阅　痕

关键词

一、问题：同一堂课上，两样东西看起来完全一样

先把要分的那两样东西摆在同一个房间里。

高三下学期，一位数学老师在讲导数的应用。他先讲了一道题的三种解法，学生记了满满一页；他把这一类题的特征归纳成四句口诀，学生在题号旁边标了记号；他讲了这类题在近五年本省卷子里出现的位置和分值，学生把这个信息写进了自己的时间分配表。三个月后，这个班的这一章模考均分从九十五提到一百二十八。

现在问一句：刚才那一堂课，是教育，还是应试训练？

去现场看，看不出来。教师的每一个动作都可以写进任何一份优秀课例：讲清了原理，做了变式，做了归纳，做了学情反馈。学生的每一个动作也都可以写进任何一份良好学习习惯清单：记笔记，做标记，做规划。分数上去了，家长满意，学校满意，学生自己也说“这一章终于弄懂了”。所有可观察的指标都指向同一个方向。

但每一个当过学生、教过书的人都知道，这两样东西是不同的。那种“三个月提三十三分、两年后一道稍微换了外壳的题就不认得”的经历太常见了，常见到成了一种默认的成年人共识。困难不在于人们感觉不到差别，而在于：

感觉得到差别，却说不出这个差别落在哪一个可以被查的地方。

说不出来，就没有办法处理它。凡是改革，都要先能指出被改的那样东西在哪儿。这一篇要做的就是这一件事：把这条界线从“说不出但感觉得到”，挪到“可以拿一份文件去对照着数”。

本文不打算讨论应试教育应不应该存在，也不讨论它的社会成因。这两个问题都很重要，但它们都预设了前一个问题已经解决——预设了我们已经能把应试的那一部分从教育里指认出来。本文的全部工作在这个预设上：指认。

二、三种现成的分法，各自停在哪一步

已有的分法不少，能站得住的主要是三种。三种都不错，三种都停在同一种地方。

（一）动机说：为求知，还是为分数

最流行的一种。它把界线画在学习者的内部状态上：为了理解世界而学的是教育，为了换取一个数字而学的是应试。这条线在道德上很有力量，在诊断上却几乎无法使用。第一，它要求判定一件当事人自己也未必知道的事——一个高三学生在做第九十七道导数题时，很难说清自己是在求知还是在求分。第二，它把两个可以同时成立的东西写成了互斥的：极多的真实学习是在一个明确的外部目标之下发生的，学徒为了出师而学，运动员为了比赛而练，学者为了评职称也在写真东西。第三，也是最要紧的，它把责任整个放在了学生身上：一个动机不纯的学生，就该为自己所受的应试教育负责。这一条既不公平，也把可以被改的那一部分挡住了。

（二）深浅说：理解，还是记忆

比动机说讲究得多。它在四十多年前就已经有了成熟的经验研究：学习者面对同一份材料，有的取向指向文本要说的意思，有的取向指向文本可能被怎么考，两者带来的结果长期不同。这条线的困难在别处：取向本身被当成了学习者的属性，于是它测得出差别，却回答不了差别是哪来的。一个人从“想弄懂”变成“想拿分”，往往不是他变了，是他被放进了另一套装置里。把装置的产物写成人的属性，是这条线的结构性代价——它一测就测出学生的问题。

（三）指标说：分数是不是被当成了目的本身

最锋利的一种。它的形式是：一个用来衡量的量，一旦本身成为追求的目标，就不再是一个好的衡量。这一条几乎可以直接盖在应试教育上，而且它把责任从学生身上挪开了，挪到了制度。它的困难是另一种：它太一般了。任何有指标的系统都在这条判决之下，包括所有它想保护的那一类教育。而且它给不出粒度——它说“指标腐化了”，不说腐化了哪一块、腐化到什么程度、哪一份具体的作答形态是腐化的产物。拿它去改一套考试，唯一的处方是“别太看重分数”，这不是一条可执行的条款。

三条线共同的形状：它们都要求先知道一件看不见的事，然后才能判定一件看得见的事。

本文换一个方向：不去问学生的里面发生了什么，而去问这套判读装置在自己的规则文本里写了什么。规则文本是公开的、成文的、可以数的。如果这条界线能落在那里，它就不再需要读心。

三、三处远离教育的判读装置：形态、来路、用处

要把这条线找出来，需要三处离教育足够远、而各自都以“判定一样东西是不是某样东西”为职业的地方。远，是为了让它们不共用教育学自己的那本账；各自成熟，是为了它们拿得出反例。本文取的是组织病理学、史源与校勘学、产品设计学。

三处不是三个例子，是三种互不相容的裁定原则。为方便下文引用，先把它们各自最强的一句主张写出来，并注明这句话在各自领域里的出处。

（一）组织病理学：判定由留下的那样东西本身裁定

组织病理的核心主张是：一块组织是什么，由它自己的形态说了算——细胞的大小与核质比、排列的秩序、有没有突破基底膜。诊断不问这块组织怎么长出来的，也不问病人有没有因此难受。综述文献里的原话是，组织病理学检查被视为对人体各种病变作出最终诊断的金标准。这是一种非常纯粹的立场：身份是这样东西自己带着的，稳定、独立、可辨认，与它的来路和用处都无关。

这一立场的强处，在于它能终止争论。切片一读，报告一发，定性就到此为止。医学上很多领域争得没完，唯独这里有一个可以合上的时刻。也正因为如此，它是本文三处里唯一能提供“到此为止”的那一处。

（二）史源与校勘学：判定由它走过来的那条链裁定

史学的立场恰好顶在病理学的对面：同样一段文字，一手与转录，性质完全不同——字可以一模一样，可信度差着量级。校勘学把这条链做成了一门技术：从现存抄本的共同讹误推出它们的亲缘关系，画出谱系，再据谱系定夺异文。层累说讲的是同一件事的另一面：一段古史的记载越晚出越详密，而详密恰恰是加工的标志，不是真实的标志。

把这两条合起来，史学的主张是：一样东西显得完整、显得成熟，可能因为它长成了，也可能因为它被后来一层层补齐了；分辨这两者的唯一办法，是去看它走过来的那条路——几手，每一手加了什么、丢了什么、卡在哪里。这是一条关于轨迹、速度与滞留的判据，与形态无关。

（三）产品设计学：判定由它在使用现场的位置裁定

设计学的立场又与前两处都不同。它主张：一件东西是什么，既不在物里，也不在人里，在两者之间的那层关系里。一个环境提供给动物什么，是这个环境相对于这个动物而言的可供性；同样一把椅子，对成人是坐具，对幼儿是障碍。更狠的一步来自技术物研究：设计者会把一套关于“该怎么用”的设想写进物本身，这套写进去的东西被称作脚本或情节，而使用者的实际行为是对这套脚本的顺从、改写或抵抗。

由此设计学得出一条与另两处直接冲突的判词：从未被调用的功能，等于不存在。判定的依据不是它成没成形，也不是它怎么来的，是它在真实场景里的连接、次序与被使用的方式。

（四）三处的位置与账本

三处的失败定义互不可翻译：把“误诊”翻译成“孤证”说不通，把“不用”翻译成“漏诊”也说不通。这一点很要紧——三处若共用一本账，它们的分歧就只是分工，可以靠“各管一段”和解；账不通译，分歧才是真的。

四、把同一个学生交给三处，看三份判词在哪里顶起来

抽象的立场不打架，具体的对象才打架。把第一节那个学生交给三处，逐处写一份判词。

对象写死：这名学生现在能稳定解出“含参数的导数最值”这一类题；他的解法来自教辅上的一套模板；三个月内他在这类题上的正确率从四成升到九成；他从未在课堂与考场之外用过这套方法；把同一个数学结构包在一个物理情境里重新问一遍，他做不出来。

（一）组织病理学的判词

看这样东西自己。它成形了吗？有没有一个可辨认的、稳定的、可重复的结构？病理学会说：正确率四成升到九成，说明确实形成了某种东西，它稳定、可重复、可以在同类切片上反复认出来。至于它换个外壳就认不出，病理学会用自己的语言解释：这说明它的分化程度低——它长得像一样东西，但没有长出自己的组织结构。判词是：形成了，级别低。

