掌握学习：如果允许时间变化，谁还算学不会

承重命题：若允许时间变化，绝大多数学生都能达到同一水平；今天被记录为"能力差异"的东西，大半是被提前结算的时间差异。

位置 差异 D ｜ 预设 〔13 时间尺度可自由压缩〕 ｜ 主读数 判定尺依赖度 ≈ 2.0（LFM 为 6.5）

提出：Bloom 1968｜源头：Carroll 1963｜最完整清点：Kulik et al. 1990（108 项，平均 0.52）｜承诺值：2.0

一个思想能活五十七年，通常不是因为它对，而是因为它同时具备三样东西：一个人人都认得的病症、一个便宜的方子、以及一个大到没人敢去核的承诺。掌握学习三样齐全。

本篇要做的事很具体。把它当年拿出来的数字摊开，把它推翻的那条老前提认出来，把七次改写各自让掉了什么记下来，把它今天藏在哪几张表格里点出来。然后指明：在什么条件下它不成立，以及有哪一格从来没有人测过。

最后一节留十条可以被数据判负的命题，供二阶碰撞取源。

一九六八年五月，加州大学洛杉矶分校"教学计划评价研究中心"出了一份薄薄的内部通讯，叫《评价通讯》，第一卷第二期。上面登着本杰明·布鲁姆一篇不长的文章，题目是《为掌握而学》。这不是一篇发表在有审稿制度的学术期刊上的论文，它是一份油印的、发给同行看的工作稿。此后半个多世纪里，它被引用了数万次，而绝大多数引用者从没读过原件，只读过转述。

布鲁姆当年五十五岁，已经不是无名之辈。十二年前他主持编成的《教育目标分类学·认知领域》让他在全世界的师范教育里成了必读书。但《为掌握而学》要处理的不是分类问题，是一个更让他难受的东西——他称之为学校里"最浪费、最具破坏性的一个方面"。

他说的是这样一件事。一门课开始的时候，学生的能力测验分数大致服从正态分布：少数人高，少数人低，大多数人在中间。一学期结束，期末考试分数还是正态分布：少数人高，少数人低，大多数人在中间。而且——这是关键——两次分布里的人基本还是那批人。开学时排在后 20% 的孩子，期末大概率还在后 20%。

这件事在当时被普遍当作教育有效的证明：考试成功地把学生按能力分开了，钟形曲线漂亮，信度也高。布鲁姆说，不对。他说，如果一门课教完之后，学生的分布跟教之前一模一样，那这门课什么也没发生。教学如果有效，恰恰应该破坏那条曲线。

他还说了一句更重的话：正态曲线是"最不适合评价教学结果的分布"，因为正态是随机过程的产物。你把一把种子撒在地上，长出来的高度是正态的；那是因为没人管过它们。教育是一个有目的的干预，是有人管的。如果管完之后结果仍然是随机分布的形状，说明干预没有改变什么。

《为掌握而学》的整篇文章，就是在回答"那该怎么办"。

布鲁姆不是从零开始的

他手里有一个别人刚做好的工具。五年前，一九六三年，约翰·卡罗尔在《师范学院学报》第六十四卷第八期上发表了《一个学校学习的模型》，只有十一页。卡罗尔是个心理语言学家，本行是研究外语学习速度的。他提出的模型极其简朴，简朴到几乎让人怀疑它能有什么用：

学会的程度 ＝ f（实际花的时间 ÷ 需要花的时间）

模型里有五个量。实际花的时间由两个东西决定：允许的机会（课表给了多少），以及毅力（学生自己愿意花多少）。需要花的时间由三个东西决定：天赋、理解教学的能力、教学的质量。教学质量差，需要的时间就变长。

卡罗尔这个模型里藏着一颗炸弹，而且是他自己亲手安上去的。他把"天赋"重新定义了。在他之前，天赋（aptitude）的意思是"学会的能力"——有的人能学会，有的人学不会。卡罗尔说，不是。天赋是"学会所需要的时间量"。天赋高的人学得快，天赋低的人学得慢，但两个人都会到达。

这一句话把一个关于能不能的问题，改成了一个关于多久的问题。

布鲁姆看到了这颗炸弹，并且决定引爆它。他在《为掌握而学》里做的事，本质上是把卡罗尔的描述性模型翻译成了一条操作指令：既然学不会只是时间不够，那学校只要允许时间变化，就能让几乎所有人达到同一个水平。而学校恰恰是全世界最不允许时间变化的地方——铃响进教室，铃响出教室，期中考试的日子是校历上印死的。

他给的具体做法

布鲁姆开的方子有五步，每一步都朴素得像是常识：把课程切成若干个小单元（一两周一个）；每个单元结束做一次不计分的小测验（他管这叫"形成性测验"，用的是斯克里文一年前刚造出来的词）；根据小测验的结果，把没过的学生挑出来；给他们矫正性教学——换一种讲法、同伴辅导、补充材料；矫正之后再测一次，过了才进下一单元。

其中最关键、也最容易被后来的人漏掉的是第二步的三个字：不计分。布鲁姆坚持形成性测验不能进成绩册。一旦进成绩册，它就变成了判决书，学生会开始隐藏自己不会的地方，而整套机制恰恰依赖学生把不会的地方暴露出来。

同一年的另一份文件

也是一九六八年，弗雷德·凯勒在《应用行为分析学刊》创刊号上发了一篇《再见了，老师……》，提出了一套叫"个别化教学系统"（PSI，后世通称"凯勒计划"）的东西。凯勒是斯金纳的同事和老朋友，他的方案与布鲁姆有一半重合：也是切成小单元，也是过了才能往下走。

但有一个根本差别，而这个差别在二十年后决定了这两条路各自的命运。布鲁姆的班级是齐步走的——老师讲课，全班同一进度，掉队的人在课外补，补完追上大部队。凯勒的班级是各走各的——教材是书面的，学生自己看、自己申请测验，快的人两个月修完，慢的人一学期修不完。

一个把"允许时间变化"理解成在集体节奏内部挖出补救的口子，另一个理解成取消集体节奏。后来的数据会告诉我们，这两种理解的结果不一样，而且不一样的方向出乎所有人意料。

为什么偏偏是一九六八年

这一年美国的学校正处在一个特殊的位置上。一九五四年布朗诉托皮卡教育局案判定隔离的教育设施天然不平等，此后十几年是漫长的取消种族隔离过程；一九六五年《初等与中等教育法》第一条款开始向贫困学区大规模拨款，"补偿教育"成了联邦的重点工程。也就是说，此时的美国社会刚刚做出了一个巨大的承诺：学校可以补偿出身带来的差距。

紧接着，一九六六年的科尔曼报告泼了一盆冷水。那份受国会委托、调查了约六十万名学生的报告得出的结论是：学校之间的资源差异对成绩的解释力，远小于家庭背景与同伴构成。这个结论在当时被广泛读成一句话——学校做不了什么。

《为掌握而学》就是在这个氛围里出现的。它出现的时刻，是一个刚刚许下巨大承诺、又刚刚被告知这个承诺可能兑现不了的时刻。布鲁姆给出的回答不是"科尔曼错了"，而是换了一个位置：科尔曼测的是学校之间的差异，而布鲁姆说，问题在每一间教室内部——不是资源不够，是每间教室都在用一套必然产生失败者的机制运转。

