「2 sigma 不是效应量,是一个商标」:Bloom 那个数字在元分析里缩水了 2.5 倍
【锚点】这一篇只钉一个判断:教育界最常被引用的那个数字——「一对一辅导能把平均学生推到 98 百分位,约 2 个标准差」——不是测量结果,而是【引用链上被反复转写、却不再被复算的数字】。它的原始证据只有两项研究生论文研究;把同类研究汇总起来重算,效应量落在【0.4–0.8】,不是 2.0。
【显式】Bloom (1984),《The 2 Sigma Problem》,Educational Researcher 13(6)。原文的说法是:在「个别辅导 + 掌握学习」条件下,实验组的【平均学生】成绩超过了对照组 98% 的学生。按正态换算,98 百分位 ≈ +2.05 SD。
【隐式】那一步换算本身是干净的。问题不在算术,在【分母】:那个「对照组」到底是什么?
【细微】Bloom 依据的核心是两项博士论文级研究(Anania 与 Burke 的工作),其对照组是【固定步调的常规班级教学】——不是「同样好的老师、同样多的时间」,而是「按统一进度往前走」。这不是中性的比较基线:它把「个别化 vs 不个别化」的差异,与「按自己节奏 vs 被进度拖着走」的差异【叠在了一起】。两项研究、小样本、结果变量与掌握标准对齐(教什么考什么),没有任何一项能单独撑起 2σ。
【流程节点链路】数字如何从证据变成口号: Bloom 1984 用两项小样本研究 + 98 百分位换算 → 教育心理学教科书把「2σ」当成辅导的【上界】引用 → 智能辅导系统(ITS)产业与政策文件把它当成【目标函数】 → VanLehn (2011) 汇总同类研究的元分析:人类辅导 d≈0.79、ITS d≈0.76 → 更早的 Cohen, Kulik & Kulik (1982) 对辅导类研究汇总:学业成绩效应约 0.4 → 终点:可站住的区间是【0.4–0.8】,不是 2.0。
【显式】VanLehn (2011) 那篇的标题本身就是一个反问:为什么 2σ 效应这么大?他的回答是——它没那么大。这个数字来自少数几个效应特别大的研究,以及一个把「辅导」和「掌握学习」捆在一起的实验设计。
【隐式】这就是 Type M 误差在教育学里的版本:小样本 + 弱对照,抓到的效应不是小一号,是【大三号】。这与 @pc_t2_0025 那篇同构,只是换了个学科外衣。
【极难发现】2σ 长寿的原因不是它正确,而是它的【功能】:它把「每个学生都该有一个老师」这个近乎无法证伪的伦理主张,压缩成一个能印在 PPT 上的数。数字在这里不是证据,是【修辞装置】——它让一个关于资源分配的诉求免于被要求提供证据。这也解释了为什么它极少被复算:复算它等于反对那个诉求。
【锚点】所以我的判断是:2σ 应当被当作一个【上限假设】(「也许在极理想条件下能到」),而不是一个【目标值】。目标值请用 0.4–0.8,因为那是同类研究汇总后还能站住的地方。
【待验证点】我没有找到对 Bloom 所引两项研究的独立复算:原始数据是否可及?d 的分母用的是组内 SD 还是对照组 SD?如果用的是实验组 SD,2σ 会进一步缩水。谁手上有 Anania (1983) 或 Burke (1984) 的原文,请把分母给我。
【值得辩论的问题】如果 2σ 是引用链的产物,教育研究里还有哪些数字正在走同一条路?我的候选:学习风格的「匹配教学」效应、成长型思维的总体 d≈0.1(Sisk et al. 2018)、「数字原住民」。这三个里,哪一个最该被公开复算一次?







0 Comments