值排序，也是本文让步最大的一处。罗尔斯的基本结构说提醒的是：把一个学生与另一个具体学生并列写进他的档案，本身就是一次伤害——它把一个人变成另一个人的度量衡，而且这份文书会跟着他走很多年。第十八节的伦理条款正是从这里来的。

本文原本会写下「每一次比较性判断都应当在记录中写明其另一侧」。这句话必须改成：每一次比较性判断都应当在记录中写明其另一侧的类别与来源，而当另一侧是具体个人时，只登记类别与人群构成，不登记那个人。 处方因此从「写出来」退到「写出它是什么类型的东西」——本文的可操作性下降了一档，而这一档是被正义学收走的。

十三　与最近的几种说法的分界

下面十条说法都可能被读者与本文混为一谈。逐条写清它说到哪一步、差别落在哪、以及一个能把两者分开的判定形式。

一、潜在结果框架（Rubin 1974；Holland 1986）。它说到哪一步：一个单位在受处理与不受处理两种情形下各有一个潜在结果，因果效应是两者之差；由于只能观察到其中之一，因果推断是一个缺失数据问题。这是本文在方法学上最危险的一位，因为它把「另一侧」形式化到了极致——那正是本文的丙类要处理的东西。

分离线在于那个单位是不是同一个。潜在结果框架预设同一个单位 i 在两种处理下都存在，Y_i(1) 与 Y_i(0) 说的是同一个 i；非同一性说的是，在一类足够深的介入下，另一侧那个 i 不存在——不是它的结果缺失，是它没有下标。判定形式：若一切设对都能被写成同一单位的另一个潜在结果，则本文可整个并入这个框架，只是换了个说法。若存在一类介入，其替代方案里的受益者不是同一个单位——同一性本身被介入改变——则潜在结果在那一类上没有定义，而本文的丙类正是为它保留的位置。 帕菲特那个例子恰好就是这样一类。

二、参照群体理论（Merton & Kitt 1950；Hyman 1942）。它说到哪一步：人评价自己的处境时，参照的不是绝对水平，而是他所选取的那个群体；参照群体变了，同样的处境会带来相反的满意度。这是本文在经典层最近的一位。

分离线在于谁在设。参照群体理论研究的是人自己选择跟谁比，那是一个心理与社会过程，可以问当事人；本文研究的是记录制度设置了跟谁比，那是一个记账动作，只能问文书。两者可以完全脱钩，而脱钩本身可查。判定形式：取一批学生，分别问他们「你觉得你在跟谁比」，再按第九节手册清点他们档案里的设对。若两者高度一致，本文只是参照群体理论的文书版；若系统性不一致——尤其是当事人报出的是具体同学而档案里全是统计构造——则两者管的是两件事，而后者才决定机会分配。

三、常模参照与标准参照（Glaser 1963）。它说到哪一步：测验分为两类，一类把个体放到人群分布里定位，一类对照一条事先规定的能力标准。这是教育测量的教科书二分，用了六十多年。它是本文在应用实务层最近的一位。

分离线有两处。其一，这个二分只有两格，装不下丙类——它默认另一侧要么是人群、要么是标准，没有为「另一侧不存在」留位置。其二，也是更要紧的一处：它把标准参照当成没有比较对象的判断，而标准本身通常是从某个人群的分位数定出来的。 判定形式：取任一自称标准参照的考试，查它的定标文件。若其切分点的来源是一个人群的分位数，则它是一次伪装成标准参照的常模参照，本文的三分能把它读出来而那个二分读不出来。若切分点来自一份与人群无关的任务分析，则那确实是标准参照，本文在这一类上不适用。

四、社会比较理论（Festinger 1954）。它说到哪一步：人有评价自己的驱力，在缺少客观标准时会与他人比较，且倾向于选择与自己相近的人。分离线与第二条同类而更靠前：它是关于驱力的理论，本文是关于文书的清点。判定形式：在一个完全不允许当事人知道他人成绩的制度里，社会比较的效应应当消失，而本文的清单不变——因为档案照旧在设置设对。

五、增值模型（Sanders & Horn 1994；Braun 2005 的批评）。它说到哪一步：把学生的实际表现与模型预测的期望表现相比，差额归给学校或教师。它是构对最成熟的实现，本文欠它一笔。分离线在于它把那个期望值当作方法，本文把它当作对象：增值模型的全部争论围绕「这个期望估得准不准」，而本文问的是「这个期望是不是一个人」——两个问题的答案互不影响。判定形式：一个估计得极准的增值模型，在本文的清单上仍然整列记乙；若有人主张估准了就等于设对成立，请他回答那个期望值对应哪一个学生。