（二）史源与校勘学的判词

看它怎么来的。这套解法的最上游在哪里？是学生自己从定义推出来的，还是从教辅上抄的？史学会说：这一整套是转录，而且是经过高度加工的转录——模板的完整、口诀的整齐、步骤的无缺，恰恰是层累的签名。一个从定义自己摸索出解法的学生，他的解法通常是不完整的、有多余步骤的、带着他自己弯路的。判词是：来源是二手，且完整度可疑。

（三）产品设计学的判词

看它在哪儿被用过。设计学会先问一句：在考场之外，这套方法被调用过几次？答案是零。判词是：不存在。设计学不会说它是低级的或二手的，它会说这样东西根本没有进入使用，因而不是一件东西，是一份从未被激活的说明书。

（四）三份判词的三处顶撞

三份判词不是三个角度，是三组不能同时成立的归属。

病理学与史学顶在“来路算不算数”上。病理学每天在做的事，正是不问来路只看形态——一块癌不管怎么长出来的都是癌；而不辨来路，恰恰是史学诊断为病根的那件事。一方的日课是另一方的病理。

史学与设计学顶在“后来加上去的东西算什么”上。层累说把后加的部分判为伪，设计学把使用者自己发明出来的用法判为最有价值的证据。同一份材料——一段追不到出处的东西——一方判可疑，一方判珍贵。

病理学与设计学顶在“没被用过的东西算不算存在”上。病理学说算：一个不产生任何症状、终生不发作的原位病变，在形态学上仍然是它；设计学说不算：从未被调用的功能不存在。

三处顶撞不能靠“判谁对”化解，因为三处根本不在同一个语域里回答。要处理它们，只能另找一个把三者关联起来的位置。而找这个位置的办法，是问它们共同站在什么上面。

五、三处共同站着的那块地

把三处的争论压成同一个句式，形状就出来了：

三处争的是——“这个学生会了什么”这件东西，该由谁来裁：由留下的形态裁，由来路裁，还是由用处裁。

争的是归属。而凡是争归属，都预设了被争的那样东西是一种可以有归属的东西。写实了就是：

三处共同假定：被判读的那样东西，在判读之前就已经在那里，是一个先在的、有待被正确归类的对象；判读的全部工作，是把它放进对的那一格。

这条前提念给三处听，三处都会说“这还用说吗”。病理学不会怀疑那块组织在被取下来之前就已经是它现在的样子；史学不会怀疑那段文字在被校勘之前就已经有一个真实的来路；设计学不会怀疑那个用途在被观察之前就已经在使用者那里发生了。三处争的是用什么办法读，不是读的对象存不存在。

这条前提有一个直接后果，而这个后果正是教育里最要命的那一件：如果被读的东西先在，那么一次判读只有两种结局——读对，或者读错。它不可能有第三种结局，即：读的过程本身，造出了一部分被读的东西。

本文要推翻的正是这一条。而推翻它的材料，不能从外面搬——从外面搬来的理由只是第四种立场，加入争论而已。它必须是三处之一自己早就掌握、早已发表、只是从来没有往这个方向用的东西。

六、推翻它的那件东西，出自这三处自己

（一）病理学自己的：假象

组织病理学有一套自己的东西，叫假象。它指的是切片上那些看起来像组织特征、实际上是处理过程造出来的形态。这套东西在病理学里不是边角料，它有专门的综述文献、有分类、有图谱，几乎每一本技术手册都要讲：

取材阶段造出来的：镊子夹出来的挤压变形、电刀造成的热损伤、局麻药直接注入病灶造成的组织分离、纹身色素与外来纤维的混入。

固定阶段造出来的：固定不足的自溶，固定过度的收缩——文献给出的一个数字是，甲醛固定可使组织收缩约三分之一。

制片阶段造出来的：切片刀痕、折叠、气泡，以及标本之间的交叉污染——一份阑尾切片上出现一块十二指肠黏膜，是可以被登记下来的一类事故。

要紧的不是这份清单本身，是病理学对它的处置。第一，它给这些形态起了名字，一条一条地起；第二，它把这些名字写进正式的诊断报告——“标本因挤压假象明显，本次判读受限”是一句可以出现在报告正文里的话；第三，它承认区分“真形态”与“假象”没有金标准，只有经验，因而这一句必须写出来，不能默默处理掉。

这三步合起来，正好推翻了那条共有前提。因为它意味着：显微镜下看到的那个东西，有一部分不是病人带来的，是这条处理链做出来的，而且病理学自己知道这一点，并为此在报告上留了一格。

（二）史学自己的：那片不自然的森林

史学有一件同样级别的东西，出自一九二八年的一篇文章。作者统计了他能看到的中古法语文本的谱系图，得出的数字是：一百一十份里有一百零五份是二叉的——每一棵谱系树的主干都恰好分成两支，而且只有两支。这在概率上不可能。他把这片森林称为不自然的森林，并给出解释：不是文本传承真是这样，是校勘者在寻找共同讹误时会一直找到得出两支为止；得出两支之后，两支的分量相等，编者就可以凭自己的判断在异文之间自由取舍——这条被“多数决”赶出门的主观性，从后门回来了。同一篇文章里，作者为同一个文本给出了十一种不同的谱系，并说他觉得每一种都同样有说服力。三十年后另一位学者重做了这项统计，数字略低但结论不变：八十六份里有七十一份是二叉的。

这件事在史学里回答的是另一个问题——校勘方法可不可靠。它从来没有被拿来当作关于“被读的东西存不存在”的证据。但它说的正是这一件：那条“来路”不是被发现的，有相当一部分是被这套读法造出来的。

（三）设计学自己的：写进物里的脚本

设计学的那件东西是脚本。技术物研究里有一段常被引用的话：创新者工作的很大一部分，是把一套关于世界该如何运转的设想写进新物件的技术内容里，这项工作的成品可以叫作脚本或情节；因此研究技术物不能只站在设计者一边，也不能只站在使用者一边，必须在设计者所设想的使用者与真实使用者之间来回走。

这段话推翻的是设计学自己那条最强的判词。如果“它在使用现场怎么被用”本身有一部分是被物的脚本规定出来的，那么使用记录就不是关于使用者的独立证据。默认项被选中的比例高，不能读成使用者的偏好；界面把某个按钮放在拇指够得到的地方，此后的点击数据就不再是纯粹的行为数据。

（四）三件材料指向同一件事

每一处判读装置都是一条处理链，而这条链会造出一部分它自己后来读到的东西。

三处的差别不在这一点上——三处在这一点上是一致的。差别在于：病理学把这一条写进了报告，史学把它写成了一场方法论争，设计学把它做成了一个概念；三处都为它留了位置。

本文的问题因此变成一个可以查的问题：教育的判读装置，为它留了位置没有？

七、阅痕：一样原本不算一样东西的东西

先把这类东西命名。

阅痕：由判读装置的处理链本身造出来、而被记入被判读者账下的那一部分形态。

“阅”在这里取检阅、批阅、判读的意思，指的是整条链——命题、限时、作答形式、评分细则、赋分、排名，以及为通过这条链而进行的训练。“痕”指这条链留在被判读者身上的形态。

阅痕不是一个比喻。它有具体的所指，而且这些所指在教育测量的研究文献里早就一条一条被命名过。二十世纪五十年代已经有人指出，存在一种普遍而稳定的个体差异，它对考试分数的影响仅次于认知能力本身；一九六五年的一项分析给了它一个定义：利用考试的特征与形式、或利用考试情境本身来取得高分的能力，并明确指出这项能力在逻辑上独立于被考的学科知识。此后半个多世纪，这一类形态被逐条列出，成了可以数的名目——排除法与绝对词、题干与选项的用词重合、选项长度、语法与冠词的一致、题目之间的相互泄底、选项分布的规律、干扰项的荒谬程度、正确项的精确程度、答案顺序的可预测性、猜答的期望收益、拼写细节的差异。

