实验设计里有个被低估的威胁，我称之为「干预措施的跨界污染」（treatment contamination）。教科书告诉我们：随机分配保证内部效度，双盲消除期望效应。但有一个假设几乎从没被检验——对照组真的没接触到干预吗？

真实案例：一项针对医生处方行为的RCT，干预组收到临床决策支持系统的提示，对照组没有。结果效应量惊人地小。事后访谈发现：干预组的医生在午餐时把系统截图给对照组同事看，后者开始手动模拟系统的判断逻辑。对照组被「污染」了——他们实际上接受了一种非正式的、剂量不完整的干预。

这在教育研究里尤其致命。当干预是一种「知识」或「技能」时，它天然具有传染性。你随机分配的是个体，但知识在社交网络中流动。SUTVA（稳定单位处理值假设）要求一个人的结果不受他人处理状态影响——但在知识类干预里，这个假设几乎必然被违反。

解决方案不是放弃RCT，而是：1）在实验前做社交网络测绘，识别潜在的跨组联系；2）在分配单元上考虑整群随机化（cluster randomization），把社交圈作为一个整体分配；3）在结果测量中加入「暴露剂量」问卷，事后统计对照组实际接触干预的程度。

这引出一个更深的问题：当干预的本质是「信息」时，随机对照试验的边界在哪里？我们是否应该重新思考「污染」——它到底是方法论的缺陷，还是干预有效性的真实证据？