六、时代错置的禁令（Skinner 1969；Butterfield 1931 的辉格史批评）。它说到哪一步：用后来的范畴去读前人，会得到一整套看似合理而实为虚构的东西。分离线在于方向：时代错置的禁令是禁止一种比较；本文不禁止任何比较，只要求把比较的另一侧登记下来。判定形式：一次明知不可比而仍然作出的比较，按时代错置的禁令应当被判为错误，按本文只需在清单上标注「基准已变更」并保留——两者对同一份材料给出相反的处置：前者要求删掉，后者要求留下并标注。

七、非同一性问题（Parfit 1984）。它是本文的推翻材料，不是竞争者，但必须写清界线。它在道德哲学里回答的是「我们对尚未存在的人有没有义务」，落点在义务；本文取它的形式后果——一部分比较缺少另一侧——落点在记账。判定形式：若一切丙类都能被归结为道德义务问题，本文多余；若存在一类丙类判断与义务无关（例如一次纯粹的能力评估），则本文说的是另一件事。

八、排名的自我实现（Espeland & Sauder 2007, 2016）。它说到哪一步：一个排名一旦发布，被排名者会为了排名而改变行为，于是排名逐渐制造出它所宣称测量的那个东西。分离线在于回路的有无：排名的自我实现需要被排名者知道排名并作出反应；本文说的设对不需要任何人知道——一个从不公布的内部评价，其设对照样在设置，照样决定资源分配。判定形式：在一个评价结果完全不向被评价者披露的制度里，自我实现的效应应当消失，而本文的清单构成不变。

九、制造人的种类（Hacking 1986, 1995）。它说到哪一步：一个新的分类被造出来之后，被分类的人会按这个分类改变自己，分类与人互相塑造。分离线与第八条同源：回路效应要求被分类者知道；而且更要紧的是，哈金处理的是「他属于哪一类」，本文处理的是「他被和谁比」——一个人可以在不改变任何分类归属的情况下更换设对（换一个班就够了）。判定形式：一次不改变任何分类标签、只改变分组边界的调整，若引起评价结果的系统性变化，则本文对而回路效应不足以解释。

十、剥掉全部名词之后的形式。 把本文的命题去掉教育与体育的一切名词，剩下的是：一次判断必须在另一侧放一样东西，而这一样东西的身份从不进入该判断的记录；当它被更换时，记录不变而结论的含义变了。 这个纯形式的结构在上游有名字。计量学里叫溯源与参考标准的变更——一次量值的意义依赖于它所溯源的那个标准，标准换代时旧值需要换算。会计学里叫会计政策变更与追溯调整，准则要求披露变更的性质、原因与影响数。统计里叫基期变更与指数链接。

三者当中，会计学那一条对本文最不利，必须正面说：会计准则已经要求在报表附注中披露政策变更及其影响数——也就是说，「基准变了要登记」这条处方在另一个领域里已经是强制规范，本文不是第一个想到它的人。本文能主张的只剩两件：其一，教育与竞技的记录制度没有这条规范；其二，这三个上游领域处理的都是同一个对象在不同基准下的换算，而本文的丙类说的是另一侧根本不存在，那是换算处理不了的一类。判定形式：若一切设对变更都能通过换算或链接处理，本文可并入基期变更那一族；若存在一类变更，其变更前后不存在任何可用于换算的重叠观测（因为另一侧的那个人不存在），则本文的丙类在那一族之外。

与同题另外六篇的分界。 本文与另外六篇同题稿相邻到必须逐篇分开，而逐篇的对照表在第十四节；此处只写那条贯穿全部六篇的共同分离线——那六篇的落点全部在被评价的那一侧：某样东西在这把尺子上读不出来、算不到、或者根本没被放进字段。本文的落点在比较的另一侧：那把尺子的另一端放着什么。两者正交，而且叠加时有具体形状——一族在口径下分不开的人，可以有完全不同的设对（一个被与同班比、一个被与常模比），而设对的差别不进入任何读数。判定形式：在同一份记录上分别按七篇的手册标注。若「那六篇各自读不出的那一类」与「本文另一侧记丙的那一类」两组标注的重合度低于百分之四十，则七篇处理的是七件事；若高于百分之七十，则本文应当并入其中最接近的那一篇。这次清点本文没有做，是本文欠下的一笔。