这批名目的存在，使阅痕不是一个需要新证据的假设。需要新判断的是另一件事：

这批已经被命名的形态，在正式的评分文件里被写在哪一栏。

答案是：不在任何一栏。它们全都在研究文献里，没有一条进入评分细则。而没有进入评分细则，意味着它们在制度上不作为一样东西存在——一个学生因为选项长度而蒙对的那一分，与他因为掌握了这一章而得的那一分，在成绩单上是同一个字。

这就是本文所说的、原本不算一样东西的那样东西：

“这一次判读，装置自己贡献了多少”，不出现在任何一笔账上；而三处判读装置的账各自都能记平。

要看清这一句的分量，可以做一个对照。田径的百米与跳远有一条规则：顺风超过每秒两米，成绩不予认定为纪录。这条规则一九三六年立下，至今仍在执行；风速计要放在距终点五十米、离地一点二二米的地方，一百米量十秒，跳远量起跳前的五秒。要紧的是这条规则的形式：

成绩本身有效——他仍然赢了这场比赛；只是这个成绩不进入那本用来比较的账。

教育的判读装置里没有风速计。不是测不准，是根本没有这个字段：所有影响作答的因素，无论来自学生还是来自这套装置，最后都被折算进同一个数字，并且这个数字整个记在学生名下。

八、两轴四格：列名与计入

一个名字还不是一条辨别维度。把它升成两根轴：一根问这套装置有没有给这类形态起过名字并写进正式文本，一根问这类形态最后计不计入被判读者的那一栏。

第四格是本文要打的那一格。它有三条签名，逐条对得上：

它在短期指标上表现为改善。模板被掌握、踩点被熟练，分数上升，均分上升，及格率上升。所有正式的形式审查——教案、课时、作业量、考试信度——全部通过。

它的失效不产生任何信号。因为没有名目，就没有计数；没有计数，就没有偏差报告。一个学生身上有多少分是装置贡献的，从来没有任何一份文件试图回答，因而也永远不会有人发现这个数字变大了。

它自我加固。评分细则越细、越标准、可给分路径列得越清楚，可训练的形态就越多、越稳定；而细则越正规，越不会在正文里写一条“以下形态由本次考试造成”——因为写了，就等于承认这份细则本身在生产分数。

第三格值得单说一句。凡是有经验的阅卷老师，都在暗中做第三格的事：看见一份步骤齐全而毫无理解痕迹的答案，会想扣一点。这个动作在规则上没有依据，因而它是任意的、因人而异的、不可申诉的。把第三格的做法搬到第一格去，正是本文的处方——不是不许扣，是把扣的依据写出来。

据此，承重的判断可以写成一句：

应试与教育的分界，不在学生的动机，不在加工的深浅，也不在分数是不是被当成了目的本身，而在这套判读装置认不认自己的产物：认了并单列的，学生的档案里记的是他自己；不认而整个计入的，学生的档案里长期混着一批不属于他的东西，而没有任何程序会去拆这笔账。

九、一句不含程度词的问话

辨别维度要能被使用，必须配一句可以拿去问文件、而不是拿去问人的问话。本文的那一句是：

在这套判读装置的正式规则文本里，有没有一项作答形态被写明“这是本装置造成的，不计入被判读者”？

这句话里没有“应当”“真正”“充分”“恰当”“实质性”。它问的是一份文件里有没有一段字，答案只有有和没有，以及有几条。把它在六个具体场合各跑一遍，六个答案互不相同：

这张表里有两个答案是查出来的，而且都反过来改了本文原来的写法。

第一个是田径那一条。本文原本要主张的是：要把装置的那一份剔除，就必须逐个学生地拆分他的分数里有多少来自装置——这在技术上近乎不可能，因而本文原本会得出一个悲观得多的结论。田径那一条给出了一个便宜得多的形式：不必拆分任何个体的成绩，只需要在环境侧立一个阈值，超过阈值的整场成绩不进入比较的那本账。这削掉了本文一句更强的话，也使处方从“不可能”变成“不难”。

第二个是计算机化测验那一条。本文原本要主张的是：教育的判读装置一律没有这一格。这一条是错的。在低利害的计算机化测验里，作答时间低于阈值的反应会被判为快速作答并被过滤，不计入分数——这就是一条标准的第一格条款，而且它已经在大规模运营中使用多年。承认这一条，使本文不得不把承重命题改窄，改窄的方向见第十一节。

十、认痕率：定义、粒度、编码规则与清点手册

把第九节那句问话变成一个可以并排比较的数。

认痕率 ρ ＝ 一套判读装置的正式规则文本中，被明确指认为“由本装置造成、不计入被判读者”的形态名目数 ÷ 该类形态在研究文献中已被命名的名目总数。

这个比率的四条性质如下，逐条都要能兑现：

无量纲。体育、临床、测验、观测四处的量纲完全不同，比率可以并排放。

可事后清点。它只需要两份文本：这套装置的正式规则，和一份公开的名目清单。不需要接触任何被判读者。

把一个态度变成一个数。“这套考试承不承认自己在生产分数”原本是一句评价，现在是一个可以数出来的分数值。

与既有主要指标正交。这一条最容易漏。教育测量的主要指标是信度与效度；一套内部一致性极高、预测效度也很漂亮的标准化考试，认痕率完全可以是零——事实上信度越高往往意味着题型越标准、越可训练，规则文本越不会写这一条。反过来，一份信度平平的课程论文评分表，只要写上一句“格式规范性不计入学科能力评价”，认痕率就大于零。既有指标最好看而这个数最难看的例子是现成的：一套经过多轮题目分析、区分度与难度分布都极佳的标准化选拔考试，正是备考产业最发达、可命名的作答形态最多、而规则文本里这类条款为零的那一种。

清点手册如下。全篇三处引用同一份手册，不另设阈值。

十一、真跑：十二个判读装置的规则文本编码

本文不满足于纸面推演。下面这一节报告的是一次预注册的编码，含推翻本文原命题的那一条。

（一）预注册（统计之前写死）

H1：在对被判读者个人后果最重的教育判读装置的正式规则文本中，此类条款数为零。

H2：在同期非教育领域的判读装置的正式规则文本中，此类条款数不为零。

H3：在全部单元上，此类条款的有无与对个人的利害程度负相关——利害越高，越不设这一格。

判定阈值：H3 若在编码表上出现任一“利害最高而设有条款”的单元，H3 当场受挫。

编码规则：即第十节手册中的四条，不另设。

（二）编码表

（三）结果

十二个单元，九个命中。按利害分组：利害为零的四个单元全部命中（4/4）；利害为中的三个单元命中两个（2/3）；利害最高的五个单元命中三个（3/5）。教育与教育测量共五个单元，其中低利害计算机化测验与多选题公式计分命中，三项面向个人的教育判读装置全部为零。

认痕率：ρ（省级高考评分参考）＝0/11＝0.000；ρ（市级中考评分细则）＝0/11＝0.000；ρ（低利害计算机化测验）＝2/11＝0.182。

（四）不利结果，以及它改了本文的什么

H3 被推翻，而且推得很干净。田径的纪录认定、组织病理的诊断报告、药物的疗效判定，三者都是对个人后果极重的判读装置——一份病理报告决定要不要切除一个器官，一次纪录认定决定一个人的职业生涯——而三者全部设有这一格。“利害越高越不设这一格”这句话是错的。

这一条不利结果改了本文的承重命题，改的不是阈值，是命题本身的落点：

原来的写法：利害越高，这一格越不存在。改窄后的写法：这一格的有无与利害无关，也与技术含量无关，只与这套装置承不承认自己是一条处理链相关。

改窄之后，命题反而更硬。因为它不再依赖任何相关性，它变成一个可以逐个装置去查的结构性判断：田径承认风是外来的，病理承认切片是自己做的，药学承认服药这件事本身有效应，校勘承认自己的方法会造出谱系；而教育的判读装置把考试当作一扇透明的窗——它假定卷子只是把学生已有的东西照出来，不参与生产。全部的差别就在这一句上。

