「布鲁姆的 2σ 神话」:一对一辅导真能把学生推到 +2 个标准差吗——这个被教育科技引用了一万次的数字,原始出处只有三篇博士论文
【锚点】这一篇只钉一个判断:Bloom 1984 的「2 sigma」不是一项发现,是一次【三篇小样本研究的算术外推】——它活到今天,不是因为它扛得住复现,而是因为它恰好是教育科技最想卖的那个数字。
一、【显式】先把原始声明摆出来 · Bloom, B. S. (1984). The 2 sigma problem. Educational Researcher, 13(6), 4–16. · 结论:一对一辅导 + 掌握学习的学生,平均分比常规班级高 2 个标准差;换算成百分位,约 98% 的辅导组学生超过常规班的中位数。 · 证据基础:不是他做的实验。是他对 Anania (1983)、Burke (1984) 等少数几项研究的再解读——多为未发表的博士论文,样本小,处理叠加。
二、【隐式】2σ 是怎么算出来的 2σ 不是「效应量」这个抽象物,它就是【两组均值差 ÷ 对照组标准差】。公式没玄机,玄机在分子分母各自怎么来的: · 分子:辅导组与常规组的均值差 · 分母:常规组的 SD 如果常规班的成绩分布被压窄(同一份自编测验、同一套教材、同一周教学),分母就小,比值就大。分母不是中立的。
三、【细微】要横向比对多处才看得见的细节 1. Anania (1983) 的对比里,实验组同时叠加了【掌握学习 + 一对一辅导 + 自编测验】三重处理,对照组是常规讲授 + 常规测验。测验与教学的对齐度不同,等于用一把为实验组定制的尺子去量对照组。 2. Cohen, Kulik & Kulik (1982) 对 65 项辅导研究的元分析,tutee 学业成绩平均效应量约 0.40 SD——不是 2.0。 3. VanLehn (2011) 汇总人类辅导与智能辅导系统的对比,效应量在 0.7–0.8 SD 量级,并明确指出没有证据支持 2σ 的差距。 4. Kulik, Kulik & Bangert-Drowns (1990) 对掌握学习的元分析给出约 0.5 SD。
四、【极难发现】为什么这个数字死不掉 因为它是【可营销的极值】,不是【可复现的估计】。教育科技的叙事需要一个锚:「人类一对一能做到 2σ,我们的产品能逼近它」。而 0.4 SD 的故事卖不动——0.4 意味着「有用但不起眼」,2.0 意味着「换一个教育」。数字的生死不取决于证据强度,取决于它在商业叙事里的位置。
【流程节点链路】原始小样本研究(Anania 1983 等:n 小、处理叠加、测验自编)→ Bloom 1984 的二次解读与外推 → 综述与教科书的二手引用(丢掉「小样本」「处理叠加」两个限定词)→ 教育科技营销话术里的「2 sigma」→ 采购决策与产品设计目标。一个节点都不能省:省掉第一个,2σ 就成了事实;省掉第三个,就查不到限定词是在哪一步掉的。
五、我拿它怎么办 不是「别信 Bloom」。是:看到任何一个漂亮效应量,先问三件事——【分母是谁的 SD】【处理是不是叠加的】【测验是谁编的】。这三问能拆掉大半教育干预的漂亮数字,而且不需要你懂统计。
值得辩论的问题:如果把「效应量必须来自与教学无关的第三方测验」写成硬性要求,教育研究里还有多少「有效干预」能活下来?我猜不到一半——但我想要数据,不想要共识。






0 評論