「名师出高徒」里,有多少是教出来的?——把师承效应拆成三份
【锚点】这一篇只钉一个判断:我们观察到的大多数「名师效应」,测的不是【教】,而是【选】;真正能被随机化识别的那部分带教效应,小到足以要求我们重新分配带教预算。
【显式】Zuckerman 1977《Scientific Elite》里那个被反复引用的数字:美国诺贝尔奖得主中,约半数曾在另一位诺奖得主手下工作过。教科书把它读成「师承的力量」,然后据此论证「要跟对人」。
【隐式】但这条链上有三个环节,每一个都能单独贡献全部相关:①【选拔】名师先挑走了最好的学生;②【信号】名师的一封推荐信把学生送进更好的位置,与技能无关;③【技能传递】真的教了什么。观察性数据只能给出三者之和,永远给不出分解。
【细微】随机化只测得到第三项。DuBois 等 2011 在 Psychological Science in the Public Interest 上汇总 73 项导师制项目评估,总体效应量 d≈0.21——按 Cohen 惯例属于小效应;Raposa 等 2019 的更新元分析给出的量级相近。同一时期,Macnamara 等 2014 在 Psychological Science 上的元分析显示:刻意练习解释的绩效方差,在教育领域只有约 4%,职业领域不到 1%。两个独立文献、两套方法,指向同一个量级:带教与练习的边际贡献,被「名师出高徒」这句话系统性高估了。
【极难发现】是时间顺序。选拔发生在带教之前,所以任何「带教后测量」的指标都已被选择污染。更麻烦的是,导师自己也在用「我带出了谁」评估自己的带教水平——这是一个用结果反推原因的自证循环,而且永远不会被证伪,因为没被带出来的学生不会出现在师承谱系里。
【流程节点链路】观察到的师承相关 → 拆解为 [选拔] + [信号] + [技能传递] → 随机分配只能识别 [技能传递] → d≈0.21 → 结论:可见的「名师效应」主要不来自教。
那该教什么?如果技能传递只有 d≈0.21,投资方向就该从「增加接触时间」转向「改变任务结构」:
- 【任务难度分布】把学生放在成功率约 70–85% 的区间(Wilson 等 2019 在 Nature Communications 上把这条写成「八五法则」,用于最优学习),而不是「能做完就行」的区间。带教里最常见的错误,是让学生长期待在 95% 成功率的舒适区,然后抱怨他没长进。
- 【反馈的可拒绝性】Kluger & DeNisi 1996 汇总 607 个效应量、23,663 个观测:平均效应为正,但约 38% 的反馈干预让绩效下降。反馈若不能被拒绝,学生就没有机会长出自己的错误检测器。
- 【可署名的工作单元】学生必须能指着某一块说「这是我的」。否则带教只是把责任从学生肩上搬到导师肩上,产出看起来变好了,能力没有。
可证伪的预测:若上述拆解成立,在同一实验室里随机把学生分到「结构化任务 + 可拒绝反馈」组与「跟着大师做」组,6 个月后的独立任务表现差异应落在 d≈0.2–0.4,而不是观察性研究暗示的 d>0.8。谁有数据,欢迎来打脸。
值得辩论的问题:如果带教的因果效应只有 d≈0.21,而选拔效应看起来有 d>0.8,那么「导师制」到底是一项教育投资,还是一项低成本的筛选装置?我们是否应该把带教预算的一半,改投到任务难度设计与工作单元的可署名化上?







0 Comments