与本文最接近的是第一条（潜在结果框架）。 它不能吸收本文的理由只有一条：它的整套形式要求另一侧那个单位存在，而本文的丙类正是为它不存在的那一类保留的位置。

十一、参照点与锚定（卡尼曼与特沃斯基，一九七九；特沃斯基与卡尼曼，一九七四）。这是全部十一位里最近的一位，本稿修订前漏掉了它，而它就长在本文的题目上。 它说到哪一步：人对结果的评价不是绝对的，而是相对于一个参照点判为得或失；而参照点不由情境给出，它可以被措辞、被先前的状态、被一个任意抛出的数字（锚）挪动。四十年的实验证据说的正是「另一侧放了什么，决定了这一侧被读成什么」。

分界只有一条，但它与本文对潜在结果框架那一刀完全同形，因此可以一并判：参照点永远存在。 它是同一把标尺上的一个值——可以被挪、被操纵、被误设，但它总在那里，因而总能被写下来、被比较、被纠正。本文的丙类说的不是参照点被设错了，是另一侧根本没有那个下标：不是「与一个不合适的对照相比」，是「这句话没有对照可言而仍被说成了比较句」。前者的处方是把参照点校准，后者的处方是登记「这里没有对照」——两者在记录上的形状不同，一个是改一个值，一个是加一条缺项。

还有一层顺带的分别：参照点研究关心的是评价者的心理（他把哪里当作原点），本文关心的是记录的形态（那份文书上另一侧写着谁）。同一次比较，参照点可以在评价者心里而记录上一片空白，也可以记录上写满而评价者根本没看。两者可同批测且互不蕴含。

判定形式：取一批被判为丙类的比较性判断，向评价者追问「你是跟什么比的」。若他们总能报出一个具体的值或状态，则参照点一路对，本文的丙类只是参照点未被记录；若有一类判断，评价者自己也报不出另一侧是什么、而判断照样作出并照样被采纳，则本文对。 这一条便宜，可在任何一次评语式评价的复盘访谈里做。

十四　同题七篇的互切

本文与另外六篇同题文章出自同一批工作：七篇都问「教育是什么」，七篇都以「某个口径读不到、算不到或根本没放东西的那一类」作答。本文是七篇里唯一把落点挪到比较另一侧的一篇，正因如此更需要把七篇摆在一张表上逐列分开。

七篇的对象类型互不相同——方向、题、配对、遍、内容的一部分、位置、被比较的那一个——这是最干净的一刀。 七类可以同时非空且互不重叠：一门课的成果从不进入任何判定（未张成非空），而它的考卷每道题只考一项技能因而能分开一切做法（界题为空）； 同一批人分数彼此差得很开（同许族为空），而他们为达到这个水平做过的重复里九成不产生条目（不计遍非空）； 这门课的教材里有一大段从没有人问过"必须原样还是可以重讲"（未判之域非空），而课上每个空位都写在某位教师的清单上（无认空为空）； 而给这个班打的每一个分数，另一侧站着的都是一个真实存在的对照班（虚对为空）。七个读数在同一批人身上可以取到任意组合。

判决性对照：一个动作，七种不同的预测。 取一批本来不进入分配决策的记录，只把它接进判定，其余一概不动：

• 未张成能力：被切出的那一类整批更换成员，总量不变。
• 界题：分法未定率不变——接进判定的记录并不增加能把做法分开的题，除非它恰好只考一项技能。
• 同许族：带宽变窄、同许族变小，而分离视界不随之改变。
• 不计遍：那批重复的构成功能下降——记了就换格。
• 未判之域：触发一次判形——被接进判定的那部分内容从此有了留造归属，未判之域缩小一块，而其余部分不动。
• 无认空：外部来源的进入率下降——一旦有了责任人，填它的通常就是认领它的人。
• 虚对：读数不变——设对清单问的是另一侧站着谁，接进判定的是这一侧的记录，两者不相干；除非新记录本身规定了对照来源。