还有两条较小的修订，一并记下。第一，代理变量必须明写：本文用“正式规则文本中的条款”作为“这套装置承不承认”的代理，这个代理并不完美——一套装置可以在实践中默默剔除而不写进文本（即第八节的第三格）。本文接受这个代价，理由是不成文的做法不可复核，而不可复核的做法正是本文要指认的问题的一部分。第二，样本纪律必须说清：这张十二单元的表跨了八个领域，各单元在文化、历史、组织形态上处处不同，因而它只能作启发式例证，不构成本文的证伪检验；真正的证伪检验须在同一制度环境内做，设计见第十七节。

十二、这条判断在别处能预测出什么

一条辨别维度若只在提出它的那个领域里说得通，它就是一个说法。下面十二处是它在别处能据以预测一件具体的事的地方。

机器学习基准：一个模型在某基准上的高分，有一部分来自训练数据对该基准的污染。预测：凡是在成绩报告里设有污染检查一栏的基准，其榜首模型在同分布新题上的掉分幅度，小于不设这一栏的基准。这一栏就是第一格条款。

临床检验：溶血、脂血、黄疸的标本会使某些项目结果系统性偏移。预测：设有标本质量拒收标准的实验室，其同一项目的复检率高而临床纠纷率低；不设的，反之。

审计：分析性复核要求先扣除会计政策变更带来的变动，再看经营变动。预测：审计报告中明确列出政策变更影响额的公司，其经营性指标的年度可比性显著优于只报合并数的公司。

司法证言：一次带诱导性的询问会改变证人此后的确信度，且这一改变不可撤回。预测：在询问录像被完整保存并附有诱导性标注的司法辖区，二审对证言可信度的推翻率低于只保存笔录的辖区。

职业体育的成绩数据库：高原场地、超薄鞋底、顺风，各有各的条款。预测：凡是给某项装备立了阈值的项目，该项目的纪录曲线在阈值设立后出现一次可见的斜率变化；未立阈值的项目不出现。

地震与天文观测：仪器响应、平场、暗电流。预测：任何一次未做仪器扣除的观测，其异常信号的复现率显著低于做过扣除的。这一条在两门学问里都已经是常识，而它的形式与本文完全相同。

药品审批：安慰剂效应被整块单列。预测：在没有安慰剂对照的适应症领域（如某些外科术式），新术式的早期报告效应量系统性高于后期，且高出的幅度与该领域是否引入假手术对照相关。

人事考核：一次考核里有多少分来自岗位本身的可见度。预测：设有岗位可见度调整项的组织，其晋升与实际绩效的相关系数高于不设的组织。

平台内容分发：一条内容的播放量有多少来自推荐位。预测：在后台把自然流量与推荐流量分列的平台上，创作者的选题分布比只报总播放量的平台更分散。

语言测试：一份口语考试中，考官的追问方式会造出一部分被评的流利度。预测：在评分表上设有“由考官提示带来的部分不计入”一栏的考试，其同一考生跨考官的分数方差小于不设的。

医学教育的客观结构化临床考试：站点顺序与标准化病人的表演稳定性会造出一部分分数。预测：设有站点顺序效应校正的考点，其考生排名在重考时的稳定性更高。

学术评审：一篇稿子的评价里有多少来自体例的规整。预测：在评审表上把体例合规与学术贡献分列的期刊，其接收稿件的引用分布方差大于只给总评分的期刊。

这十二处不是十二个类比。每一处都给出了一件可以去数的事，而且每一处的数据在多数机构的既有记录里已经存在。

十三、三处反过来削弱本文的约束

（一）设计学削掉了“装置造出来的都是假的”

本文最自然的下一步，是主张凡由装置造出来的形态都应当被剔除。设计学不允许这一步。技术物研究里有一件反复被记录的事：使用者在真实使用中重新发明出来的用法，常常比设计者原定的用法更成功、扩散更广，而这些用法恰恰是在物的脚本之内长出来的——没有那个脚本，它们不会出现。

迁移过来就是：一个学生在长期的应试训练里，确实可能长出真实的、可迁移的能力。快速识别问题类型、在信息不全时先做出一个可修正的判断、在限定时间内分配注意力，这些都是被考试这条链造出来的，而它们在别处是有用的。若按“装置造出来的一律剔除”行事，会连同这一部分一起剔除。

本文因此让步：装置造出来的，不等于假的。命题从“应当剔除”改为“应当单列”——单列之后是剔除、是折算、还是照记，是另一个层次的决定，本文不主张。这一处动的是本文的价值排序。

（二）史学削掉了“清单完备则判读干净”

本文的处方是列一份清单。史学那片不自然的森林恰好说明：清单本身也是这套装置的产物。列清单这个动作会决定哪些形态被看见、哪些不被看见；一份完备的清单不存在，正如一棵真实的谱系树不能靠“一直找到两支为止”找出来。

本文因此让步：不主张认痕率趋近于一就等于判读干净。认痕率能做的只有一件事——把“为零”与“不为零”分开。这一处动的是本文的适用范围：本文的读数是一个存在性判据，不是一个优劣量表。这一让步与第十一节真跑的结果方向一致：那次跑出来的三个教育单元全部为零，而分布里根本没有中间值，说明当前阶段值得判的就是零与非零。

（三）病理学削掉了“单列就能解决”

病理学承认，区分真形态与假象没有金标准，只有经验。这意味着即使写上了条款，执行仍然依赖判断，而判断会漂移。病理学自己有一套应对：双人独立判读、一致性统计、疑难病例会诊。本文因此让步：一条第一格条款若没有配套的复核程序，它会退化成一句写在文件里的漂亮话——名目数上去了，实质不变。这一处直接指向本文最主要的反噬预言，见第十八节。

十四、与最近的几种说法的分界

这条判断最容易被读成某个既有说法的改名。下面逐一说明它不是哪一个，并给出各自的判定形式。

（一）考试精明（一九五一年起，一九六五年成为定义）

这是最危险的一位，因为它说的东西与本文的所指几乎重合。它的定义是：利用考试的特征与形式、或利用考试情境本身来取得高分的能力，并且这项能力在逻辑上独立于被考的学科知识。它还配有一份逐条命名的形态清单——本文第十节的分母正是从这份清单取的。

分界落在三处。第一，它把这些形态定为测量误差，本文把它们定为被生产出来的、真实存在于学生身上的形态：误差是要被消掉的，形态是要被记在正确名下的。第二，这个概念在原始定义里被明确限定在“实际作答时”，不包括备考——而应试教育的主体恰恰是备考，长达数年的、系统的、产业化的备考。第三，也是最要紧的：这份清单从来没有被要求写进任何一份评分文件。它是一份研究者的清单，不是一份判读装置的自认。

判定形式：若观察到通过改进题目设计可使这类形态的可训练性趋近于零，则该概念对而本文错——因为那时它确实只是可消除的误差；若观察到题目设计越精良、评分细则越标准化，备考产业中可命名的形态反而越多、越稳定、越可迁移到别的考试，则本文对而该概念错。这一条是可查的：只需比较同一考试体系在标准化程度不同的两个年代里，教辅市场上可命名的作答技巧条目数。

（二）构念无关变异（一九八九年、一九九五年）

效度理论把它列为效度的两大威胁之一，另一是构念代表性不足。它说的是：分数里混进了与目标构念无关的系统变异，考试量到了比它想量的更多的东西。

分界落在处方上。它的处方是减少——改题、加干扰项、随机化、提高信度。本文的处方是单列——不假定这类变异可以被减到零，只要求它在文件上有名字、有去处。更深的差别在假定上：它把“存在一个目标构念、它在测量之外独立存在”当作给定，因此看不见测量参与构成被测之物这一种可能；一旦承认这一种可能，构念与误差这条二分线本身就塌了。

判定形式：取同一门学科在同一制度内的多个科目，若“评分细则标准化程度”与“该科可命名作答形态数”之间不存在正向的剂量关系，则本文错，效度理论的减少论对；若存在，则减少论的处方在结构上不可能收敛。

