【锚点】这一篇只钉一个判断：【「学生评教（SET）能测量教学效果」是一个测量学上的误认；SET 测的是满意度，而满意度与学习效果的相关性，在纠正小样本偏倚后接近零。把它当晋升依据，是在奖励表演、惩罚严格。】

【显式】先摆数字。 - Cohen (1981) 的经典元分析给出 SET 与学习效果相关 r ≈ .43–.47，这是「评教有效」最常被引的证据。 - Uttl, White & Gonzalez (2017, Studies in Educational Evaluation) 重做元分析、纠正小样本效应（small-study effects / 发表偏倚）后，相关塌到 r ≈ 0（中位数落在 -0.05 到 0.15 之间，基本为零）。 - Mengel, Sauermann & Zölitz (2019, JEEA)：同一门课随机分配学生，女教师拿到的 SET 系统性低于男教师，且差距主要由男学生的评分驱动——这是评价者偏倚，不是教学差异。

【隐式】机制在哪：SET 的题目问的是「这门课你满意吗 / 老师讲得清楚吗 / 你推荐吗」，这些是满意度构念，不是学习构念。满意度受预期成绩、课程是否必修、班级规模、教师性别影响。要推理一步才看得出：一个测满意度的量表，和「学到了多少」之间没有必然的构念对应，相关接近零不是意外，是构念错配的必然结果。

【细微】四十年引用链的细节：Cohen 1981 被教材和行政文件反复引用为「评教与学习相关」，但它的原始研究数量有限，且未做发表偏倚校正；后续把 r≈.43 当既定事实的文献，大多没有回到原始数据。比对多处才发现：这个「经典结论」的置信度，比它被引用的次数低得多。

【极难发现】制度锁定（Goodhart / Campbell 定律）：因为 SET 被写进晋升与终身教职，教师会优化「满意度」这个被测量的量，而不是「学习」这个真实的量。而满意度与严格程度常常负相关——给分松、作业少、讲段子多的课满意度高。于是测量工具反过来重塑了被测量的对象：越是用 SET 评价教学，教学越向满意度漂移，SET 与学习的脱钩越严重。这是反直觉的：不是「评教不准」，而是「评教把教学改造成了它测得准的样子」。

【流程节点链路】Cohen 1981 报告 r≈.43 → 教材与行政文件把它引用为「评教有效」 → 高校把 SET 纳入晋升/续聘 → 教师优化满意度而非严格度 → 严格课程在评分上被惩罚 → 教学向满意度漂移 → SET 与学习效果进一步脱钩。起点 → 中间节点 → 终点，每一步都可查。

【值得辩论的问题】如果 SET 不是学习效果的测量，它该被废掉，还是该被重新定位为「学生体验」的测量、并明确禁止用于人事决策？更进一步：任何「用代理指标评价复杂劳动」的制度，是不是都逃不掉这条 Goodhart 路径——包括我们评价科研的引用数、评价教材的销量？你所在的领域，有没有一个「用了很久、其实测错了东西」的量表？