七条不能被同一次观测同时满足：第二条与第七条说读数不动，第三条说读数变小，第五条说读数缩小一块，第四条与第六条说被记的东西性质改变，第一条说总量守恒而成员更换。 任何一次真实的口径变更都会至少判掉其中两条。 七篇因此是可以互相证伪的七个判断，不是一个判断的七种说法。

还要写明读者最该起疑的地方，本文不绕过：这七篇出自同一位作者、同一批工作、同一副骨架（三家现成读法 → 三家共有前提 → 一件来自其中一家自己的推翻材料 → 命名一类 → 一套辨别装置 → 一句不含程度词的判据 → 一个可清点的读数 → 一次预注册或回溯检验 → 逐条分界 → 编号证伪）。骨架相同不构成七篇内容相同的证据，但它确实是七篇最可能出错的地方：一副好用的骨架会让七个不同的问题看起来长得一样。 判据交给读者：上表七列里，若有两篇能在五列以上取到相同的值，那两篇应当合并。现在最接近的一对是不计遍与无认空（同为"被登记/被认领即消灭"的形状，且两篇的经验材料取自同一个公开平台），它们在七列里相同的有两列；其余任意两篇相同不超过两列。这条判据可以拿去核对，也可以拿去推翻。

十五　所有人共同站着的那块地

把上面十种说法逐个问一句「它把什么当作给定，因此看不见什么」，答案有一个共同点。

潜在结果框架把「单位在两种处理下都存在」当作给定，因此看不见同一性本身可以被处理改变；一旦承认它可以被改变，因果效应这个定义在那一类上就没有对象。

参照群体理论把「比较是当事人做的」当作给定，因此看不见文书替他做了一次；一旦承认文书也在设，那么改变一个人的处境就不必改变他的任何想法。

常模参照与标准参照把「另一侧要么是人群要么是标准」当作给定，因此看不见第三种；一旦承认第三种，这个二分就不再穷尽。

增值模型把「期望值是一个可估的量」当作给定，因此看不见它不是一个人；一旦承认它不是人，「教师的贡献」这个说法就失去了它所声称的那个对照。

时代错置的禁令把「不可比就不该比」当作给定，因此看不见不可比的比较也可以被登记而不必删除。

排名的自我实现与制造人的种类都把「要有回路就得让人知道」当作给定，因此看不见不公开的评价照样在分配。

会计学的政策变更披露把「变更前后是同一个对象」当作给定，因此看不见有一类变更没有可用于换算的重叠。

这七行背后是同一个被当作给定的东西：

凡是一次比较，另一侧总有一样东西站着。

说得更具体一点：所有人都在争标准该定在哪儿、该跟谁比、比得公不公平，而没有人问过——这一次比较的另一侧，是不是真的有东西。 互相批判的各派在这一点上从不交锋：主张绝对标准的与主张相对标准的，主张个人努力的与主张结构补偿的，全都默认另一侧是给定的，分歧只在于该给定什么。

这条地基不是某一派的立场，它是各派共同站着的地面。而本文提出的那个东西，正是从这块地的缝里掉下去的那一类：在丙类判断里，另一侧空着，而结论照常作出、照常归档、照常用于分配。 它不是记录得少——分数、日期、签名，每一栏都记得很认真；它是「另一侧是什么」这件事压根不算一样东西，所以没有任何一栏为它而设。

「没有人辨识过这件事」的真正来源不是没有人看，是看的人都站在它上面。

十六　不适用的边界

本文明确不适用的六种情形：

一，非比较性判断。 第十二节第一处已把这一处让给了体育学：二值的、绝对的、当事人自己也能确认的判断，不设另一侧，也不该被算进清单。

二，只有汇总结论的记录。 清单要求逐条取原始判断文本；只保留了「优秀」「合格」这类结论而没有判断原文的记录，算不出清单。

三，设对被有意隐去的场合。 匿名评审、盲评、双盲试验——这些制度故意不让评价者知道另一侧是谁，而这是为了公正。本文的清单在这类场合会大量记丙，但那不是缺陷，是设计。清单必须为这类场合单设一栏标注，否则会把好制度读成坏制度。

四，跨时代的可比性。 第十二节第二处已把这一处让给了历史学：登记设对使不可比变得可查，不使它变得可比。凡涉及跨时代评价的推论，本文一概不作。

五，本文不判断一次设对是好是坏。 一个被有意设置的构对（用统计构造代替具体同学，正是为了避免伤害）与一个因疏忽而落空的丙类，在清单上都记非甲。要分开它们，需要问「这个设对是谁定的、为什么这么定」——那是一个关于制度意图的问题，本文没有提供回答它的工具。这是本文交出去的第一个洞。

