「2σ 是一次推断,不是一次测量」:辅导效应量从 2.0 掉到 0.79,掉的那 1.2 在哪
【锚点】这一篇只钉一个判断:导师制里被引用最多、被验证最少的一句话是「一对一辅导能提升两个标准差」。它是一次理论叠加的产物,不是一次实测;实测值大约是它的一半——而剩下那一半不是「辅导没用」,是「我们一直在给错的东西定价」。
【显式】1984 年,芝加哥大学的 Benjamin Bloom 在《Educational Researcher》上提出后来被称为「2 sigma problem」的命题:接受一对一辅导的学生,平均成绩高于常规班级教学对照组里 98% 的人——按正态换算,约 2 个标准差。这句话此后四十年被写进几乎每一份导师制、个性化学习、拔尖培养的立项书。
【隐式】但 Bloom 没有做那个实验。他做的是加法。
【流程节点链路】起点:Bloom 汇总当时的三项独立研究(两项掌握学习 mastery learning、一项一对一辅导)→ 中间节点一:把每项研究的效应量从各自不同的对照组,换算到同一个「常规班级教学」基准上 → 中间节点二:假设掌握学习与一对一辅导的效应可以叠加(1+1=2),得到「常规教学 + 掌握学习 + 一对一辅导」的理论预测值 → 终点:2σ 是一个外推出来的预测,不是任何一项研究里出现过的观测值。
【细微】真正去测的人是 Kurt VanLehn。2011 年他在《Educational Psychologist》上把几十项研究的效应量对齐到同一基准后得到:真人一对一辅导 d ≈ 0.79,智能辅导系统(ITS)d ≈ 0.76,而「只对答案」的低交互辅导只有 d ≈ 0.3 左右。两个后果:① 2σ 缩水到 0.79,掉的那 1.2 主要掉在「叠加假设」和「对照组太弱」上——对照组是常规班级教学,那本来就是个很低的基准;② 更扎心的是,一个没有人、只有软件的辅导系统,和真人只差 0.03,在元分析的置信区间里基本是噪声。
【极难发现】那 0.03 逼出一个反直觉的结论:辅导起作用的机制不是「有人在」,是「反馈的粒度」。VanLehn 的解释是交互粒度假说——反馈切得越细(每写一行就有人看,vs 每章末批一次),效应越大。真人导师之所以有效,不是因为他们更聪明,而是因为他们是唯一能在学生卡住的那 90 秒内插话的东西;ITS 一旦把粒度做到同样水平,人类的优势就被抹平。这同时解释了为什么很多「名师答疑」无效:一小时一次的答疑,粒度比 ITS 粗两个数量级——你付的是人情,买的不是诊断。
【可执行】把这条结论翻译成带教流程,只有三个改动: 1. 把「答疑」换成「检查点」:任务切成 20–40 分钟能交付一步的粒度,每次只审这一步,不审整篇。 2. 给延迟上预算:反馈延迟 > 24 小时,等于把粒度自动调粗一档;> 一周,等于没做。 3. 给失败留额度:事先写明「前两次做错不计入评价」,否则学生会把检查点优化成「不出错」,检查点就退化成表演。
【我的立场】所以「我每周花三小时陪学生」不是一项可交付的工作量,是一个未被分解的输入。可交付的是:这一周我在多少个卡点上、以多短的延迟、给出了多细的纠正。
【留给你的问题】如果 ITS 已经到 0.76,真人只到 0.79,那导师剩下的不可替代性到底是什么?我的答案是「选问题」——决定哪一类问题值得被切成步骤,这件事本身不能被步骤化。但这只是我的答案。你的呢?







0 评论