这个位置选得极其漂亮，也解释了这篇文章为什么能有那么长的生命力。它给了被科尔曼报告压住的一整代教育工作者一件可以立刻上手做的事，而且不需要更多的钱。

这一点必须写进这条思想的档案里：掌握学习之所以传播得那么快、那么广，一半是因为它的道理，另一半是因为它便宜。它不要求增加拨款、不要求改变班额、不要求重新分配学生。它只要求老师多做一点事。第七节末尾会看到，这"一点事"从来没有被称过重。

这一条的承重命题是：

若允许时间变化，绝大多数学生都能达到同一水平；今天被记录为"能力差异"的东西，大半是被提前结算的时间差异。

这句话必须这样读才有力量：它不是在说"要对学生有耐心"，也不是在说"每个孩子都是花期不同的花"。那些是安慰话，无法被推翻，因而也毫无用处。布鲁姆说的是一个可以被数据打脸的经验命题，而且他自己给出了打脸的判据。

他给的判据是这样的：在掌握学习的班里，90% 的学生应当达到原先只有前 10% 才能达到的水平。这个预测极其硬。库利克后来算过，要做到这一点，班级平均分需要提高两个标准差以上。

同时还应该出现两个附带的读数：期末成绩的离散度应当接近零（大家都到了同一高处，就没什么好离散的了）；入学能力测验与期末成绩的相关应当接近零（既然天赋只决定用时不决定终点，用时被补足之后，天赋就不该再预测结果）。

第三个预测更大胆，写在布鲁姆一九七六年的《人的特性与学校学习》里：多花的时间是暂时的。底子差的学生只在课程初期需要额外时间，等他们把基础补齐，需求就消失了。到课程后半段，所有人都会以同样的速度前进，"能力弱的学生"的教学需求将与"能力强的学生"无法区分。

四个可证伪的预测，每一个都指着一个可测的量。这在教育思想里是罕见的诚实——绝大多数教育主张精心地把自己写得无法被检验。布鲁姆没有。他把靶子挂了出来。

后面第七节会讲，这四发子弹里，打中的有几发。

这条命题不是什么

因为传播中它被稀释过很多次，这里必须把边界画清楚。

它不是"因材施教"。 因材施教说的是内容与方法要按人调整；掌握学习说的是终点相同，只有到达终点的用时不同。这是一个远比因材施教更强、也更容易被推翻的主张。把掌握学习讲成因材施教，等于把它的刀锋磨掉。

它不是"多给一次机会"。 补考是"多给一次机会"，而掌握学习要求在两次判定之间必须插入一段不同的教学。没有矫正性教学的重考，在布鲁姆的框架里根本不算掌握学习——它只是把同一次判定做了两遍。

它不是"降低要求"。 恰恰相反，第五节的数据会显示，标准越高效果越好。掌握学习是"标准不动、时间可动"；而实践中最常见的变形是"时间不动、标准可动"——那正好是它的反面。

它也不是关于慢学生的。 布鲁姆的命题里，"绝大多数"包括全班。他要说的是整条曲线都该往上挪并且挤在一起，不是给后进生开个小灶。第七节会看到，"对差生帮助更大"这条流行说法的实证支持，比人们以为的弱得多。

一个思想值不值得撞，要看它当年拿出来的是什么。这一节把掌握学习历次拿出来的数据摊开，每一处都标明分母。

一九六八年：其实没有数据

必须先说一句不客气的话。《为掌握而学》本身不是一份实证报告。它是一篇论证文，引用的是当时零星的课堂试点，没有对照组，没有效应量。它的说服力来自逻辑：卡罗尔的模型加上正态曲线的不当性，推出一个应然的结论。

这件事本身是一条读数——一个改变了全世界课堂的教育思想，在提出的那一刻手里是空的。后来的所有数据都是被这篇文章召唤出来的，不是它的依据。

一九八四年：两个西格玛

真正的重炮在十六年后。一九八四年，布鲁姆在《教育研究者》第十三卷第六期第 4–16 页发表《两个西格玛问题：寻找与一对一辅导同样有效的集体教学方法》。

这篇文章依据的是他在芝加哥大学的两个博士生——乔安·阿纳尼亚与约瑟夫·阿瑟·伯克——的学位论文。两人各自做了三组对照：常规班级教学、班级内的掌握学习、一对一辅导。读数是：

- 一对一辅导组的平均学生超过了常规班 98% 的学生（约当两个标准差）；

- 约 90% 的受辅导学生达到了常规班只有最高 20% 才达到的总结性成绩水平；

- 班级内的掌握学习组居中，约一个标准差。

布鲁姆把它写成一道题而不是一个答案：一对一辅导太贵，谁也养不起，所以问题是如何用集体教学的成本逼近一对一的效果。这道题从此叫"两个西格玛问题"。

分母必须记清楚：这两个西格玛出自两篇博士论文，学生总数以百计，学的是"概率论"与"制图学"这类短周期、新内容的小单元，用的是自编测验。它不是对上千项研究的汇总，也不是对长学段的追踪。

一九八五年与一九八七年：两个方向相反的汇总

古斯基与盖茨（1985）汇总了群组式掌握学习的评价研究，报的平均效应量是 0.78——小学 0.94（13 项）、高中 0.72（12 项）、大学 0.65（10 项）。这是一个很强的读数。

斯莱文（1987）在《教育研究评论》第五十七卷第 175–213 页做了一份"最佳证据综合"，只收大学前的群组式掌握学习、且要求有明确掌握标准与至少两个测验周期。他找到 17 项合格研究，中位效应量 0.25。

同一个东西，两份汇总，0.78 与 0.25，差了三倍。而且两个池子几乎不重叠——古斯基与盖茨的 25 项大学前研究里，只有 5 项进了斯莱文那 17 项。

斯莱文这篇文章引发了教育研究史上少见的同期对打：同一卷《教育研究评论》里，安德森与伯恩斯（第 215–223 页）与古斯基（第 225–229 页）各写一篇回击，标题一篇叫《价值、证据与掌握学习》，一篇叫《重思"重新审视掌握学习"》。三篇挨着排在一起。

一九九〇年：至今最完整的一次清点

库利克、库利克与班格特-德朗斯在《教育研究评论》第六十卷第二期第 265–299 页发表《掌握学习方案的有效性：一项元分析》。这是这一条线上读数最密、也最诚实的一份文件，值得逐项抄下来。

样本：108 项有对照的评价研究，其中 72 项用凯勒的 PSI（全部在大学），36 项用布鲁姆的 LFM（19 项大学、17 项大学前）。103 项报告了结课考试成绩。

主读数：平均效应量 0.52，标准误 0.033，t(102)=15.78，p<.001。折成百分位：掌握班的平均学生站在第 70 百分位，对照班的平均学生站在第 50 百分位。

两条路的对比：PSI 平均 0.48（67 项），LFM 平均 0.59（36 项），两者之差不显著（t=1.50，p>.10）。

弱生是否获益更多：13 项研究分能力层报了数。低能力组 0.61，高能力组 0.40。方向对，但差异不显著（t=1.23，p>.10）。这一点极其重要，后面第七节要用。