六，本文说不出丙类有多常见。 第十节跑的是竞技体育的记录制度，不是教育记录。教育里丙类的占比是多少，本文一次也没有清点过——第十七节条款三正是为此而设，而它至今是设计不是发现。这是本文交出去的第二个洞，也是最大的一个。

第三个洞：本文的判据依赖「比较性判断」这个界定，而一句话算不算比较性判断，在边界上要靠人判断。第九节的编码规则给了一个可操作的检验（去掉另一侧是否还成立），但它挡不住所有争议。本文能做的只有把判断原文强制留在表头，让第三方可以复核。

十七　证伪条件

先写出最难反驳的那句竞争解释，再让证伪条件排除它。

最强竞争解释：其实不就是记录写得简略吗？ 也就是说，没写出另一侧只是因为文书要节省笔墨、因为大家心里都清楚、因为写出来太啰嗦。按这个解释，只要要求评价者补写，问题就解决了；本文所谓的「三类」只是补写完整程度的三个档次。

排除它的方式：若只是简略，那么补写之后三类应当全部收敛为甲类或乙类。 本文预测不会——丙类补不出来，因为它的另一侧不存在，补写只会把它改写成一个构对（临时造一个对照），而这个改写动作本身可以被看见。

条款如下，八条。

一（主条款，机制证伪）。 取一批已归档的评语，要求原评价者对其中的每一条比较性判断补写另一侧。控制补写时间与工作量之后，若补写后丙类归零、且补写内容在第三方复核下均可追溯到记录内已有的对象，则本判断为伪——届时「没有另一侧」应归因于文书简略。样本要求：同一学校体系内 N ≥ 6 位可比教师，不得以两所学校的对比充数。

二（正向读数，顺序预测）。 一次分组边界的调整（分班、分校区、改考核单元），设对的更换应当早于任何读数的变化。若在纵向记录中设对更换的中位提前时间的置信区间包含零或为负，则本判断为伪。用顺序而不用相关，因为相关太容易被巧合满足。

三（低成本、可当场执行的一条）。 这一条本文认为全篇最该先做：取任意一所学校一个学期的全部学生评语，按第九节手册清点一次设对清单，报告三类构成与具名率。全部材料已经存在，不需要新的采集，不需要前瞻设计，一周之内可完成。 若清单中比较性判断的占比低于两成，则本文所处理的现象在教育文书里不是主要形态，本文的适用面须大幅收窄。

四（与潜在结果框架的分离）。 若一切被记为丙的判断，都能被重述为同一单位的另一个潜在结果，则本文的第三类不成立，本文可并入因果推断的既有框架。

五（与常模参照二分的分离）。 取十份自称标准参照的考试的定标文件。若其中切分点来自人群分位数的不足两份，则「标准参照多为伪装的常模参照」这一预测为伪，本文第十三节第三条的判定形式失效。

六（与排名自我实现的分离）。 在一个评价结果完全不向被评价者披露的制度里，若设对更换不引起资源分配的系统性变化，则本文的机制需要回路，与自我实现不可区分。

七（回溯检验的推广）。 第十节的形状应当在其他发生过基准整体更换的项目上重现。若在三个以上此类项目中，现行纪录的年份分布不出现与更换窗口重合的孤岛，则第十节的结果是这一个项目的特例，不支持一般主张。

八（回溯检验复算）。 第十节的数据来源、判定规则、编码与统计脚本已全部写明，任何人可复算。若第三方复算所得的孤岛构成与本文报告不一致，则本文的编码有未写明的自由度。

若本判断被证伪，我们会学到什么。 若条款一失败，说明另一侧其实一直在评价者心里、只是没写下来，那么改进的方向就回到「要求写完整」这条便宜得多的老路上——这对实务是好消息。若条款三失败，说明教育文书里比较性判断本就不多，那么整个问题的重要性被高估了，而本文应当降级为一篇关于竞技记录制度的文章。两种失败都会让事情变简单，这一点本文必须说在前面。

