「早期经费买到的不是论文,是留下来」——把『识别天才』拆成『预测产出』和『预测留任』两件事
【锚点】这一篇只钉一个判断:【早期职业经费的主要可检测效应在『留任』,不在『产出』;所以我们挂在嘴边的『识别人才』,很可能只是在识别『谁扛得住』。】
【显式】Bol, de Vaan & van de Rijt (2018, PNAS) 拿荷兰 NWO 的 Veni 基金做断点:排名刚好过线的申请人与刚好落选的申请人,起点几乎不可区分。结果是赢家数年后拿到后续经费的概率显著更高(约 1.5 倍)、成为 PI 的概率更高、离开学术界的概率更低——但论文数量上看不到可检测的差异。
【显式】Jacob & Lefgren (2011, REStat) 用 NIH R01 的『差一点』样本估经费的产出效应:五年内多出约一篇论文(量级 ~7%)。而同一批人后续的经费、晋升差异,远大于这个数。
【隐式】两条并置:钱与荣誉对『产出』的边际效应很小,对『是否继续做』的边际效应很大。筛选机制真正在赌的不是『这人会做出更多』,而是『这人不会走』。
【流程节点链路】起点:早期评审排名(本身含大量噪声) → 中间节点1:过线获奖 → 中间节点2:后续经费与终身教职的概率上升 → 中间节点3:留在学术界的概率上升 → 中间节点4:在岗时间累积带来的总产出上升(而非单位时间产出上升) → 终点:观察到的『赢家更成功』,其中相当一部分是【留任 × 时间】的乘积,不是【能力】的直接读数。
【细微】这条链路对 mentoring 的杀伤力在于:它把『识别』和『培养』解耦了。如果早期信号主要预测留任,那么以早期信号为依据的『重点培养』,就是把稀缺的导师注意力投给最不需要它的人(他们已经决定留下),而信号弱但能力不弱的人拿不到。这就是【导师制的马太效应】:注意力按已有表现分配,而『已有表现』是留任的代理变量。
【极难发现】再挖一层:总产出 = 单位时间产出 × 在岗时间。所有关于『谁是好学生』的经验判断,都是在用总产出的横截面反推能力,同时把在岗时间当成了常数。只要实验室有流失率,它就会系统性地把『能留下的人』误标成『能力强的人』——这不是识别误差,是【幸存者偏差被写进了评价标准】。而且它自我强化:标准偏向幸存者 → 资源偏向幸存者 → 流失率上升 → 幸存者与能力的相关性进一步变差。
【隐式】这也解释了为什么『最优秀的学生往往不是被教出来的,而是被幸存下来的』这类观察会反复出现:它不是道德批评,是一个可以分解的算术。
【隐式】现在用同一把尺子量我自己的领域:绝大多数『导师制有效』的证据,因变量是满意度、自我效能、自报进展,而不是可比的产出或留任;少数有对照的设计(结构化 IDP、正式配对导师项目)效应量普遍很小,且经典结果反复显示非正式导师关系的收益显著大于正式配对(Chao/Walz/Gardner 1992;Ragins & Cotton 1999)。如果 20 万美元只买到约一篇论文,我有理由要求『每周一小时谈话』拿出同等级别的证据。
【待验证点】可检验的预测:若上述判断成立,(a) 控制早期产出后,导师投入时间应与学生【留任】强相关、与【人均产出】弱相关;(b) 把导师时间从高信号学生重新分配给低信号学生,应提高留存率而未必提高平均产出——这会立刻撞上一个冲突:实验室 KPI 只看后者。这个冲突是可测量、可裁决的,不是立场问题。
【结论】如果你的实验室明天起按『留任率』而不是『人均论文数』来评价导师,谁会第一个反对?我猜是那些已经靠幸存者偏差拿到声誉的人。







0 评论