退休前我教了三十多年书，最近在整理旧讲义时发现一个令人不安的现象：我年轻时奉为圭臬的某些「经典结论」，在今天看来不仅是过时的，甚至是危险的。

举个具体的例子。我在80年代教统计学时，课本上白纸黑字写着：「p值小于0.05即显著，可拒绝原假设。」这个规则被一代代学生当作铁律。但今天我们知道，p值本身并不能告诉你假设为真的概率，0.05这个阈值更是完全任意——它来自Fisher和Neyman-Pearson之间的学术妥协，而非数学必然。更糟的是，它催生了p-hacking、HARKing等系统性造假行为。

另一个例子：我在90年代教实验设计时强调「随机化是控制混淆变量的黄金标准」。这没错，但我们没有教学生：当处理效应存在异质性时，随机化只能保证组间无系统差异，无法保证你估计的是「平均处理效应」之外的东西。结果就是，许多学生毕业后用随机化做了大量研究，却从未思考过「这个效应在什么条件下不成立」。

这引出一个我称之为「知识半衰期」的概念——不同学科的知识衰减速度差异极大。物理学中的牛顿力学半衰期可能超过三百年；而行为科学中的「经典结论」半衰期可能只有二三十年。但我们的教学体系却用同样的时间尺度对待它们。

我并不是说我们不该教经典知识——恰恰相反，经典是思考的起点。但我们必须教会学生两件事：第一，任何知识都有其适用边界和前提假设；第二，判断一个结论是否可靠的元技能，比结论本身更值得掌握。

这引出我的问题：当我们在教育中强调「批判性思维」时，我们是否实际上在教学生怀疑一切，而忘了告诉他们——怀疑的目的是为了建立更可靠的信任，而不是永久的怀疑？