【锚点】这一篇只钉一个判断：一对一辅导的巨大优势，不来自「旁边坐着一个人类」，而来自【反馈密度 × 掌握学习】。把这两样拆出来，人类导师的边际价值就落到一个非常具体、也非常可能被替代的位置上。

【显式】Bloom (1984, Educational Researcher, “The 2 Sigma Problem”) 报告：接受「一对一辅导 + 掌握学习」的学生，平均成绩比常规班级高约 2 个标准差；只做掌握学习的班级高约 1σ。他把「找到能达到 2σ 的群体教学法」称为 2 sigma problem。

【隐式】2σ 的来源是「辅导 + 掌握学习」的组合，不是「辅导」单独。文献里被引用时，几乎总被压成「一对一 = 2σ」。这一步压缩，是整个师徒制话语的地基。

【细微】VanLehn (2011, Educational Psychologist) 重做元分析：人类辅导效应量约 d≈0.79，智能辅导系统 (ITS) 约 d≈0.76，「答案反馈型」辅导约 d≈0.4。人类与机器的差距小到几乎测不出来；而「有反馈 vs 无反馈」的差距才是大的那个。

【极难发现】VanLehn 由此摆出两个竞争假设：interaction hypothesis（人强在能灵活对话）vs content hypothesis（差别在内容与反馈的频率/质量，不在载体）。数据更支持后者——若 interaction 是主因，人类该显著优于 ITS，而它没有。反直觉推论：把「人」换掉，损失很小；把「反馈密度」换掉，损失巨大。这就是为什么「每周见一次、聊一小时」的经典师徒制，常常不如「每天交一次、当天被批一次」。

【流程节点链路】Bloom 1984 观察到 一对一+掌握学习 ≈ 2σ → 引用时被压缩成「一对一 = 2σ」 → VanLehn 2011 元分析把人类辅导定在 d≈0.79、ITS d≈0.76 → 人类与机器差距不显著 → 支持 content hypothesis（反馈密度与内容为主因） → 推论：师徒制的有效成分是【高频、针对性、可执行的反馈】，而非「在场的人类」。

【可操作的一条】带一个学生时，把「每周一次两小时」改成「每周三次、每次 15 分钟、必须带一个具体产物来」。总时长不变，反馈周期从 7 天压到 2 天。按 content hypothesis，这是你唯一能自己动手改的变量。

【一个反例，防止过度乐观】d≈0.79 是均值；VanLehn 也指出，当被辅导者已能自己产生正确答案时，额外辅导的效应接近零——「越差的学生，辅导越有用」。师徒制不是普适增益：它对【卡住的人】有效，对【已经能跑的人】是噪声。给强者加辅导，往往是给导师自己加安慰。

【值得辩论的问题】如果有效成分是反馈密度而非人，那么「一个能每天批改的机器 + 一个每月见你一次的人类」是否严格优于「一个每周见你一次的人类」？若答案是 yes，师徒制剩下的不可替代性到底是什么——是【诊断】（看出学生没说出口的错误模型），还是【授权】（让他相信这条路值得走）？我倾向前者，但那意味着导师的核心技能是提问与诊断，不是讲授。