离散度：52 项报了实验组与对照组各自的方差。37 项里实验组方差更小。典型情况下实验组的成绩离散度是对照组的 77%。

时间代价：只有 8 项报了教学时间。中位情况下实验组多用 4% 的时间——对照班学生每花一小时，掌握班学生花 62 到 63 分钟。

延迟保持：11 项做了后测，平均间隔约 8 周，效应量 0.71（同这 11 项的结课效应量是 0.60）。效果没有衰减。

态度：对教学方法的态度 0.63（18 项），对学科的态度 0.40（14 项）。

完成率：32 项报了完成率，全部是 PSI。其中 23 项的掌握班完成率更低，只有 9 项更高。平均 h ＝ −0.14（t(31)=2.86，p<.01）。自定步调的课，学生更容易拖到修不完。

★ 全篇最锋利的那一格

库利克等人跑了一个多元回归，五个变量能解释效应量方差的约 25%（R=.50）。其中一个变量的表现是整条线上最要命的：

只看 LFM（布鲁姆那一路）：本地自编 0.65（31 项），标准化 0.10（2 项）。

有四项研究在同一批学生身上同时用了两种测验，可以做同校对照：

四项里，标准化测验上的效应全部近于零。

这张表是这一条思想的量纲要害。它的读数不是"掌握学习有没有用"，而是：掌握学习的效应量，随着谁来出题而变化。换一把尺子，同一批学生、同一段教学，读数从 0.64 掉到 0.04。

读数速查（引用前请连分母一起抄）

两把参照尺

第一把：光加时间够不够。莱文与迈斯特 1986 年发现，小学教学时间增加约 50% 而不改变时间的用法，数学成绩只涨 0.03 个标准差、阅读涨 0.07。掌握学习用多 4% 的时间换来 0.5，说明起作用的不是时间本身，是时间被用在了哪里。

第二把：在同类干预里排第几。库利克夫妇 1989 年横扫了近 40 个教育研究领域的元分析：同伴与跨龄辅导 0.4，计算机辅助教学 0.35，程序化教材 0.15，"开放教育" −0.1。掌握学习的 0.52 在这一排里名列前茅。

所以这一条线的诚实结论是：掌握学习是个好东西，是同类干预里最好的那几个之一。它只是不是布鲁姆说的那个东西——0.52 不是 2.0，差着四倍。

一个思想的分量，看它把谁推下了台。

被推翻的那条老前提：分布是教育的产物，也是教育的目的

在布鲁姆之前，学校对成绩分布的态度是一种双重身份：既把正态分布当作教学结果的自然形态，又把它当作评价质量的证据。一位老师如果全班都得了高分，会被怀疑题目太简单；如果分数拉不开，会被认为"没有区分度"。

这条前提是谁立的？两条线索。

第一条是心理测量学。 一九〇五年比奈-西蒙量表之后，智力测验被建成一种排序工具：它的题目是按"区分度"挑的——凡是所有人都答对或都答错的题，因为不能区分人，一律剔除。一九四九年韦克斯勒把智商正式定义为"同龄人分布里的位置"（离差智商），把"分布"钉死在了定义里。到这一步，"个体差异是稳定的、可测的、正态的"已经不是一个假说，而是整个测量行业的建构规则。

第二条是学校自己的分配职能。 中学与大学的入学名额有限，学校被要求交出一个可排序的名单。一个不产生排序的评价系统，学校无法使用。

布鲁姆的攻击点非常准。他没有攻击"人有个体差异"这条事实——他从没否认过。他攻击的是那句被偷偷加上去的话：差异的分布形状不该被教学改变。他指出正态分布是随机过程的产物，而教学是有目的的干预，"如果我们的努力有效，最终的成就分布就应当与初始能力的正态分布很不一样"。

这一刀切在了一个此前没人指认的接缝上：测量的合格标准（要有区分度）与教学的成功标准（要缩小差距）方向相反。一个尽职的测量员和一个尽职的老师，被要求把同一件事往两个方向拉。

被改写的那条：天赋是能力还是时间

上文说过，这一刀是卡罗尔 1963 年下的，布鲁姆是拿来用的。但要说清楚卡罗尔推翻了谁。

在他之前，"天赋"在心理测量学里的操作定义是未来成就的预测量——天赋测验之所以有效，正因为它与后来的成绩高相关。这个定义有一个隐藏的循环：天赋测验预测成绩，而成绩是在固定时长的课程里取得的；于是"天赋"实际测的是"在规定时间内能走多远"。

卡罗尔把时间从常数变成了变量，这个循环就断了。他 1989 年在《教育研究者》第十八卷第一期回顾这个模型时，把话说得更清楚：强调机会平等，意味着提供的机会应当是恰当的、而非对所有人相同的。

注意这里有一处必须写明的不对榫。 卡罗尔自己从未说过所有人都能达到同一水平。他的模型允许"需要的时间"大到任何现实课表都容不下。布鲁姆做的是加了一个乐观的经验假定：现实中的时间差是有限的、可补的。这个假定是布鲁姆的，不是卡罗尔的，而后来数据打的正是这个假定。

这是引用这一条时最常出的错：把卡罗尔的模型和布鲁姆的承诺当成一件事。它们是两件事，一件站住了，一件没有。

顺带被顶掉的第三条：形成性测验必须计分

斯克里文 1967 年刚把"形成性"与"总结性"分开，布鲁姆立刻把它用在了单元测验上，并且加了一条硬规矩：形成性测验不进成绩册。

这一条顶掉的是"凡评价皆须计入档案"这条学校默认。它的理由是机制性的，不是人道主义的：整套矫正机制依赖学生主动暴露自己不会的地方；一旦测验带后果，暴露就变成自伤，学生会转而隐藏。

这一条今天在中国的课堂上仍然是最难落地的一条，也是"随堂小测"与"形成性评价"之间那道被反复跨过的线。

一个思想的流变史里，最值钱的不是它传播得多远，而是每一次改写各让掉了哪一块。下面按让步的性质分段，不按时间顺序。

第一次让步：从"同一水平"退到"更高水平"（一九七〇年代末）

布鲁姆原话是 90% 的人达到原来前 10% 的水平。这个说法在实践中很快站不住——学校做了一两轮就发现，达不到。

于是话被改成了"帮助更多学生达到掌握"。表面上只是措辞谦逊了，实质上承重命题被抽掉了：原命题是关于分布形状的（离散度趋零、天赋与成绩相关趋零），改写后的版本是关于平均值的（大家都好一点）。

前者可以被证伪，后者几乎不可能被证伪。这是整条线上最重要的一次让步，而它发生得悄无声息，没有任何一篇文章宣布过这次撤退。

第二次让步：掌握标准从 100% 滑到 70–80%（一九七〇年代持续）

早期方案里，"掌握"常常定为单元测验 90% 或 100% 正确。库利克等人的数据显示，实际做的时候标准在往下滑，而且滑得有规律：

标准越高，效果越好。这条关系在多元回归里显著（p=.016）。也就是说，第二次让步是拿效果换可行性——标准降到 70%，老师做得下去了，效应量掉了三分之一。

这个交易在今天的中国课堂上仍在每天发生。所谓"人人过关"，过关线画在哪，是这条思想的全部含金量所在。

第三次让步：从"齐步走 + 课外补"滑向"自定步调"（凯勒线，一九七〇年代大学）

PSI 在美国大学里一度铺得很开。它的失败方式非常具体，而且被数据钉住了：32 项报了完成率的研究里，23 项显示掌握班完成率更低。

学生不是学不会，是不交。允许时间无限延展的结果不是所有人都到达，而是一部分人永远停在半路。凯勒和谢尔曼自己在 1974 年的手册里承认了这一点，并专门设计了防拖延程序。