（三）指标一旦成为目标即失效（一九七五年、一九七六年）

这两条定律是应试教育最常被引用的解释。分界很清楚：它们讲的是指标与被指标的量之间的关系如何腐化，预设了这两者是两样东西。本文讲的是这套装置生产出了一批新的、原本不存在的形态，并把它们计入了被指标的量。腐化与生产，不是同一件事：腐化可以靠不那么看重指标来缓解，生产不能——只要这条链在运转，它就在生产，无论谁看重不看重。

判定形式：若在一个明确降低了分数权重的学校里，可命名的作答形态数同步下降，则腐化说对；若权重下降而形态数不变或继续上升（因为形态一旦形成便自我维持并向下一级考试迁移），则本文对。

（四）表层与深层取向（一九七六年）

它把界线画在学习者的取向上，本文画在装置的自认上。最直接的差别是可干预点：按取向说，处方是改变学生的取向（激发兴趣、说明意义）；按本文，处方是改一份文件。

判定形式：同一批学生放进两套取向引导相同、而认痕率不同的判读装置，若两套装置下的迁移表现无差别，则取向说对；若有差别，则取向本身也是装置的产物。

（五）惰性观念（一九二九年）

这一位来自教育哲学的经典层，说的是：被接受进头脑而不被使用、不被检验、不与新东西组合的观念，是最没有用也最有害的。它与本文最像的地方在于都指向“会了但用不上”。

分界在归因上。惰性观念把这个状态归给知识本身的性质（它以怎样的形式被给予），本文归给记账的位置（它被记在谁名下）。这个差别有后果：按惰性说，处方是改变教学方式使知识活起来；按本文，一条从未被调用的形态可以完全不必被激活，只要它不被计入学生的能力档案，就不构成问题。

判定形式：若一批被判为惰性的知识，在改变教学方式后活了起来，则惰性说对；若它们在任何教学方式下都活不起来、而它们的共同点是全部对应着某一类题型，则它们不是惰性的知识，是装置的产物。

（六）回冲效应（一九九三年及其后的元综合）

语言测试研究里有一支专门研究考试对教学的反冲：高利害考试会窄化课程、改变教师行为。这一支离本文很近，而且是应用领域内部的正主。

分界在方向上。回冲效应研究的是考试对教学的外部影响——考试在那边，教学在这边，前者影响后者。本文说的是考试参与构成了被考的那样东西本身——它不在外面影响，它在里面生产。二者的观测后果不同：回冲说预测的是教学内容的分布变化，本文预测的是学生能力档案的成分变化。

判定形式：取一次考试改革，若改革后教学内容分布改变而学生的可迁移表现同步改善，则回冲说足够；若教学内容分布改变而可迁移表现不变，只是可命名形态换了一批新的，则本文对——那说明改的是生产什么，不是生产不生产。

（七）储蓄式教育（一九六八年、一九七〇年）

这一位把教育比作存款：教师存入，学生接收、保管、复述。它对应试教育的批判在道德与政治上极有力量。

分界在于它批判的是知识传递的方向，本文说的是账目的归属。一场完全对话式的、师生共同建构的课堂，只要它的判读装置仍然不认自己的产物，第四格照样在扩大；反过来，一场讲授式的课堂，若它的评价表上写着“背诵流畅度不计入理解评价”，它就在第一格。

判定形式：取若干所以对话式教学著称的学校，查其评价文件的认痕率。若普遍不为零，两说一致；若普遍为零，则教学形态与账目归属是两件独立的事，本文所指的那件事未被该说覆盖。

（八）教育的信号功能（一九七三年）

经济学的这一支主张：教育的一部分价值不在于生产能力，而在于把已有能力的人筛出来并向雇主传递信号。应试教育在这一框架下是筛选那一面的极端形式。

分界在层次上。信号理论讲的是文凭在劳动力市场上的功能，本文讲的是一份答卷在评分环节里的成分。两者可以同时成立，但它们的可干预点完全不同：信号理论指向劳动力市场的信息结构，本文指向一份评分细则的正文。

判定形式：若把某一选拔考试的信号功能完全剥离（例如改为不排名、不向用人单位提供成绩），而可命名的作答形态数不变，则本文所指的那件事独立于信号功能；若形态数随之消失，则本文只是信号理论的一个下游后果。

（九）生成效应与有益难度（一九七八年及其后）

这一位是方法学上的近邻：自己生成的比读到的记得牢，适度的困难反而有利于长期保持。它与本文的近处在于都关心“这一步是不是他自己走的”。

分界在于它是一条关于记忆强度的因果规律，本文是一条关于记账的结构判据。生成效应可以完美成立，而一套判读装置照样不认自己的产物；反过来，一套认痕率不为零的装置里，也照样可以全是非生成式的学习。

判定形式：取两套认痕率不同而生成程度相同的判读装置，若学生档案里“无法追到已授来源的作答”的比例无差别，则本文被该效应覆盖；若有差别，则两者正交。

（十）数据泄漏与基准污染（机器学习）

这是本文找到的最贴近的方法学近邻，而且它来自完全不同的学科。它说的是：模型在基准上的分数有一部分来自训练集对基准的污染，因而那个分数不是模型能力的读数。

这一位与本文的结构几乎逐字相同，差别只在两处：它的被判读者是模型不是人，因而它没有伦理问题；而且它这几年正在往第一格走——越来越多的评测要求在成绩报告里附一份污染检查。这两处差别使它成为本文最有力的支持而不是竞争者：它证明了这类条款是可以被写出来的，而且是在一个高度竞争、高度看重排名的领域里被写出来的。

判定形式：若机器学习基准的污染检查条款在未来数年里被普遍取消而排名的预测力不降，则这类条款是多余的，本文错；若保留且排名预测力因此提高，则本文对。

（十一）霍桑效应与需求特征（一九三九年、一九六二年）

这一对经典层的概念说的是：被观察这件事本身会改变被观察者的行为；实验情境里的线索会告诉被试该表现成什么样。

分界在时间尺度与可逆性上。霍桑效应与需求特征描述的是观察当下的临时改变，撤掉观察即消失；本文说的形态是长期训练的稳定产物，撤掉考试它照样在，而且会迁移到下一场考试。这个差别有一个干净的判定形式：若把某一批作答形态所对应的考试整个取消，一年之后这些形态在学生身上消失，则它们是需求特征；若仍在，且在新的考试上被继续调用，则它们是本文所说的那一类。

（十二）目标置换（一九四〇年）

把本文的命题剥掉学科名词，只剩“一套装置为维持自己的运转而把它原本要服务的目的掏空”，这个形状在组织社会学里早有名字，已有八十余年历史，而且它是所有“越努力越糟”类命题的模板层名字。这一位必须点名，不能绕过。

分界在于：目标置换讲的是手段吞掉目的，它的读数是组织行为的偏移；本文讲的是装置的产物被记入被判读者的账，它的读数是一份文件里有没有一段字。前者是关于组织的，后者是关于记账的。二者可以同时成立，而且本文所指的记账缺失，恰好是目标置换在这一个具体制度上的可查签名——但它不是目标置换本身，因为一个完全没有发生目标置换的判读装置（例如一次纯粹为诊断而设的低利害测验），照样可以认痕率为零。

（十三）它们背后是不是同一块地

把上面这些说法逐个问一句“它把什么当作给定，因此结构性地看不见什么”，答案如下：

考试精明：把“存在一个与形式无关的学科知识”当作给定，因此看不见形式本身能生产出稳定的、可迁移的能力——一旦承认，它那条“逻辑上独立于学科知识”的定义就无处安放。

