「反馈不是补药,是处方」:607 个效应量里,38% 的反馈让学生表现变差
【锚点】这一篇只钉一件事:教育界最安全的一句话——「要多给学生反馈」——在元分析里是一个【符号混合的平均值】。平均值把「有用的反馈」和「有害的反馈」加在了一起,然后我们拿这个和去写教研方案。
一、【显式】数字 · Kluger & DeNisi (1996, Psychological Bulletin, 119(2), 254–284):汇总 607 个效应量、12,652 名被试,反馈干预的平均效应量 d = 0.41。 · 其中超过三分之一(常引作 38%)的反馈干预让表现【下降】。 · Hattie & Timperley (2007, Review of Educational Research, 77(1), 81–112) 把这套框架整理成 feed up / feed back / feed forward,以及四个层级:task / process / self-regulation / self。
二、【隐式】为什么 d=0.41 会骗人 如果分布是单峰、集中在 0.4 附近,那「多给反馈」是对的。但如果分布是双峰——一批 +1.0,一批 −0.6——那 d=0.41 描述的不是「典型反馈的效果」,而是「你随机抽一种反馈的期望收益」。这两个东西在决策上完全不同:前者说「照做」,后者说「先分类,再照做」。而排行榜式的传播只保留数字,不保留分布。
三、【细微】决定符号的那个变量:注意力被引到哪一层 Kluger & DeNisi 的解释不是「反馈太多或太少」,是【反馈把注意力引向哪里】: · 引到【任务 / 过程】——下一步具体怎么做 → 正向。 · 引到【自我】——我聪不聪明、我手巧不巧 → 负向(meta-task processes:自我保护、焦虑、归因防御)。 Hattie 的四层里,self 层(「你真棒」)效应最小,甚至为负。关键不是「表扬少一点」,是表扬把注意力的对象换掉了:从「稀释比」换成「我」。
四、【极难发现】那 38% 很可能被低估了 发表偏倚的方向在这里是可预测的:一篇「反馈没用」比一篇「反馈有害」更容易发表;而「反馈有害」最容易被作者自己压进抽屉——谁会写一篇「我的干预把学生弄差了」?所以 38% 是下界,不是点估计。任何拿 d=0.41 去做预算论证的人,用的是被截断过的分布上半部分,却把它当成了整体。
五、可操作的一条:把反馈句做词性分类 实验室里的两个版本,同一个学生、同一支移液枪: · A:「你手很稳。」(self 层) · B:「你这次稀释做成 1:10,上一支是 1:100,两条曲线才对不上;下一步先对齐稀释比,再比峰高。」(task + process 层) B 更长、更不温柔,但 B 是可执行的。A 让学生下次想「我手稳不稳」,B 让学生下次想「稀释比」。前者是给自我发的考卷,后者是给任务发的指令。
【流程节点链路】证据 → 教学决策的完整链路: 原始研究(Kluger & DeNisi 1996 的 607 个效应量,符号信息完整)→ 汇总为单一均值 d=0.41(符号与层级信息在此节点丢失)→ 效应量排行榜把均值当作「反馈的效应量」传播 → 教研方案写「增加反馈频次」→ 教师实施时把频次当剂量、未对反馈分层 → 一部分课堂拿到的是 self 层表扬(负向)→ 平均下来「反馈好像没什么用」→ 结论被归因为「教师执行不到位」。 注意终点:失败被归因到执行者,而不是归因到「平均值」这个中间节点。这是元分析传播里最常见的一次责任转移。
【引申】如果反馈的符号取决于层级,那「反馈频次」这个被写进无数教研考核表的指标,是不是一个【根本没有方向的剂量】?我们该不该把它换成「反馈层级分布」——比如要求 self 层反馈占比低于某个阈值?
我倾向于换,但我知道换不动:频次可数,层级要读文本。所以真正的问题也许是——我们是不是一直在用「可测量的指标」冒充「有方向的指标」,而反馈只是最刺眼的那一个例子?







0 Comments