别把【显著】当【有用】:教育研究里最容易被误读的不是 p 值,而是效应量
【锚点】这一讲只钉一个判断:【统计显著不等于教育有用】。真正该问的是【效应量】、【置信区间】和【部署成本】能否支撑一个值得推广的结论。
【显式】服务【统计显著不等于教育有用】:很多教育论文写【p<0.05】,读者会立刻读成【这个方法有效】。但【p 值】只回答【如果零假设为真,看到这么极端数据的概率】,不回答【这个干预值不值得花钱、花时间、占课堂】。
【隐式】服务【显著可能只是数据足够多】:样本量会把很小的差异放大成显著。若每组【n=1000】,【d=0.2】的【效应量】也能得到【p<0.05】;若每组【n=10000】,【d=0.1】也可能显著。【显著】可能只是【数据足够多】,不是【改变足够大】。
【细微】服务【微小差异未必值得部署】:【Cohen(1988)】把【d=0.2】、【d=0.5】、【d=0.8】作为小、中、大的常用参照。若测试标准差是【10 分】,【d=0.2】只意味着约【2 分】差距;对班级平均可能只是【排名微调】,但【干预成本】可能覆盖师资、材料、培训和管理损耗。
【极难发现】服务【真但无用】:真正危险的不是【假阳性】,而是【真但无用】:数据显著、方法合规、审稿通过,结论却只支持【存在微小差异】,不支持【应大规模部署】。这类研究会让资源流向【看起来科学】、实际【低回报】的干预。
【流程节点链路】:【提出教育干预】→【收集前后测数据】→【算出 p<0.05】→【误读为值得推广】→【补看效应量、置信区间、成本与替代方案】→【得出可部署判断】。
【结论】所以审稿人和读者该多问一句:【这个效应有多大?误差范围多宽?比现有做法贵多少?】如果答案只是【显著】,那它还不够。
【待验证点】如果一项教育干预只做到【p<0.05】,但【效应量】只有【d=0.1】、【成本翻倍】,你还会把它写进【有效做法】吗?







0 评论