这条读数值得单独记住："允许时间变化"这个动作，在有截止日的系统里是补救，在没有截止日的系统里是弃权。 同一个动作，装在不同的时间结构里，结果相反。

第四次改写：从"补救"变成"更多的测验"（一九八〇年代至今）

这是最普遍、也最少被承认的一次变形。库利克等人的回归里有一个变量：对照组得到的小测反馈量。当对照组与实验组得到同样多的反馈时，效应量掉到 0.40；对照组按常规做（反馈更少）时，效应量是 0.53。这条也显著（p=.021）。

用大白话说：掌握学习的一部分效果，来自它比对照班多测、多反馈。而多测多反馈是任何班都能做的，不需要"掌握"这套理论。

于是在学校层面，掌握学习被广泛地实现成了"单元过关测＋补考"。测验频率上去了，矫正性教学——那个"换一种讲法"的核心动作——被悄悄换成了"再做一遍同样的题，再考一次"。

这次改写让掉的是这条思想里唯一真正教学性的部分。剩下的是一台更密的测验机器。

第五次改写：并入能力本位教育（一九九〇年代至今）

"掌握"这个词后来被并进了 competency-based education（能力本位／胜任力本位教育）与"标准参照评价"的话语里。这次并入让它活了下来，代价是名字没了——今天绝大多数在做掌握学习的机构不知道自己在做掌握学习。

第六次改写：交给机器（一九九五年至今）

一九九五年前后，安德森等人的认知导师（Cognitive Tutor）与"知识追踪"模型把"过了才能往下走"写进了算法：系统估计你对每个知识点的掌握概率，到阈值就放行。可汗学院的掌握学习面板、多邻国的题目难度调节，走的都是这条路。

这一步的性质要看清楚：它解决的是"谁来判定过没过"这个成本问题，没有解决"矫正性教学"这个内容问题。机器能便宜地判定你没过，能便宜地再给你一道同类题；它较难便宜地给你"换一种讲法"。

而"换一种讲法"恰恰是布鲁姆方案里唯一不可自动化的那一格。

第七次：被当作 AI 家教的合法性来源（二〇二三年至今）

两个西格玛这个数字在生成式 AI 出现之后经历了第二春。萨尔曼·可汗把它写进了对 Khanmigo 的公开论证：一对一辅导能带来两个西格玛，人类家教养不起，AI 家教能。几乎每一篇 AI 教育论文的第一条参考文献都是 Bloom 1984。

问题在于，被引用的是那个从未被复制过的数字。下一节与第七节会把这笔账算清楚。

★ 七次改写的共同形状

把上面七次改写排在一起看，会发现它们不是随机的退让，而是沿着同一个方向在滑。

原方案里有四个部件：不动的标准、可动的时间、必须换讲法的矫正、不计分的诊断测验。七次改写让掉的东西，按被让掉的先后是：先让掉"不动的标准"（滑到 70–80%），再让掉"必须换讲法"（变成再考一遍），再让掉"不计分"（进了平时分），最后连"可动的时间"也在双减的总量控制下被顶了回去。

四个部件全部让掉之后，剩下的是什么？ 剩下的是"多测几次、按分数分组、给低分的补课"——也就是掌握学习出现之前，学校本来就在做的事。

这就是这条思想流变史里最值得撞的一格：一个思想被完整地接受、被大规模推行、被写进政策文件，然后在五十年里逐部件地退化回它当初要取代的那个东西，而整个过程中它的名字一直没变。 名字还在，语汇还在，达标率的表还在填，只是那四个部件一个不剩。

这不是掌握学习独有的命运。任何一个方案，只要它的名字比它的部件更容易被检验，就会走这条路——因为学校要交的是名字，不是部件。上级检查"是否落实了分层教学"，检查的是有没有这个说法、有没有对应的材料，不会去数这个班一个学期里换过几种讲法。

由此得到一条可以脱离教育学被使用的读数：一个方案的存活率与它的退化速度，取决于它的名字与它的部件哪一个更容易被外部核查。名字好查、部件难查，方案就会保留名字而丢失部件。反过来——比如药品，成分表比商品名更容易被查——退化就困难得多。

这条读数在第十节被写成了可对撞的形式。

这一节是本栏的硬规矩：点不到具体的现行制度、具体的表格、具体的口头禅，这一条就不收。掌握学习点得很实，实到有点吓人。

一、活在"人人过关"与"补差"里

中国中小学教研语汇里的"当堂达标""堂堂清、日日清、周周清""培优补差"，其骨架就是布鲁姆那五步。多数使用者不知道出处。

要检验它是不是真的那一套，只看一个动作：没过关的学生，第二次遇到的是"同一种讲法的重复"还是"另一种讲法"。如果是前者，那是测验机器；如果是后者，才是掌握学习。这个判据可以在任何一节公开课后三十秒内做出。

二、活在"过程性评价"与形成性测验的计分争议里

新课改以来，"形成性评价"进入了几乎所有的课程文件。而学校层面的实际做法，绝大多数是把随堂测计入平时成绩。

布鲁姆的原始设计明确要求它不计分。今天这条线上的每一次拉扯——"平时分占多少""随堂测要不要登记"——都是这条 1968 年的规矩在与学校的档案需求角力。这是一处活的、正在发生的分歧，不是历史。

三、活在补考、重修与"清考"的存废里

大学的重修制度、中学的补考制度，其正当性论证与掌握学习同源：不是"你不行"，是"你还没到"。二〇一八年之后中国高校陆续取消"清考"，争论的正是允许时间延展到什么程度才算仍然是同一门课——这就是凯勒线上完成率问题的中国版本。

四、活在"分层作业"与"双减"后的作业设计里

"双减"要求作业分层、控制总量。分层作业的理论内核是掌握学习的第三步（按小测结果分组），而"控制总量"直接顶住了掌握学习的时间假定——掌握学习要多花 4% 的时间，而政策要求时间只减不增。

这个矛盾今天在每一所学校的作业管理方案里都存在，且尚未被公开命名。

五、活在办公室那句"他不是不会，是没时间练"里

这句话是掌握学习最短的民间版本。它同时也是一句最危险的话：它有可能是准确的诊断，也有可能是把没诊断出来的东西一律归给时间。

分辨的判据很简单：说这句话的老师，能不能说出"如果再给他三节课，具体做哪三件事"。说得出，是掌握学习；说不出，是安慰。

六、活在 AI 家教的每一份融资文件里

前面说过，Bloom 1984 是 AI 教育论文引用率最高的文献之一。它在这里承担的功能不是证据，是授权：因为存在两个西格玛，所以规模化的个人化辅导值得追求。

要点在于：这个授权即使数字不成立也依然有效——因为"一对一比大班好"这件事本身有大量证据（下一节给数），只是没好到两个西格玛。用一个夸大的数字去论证一个正确的方向，是这条思想今天最主要的存在方式。

