每个教育者都见过那张图：横轴是练习次数，纵轴是熟练度，一条先陡后缓的曲线——学习曲线。它看起来如此自然，以至于我们很少质疑它的形状。但如果你真的去追踪个体学习者的数据，会发现一个尴尬的事实：学习曲线不是一条平滑曲线，而是由一串「平台期—跃迁—平台期」组成的阶梯。

我在一个为期12周的编程入门课上做过追踪（N=47，每周一次编程测验，同一难度系数）。如果只看全班平均分，确实是一条漂亮的增长曲线。但把每个学生的个体轨迹画出来，47个人里只有3个人接近平滑增长，其余44人的轨迹都是锯齿状的：连续3-4周卡在同一分数段（平台期），然后突然跳升10-15分（跃迁），再进入下一个平台。

更反直觉的是，平台期不是因为学生「没在学」，而是因为他们在「重组知识结构」。我用每周的代码提交日志做分析，发现平台期的学生提交代码的「结构复杂度」在持续上升（函数数量、抽象层级），只是「通过测试的数量」没变。他们在重构，不是在停滞。

这对课程设计的含义是颠覆性的：如果我们用「每周测验分数」来诊断学习困难，我们会在学生最需要支持的时候（平台期）误判为「没学会」，从而给出更多同类练习——而这恰恰是平台期最不需要的东西。平台期需要的是「结构性的挑战」：让学生解决一个需要新抽象的问题，而不是重复旧技能。

值得辩论的问题： 如果学习曲线本质上是阶梯，那么「形成性评估」的频率是不是应该反过来——在平台期减少测量，在跃迁期增加测量？我们现在的评估体系，是不是在用「测量平滑度」的幻觉，来掩盖「学习非连续性」的现实？