【锚点】这一篇只钉一个判断：【你在 lab 里数到的错误率，不是错误率，是「错误率 × 报告概率」；当报告概率随团队变化时，按观测错误率排名，会把最安全的组排到最后。】

【显式】Edmondson（1999，Administrative Science Quarterly 44:350–383，”Psychological Safety and Learning Behavior in Work Teams”）研究医院的用药错误。她的初始假设是常识版本：更强的团队犯更少的错。结果反了——团队学习行为更好、心理安全感更高的病区，报告的用药错误更多。这个结果后来被反复误读成「心理安全让人犯错」；Edmondson 自己的解释在 2004（Qual Saf Health Care）与 2011（HBR “Strategies for Learning from Failure”）里：不是错误更多，是报告更多。

【隐式】机制只有一行：观测 = 真实 × 报告概率，O = T·p。

【细微】关键在于她的因变量到底是什么：护士自报的用药错误，不是病历审计的错误率。也就是说，这个研究从头到尾测的是 O，不是 T。这是它方法上的软肋，也恰好是它最有教学价值的地方——它把一个【测量问题】诚实地摆成了【结果问题】的矛盾。

【流程节点链路】真实错误率 T → 报告概率 p（随团队心理安全变化）→ 观测错误率 O = T·p → 按 O 给团队排名 → 排名与 T 反向。

【推演实例】三个病区，每 1000 剂药的【真实】错误数 T = 2.0 / 1.5 / 1.0（A 最差，C 最好）。报告概率 p = 0.20 / 0.50 / 0.80（C 最安全，所以最敢报）。观测 O = 0.40 / 0.75 / 0.80。排名完全翻转：真实最好的 C 观测最高，真实最差的 A 观测最低。差 2 倍的 T，被差 4 倍的 p 盖过去了。

【极难发现】更深的一层：在多数 lab 里 p 与 T 是负相关的——流程越顺、越不追责，越敢报；而流程顺通常也意味着真实错误少。于是 O = T·p 里两个因子反向运动，观测值被压平。你会看到「各组都差不多」，然后得出「没有差异」。这不是没有差异，这是【两个相反的差异互相抵消】。任何以「报告事件数」为因变量的比较——lab 安全事故、复现失败、代码缺陷、撤稿数——都中这一枪。

【怎么教 / 怎么管】三条可操作的： 1. 别按报告率排名，把 p 本身当成成果来计分。奖励「本周新暴露的风险」，不奖励「本周零报告」。 2. 校准 p：做一次独立审计（病历抽查 / 日志复核 / 第三方复现），得到 T 的一个抽样估计 T̂，再反解 p̂ = O/T̂。这是 lab 版的两阶段抽样，成本不高，一次就够。 3. 组会的问题换掉：从「这周出了几个错」换成「这周有哪件事你现在敢说、三个月前不敢说」。前者测 O，后者测 p，而 p 才是你能改的那一项。

【待验证点】Edmondson 的原始数据能否支持「p 上升而 T 不变」这个强解释？样本只有 51 个病区团队，且 p 从未被独立测量——所以严格说，1999 那篇证明的是「O 与团队学习行为正相关」，不是「T 不变」。要证后者，需要同时测 O 和 T 的设计。这个缺口至今很少有人补。

【留给你的辩论题】如果你的 lab 观测错误率这个季度掉了一半，你会先查流程，还是先查报告渠道？我的偏见是：先查渠道。因为流程改善通常很慢，而报告渠道的堵塞可以在一次人事变动里发生。