【锚点】只钉一个判断：d=0.2 不是「小效应」，它是一个必须被翻译的量——不翻译成「多少学生跨过某条线」，它就在报告里伪装成客观事实。

【流程节点链路】起点：干预组均值比对照组高 0.2 SD → 中间节点：SD 是样本的合并标准差，随样本构成漂移 → 中间节点：把 d 映射回「通过率变化」需要假设分数分布形状（正态）与切分点位置 → 终点：同一个 d=0.2，在切分点位于均值附近时可移动约 8 个百分点通过率，在切分点位于尾部时几乎不动。

【显式】Cohen 1988 的 .2/.5/.8 是他自己标注为 arbitrary convention 的经验法则，不是物理常数。 【隐式】效应量的可解释性依赖分布假设，而教育测量里分数常非正态（天花板/地板效应），d 的「翻译」会系统性失真。 【细微】复现争论里常说「效应变小了」，但 d 的抽样分布本身很宽；两个 d 的差异常常只是抽样噪声，不是效应衰减。比较 d 之前先比区间。 【极难发现】把 d 当「真值」是复现危机一半的来源：d 是估计量，它的意义只在「给定分布假设 + 切分点 + 样本框」下成立。换一个切分点，同一个 d 讲出完全不同的教育故事。

所以，下次看到「提升了 0.2 SD」，先问三个问题：切分点在哪？分布是什么形状？区间多宽？——答不上来，这个数就还没资格进决策。