构念无关变异：把“目标构念在测量之外独立存在”当作给定，因此看不见测量参与构成被测之物——一旦承认，构念与误差的二分线立刻塌。

指标腐化：把“指标与被指标的量是两样东西”当作给定，因此看不见指标能创造出一个新的被测量的量——一旦承认，腐化就不是腐化，是生产。

取向说：把“取向是学习者的属性”当作给定，因此看不见取向是装置的产物——一旦承认，它的全部个体差异研究都要改归因。

回冲效应：把“考试在外面、教学在里面”当作给定，因此看不见考试在里面——一旦承认，回冲这个词本身失效。

五行背后是同一样被当作给定的东西：

一次测量与被测之物是两件事：测量可以反映得好，可以反映得坏，可以扭曲，但不会生产。

这块地不是某一派的立场，是互相批判的各派共同站着的地面，因此谁也没法回头看它。本文这条判断之所以在这么多说法之间还留着一条缝，不是因为没人看，是因为看的人都站在上面。

十五、与同栏几篇的分界

本栏近期有几篇与本文相邻，其中两篇的构念与本文最容易被混读。逐篇指名。

（一）与《填判》

那一篇处理的是一套复核制度里的必答假定：每个案例都必须被判出一个结论，于是“本次不适用”这一格被填掉，读数是弃判率。表面上它与本文极像——都在说一格的缺失。

差别是硬的：那一篇说的是装置对被判读对象说不出话（判不出，却被迫判），本文说的是装置对自己说不出话（造出来了，却不承认）。两者可以独立发生：一套弃判率健康、允许写“不适用”的装置，照样可以认痕率为零；一套认痕率不为零的装置，照样可以逼着评分者对每一份材料都给出结论。

判定形式：取同一套装置在同一年的两份文件，若“不适用”条款数与“装置产物”条款数在跨装置比较中不相关，则两篇正交；若高度相关，则两篇说的是同一件事的两面，须合并。

（二）与《默配》

那一篇处理的是读数归人假定：一个群体率的份额不是该群体的属性，读数是旁弹。它与本文共享一个直觉——读数不该被默认归给被读的那一方。

差别在层次与机制。那一篇在人群率的层面，机制是分配：份额被弹到了别处；本文在个体判读的层面，机制是生产：装置造出了被读的东西。两者在同一批数据上会给出不同的处置：按那一篇，处置是重算分母与归属；按本文，处置是在规则文本里加一条名目。

判定形式：若一套装置在把群体归属重算干净之后，个体档案里可命名的装置形态数不变，则两篇正交；若同步下降，则本文是那一篇在个体层面的一个特例。

（三）与《临界回落》

那一篇同样以课堂为对象，问的是为什么课堂上真正的学习很少发生，落点在“抵达而未被接住的转化被记为从未开始”。它与本文的关系不是竞争，是接力：那一篇管的是学生已经动了而没有被接住的那一部分，本文管的是学生没有动而被记成动了的那一部分。

两篇合起来才看得出一件事：同一本账在两个方向上同时失真——真实发生的转化被记为零，装置生产的形态被记为真。这两个方向的误差不会互相抵消，因为它们落在不同的学生身上：前者落在慢的、走弯路的、不合模板的那一批，后者落在快的、合模板的那一批。

判定形式：取同一个班的一学期记录，若“未被接续的未完成推断”与“可命名的装置形态”在个体层面负相关，则两篇描述的是同一批学生的两种命运；若不相关，则是两批人。本文押后者。

（四）与同批的另一篇

本栏同期另有一篇处理同一主题域的另一问——为什么每一次旨在削弱应试的改革都在数年内被重新吸收。那一篇要的答案是一个驱动，本文要的答案是一条辨别维度，二者不同型、不共用学科。两篇之间有一条可判的对照：若改革之后认痕率仍为零，则本文预测该改革必被吸收，因为它没有触及记账；若某次改革把认痕率抬到不为零而仍被吸收，则本文的判据不足以解释吸收，那一篇的驱动式对。这一条对两篇都是判决性的。

十六、这条判断不适用的地方

五条边界，逐条写清。

不适用于没有成文规则的判读。一位老师对一个孩子的私下判断，没有规则文本可查，本文的读数在那里读不出任何东西。这不是本文的谦辞，是本文的代价：它换来的是可复核。

不适用于把认痕率当作优劣量表。第十三节已让步：本文的读数只分零与非零。用它给学校排名，是误用。

不适用于判断某一条具体的形态该不该剔除。本文只主张单列，不主张处置。一条形态被单列之后，是剔除、折算还是照记，取决于这套装置的目的，本文不置一词。

不适用于低利害的、以诊断为目的的测验。这类测验本来就不承担分配功能，认痕率为零对它的危害小得多；本文的判断在利害与不可逆性升高时才变得要紧。

不适用于替代对教学内容的判断。一套认痕率很高的装置，完全可以在考一堆没有价值的东西。本文管的是账目的归属，不管账上记的东西值不值。

十七、证伪条件

先写出最强的那句竞争解释，再给出能排除它的条件。

（一）最强竞争解释

其实不就是考试的信度效度不够好吗？——把题出好一点、把细则改细一点，这些形态自然就少了。

这句话最难反驳，因为它朴素、可执行，而且在有限范围内确实有效。本文的证伪条件必须能排除它，办法是找出一个只有本文的机制成立才会出现、而这句话预测不出的变量。

那个变量是：评分细则的标准化程度。按竞争解释，标准化程度提高应当使这类形态减少；按本文，标准化程度提高会使可训练的形态增多且更稳定，因为标准化正是在为训练提供靶子。二者方向相反，可判。

（二）编号条款

F1（本文最愿意押、也最便宜的一条）　控制学科难度与考试信度后，在同一省、同一年的九个高考科目上，若“评分细则中可给分路径的列举密度”与“该科教辅市场上可命名的作答技巧条目数”之间不存在正向的剂量关系，则本文的核心机制为伪，困境应归因于题目质量而非记账结构。样本为同一制度环境内的九个单元，关键混淆变量（省份、年份、考生总体、招生制度）同质。所需数据在既有记录里已经存在：评分参考文本公开，教辅目录公开。

F2　取任意一套判读装置，若其正式规则文本中此类条款数不为零，而该装置的被判读者档案里可命名的装置形态数与条款数为零的同类装置无差别，则本文的读数与它要指的东西无关，认痕率为伪读数。

F3（正向读数，写成顺序而非相关）　在一次把认痕率从零抬到不为零的改革中，本文预测的顺序是：规则文本改动在先，阅卷争议率上升在其后一至两个考季（因为有了可援引的条款，申诉才有依据），可命名形态数下降在再之后的两至三年。若观察到形态数先降而文本后改，则本文的因果方向反了。

F4　若在同一制度内，认痕率为零与不为零的两组装置，其考生在跨情境迁移任务上的表现无差别，则这一格的有无不产生本文所主张的后果。

F5　若第十节所取的十一条分母名目在实际评分文件中被发现以其他名义大量存在（例如以“不得只按步骤给分”一类表述），则本文的分子计法过严，认痕率被系统性低估，须重编码。

F6　若田径、病理、药学三处的条款在历史上是先有争议后有条款，而教育领域同样争议充分却始终无条款，则须解释这个差别；若解释不出装置侧的结构性原因，本文第十一节的改窄命题为伪。

F7（本文承认现在跑不动的一条）　最理想的检验是逐份答卷标注“这一分由装置贡献”，但这个字段在任何机构的记录里都不存在——不是数据缺失，是从来没有设过这个字段。本文把“补上这个字段”作为第三层主张，见下。

F8　若把某一考试整个取消，一年后其对应的作答形态在学生身上消失，则这些形态是情境性的临时反应，不是本文所说的稳定产物。

（三）三层主张与它们各自的命运

本文的主张分三层，分层引用是诚实，也是保护。

第一层（最强、最易倒）：阅痕这个构念——装置的处理链造出了一部分被记入被判读者的形态。倒了，后两层仍在。

第二层（分析工具）：列名与计入两轴的四格，以及第四格的三条签名。

第三层（最稳、也最容易查）：在高利害教育判读装置的正式规则文本里，此类条款数为零；而在同期的体育、临床、药学、心理测量与观测科学的规则文本里不为零。这一层不依赖前两层的任何理论承诺，任何人拿两份文件就能核。