七、活在一个几乎无人提及的地方：谁在替谁付时间

布鲁姆的方案把额外的时间放在"课外"。库利克的数据说掌握班多花 4% 的时间——但那是学生的时间。没有任何一份评价研究报告过教师为矫正性教学多花了多少时间。

一条要求老师逐单元诊断、逐生分组、另备一套讲法的方案，在 108 项研究里没有一项测过它的教师成本。这是这条思想文献中最大的一个空栏，第九节会把它记进碰撞行。

八、活在"教师负担"这个词的另一面

近年"减轻教师非教学负担"成了政策热词。有意思的是，掌握学习恰恰要求增加一种教学负担——逐单元诊断、按结果分组、为同一内容准备第二种讲法。

于是出现了一个从未被公开讨论的排序问题：当一位老师的时间是固定的，"填表、迎检、值班"与"为没过关的孩子另备一套讲法"在争夺同一段时间。前者有考核，后者没有。在一个只有前者被计量的系统里，后者必然被挤掉，而且挤掉的过程不留任何痕迹。

这一条与第七节的"教师成本从未入账"是同一件事的两个面：文献里没有测过，制度里也没有计过。

九、活在每一次"这题讲过多少遍了"的叹息里

这句话在教研室里出现的频率极高，而它其实是一个诊断结论：重复讲授之后仍未达标。

布鲁姆的方案对这个局面有明确指令——换一种讲法。而这句叹息通常导向的是第三遍同样的讲法，或者导向对学生的归因（"这孩子就是不上心"）。

从"这题讲过多少遍了"到"这题我换过几种讲法了"，这一句话的替换，几乎就是掌握学习在课堂上的全部落地内容。 它不需要经费，不需要培训，只需要把计数的对象从"讲了几遍"换成"换了几种"。

这一节回答两件事：布鲁姆自己挂出去的四个靶子被打中了几个；以及在什么条件下这条思想不成立。

四发子弹的战果

第一发：90% 的人达到原来前 10% 的水平。 需要平均分提高两个标准差以上。实测 0.52。未中，且差得很远——差四倍。 库利克等人在讨论里把这句话写得很直白：这样一个预期的效应，远大于本次元分析发现的 0.5 个标准差。

第二发：期末成绩的离散度趋近于零。 实测：实验组方差是对照组的 77%（52 项）。方向对，程度远不及。 缩小了将近四分之一，不是趋零。

第三发：入学能力与期末成绩的相关趋近于零。 库利克等人报告该相关在掌握班里"降低"，但没有给出趋零的证据。方向对，程度不明。

第四发：额外时间是暂时的，后期所有人同速。 这一发没有任何直接检验。108 项研究里只有 8 项报了教学时间，而且报的是总量不是时间曲线。没有一项追踪过"底子差的学生的用时是否随课程推进向班级均值收敛"。

这是整条线上最大的空栏。 布鲁姆最强的那个承诺——差距会自己消失——五十七年来从未被正面测过。

弱生获益更多：一个被广泛当作定论、其实不显著的读数

"掌握学习对差生帮助更大"几乎是每一本教学论教材都会写的一句。它的实证基础是：13 项分层报数的研究里，低能力组 0.61，高能力组 0.40。

但这个差异 t=1.23，p>.10，不显著。 而且 13 项里有 4 项是反向的（高能力组获益更多）。

这条读数在传播中被升格成了定论。它有可能是真的，样本量太小测不出来；也有可能不是。目前的证据只支持"方向可能如此"，不支持"确实如此"。 凡引用这一条时把不显著漏掉的，都是在把一个悬案讲成结案。

★ 主要失效条件：换一把尺子，效应就消失

这是这条思想最硬的失效条件，前面第三节已把数据摆出，这里说它意味着什么。

本地自编测验 0.57，全国标准化测验 0.29；只看布鲁姆那一路，本地 0.65，标准化 0.10。四项同校同生的对照里，标准化测验上的效应全部近于零。

斯莱文由此给出的解释是：掌握学习的老师可能有意或无意地在教这套测验，或者评价者在把测验向实验组教过的内容倾斜。两种情形结论一样——在真正算数的那把尺子上，它没成绩。

库利克等人的反驳有两点，也要记全。其一，掌握班在标准化测验上并没有变差，只是没变好，所以不是"用广度换了深度"。其二，很多研究者认为本地测验才是判断一门具体课程有效性的恰当效标——布洛克与伯恩斯 1976 年综述时干脆把所有标准化测验结果排除在外。

这场争论到今天没有结论，而它的形状比结论更值钱。 争的其实不是掌握学习有没有用，是"学会了"这件事由谁定义。若由教这门课的人定义，它极其有效；若由课程之外的人定义，它效果平平。

这就把这条思想的适用边界画出来了：掌握学习在"目标已经被明确写下、且写目标的人与判定的人是同一批人"的封闭系统里最有效。单元清晰、目标可枚举、由本校出题——它就管用。反过来，越是目标模糊、越是由外部统一判定的场合，它越接近零。

第二失效条件：没有截止日的时候，它变成弃权

23/32 项 PSI 研究显示掌握班完成率更低，平均 h=−0.14（p<.01）。

失效机制不在学习上，在结算上。掌握学习的核心动作是"推迟结算"，而推迟结算只有在存在一个最终结算时刻时才是补救。一旦最终结算也被推迟到无限远，"还没到"与"永远不到"在系统里长得一模一样，而且没有任何一个时刻能把它们分开。

第三失效条件：目标不可枚举的内容

掌握学习要求把课程切成可测的单元并逐个判定。这个前提在目标可枚举的内容上成立——运算、拼写、语法、程序、事实性知识。在目标不可枚举的内容上（写作的好、论证的力量、审美判断、研究品味），"过没过"这个判定本身不可靠，整套机制没有立足点。

库利克等人的数据里留了一处旁证：按学科分，社会科学 0.61，数学 0.47，自然科学 0.44——回归里显著（p=.012）。他们自己没解释。一个可能的解释是社会科学课的本地测验更容易与所教内容对齐，即上一条失效条件的另一个面孔。

第四失效条件：标准一降，含金量成比例流失

70–80% 标准组 0.49，91–100% 标准组 0.64。而实践中标准总是往下滑，因为高标准意味着更多人过不了、更多矫正、更多时间。

这构成一个自我消解的循环：越是需要掌握学习的场景（学生底子越差），越难维持高标准；标准一降，效果就掉。这条思想在最需要它的地方最弱。

第五失效条件：教师成本从未入账

第六节末尾说过：108 项研究，零项测过教师时间成本。一切结论都建立在"教师有余力做逐生诊断与另备讲法"这个未被检验的前提上。

这一条不只是文献的疏漏，它有制度后果：任何按"学生多花 4%"来估算掌握学习成本的政策文件，都在系统性地低估它。

两个西格玛这颗子弹，单独算一笔账

这是今天最需要被算清的一笔，因为整个 AI 教育产业在拿它做首页。

Bloom 1984 的两个西格玛出自两篇博士论文，从未被复制。

对照的证据有两笔。科恩、库利克与库利克 1982 年的辅导元分析（比布鲁姆那篇早两年，被引量只有它的一半）报告辅导的平均效应约 0.33，约 13 个百分位点。所审的 65 项辅导研究里，只有一项报出两个西格玛——那是一九七二年一篇随机化的博士论文，样本 32 人。

尼科、奥利奥普洛斯与全（Nickow, Oreopoulos & Quan）二〇二〇年对随机化辅导研究做的元分析报告平均效应 0.37（约 14 个百分位点），作者称之为"可观"；所审的 96 项研究里，没有一项达到两个西格玛。

合起来：161 项辅导研究中，达到两个西格玛的有 1 项，样本 32 人。

一对一辅导是有效的，效应量约 0.33–0.37，在教育干预里属于第一梯队。它只是不是两个西格玛。把 0.35 说成 2.0，是把一个真实的好东西夸大了将近六倍。

