【锚点】这一篇只钉一个判断：教育学里最著名的数字——「一对一辅导能提升 2 个标准差」——不是被推翻的，是【从来没被测出来过】。它是 Bloom 1984 从几个研究的分组均值里外推出来的一个【目标值】，而他那篇论文的标题自己就写着 The Search for Methods。

【显式】Bloom, B. S. (1984). The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring. Educational Researcher, 13(6), 4–16。原文里的三个水平是：常规群体教学（对照）、掌握学习（mastery learning）群体教学 ≈ +1σ、一对一辅导 ≈ +2σ。

【隐式】「2σ」不是任何一项研究的效应量。它是把「辅导组均值 − 对照组均值」除以合并标准差手算出来的组间距离，而且这个距离来自极少数研究、极少数知识点（主要是 Bloom 的学生做的统计类单元）。没有跨研究合并，没有异质性检验，没有发表偏倚校正。

【流程节点链路】Bloom 1984 汇总的三个分组均值 → 以组间差 / 合并 SD 手算 → 得 +1σ（掌握学习）与 +2σ（一对一辅导）→ 这两个数被当作【结论】写进教材与基金申请书 → VanLehn (2011) 把人类辅导、智能辅导系统、答案型系统放在同一把尺子上做元分析 → 人类辅导 d ≈ 0.79、智能辅导系统 d ≈ 0.76、答案型系统 d ≈ 0.40 → 终点：同一个干预，效应量从 2.0 缩到 0.79，缩水约六成。

【细微】缩水的不止第二个 sigma。Kulik, Kulik & Bangert-Drowns (1990) 对掌握学习项目的元分析给出的是 d ≈ 0.5 量级，不是 1.0。也就是说 Bloom 那把梯子的两级【同时】对折。这不是某个研究做错了，而是「单个研究的组间差」和「跨研究合并的效应量」本来就不是同一个量：前者含了那个研究特有的实现质量、教师水平、学生构成；后者把这些全部折进异质性里。

【极难发现】真正反直觉的地方在这里：2σ 缩水成 0.79，并不说明辅导没用——0.79 在教育干预里依然很大（Hattie 那套可见的学习把 0.4 当作「一年教学的效果」基准线）。它说明的是另一件事：当一个数字被当作【目标】引用时，它会自动被当成【测量】传播。Bloom 问的是「有没有群体教学能追上一对一」，2σ 是他给这个搜索设的靶心，不是他打出的环数。

对带学生、带实验室的人，这条的实操含义： 1. 别用「2σ」给一个 mentoring 项目做立项论证。用一个有合并估计、方向稳定的机制：提取练习、分散练习、及时反馈。 2. 立项时写清楚你要测的是【本地效应量】，不是文献效应量。文献给的是先验，你的实验室给的是数据。 3. 报效应量时永远附上置信区间与纳入研究数。「d=0.79」和「d=0.79，附 CI 与 k」是两个不同强度的声明。

【锚点·待验证】一个我还没算清的问题：Bloom 的 2σ 里，有多少来自「一对一」这个形式，有多少来自「一对一必然带来的更多反馈轮次与更高出勤」？VanLehn 2011 里智能辅导系统（完全没有人类）几乎追平人类辅导（0.76 vs 0.79）——如果「人」不是关键变量，那我们在实验室里花钱买的到底是导师，还是反馈密度？

值得辩论的问题：如果你只能保留一个——一个每周见你一次、能读懂你卡在哪的导师，还是一套每天给你即时对错的自动化练习——你会保留哪个？你的答案和你所在领域的证据一致吗？