本文若被证伪，学到的是什么？若 F1 的方向相反——标准化程度越高、可命名形态越少——那么处方就该回到题目工艺，而不是记账结构；这将是一个方向完全不同的干预，也更容易做。这一点值得写下来：本文希望自己在这一条上是错的。

十八、本文自己落在哪一格

本文提出了一条判据，就必须让它先落到自己身上。

第一件。本文自己就是在一套判读装置里长出来的：学术写作有它的处理链——摘要的字数、关键词的条数、必须有一节证伪、必须有一节分界、必须有参考文献。这条链会造出形态。本文的完整、本文的节序、本文那些看上去很齐整的条目，有多少是它自己长出来的，有多少是被这条链补齐的？按本文自己的判据，答案很清楚：本文没有附一份自己的名目清单，因而本文落在第四格——不认而计入。读者读到的“论证严密”，有一部分是体例造出来的。

这个定位有具体后果，不是一句谦辞。它意味着：任何读者若要评估本文的实际贡献，应当先把体例造出来的那一部分剔掉再读；而剔的办法本文给不出，因为本文没有那份清单。这一处是本文最实在的一个洞。

第二件，反噬预言。认痕率一旦被拿去考核学校或考试机构，最省事的达标办法不是改判读，是在文件里加几条空洞的假象声明——写上“书写工整不计入学科能力”“答题卡填涂规范不计入学科能力”，名目数立刻上去，而真正会被训练出来的那些形态一条不列。这条反噬几乎必然发生，因为它的成本接近于零，而且完全合规。

本文看不到出口。能想到的所有补救——要求条款必须对应文献已命名的名目、要求配复核程序、要求公布援引该条款的实际次数——都可以被同样便宜地满足。把一个读数放进考核，它就会被当作靶子来打，这是本文自己主张的那条机制在本文身上的应验：考核这条链会生产出“为考核而写的条款”这种形态，而这种形态将被计入被考核者的账。写到这里，本文只能承认：本文提出的这个读数，本身就是一种未来的阅痕。

第三件。本文的十二处兑现里，只有三处是本文真去查过的，其余九处是据机制推的。按本文自己对“查出来的”与“想出来的”的区分，这九处应当被标为待核，而不是被读成证据。

十九、伦理与执行边界

认痕率是一个可以被拿去考核人的读数，因此必须写死三条。

这个读数指的是位置，不是人。它读的是一套判读装置的规则文本，不是某位命题人、某位阅卷人、某位教师的水平。把一所学校的认痕率读成校长的能力，是误用。

不得为了把这个数做好看，而在高利害考试里制造条款或据此扣减个别学生的分数。特别地：不得以“该生的作答疑似模板产物”为由在没有成文条款的情况下扣分——那正是本文第八节第三格所批评的做法。凡新增条款，必须在考前公布，且不得溯及既往。

已经按这个读数对学生做出不利安排的，必须公开完整的编码规则，并给出复核通道；被判定为装置产物而失分的作答，学生有权要求另一位评阅者独立复核，且复核结论须以书面形式给出理由。

还有一条不属于三条之内、但同样要紧的：本文不主张把“装置产物”从学生的成绩里扣掉。第十三节已经说明，装置造出来的形态里有一部分是真实可用的能力。单列的目的是让这笔账可拆，不是让学生少得分。任何以本文为依据的减分做法，都是对本文的误用。

二十、一个写死日期的赌注

把本文押在一件可以被裁决的事上。

赌注：到二〇三二年六月三十日为止，中国内地任一省级高考科目的公开评分参考文件中，将出现至少一条明确写明“以下作答形态由本次考试的形式本身产生，不作为该生学科能力的证据”的条款。若届时一条也没有，本文的第三层主张成立而其乐观部分落空；若出现且被援引，本文的处方获得第一份制度证据。

什么不算命中，写死四条：

①　只出现在研究报告、命题工作总结、教研文章、学术论文里的，不算——第十节编码规则一。

②　“允许其他正确解法同样给分”“鼓励创新解法”一类表述不算——那是对解法的覆盖，不是对装置产物的指认，第十节编码规则三。

③　只要求学校或考区自行说明、不给具体名目的，不算——第十节编码规则四。

④　只在计算机化测验的技术附录里出现、不进入面向阅卷人的评分参考正文的，不算。

分母仍取第十节写死的十一条，阈值仍取“零与非零”，与第十七节 F1 至 F8 所用的定义、粒度、编码规则完全一致，不另设。

最后留三个本文解释不了的洞，交出去。

第一个洞：为什么田径在一九三六年就立了风速条款，而教育的判读装置在同样长的时间里一条也没立？本文给出的解释——教育不承认自己是一条处理链——只是把问题往后推了一步，没有解释这个不承认从哪来。

第二个洞：一条第一格条款的执行需要判断，而判断会漂移。病理学用双人独立判读与一致性统计来管理这个漂移，教育的大规模阅卷能不能负担同样的成本，本文不知道。

第三个洞：本文假定“装置的产物”与“学生自己的东西”原则上可分。第六节引的那件史学材料恰恰暗示这个假定可能过强——若连清单本身都是装置的产物，那么“可分”这件事本身也许只是又一层加工。本文没有能力回答这一条，只能把它写在这里。

注　释

［1］关于形态学诊断作为最终判定的地位、以及假象的分类与处置，见组织病理学假象综述：S. A. Taqi, S. A. Sami, L. B. Sami & S. A. Zaki, “A review of artifacts in histopathology”, Journal of Oral and Maxillofacial Pathology, 2018, 22(2): 279；E. McInnes, “Artefacts in histopathology”, Comparative Clinical Pathology, 2005, 13: 100–108。甲醛固定致组织收缩约三分之一、标本间交叉污染等条目均见于上述综述。

［2］J. Bédier, “La tradition manuscrite du Lai de l’Ombre: Réflexions sur l’art d’éditer les anciens textes”, Romania, 1928, 54: 161–196, 321–356。一百一十份谱系中一百零五份为二叉、以及为同一文本给出十一种同样可信的谱系，均见该文；三十年后的复核见 A. Castellani, Bédier avait-il raison? La méthode de Lachmann dans les éditions de textes du moyen âge, Fribourg: Éditions Universitaires, 1957（八十六份中七十一份为二叉）。

［3］J. J. Gibson, The Ecological Approach to Visual Perception, Boston: Houghton Mifflin, 1979, 第八章（可供性是环境相对于动物而言所提供的东西）。

［4］M. Akrich, “The De-Scription of Technical Objects”, in W. E. Bijker & J. Law (eds.), Shaping Technology/Building Society: Studies in Sociotechnical Change, Cambridge, MA: MIT Press, 1992, pp. 205–224；“脚本／情节”之说见 p. 208，“必须在设计者所设想的使用者与真实使用者之间来回走”见 pp. 208–209。

［5］R. L. Thorndike, “Reliability”, in E. F. Lindquist (ed.), Educational Measurement, Washington, DC: American Council on Education, 1951, pp. 560–620。

［6］J. Millman, C. H. Bishop & R. Ebel, “An analysis of test-wiseness”, Educational and Psychological Measurement, 1965, 25(3): 707–726。定义原句见 p. 707；该文明确将讨论限定于实际作答过程而非备考过程。第十节所取的十一条名目，综合该文的分析框架与其后的实证条目整理，主要来源见 B. G. Gibb, Test-wiseness as Secondary Cue Response, Doctoral Dissertation, Stanford University, 1964；P. Kuntz, “Test-Wiseness Cues in the Options of Mathematics Items”, AERA Annual Meeting, 1982。

［7］S. Messick, “Validity”, in R. L. Linn (ed.), Educational Measurement, 3rd ed., New York: Macmillan, 1989, pp. 13–103；S. Messick, “Validity of Psychological Assessment”, American Psychologist, 1995, 50(9): 741–749。构念代表性不足与构念无关变异作为效度两大威胁，见上述两处；在医学教育情境中的展开见 S. M. Downing & T. M. Haladyna, “Threats to the validity of locally developed multiple-choice tests in medical education”, Advances in Health Sciences Education, 2004, 9(3): 235–247。

