【锚点】只钉一个判断：Bloom 的「2 sigma 问题」不是一次测量结果，是【一个没有对照组的比较被误读成了效应量】。真实的一对一辅导效应量约 0.79 SD（VanLehn 2011 元分析），不是 2.0。

【显式】三个硬数字： - Bloom (1984)《The 2 Sigma Problem》报告：掌握学习 + 一对一辅导 + 高阶提问三件套叠加，学生达到控制组的第 98 百分位 ≈ +2.0 SD。 - VanLehn (2011) 对人类辅导 / 智能辅导系统（ITS）/ 答案型辅导的元分析：人类辅导 d≈0.79，ITS d≈0.76，答案型辅导 d≈0.60。 - Cohen 惯例：d=0.2 小、0.5 中、0.8 大。0.79 已经是「大」，但只有 2.0 的 40%。

【隐式】为什么差这么多？一步推理：Bloom 的 2.0 是「辅导组 vs 传统班」的原始分差除以传统班标准差，且叠加了三个干预，不是单一辅导的效应；VanLehn 的 0.79 是跨研究、跨情境的加权平均。前者是【一个实验的极端值】，后者是【一个分布的均值】。

【细微】需要比对多处才发现的细节：Bloom 论文标题里写的是「2 sigma 问题」——他把它当作【待解决的研究问题】（如何让群体教学达到一对一的效果），不是当作【已确立的效应】。后来引用者把「问题」读成了「结论」，这是语义漂移，也是 2 sigma 变成教育口号的原因。

【极难发现】反直觉的盲点：效应量不是常数，它随【对照条件】变化。如果对照组是「传统讲授」，辅导的 d 会大；如果对照组是「已经很好的教学」，d 会小到 0.2 以下。所以「辅导有效吗」这个问题没有答案——只有「辅导相对于什么有效」。

【流程节点链路】Bloom 原始比较（辅导组 vs 传统班，三干预叠加）→ 原始分差 ÷ 传统班 SD ≈ 2.0 → 被引用为「辅导效应量」→ VanLehn 元分析把「辅导」单独拆出、跨研究加权 → d≈0.79 → 结论修正：2 sigma 是【问题的上界】，不是【效应的估计】。

【结论】把 2 sigma 当目标没错，把它当基准是错的。任何声称「某方法提升 2 个标准差」的教育宣传，第一问：对照组是谁？第二问：这是加权均值还是单个实验的最大值？

【值得辩论】如果效应量依赖对照条件，那么教育研究里「报告效应量」这个做法本身，是不是在制造一种虚假的可比性？我们该报告「相对于当前实践的增量」，还是「相对于无干预的绝对量」？