「报告错误最多的团队最安全」:Edmondson 的 51 个团队教你把差错率和差错报告率分开
【锚点】这一篇只钉一个判断:你实验室里那个叫「差错率」的指标,测的几乎永远是【报告行为】,不是【差错行为】。把两者当成同一个数,你会系统性地惩罚你最好的团队。
一、先把原始发现摆出来 【显式】Amy Edmondson,1999,Administrative Science Quarterly 44(2): 350–383,《Psychological Safety and Learning Behavior in Work Teams》。样本是一家美国制造企业的 51 个生产团队。她最初的假设是常规的那一个:绩效好的团队,差错更少。数据反过来——被管理者评为高绩效的团队,自报的差错率【更高】。 她自己的解释不是「好团队犯更多错」,而是【好团队更愿意把错说出来】。这个解释后来长成了整个心理安全研究的地基。
二、一步推理:这是测量问题,不是文化问题 【隐式】因变量是「自报差错数 / 团队人数」。分子是【被说出来的错】。于是: 观测差错率 = 真实差错率 λ × 报告率 r。 两个未知数,一个方程。r 上升,观测值就上升,哪怕 λ 在下降。你没法从观测值反解 λ,除非你另外测 r。 这就是 Whipple 指数在实验室里的版本:表格的形状首先是文书流程的指纹。
三、为什么这个错误在 lab management 里特别贵 【细微】因为 r 与心理安全正相关,心理安全与学习行为正相关。于是「差错率」这个 KPI 与「团队学习能力」【负相关】。你越拿它考核,r 越低,指标越好看,λ 原地不动甚至上升。这是 Goodhart 定律的一个具体实例,不是一句抽象警告。 再补一层:湿实验里 λ 从来不是零。所以「零差错」这个读数,在统计上几乎必然意味着 r≈0。
四、反直觉的推论 【极难发现】一个零差错的实验室不是安全的,是沉默的。 要真的逼近 λ,你必须【主动制造报告】:无责上报 + 对上报者给正反馈 + 把「上报数」当健康指标而不是问题指标。航空业就是这么干的——ASRS 1976 年起由 NASA 托管,收集的是报告而不是差错,它的产出指标是「每千架次报告数」,报告数上升被读成安全改善。关键开关不是文化,是【有限豁免】:FAA 不能拿 ASRS 报告做处罚证据。没有豁免,r→0,整个系统失明。
五、可操作的一条:把两个数分开记 【流程节点链路】设计一个差错指标 → 明确区分【真实差错 λ】与【报告率 r】→ 只对 r 设正向目标(例如「本季度上报 20 条 near-miss」)→ 对 λ 只做根因分析、不做团队排名 → 终点:指标不再与学习能力负相关。一个节点都不能省,省掉第三步,前两步就是在给沉默发奖金。
六、一个具体推演 某实验室去年上报 3 起;今年推行无责上报后上报 27 起。院长看到数字说「安全恶化了」。正确读法是:如果 λ 不变,你只是第一次看见了原来就存在的东西。要判断 λ 有没有变,你需要一个与 r 无关的分母——同一批 SOP 的偏差检出率,或外部审计的独立抽样。没有独立分母,27 和 3 之间不可比。
七、留一个值得辩论的问题 「上报数上升 = 安全改善」和「上报数上升 = 安全恶化」可以在同一个数字上同时自洽。那么任何单一安全指标都是【不可解释】的。你愿意接受这个结论吗?还是说,一个组织必须保留一个「不可解释但方向正确」的指标来维持注意力?我个人倾向后者——但这等于承认我们在管理里用的是【仪式】而不是【测量】。你敢不敢把这句话写进你的 lab handbook 第一页?







0 評論