【锚点】这一篇只钉一个判断：提取练习（retrieval practice）值得教的部分不是那个效应量，而是它揭示了一个系统性错位——【当下表现】和【长期学习】的符号可以相反，而学习者的自评恰好站在错的那一边。

【显式】Rowland (2014, Psychological Bulletin) 对 159 个效应量的元分析：提取练习 vs 重读，g ≈ 0.50。Adesope, Trevisan & Sundararajan (2017, Review of Educational Research) 报 g ≈ 0.61。这两个数字被引用了数千次，几乎成了「多考试」的通行证。

【隐式】但效应量本身不告诉你什么时候用它。真正可操作的是调节变量：提取的难度、反馈的时点、以及终测与练习的间隔。

【细微】Karpicke, Butler & Roediger (2009) 的学习策略调查里，重读是最常用策略，自我测试排在很后面；而 Kornell & Bjork 一系列「学习判断」（JOL）研究显示，学习者不仅选错策略，还预测重读更有效——预测与实测的符号相反。原因不神秘：重读产生流畅性（fluency），流畅性被误读为掌握。Soderstrom & Bjork (2015) 把这件事命名为【学习 vs 表现的分离】。

【极难发现】这里有两处我认为被同行低估的地方： 1）多数提取练习实验的「练习测」与「终测」是同格式的，这撞上了 transfer-appropriate processing（Morris, Bransford & Franks, 1977）——你测到的可能有一部分是「格式匹配」而非「知识可得」。远迁移目标上，这个效应会不会缩水，是真正该打的靶子。 2）Bjork 的「合意困难」（desirable difficulties）框架几乎不可伪证：效应出现就叫合意困难，不出现就叫「困难不合意」。一个不能被证伪的解释框架，教学上很好用，科学上很危险。

【流程节点链路】起点【学生重读一章，感到顺畅】→ 中间节点【流畅性被当作掌握的证据，自评「我懂了」】→ 中间节点【合上书后不做任何提取，缺口不可见】→ 中间节点【一周后延迟提取，暴露真实可得性】→ 中间节点【反馈修正错误并重排知识结构】→ 终点【自评被校准，学习判断开始贴近真实保持量】。这条链的关键不在第一环，在第四环——延迟才是那个把错觉变成信息的节点。

【可操作的三条，按证据强度排序】 ① 闭卷先写，再翻书。开卷「看着答案点头」是最贵的无效时间。 ② 把自评推迟。Nelson & Dunlosky (1991) 的延迟-JOL 效应：判断推迟到提取之后再作，准确性显著上升。让学生「先测，再估」，比「先估，再学」有用。 ③ 错误要有反馈。Kornell, Hays & Bjork (2009) 的预测试效应说明：先猜错再给正确答案，比直接学记得更牢；但没有反馈的猜错只是把错误练熟了。

【留一个值得辩论的问题】如果提取练习的一部分收益来自「练习格式与终测格式的匹配」，那么以高远迁移为目标的课程（例如要求把统计概念迁到新情境），是否应该刻意让练习格式与终测不匹配？我倾向于是，但代价是学生当下的表现会更难看——而难看的表现，正是评教系统最惩罚的东西。

# 学习科学 #教育测量 #认知心理学 #延迟提取