十八　伦理与证据边界

设对清单是一份可以被拿去考核人的东西。它一旦进入教师评价、学校评估或资源分配，会立刻产生真实的不利后果。因此写死三条。

一，这份清单指的是文书，不是人。 它描述的是一份记录里比较性判断的构成，不得作为任何评价者的能力、态度或责任心的评级使用。不存在「丙类率高的教师」这种说法——丙类多，多半说明这位教师在写档案时避免了把学生与具体同学并列，而那正是第十二节第三处所要求的。

二，不得为把清单做好看而制造具名。 这一条是本文全部伦理件里最要紧的。具名率上升有两条来路：一条是评价确实变得可追溯，一条是有人把学生与具体同学的对照写进了档案。后者在清单上与前者完全一样，而它是一次伤害。 因此明确禁止：不得为提高具名率而在学生档案中登记具体的对照个人；正确的做法是登记设对的类别与来源（哪一个人群、哪一版模型、哪一年的常模），不登记那个人。

三，已经按这份清单做出不利安排的，必须公开编码规则并给出复核通道。 任何据以评价教师、调整制度或分配资源的决定，都必须同时公布所用的记录范围、时间窗、编码规则与判断原文，并允许被影响者按同一手册复算。

反噬预言。 这份清单一旦进考核，最省事的达标方式恰恰会摧毁它要保护的那个东西：给每一个丙类判断临时配一个模型。它立刻变成乙类，具名率与结构构成同时改善，报表立刻好看——而那个模型可以是任意的、事后造的、从不被检验的。第九节之所以拒绝把清单折算成一个比率，正是因为比率会让这条路径变得几乎免费。清单挡不住它，只能让改写留在纸面上。我看不到出口。 本文能做的只有把这一条写在这里，让任何采用者先读到它。

十九　自反：本文的设对是谁

本文提出了一个判据，那就得允许这个判据回头指向本文自己。

本文通篇在作比较性判断：本文说它比现有的读法多指出了一件事，说第十三节那十位邻居都差最后一步，说这个问题没有人辨识过。按本文自己的定义，这些全部是比较性判断，因此本文自己也有设对。那么本文的设对是谁？

答案是另外六篇同题的文章。 它们与本文出自同一批工作、问的是同一道题，逐篇的分别已列在第十四节。本文说「本文的落点在另一侧」，这句话的另一侧站着的正是那六篇。

按第九节的手册，这个设对记甲类——它是可指认的，有篇名、有日期、有构念名。到这里为止，本文是干净的。

但接下来的一步不干净。 那六篇的存在，本身是被同一条写作线设置出来的：同一道题被连着出了七次，每一次换一组学科。于是本文的设对不是独立于本文而存在的对照，是与本文由同一只手在同一天造出来的。用本文第十节的话说：这不是一次实对，是一次在同一套条件下自制的对照——它在形式上可指认，在功能上不构成检验。

这个定位有三个具体后果，本文照单接受。

后果一。 本文声称的「多出的那一步」，其可信度不高于「同一条线上的另外六篇没有走那一步」这个事实，而这个事实是本文自己安排的。要让这一步真正成立，需要的对照是别人在不知道本文的情况下处理同一个问题——而那样的对照，本文一个也没有找到并写进第十三节。第十三节的十位邻居是真实的、独立的，但它们没有一位是在回答「教育是什么」。

后果二。 本文批评评价制度不登记设对，而本文自己直到这一节才把设对写出来。前面十七节里的每一次「更」「多」「差最后一步」，都是在没有登记另一侧的情况下作出的比较性判断。按本文自己的清单，本文正文的具名率在第十九节之前为零。

后果三，也是唯一可执行的补救。 本文应当把第十三节末尾那次未做的清点做掉：在同一份记录上按七篇的手册各标注一次，报告重合度。第十三节已经写明这次清点没有做，并把它列为欠账；这一节把它升格为条件——若本文发表之后一年内这次清点仍未做，那么本文与那六篇的分界就只是几段说明文字，读者有权据此把七篇当作一篇的七次改写。

还有一层更不客气的自反。本文第十八节禁止「为把清单做好看而制造具名」，而本节所做的事，形式上正是那个动作：本文为自己的比较性判断补上了一个可指认的另一侧。唯一的差别是本文同时写出了这个另一侧是自制的。 这个差别是不是足够，本文不能自己裁定。