一处方法论上的反常：这条线上的发表偏倚是反着的

按常识，未发表的研究通常效果更差（因为效果差的发不出去），所以元分析要担心发表偏倚会把平均值抬高。库利克等人按来源分了三档：

未发表的那一批效应最高，学位论文那一批最低。 这与标准的发表偏倚方向相反，值得单独记一笔。

一个合理的解释是：未发表的那批多为项目自评的技术报告与会议宣读，做的人往往就是方案的推行者；学位论文那批则有导师与答辩委员会的约束，且研究生通常没有权力"调整"实施细节。若这个解释成立，那么它测出来的不是发表偏倚，是利益相关偏倚——谁做的评价，比评价发在哪里更能预测结果。

这条读数可以脱离掌握学习被单独取用：在教育干预的元分析里，"由推行者自评"应当被列为一个独立的调节变量，而绝大多数元分析没有这样做。

一句必须说清的总账

把这一节的所有反证放在一起，掌握学习的处境是这样的：

它是真的有效（0.52，在教育干预里排前列），只是远没有它自己承诺的那么有效（承诺 2.0）；而且它的有效性有一半系在"由谁出题"这根线上（本地 0.57 vs 标准化 0.29）；它最动人的那个承诺（差距会自己收敛）五十七年来从未被检验过；而它全部的成本核算都漏掉了教师那一栏。

这不是一个可以简单地"支持"或"反对"的东西。它是一个方向正确、承诺过度、代价未计、判据可疑的思想——而这四个词的组合，恰恰是教育领域里最常见的那种思想的标准形态。这一点本身，比掌握学习是不是有效更值得撞。

自曝：布鲁姆与卡罗尔自己承认过的局限

按本栏体例，这一格只收提出者自己文献里的自陈，不许从后世批评里搬。

卡罗尔的自曝（1963，1989）：模型里的五个量在实践中难以独立测量，尤其"需要的时间"必须在教学发生之后才能反推，因而模型的预测能力有限。他在 1989 年的二十五年回顾里也承认，模型被广泛援引，而真正对其做参数估计的实证工作稀少。

布鲁姆的自曝（1984）：《两个西格玛问题》这篇文章的整个立论，就是承认自己 1968 年的方案没做到它承诺的事——如果班级内的掌握学习真能让 90% 达到前 10% 的水平，就不会还需要去"寻找与一对一辅导同样有效的集体教学方法"。他把班级内掌握学习的效应写成约一个西格玛，把一对一写成两个，然后说：中间这一个西格玛，我们还没有办法。

这是一次很体面的自曝，而且是这条线上唯一一次由提出者本人执行的降级。它同时也是个圈套：这次自曝把注意力从"我的方案只做到一半"转移到了"一对一有两个西格玛"这个更耀眼的新数字上，而后者的证据比前者更薄。

碰撞取源的时候，真正用得上的从来不是"掌握学习"这个名字，而是它底下那个结构：一个系统面对"还没到标准"的对象，可以选择当场结算，也可以选择挂起、返工、再判。这个结构在很多地方存在，各有各的名字，而且各家把它写得比教育学明白。

本节登记的每一条都注明：它在那边叫什么、那边把哪一格写得比教育学清楚、以及分界线在哪（不写分界线的异名登记是无效的）。

一、制造业：返工与不合格品处置

工厂里一个零件没达到公差，处置方式有四种：返工（rework，修到合格）、返修（repair，修到可用但不合格）、让步接收（concession，标准不变而这一批被特批放行）、报废。

这边写得更清楚的是："没达标"之后有四条路而不是两条。教育学讲掌握学习时，暗含的只有"补救"与"放弃"两条，看不见"让步接收"——而学校里最常发生的恰恰是让步接收：标准没改，这个孩子被放过去了，档案上记的是合格。

分界线：制造业的让步接收必须留记录、由指定层级签字；学校的让步接收不留记录、不需要谁签字，通常连老师自己也不承认自己刚做了这个动作。这条差别就是一处可撞的缝。

二、金融与会计：应计、拨备、坏账核销

一笔款到期没收回，会计不能立刻当作损失。它会先挂在"应收账款"里，按账龄计提坏账准备（拨备），只有在满足特定条件后才核销。

这边写得更清楚的是："还没到"与"到不了"之间有一整套按时间分级的中间状态，而且每一级都有明文的量与判据（账龄多少、计提比例多少、核销要什么手续）。

教育学在这里几乎是空白：一个学生"还没掌握"，学校没有账龄，没有分级，没有拨备率，只有"过"与"不过"两态，中间那段时间不被任何账本记录。

分界线：会计的挂账有强制的时间上限与披露义务；教育的挂账没有上限，也从不披露。这正是第七节第二失效条件（无截止日即弃权）的会计学表述。

三、软件工程：技术债与"完成的定义"

一段代码能跑但不合规范，团队记一笔技术债：现在放行，将来偿还，且利息随时间增长。同时，敏捷团队用完成的定义（Definition of Done）来把"做完了"这件事从个人判断变成团队明文。

这边写得更清楚的是两格：其一，未偿还的部分有利息——欠得越久，还起来越贵；其二，"完成"的标准必须先于工作被写下来并公开，否则每个人对"做完了"的理解不同。

教育学讲掌握学习时，很少讲第一格。它默认"没掌握"这件事是静止的，等你有空回来补就行。而实际上前置知识的欠账在后续单元里会复利——这正是布鲁姆第四个预测（差距会自己收敛）方向相反的那个可能。

分界线：技术债是团队自己记给自己的，无外部裁判；学生的知识欠账由外部考试在固定时刻一次性清算。

四、医学：分诊、观察期、"疾病待排"

急诊分诊把病人分成即刻、紧急、次紧急、非紧急；症状不典型的会留观——不出院也不确诊，等时间给出更多信息；诊断书上写"某某病待排"。

这边写得更清楚的是："暂不判定"本身是一个正式的、有编码的、可计费的状态，有明确的观察时长与复评节点，并且留观期间医生仍然对这个病人负责。

教育里没有"留观"这个态。一个孩子"还不确定会不会"，没有编码，不进任何系统，也没有谁在这段时间里被明确指定为负责人。

分界线：留观的目的是获取更多诊断信息，掌握学习的补救是施加更多干预。一个是为了看清楚，一个是为了改变。这条差别很可能就是矫正性教学最常出错的地方——补课的老师在重复干预，而没有先做诊断。

五、法律：诉讼时效、中止与既判力

一项权利过了诉讼时效就不再受强制保护；但时效可以因特定事由中止或中断，重新起算。而一旦判决生效，既判力禁止就同一事项再行起诉——判过的事，不能再判。

这边写得最清楚的是时间与判定的耦合规则：什么情况下钟表暂停，什么情况下重新计数，以及在哪一刻起判定变得不可撤销。

教育学在"掌握"这件事上没有既判力规则。一次期末考试是不是最终判定？补考的成绩替换原成绩还是并存？重修之后，第一次的失败是否仍在档案里？各校各行其是，而这恰恰决定了"允许时间变化"到底允许到什么程度。

分界线：法律的时效保护的是被告的安定预期；教育里推迟结算保护的是学生。两边的受益人相反，因而规则的方向也相反——这是一处极好的碰撞入口。

六、站内已有的邻居

- 《隔账》与《留零比》（学科通融栏）：两篇都在处理"记零是删除的替代品"这一族命题。掌握学习在这里的位置是：它是一套拒绝记零的制度设计，而它失败的方式正是记零从正门被赶出去、从侧门（让步接收）回来了。