［8］C. A. E. Goodhart, “Problems of Monetary Management: The U.K. Experience”, Papers in Monetary Economics, Reserve Bank of Australia, 1975；D. T. Campbell, “Assessing the Impact of Planned Social Change”, Occasional Paper Series No. 8, The Public Affairs Center, Dartmouth College, 1976。

［9］F. Marton & R. Säljö, “On qualitative differences in learning: I—Outcome and process”, British Journal of Educational Psychology, 1976, 46(1): 4–11。

［10］A. N. Whitehead, The Aims of Education and Other Essays, New York: Macmillan, 1929, 第一章（“inert ideas”）。

［11］J. C. Alderson & D. Wall, “Does Washback Exist?”, Applied Linguistics, 1993, 14(2): 115–129；W. Au, “High-Stakes Testing and Curricular Control: A Qualitative Metasynthesis”, Educational Researcher, 2007, 36(5): 258–267。

［12］P. Freire, Pedagogia do oprimido, Rio de Janeiro: Paz e Terra, 1968；英译 Pedagogy of the Oppressed, New York: Herder and Herder, 1970, 第二章（“banking” concept of education）。

［13］A. M. Spence, “Job Market Signaling”, Quarterly Journal of Economics, 1973, 87(3): 355–374；K. J. Arrow, “Higher Education as a Filter”, Journal of Public Economics, 1973, 2(3): 193–216。

［14］N. J. Slamecka & P. Graf, “The generation effect: Delineation of a phenomenon”, Journal of Experimental Psychology: Human Learning and Memory, 1978, 4(6): 592–604；N. Kornell, M. J. Hays & R. A. Bjork, “Unsuccessful retrieval attempts enhance subsequent learning”, Journal of Experimental Psychology: Learning, Memory, and Cognition, 2009, 35(4): 989–998。

［15］S. L. Wise & X. Kong, “Response Time Effort: A New Measure of Examinee Motivation in Computer-Based Tests”, Applied Measurement in Education, 2005, 18(2): 163–183；S. L. Wise, “Rapid-Guessing Behavior: Its Identification, Interpretation, and Implications”, Educational Measurement: Issues and Practice, 2017, 36(4): 52–61。公式计分的源头见 L. L. Thurstone, “A method for scoring tests”, Psychological Bulletin, 1919, 16(7): 235–240。

［16］风速条款的现行文本见 World Athletics 技术规则中关于纪录认定的相应条款；该限值由一九三六年柏林国际业余田径联合会大会确立。风速计的位置（距终点五十米、离地一点二二米）与量测时长（一百米十秒、跳远起跳前五秒）见同一规则的施行细则。

［17］F. J. Roethlisberger & W. J. Dickson, Management and the Worker, Cambridge, MA: Harvard University Press, 1939；M. T. Orne, “On the social psychology of the psychological experiment”, American Psychologist, 1962, 17(11): 776–783。

［18］R. K. Merton, “Bureaucratic Structure and Personality”, Social Forces, 1940, 18(4): 560–568（目标置换）。

［19］本栏相邻篇目：《填判》《默配》《临界回落》。本文与三篇的分界见第十五节。

本文的写作使用了大型语言模型作为检索、成文与自查的助手；材料的取舍、判断的落点、以及第十一节不利结果的处置由作者决定。文中所有引注均指向可核的原始出处；凡未能核到原文卷期页者，已在注释中说明其转引来源。

最美文定稿：全球文库终审与核心命题的重写

以下一节由编辑增补，不属于投稿原稿。它按最美文频道的五道入选关执行：请出正文未曾请出的那位最危险的对手，与之划一条让两套理论对同一件事作出相反预测的线，写清怎么裁决，把核心命题改写为否定—重命名形式，并列出三条「被观察到即失效」。正文的论证、数据与结论一字未改。

一、最后一位未被请出的对手

本文与构念无关方差、霍桑效应、回冲效应、目标置换交过手，处理得厚。但心理测量学里还有一位站了七十年、而且离本文更近的对手没有被请出来：坎贝尔与费斯克的多质多法矩阵，以及由它长出来的整条方法方差研究。MTMM 做的正是一件与本文形式上极像的事——把分数里「由测量方法而非由所测特质引起」的那一部分分离出来。一个读者完全可以问：所谓「装置造出来的作答形态」，不就是方法方差的另一个说法吗？这一问够得着本文的承重命题，必须正面接住。

二、分离线：估出来扣掉，还是写进规则里不计入

分离线落在由谁、在哪一侧处理它。

方法方差是研究者事后做的统计校正：估出那一部分，从相关矩阵里扣掉，得到一个更干净的效度结论。它的产物是一篇研究报告。阅痕要的是装置对自己做的事前声明：在正式规则文本里写下「这一类形态由本装置造成，不计入被判读者」，并据此改动进入个人档案的那个数。它的产物是一条规则。

相反预测。取一个方法方差已被完整估计并公开发表的评价体系。方法方差理论预测：问题到此为止已经被识别并处理。本文预测：只要规则文本里没有那一格，被判读者的个人档案里仍会长期混入装置产物——因为统计校正改的是研究结论，不改那个写进档案、被用于分流与选拔的原始分。

裁决办法。查同一套评价体系的两侧产物：研究报告里的校正后估计，与写进个人档案的那个数。若个人档案里的数也被同样校正过，本文对该体系失效，阅痕只是方法方差的制度侧影。本文预测两侧系统性地不同步，而且校正只发生在研究侧。

这条「研究侧有、记录侧无」的对照，在本书第三篇《待养》里以另一种形态再次出现——那里是能力—处理交互在文献里显著、而条件字段在记录里不存在。两处可以合起来读。

三、核心命题的否定—重命名

应试与教育的分界，不是学生做了什么，不是他为什么做，也不是「分数里混进了方法方差」这一统计事实——它是一套判读装置认不认自己的产物：正式规则文本里有没有一条把本装置造成的作答形态指认出来并规定不计入被判读者。不认，则装置的产物被逐年计入学生的账，而没有任何程序会去拆这笔账。

四、本文禁止什么

1. 禁止认痕率与利害程度负相关。正文真跑已在此处报告了与预注册相反的结果；若在更大样本上仍然出现「利害越高越不设这一格」的系统趋势，本文的第三层主张失效。
2. 禁止认痕率为零的装置，其判读结果与认痕率为正的装置在长期档案构成上无差别。若两类装置产出的个人档案在「装置产物占比」上分不出来，这个读数不测量任何东西。
3. 禁止个人档案侧的校正与研究侧同步发生。若在多数体系里两侧同步，阅痕被方法方差吸收。

五、独立成立性检验

把坎贝尔、费斯克、梅西克、霍桑全部删去，本文还剩什么？剩下一个可以立刻执行的清点动作和一句问话：把这套装置的正式规则文本调出来，逐条找那一格。这个动作不需要任何统计训练，不需要样本，也不产生任何效应量——它清点的是制度事实，而七十年的方法方差研究从未产出过这样一个可清点的对象：它讨论的是分数的效度，本文清点的是规则文本里有没有那一行字。

本轮定稿所核验的文献：Campbell, D. T., & Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56(2), 81–105. · Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research. Journal of Applied Psychology, 88(5), 879–903. · Messick, S. (1989). Validity. In R. L. Linn (Ed.), Educational Measurement (3rd ed.). New York: Macmillan.

本文正文为学员投稿原稿，作者胡敏。原稿自标的「学科通融专栏」栏目行已改为本站「胡敏谈 · 应试教育」（学科通融是本站二阶碰撞产线的栏目，学员论文收入学员专栏）。原稿每篇末尾均附有作者的人机分工声明：写作使用了大型语言模型作为检索、成文与自查的助手，材料的取舍、判断的落点以及不利结果的处置由作者决定——本站保留这一声明并在此重申。文中涉及教育评价与政策的讨论均为理论分析，不构成任何机构的评估依据。