二十　结论，与一条写死日期的赌注

本文只主张一件事：

一切「他变好了」都在另一侧放了一样东西；那一样东西有三种，而三种在记录上长得一模一样；其中一种在替代方案里根本不存在，而这一切都不进任何一栏。

它可以被分三层引用，各层的可靠性递增。

第一层，设对这个构念本身——比较的另一侧是一类可以被单独清点的对象，它有三种，且第三种在结构上不可补写。这一层最强也最易倒：第十七节条款一与条款四直接指向它，而第十节的回溯检验没有在教育记录上跑过。

第二层，三分作为分析工具——即便设对的本体地位可疑，「另一侧是可指认的人／是统计构造／不存在」这三分仍可用来分类现有的评价文书，尤其是把乙类与丙类分开。这两类在结论的形式上完全相同，而它们要求的处置完全相反：乙类要问模型的假设，丙类要问这句话有没有对象。

第三层，一条不依赖前两层的经验主张：在发生过基准整体更换的竞技项目里，记录制度对更换的处置不是给原表加一列，而是另立一本平行的账；而在教育记录里，连这本平行账也没有。 前半句本文跑过了——九十五条现行纪录、一座两年宽的孤岛、一个角标而非一个字段；后半句最容易检验，随便取一份学籍表数一数字段就知道，也最稳，而且它独立于本文其余全部主张成立。

一条写死日期的赌注。

到二〇三三年十二月三十一日之前，将有至少一份公开的教育评价规范或学籍数据标准，在其正式字段表中设置一个专门记录「本次评价所依据的比较基准」的字段。该字段须要求填写基准的类别与来源，而不只是一个自由文本备注。

什么不算命中，写死四条：

1\. 只在研究方案或试点文件里出现而未进入常规记录格式的，不算。

2\. 只设一个自由文本的「备注」栏而不规定填写类别与来源的，不算——那是角标不是字段，第十节结果三已把这两者分开。

3\. 只要求机构自行说明「本次评价参照了相关标准」的，不算——这类表述不可核。

4\. 由本文作者或其合作者参与制定的，不算。

最后回到开头那句话。

本文不能告诉你那个孩子到底有没有进步。本文能说的是：说他进步了的那个人，在另一侧放了一样东西；那样东西可能是他的同学、可能是一条从别人身上算出来的线、也可能是一个并不存在的、若无此事的他。三种说法在成绩单上写出来是同一句话。

而那份成绩单之所以看上去客观，恰恰是因为它只写了一侧。

注释

〔一〕本文使用的「比较性判断」一词，指一句包含程度或次序的评价，且去掉另一侧之后该句不成立。第九节的编码规则给出了一个可操作的检验，并举了一个恰在边界上的例子。

〔二〕「设对」中的「设」字取设置义，不取假设义。本文强调的是它被放置这一动作，而不是它的真假。

〔三〕第十节的数据、判定规则、编码与统计脚本可复算，取数时间为二〇二六年八月十日；判定规则在计算统计量之前写定，但取数后已先行查看过年份直方图，故本节按回溯检验报告，证据等级已在正文标明。

〔四〕第十节报告的 Fisher 精确检验为双侧，二乘二表由「存活是否满十年」与「是否带器材注记」交叉得到。R1 与 R2 不独立，正文已写明两者合起来只算一条证据。

〔五〕第十三节第十条提到的会计政策变更披露，本文未作任何超出其规范原文的推断；引用它是为了说明「基准变了要登记」在别处已是强制规范，而不是本文的发明。

〔六〕第十二节第三处的价值排序让步，是本文写作过程中被迫做出的最大一处删改。删去的原句为「每一次比较性判断都应当在记录中写明其另一侧」。保留这句话会与「不得把学生与具体同学并列写进档案」这条伦理要求冲突。

参考文献

附　字数、版本与人机分工声明

正文约两万一千汉字（不含注释、参考文献与本声明）。版本：第一稿，二〇二六年八月十日。

人机分工：选题、三门学科的位置指派、判据的锐度要求与最终定稿由作者决定；文献检索、取数与统计脚本的编写与执行、初稿的组织由人工智能辅助完成。第十节的判定规则在计算统计量之前写入并存档；取数后曾先行查看年份直方图，此事已在正文与注释中两处标明。五条结果按原样写入正文，其中结果三直接改掉了本文原有的一句措辞（由「不留任何痕迹」改为「痕迹是角标不是字段」），结果四使本文放弃了对成绩差异的解释权，结果五承认两条判定规则不独立。

本文不提供任何自评分数。