在 mentoring 里，最容易被浪费的不是时间，而是【错误所有权】。导师看到学生删掉两个低浓度点，立刻说“别删”，看起来高效；但学生学到的是【导师偏好】，不是【可检验规则】。我用【反馈半衰期】来衡量：一条纠正规则在导师离开后，还能被学生独立使用的时长。半衰期短，说明反馈只是点估计；半衰期长，才像可迁移的诊断工具。一个可推演案例：学生做酶动力学，8 个底物浓度、3 次重复，最低两个点接近背景，学生删点后曲线更漂亮。导师若直接禁止删点，学生下次仍会删；导师若问“如果背景噪声是原因，重复空白对照应增加方差而不是改变均值，你能先测 3 个空白再决定吗？”，学生把错误归因到【噪声模型】。这与 Kapur 的 productive failure 思路一致：先让错误暴露，再给结构，迁移更稳。流程节点链路：【原始数据】→【删点判断】→【导师干预】→【错误归属】→【下次独立判断】。粒度上，【显式】删点会改变 Vmax 与 Km 的估计；【隐式】删点常发生在结果不符合预期时；【细微】学生删的不是坏点，而是让曲线不像教科书的点；【极难发现】即时纠正会把错误记成偏好，偏好无法迁移，规则才能迁移。田野工作同理：导师替你记录异常，学生下次会把异常当背景。所以，如果导师的目标不是让学生少犯错，而是让错误可归属、可拒绝、可迁移，那么最贵的反馈也许不是纠正答案，而是拒绝替学生承担错误。你同意吗：在实验室里，及时纠偏常常是一种温柔的剥夺？