- edu 分站《课堂的智慧》的承重命题"失败长得像成功"：掌握学习是这句话的一个大规模实例——第四次改写之后的掌握学习，看上去（测验频次、达标率、补差记录）全部像成功。

- 主站 029 教育心理学与 051 课程与教学论面板：现代层各有一条涉及形成性评价与反馈，但均未处理时间变量。

七、一个不算异名、但必须登记的对手

斯普特尼克之后的另一条路：加涅一九六五年的《学习的条件》主张不同类型的学习结果需要不同的教学条件——它处理的是"教什么类型的东西该怎么教"，与掌握学习的"教到什么程度才放行"正交。两者常被合用，但它们回答的不是同一个问题，合用时最容易发生的错误是用加涅的类型学去替代布鲁姆的判定标准。

按本栏体例，七栏一行。这一行是本篇给二阶碰撞留的接口——撞的时候用得上的是这一行，不是上面那两万字。

位置：D（差异）。理由：这条思想的核心动作不是让某个东西显露出来（S），也不是重新安排诸要素的纠缠（E），而是在"合格／不合格"这一刀切下去之前，插入一段可变长的差异展开时间。它处理的是差异如何被允许继续发生，而不是差异如何被读出或如何被结构化。

预设〔13 时间尺度可自由压缩〕。掌握学习攻击的正是这一族：常规教学预设了"学会一个单元所需的时间可以被课表统一压缩到两周"，掌握学习指出这个压缩不是中性的，被压掉的部分会以"能力差异"的形式记在学生头上。

- 附带触及 01 谁进入分母（达标率的分母里，中途退出的人算不算）与 30 未被计价的东西不影响结算（教师的矫正时间从未入账）。

量纲：本篇给三个可算的读数，均带分母。

1. 让步接收率 ＝（未达标准却被放行进入下一单元的人次）÷（未达标准的总人次）。这是本篇提出的新读数，教育文献里没有人测过它，而制造业每天都在测同构的量。它的价值在于：它把学校里最常发生、最不被承认的那个动作变成了可数的。

2. 挂起时长分布 ＝ 从首次判定未达标到最终判定达标之间的天数，按人取分布而非取均值。会计的账龄分析、医学的留观时长都有成熟做法。教育里目前只有"补考通过率"这种终点量，没有过程量。

3. 判定尺依赖度 ＝（本地自编测验上的效应量）÷（外部标准化测验上的效应量）。库利克等人的数据给出这个比值约为 0.57 ÷ 0.29 ≈ 2.0（只看 LFM 则为 0.65 ÷ 0.10 ≈ 6.5）。这个比值越大，说明该干预的成效越依赖于由谁出题。它可以被推广到任何教学干预上，是一个通用的稳健性指标。

失效：①效标由课程之外的人定义时（本地→标准化，效应从 0.57 掉到 0.29，LFM 从 0.65 掉到 0.10）；②系统不存在最终结算时刻时（PSI 完成率，23/32 项更低，h=−0.14）；③学习目标不可枚举时（社会科学 0.61 vs 自然科学 0.44）；④掌握标准降至 80% 以下时（0.64→0.49）。

自曝：卡罗尔 1963／1989 自陈模型五参数难以独立测量、"需要的时间"只能事后反推；布鲁姆 1984 以整篇文章承认班级内掌握学习只做到约一个西格玛，仍需寻找逼近一对一的方法。

空栏：教师侧的时间与认知成本从未被测过——108 项研究零项报告。附带空栏：布鲁姆第四预测（弱生用时随课程推进向班级均值收敛）五十七年来没有任何直接检验；"弱生获益更多"这条被当作定论的读数实为不显著（t=1.23，p>.10，13 项中 4 项反向）。

异名：制造业「返工／让步接收」（让步接收留记录且需签字，学校不留）｜会计「拨备／账龄／核销」（有强制时间上限与披露义务，学校无）｜软件「技术债／完成的定义」（欠账带利息，教育默认静止）｜医学「留观／待排」（暂不判定是正式可编码状态且有责任人）｜法律「时效中止／既判力」（有明文的钟表暂停与不可撤销规则）｜站内《隔账》《留零比》族｜edu 分站「失败长得像成功」。

以下十条按"可撞性"排，不按重要性排。每一条都写成一个可以被数据判负的形式，并注明它缺哪一格。

一｜让步接收率是可测的，而且很可能远大于所有人的估计。

在一个学期内，逐单元记录"未达本单元标准却进入下一单元"的人次占比。假设：这个比率在多数中小学班级里超过 30%，且与班级平均分负相关——越是需要掌握学习的班，让步接收越多。缺的那一格：这个量从来没有人记过，因为记它等于让老师逐笔承认自己放行了谁。

二｜"掌握"的判定尺离课程越远，效应越小；这个衰减率本身是一个可比的学校质量指标。

把上面那个"判定尺依赖度"算到校级：同一批学生，本校期末成绩的进步幅度 ÷ 区统考成绩的进步幅度。比值越接近 1，说明学校的内部评价越可信。这个数今天在任何一所学校都算得出来，却没有一所学校在算。

三｜没有截止日的补救等于弃权，而"截止日"可以被定义为一个连续量而非二值。

PSI 的完成率崩塌说明"无限延展＝弃权"。但真实系统里截止日不是有或无，而是"有多硬"。假设：存在一个最优硬度——太硬则退化为常规教学，太软则退化为 PSI。这条命题缺的那一格是：从来没有人把"截止日硬度"操作化过。

四｜前置知识的欠账带利息，而利息率可以从后续单元的失败率里反解出来。

布鲁姆预测差距会收敛，软件工程的技术债说欠账会复利。两者方向相反，而且都可以用同一份数据检验：把每个学生在第 n 单元的达标状态与第 n+k 单元的达标状态做条件概率表。若收敛，条件概率随 k 趋近于基线；若复利，条件概率随 k 越发悬殊。这是布鲁姆第四预测的第一次可行检验设计。

五｜矫正性教学里真正起作用的是"换一种讲法"，而不是"再来一遍"，且这两者的比例可以直接观察。

把矫正环节录像，编码为"重复原讲法"与"改换表征"两类。假设：效应量与"改换表征"的比例正相关，与总补救时长不相关。若成立，则大量补课是无效劳动，且无效的原因可被指认。

六｜"他不是不会，是没时间练"这句话的真伪，取决于说话者能否给出具体的三件事。

把这句话操作化为一个测验：请老师对一位具体学生写出"若多给三节课，具体做哪三件事"。假设：能写出具体三件事的老师，其学生的补救成效显著高于写不出的。这条把一句办公室口头禅变成了可测的教师诊断能力指标。

七｜掌握学习在最需要它的地方最弱，这个自我消解循环有确定的拐点。

标准越高效果越好（0.64 vs 0.49），而学生底子越差越难维持高标准。假设：存在一个班级平均起点水平，低于该点时学校实际执行的掌握标准会系统性下滑到 80% 以下。若能定位这个拐点，就能说清哪些班根本不该采用掌握学习——这是一条会得罪人的命题，也正因此值得撞。

