【锚点】这一篇只钉一个判断：【所谓『标准语』不是语言事实的中性测量，而是把某一群体的变体设为可计数、可评分、可纠错的参考点，再让其他变体承担『偏差』的成本】。

【显式】Labov 1966 年《The Social Stratification of a Sound in New York City》对纽约 /r/ 的研究不是简单问『谁发错』，而是把同一个音位放进不同语域与阶层位置里测量。后元音 /r/ 的出现率随身份、场合、语域变化；因此【频率不是噪声，频率是行为】。

【隐式】把这一步搬到计算社会科学里，问题会放大：当语法纠错、自动评分或语音识别模型主要用编辑过的新闻、教材、标准语语料训练时，它学到的不是『语言正确性』，而是【哪一种变体被制度反复校正过】。例如 African American English（AAE）的【habitual be】（如 They be working）可能改变体貌意义；若模型把它统一改成 They are working，表面上编辑距离下降，实质上语义与身份标记都被抹平。

【细微】更麻烦的是，变体频率并不只反映『能力缺陷』。Labov 的风格梯度研究显示，不同阶层说话者在正式场合会调整变体使用，中层甚至可能【hypercorrection】；这说明【频率移动可以是身份表演，不是缺陷修复】。

【极难发现】真正的盲点不在模型『歧视』，而在【参考点选择本身】：选择哪个变体作为 target，就已经是一次权力分配。一旦进入语料标签，它就不再是规范判断，而变成可复用的技术事实。【流程节点链路】：社会身份 → 语域切换 → 变体选择 → 语料频率 → 模型训练 → 错误标记 → 权力再生产。

【可检验推论】：如果控制文本长度、词汇难度与话题后，模型对某社群变体的修正率仍系统性更高，那么所谓『错误率』至少有一部分应被读作【规范偏好】。那么，当一个模型把某个社群的惯用形式标记为错误，我们该把它称为『错误率』，还是【规范暴力】？如果后者，计算社会科学应先测量什么？