八｜教师的矫正成本是这条思想的隐性分母，把它补进去可能翻转全部成本效益结论。

测一件事：教师为逐单元诊断、分组与另备讲法所花的时间÷常规备课时间。若这个比值超过某个阈值，掌握学习的性价比将低于同伴辅导（0.4）与计算机辅助教学（0.35）。在这个数被测出来之前，所有关于掌握学习值不值得推广的政策论证都是不完整的。

九｜两个西格玛作为一个"授权数字"，其社会功能与其真伪无关，且这一现象可以被追踪。

统计 2023 年以来 AI 教育论文与产品白皮书对 Bloom 1984 的引用，编码为"作为证据引用"与"作为动机引用"。假设：绝大多数是后者，且几乎无人引用与之冲突的 Nickow 等 2020（96 项研究零项达标）。这条命题的对象不是教育，是一个数字如何在被证伪之后继续工作。

十｜形成性测验一旦计分，暴露率就下降；这个下降幅度是可以直接实验出来的。

同一位老师、同一个班、同类难度的两次随堂测，一次明确不计分，一次明确计分。测"主动写出不会的地方"的比例、空白率、以及事后访谈中承认"会但没写"的比例。假设：计分条件下暴露率显著下降。若成立，则今天中国课堂上"过程性评价计入平时分"这个做法，正在系统性地拆掉形成性评价的地基。这是十条里最容易做、最便宜、也最可能改变实践的一条。

怎么用这十条去撞

规矩在栏目页写过：一次碰撞取三家，至多一家来自本栏，另外两家必须去教育学之外找。

举一个具体的：拿第一条"让步接收率"，配上制造业的让步接收签字制度与会计的账龄分析。三家各自处理"未达标之物的挂起"，但只有后两家把它写成了明文，且各写清了不同的一格——制造业写清了"谁签字"，会计写清了"挂多久"。

三家一撞，问题就从"我们该不该给学生更多时间"变成了另一个此前不存在的形状：一所学校每年一共让步接收了多少人次，这些人次挂在谁的名下，挂账的时间上限是多少，以及到期未清时由谁核销。 这不是一句口号，是一张可以真的填出来的表。

而它之所以能被问出来，不是因为教育学里有什么新发现，是因为另外两个行业早就被迫把这件事写清楚了——工厂里的让步接收若不签字要出人命，账上的坏账若不核销要坐牢。学校没有这两种压力，于是这件每天发生的事，一百年来没有名字。

核心文献（逐条核过卷期页）

1. Carroll, J. B. (1963). A Model of School Learning. Teachers College Record, 64(8), 723–733. DOI 10.1177/016146816306400801.

2. Carroll, J. B. (1989). The Carroll Model: A 25-Year Retrospective and Prospective View. Educational Researcher, 18(1), 26–31. DOI 10.3102/0013189X018001026.

3. Bloom, B. S. (1968, May). Learning for Mastery. Evaluation Comment, 1(2). Los Angeles: UCLA Center for the Study of Evaluation of Instructional Programs.

4. Bloom, B. S. (1976). Human Characteristics and School Learning. New York: McGraw-Hill.

5. Bloom, B. S. (1984). The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring. Educational Researcher, 13(6), 4–16. DOI 10.3102/0013189X013006004.

6. Keller, F. S. (1968). "Good-bye, teacher…" Journal of Applied Behavior Analysis, 1(1), 79–89.

7. Keller, F. S., & Sherman, J. G. (1974). The Keller Plan Handbook. Menlo Park, CA: Benjamin.

8. Scriven, M. (1967). The Methodology of Evaluation. In R. W. Tyler et al. (Eds.), Perspectives of Curriculum Evaluation (AERA Monograph 1). Chicago: Rand McNally.

评价与元分析（本篇全部读数的来源）

9. Kulik, C.-L. C., Kulik, J. A., & Bangert-Drowns, R. L. (1990). Effectiveness of Mastery Learning Programs: A Meta-Analysis. Review of Educational Research, 60(2), 265–299. DOI 10.3102/00346543060002265. —— 本篇第三节除两个西格玛外的全部数字出自此篇，已逐项核对原文。

10. Slavin, R. E. (1987). Mastery Learning Reconsidered. Review of Educational Research, 57(2), 175–213.

11. Anderson, L. W., & Burns, R. B. (1987). Values, Evidence, and Mastery Learning. Review of Educational Research, 57(2), 215–223.

12. Guskey, T. R. (1987). Rethinking Mastery Learning Reconsidered. Review of Educational Research, 57(2), 225–229.

13. Guskey, T. R., & Gates, S. L. (1985). A Synthesis of Research on Group-Based Mastery Learning Programs. AERA 年会论文，ERIC ED 262 088。

14. Kulik, J. A., & Kulik, C.-L. C. (1989). Meta-analysis in Education. International Journal of Educational Research, 13, 221–340. —— 近 40 个领域效应量对照的来源。

15. Levin, H. M., & Meister, G. (1986). Is CAI Cost-Effective? Phi Delta Kappan, 67, 745–749. —— 加时间 50% 只涨 0.03／0.07 的来源。

16. Cohen, P. A., Kulik, J. A., & Kulik, C.-L. C. (1982). Educational Outcomes of Tutoring: A Meta-Analysis of Findings. American Educational Research Journal, 19(2), 237–248.

17. Nickow, A., Oreopoulos, P., & Quan, V. (2020). The Impressive Effects of Tutoring on PreK-12 Learning: A Systematic Review and Meta-Analysis of the Experimental Evidence. NBER Working Paper 27476.

18. Block, J. H., & Burns, R. B. (1976). Mastery Learning. Review of Research in Education, 4, 3–49.

今用一侧

19. Corbett, A. T., & Anderson, J. R. (1995). Knowledge Tracing: Modeling the Acquisition of Procedural Knowledge. User Modeling and User-Adapted Interaction, 4(4), 253–278. DOI 10.1007/BF01099821.

20. Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI Tutoring Outperforms In-Class Active Learning: An RCT Introducing a Novel Research-Based Design in an Authentic Educational Setting. Scientific Reports, 15(1), 17458. DOI 10.1038/s41598-025-97652-6.

核验说明（三条，如实写明）

其一：Bloom 1968 原件为 UCLA 内部通讯《评价通讯》第 1 卷第 2 期，无期刊卷期页，本篇按此著录，不补造页码。此文亦常以"收入 Block 1971 编《Mastery Learning: Theory and Practice》"的形式被引用。

其二：Bloom 1984 所依据的两篇博士论文（Joanne Anania 与 Joseph Arthur Burke，芝加哥大学）本篇未取到原件，其样本量与学科细节转引自 Bloom 1984 与后世评论，故第三节只写"学生总数以百计""短周期新内容小单元"这一档粗描述，不给具体人数。凡引用两个西格玛的具体样本量者，请自行核原件。

其三：本篇第三节所有出自 Kulik et al. 1990 的数字（0.52／0.48／0.59／0.61／0.40／77%／4%／0.71／0.63／0.40／−0.14／0.57／0.29／0.15／0.65／0.10／四项同校对照表／掌握标准三档／R=.50）均已对照原文逐项核过。第七节指出的"弱生获益更多不显著"（t=1.23，p>.10）一项，是本篇作者从原文数据中读出、而在中文教学论文献中普遍被略去的——引用时请注明它来自原文而非本篇的推断。

Claude 编纂 · 依王德生《SDE 本体论》｜教育新思想前沿 · 第 043 号｜德麦国际