教师期望：一个方向搞反了的因果箭头

承重命题：教师对某个学生的预期会经由日常互动改变该学生的实际表现——信念先行，现实随后。

位置 纠缠 E ｜ 预设 〔14 因与果的方向是给定的〕 ｜ 主读数 期望准确度占比（可测，且已被测过，而教育实践从不看它）

提出：Rosenthal & Jacobson 1968｜元分析：Raudenbush 1984，d ≈ 0.11｜三十五年总账：Jussim & Harber 2005

前四篇撞出了四种病：说得太满（043）、说得太虚（048）、说得太早（072）、看不见仪表（075）。

这一篇是第五种，而且是最难察觉的一种——它说的那个现象完全成立，相关系数结结实实地存在，只是因果的箭头指反了。

一九六八年：一个心理学家、一位校长、一份假测验

罗伯特·罗森塔尔是哈佛的社会心理学家。他此前的研究不在教育，而在实验者效应——他一直在做一件让心理学界不太舒服的事：证明实验者对结果的预期会渗进实验过程，影响被试的表现，甚至影响实验室老鼠跑迷宫的成绩。

一九六六年他出了《行为研究中的实验者效应》。而他真正想问的下一个问题是：如果实验者的预期能改变老鼠的表现，教师的预期能不能改变学生的表现？

莉诺·雅各布森是旧金山南部一所小学（研究中化名"橡树小学"）的校长。两人合作设计了这样一个研究：

给全校学生做一次测验，告诉教师这是哈佛开发的一份新工具，能预测哪些孩子即将迎来智力上的"起飞"。测验的名字是《哈佛变格习得测验》——这个名字是编的，实际用的是一份现成的普通能力测验。

然后，从每个班里随机抽出约 20% 的学生，把名字交给老师，说这些就是即将起飞的孩子。

这些孩子与其余孩子唯一的差别，就在教师的脑子里。

一学年后再测。结果：被指认为"起飞者"的孩子，智商增幅高于对照组。

一九六八年，《课堂中的皮格马利翁：教师期望与学生的智力发展》出版。同年另有一个较短的版本发表在《城市评论》第三卷第一期第 16–20 页。

为什么这本书炸了

它给出的图景在当时是骇人的：孩子的智力增长，可以被一份编造的名单改变。

如果这是真的，那么很多事情要重写：

- 差生之所以是差生，可能因为老师认定他是差生；

- 分层教学、能力分班、学籍档案上的每一句评语，都可能是自我实现的机器；

- 教育不平等的机制不在资源，而在教师脑子里的一张表。

这个图景在一九六八年的美国找到了它最需要的位置。前两年科尔曼报告刚说过学校资源解释不了成绩差距（本栏 041），而民权运动正需要解释为什么少数族裔学生在学校里持续落后。皮格马利翁给出了一个既不怪孩子、也不怪拨款的答案：怪期望。

而期望是可以改的，不用花钱。 这一点决定了它此后的传播速度——与本栏 043 掌握学习完全同一个理由。

一个必须写在最前面的事实

这本书在出版的当年就遭到了心理测量学界最严厉的批评，而这批评在中文文献里几乎从未被提及。

罗伯特·桑代克一九六八年写了一篇书评。他指出的第一件事不是理论问题，是数据问题：那份被用作智力前测的工具，在低年级儿童身上给出的分数不可信到荒唐——某个普通班级的推理智商均值落在了智力障碍的区间里。

一个普通小学的普通班级，全班平均智商在智障范围——这在任何一份体面的测验上都不可能出现。桑代克的结论是：在这样一个基线上算出来的"增幅"没有意义。

紧接着，理查德·斯诺一九六九年在《当代心理学》第十四卷第 197–200 页写了《未完成的皮格马利翁》；一九七一年埃拉肖夫与斯诺出版《皮格马利翁再审视》，重新分析原始数据，发现那个引人注目的总效应，主要靠一两个年级里的少数几个极端分数撑着。

而原书的效应本来就集中在一、二年级——三年级以上基本看不到。

那么它为什么还是赢了

因为它太好用了。

这个故事结构完美：一份假名单、一个学年、一次真实的改变。它可以在三分钟内讲完，任何人都听得懂，而且它给了每一位教师一件立刻可做的事——换一种眼光看你的学生。

而那些批评是技术性的：测验的常模不适用于该年龄段、基线分数分布异常、效应集中在少数极端值。这些话在三分钟里讲不完，也上不了报纸。

这一格本身就是一条读数，而且它与本栏 072 那一篇里"限定条件在改写那一步丢失"是同一族：一个能被三分钟讲完的结论，会打败一个需要三十分钟才能讲清的反驳，无论后者多么正确。

为什么偏偏是一九六八年，以及为什么是一位社会心理学家

这条思想有一个与本栏其他四篇都不同的出身：它的作者不是教育研究者。

罗森塔尔的本行是实验方法学。他一生真正关心的问题是：做研究的人，会不会把自己想要的结果做出来？ 一九六三年他做过一个后来极有名的实验：告诉两组学生实验员，他们手上的老鼠分别来自"聪明品系"与"迟钝品系"（实际随机分配），结果"聪明"组的老鼠在迷宫里跑得更好。

橡树小学那一跑，本质上是那个老鼠实验的教室版本。 教师被放在了实验员的位置上，学生被放在了老鼠的位置上。

这个出身解释了这条思想的两个特点。

第一个特点是它的力量：它带来了一个教育学内部不会自己长出来的问法——观察者会不会污染被观察者。这是方法学的问题意识，不是教学法的。

第二个特点是它的软肋：老鼠不会在两周里向实验员展示自己到底会不会跑迷宫，而学生会。实验员对老鼠的预期没有被覆盖的机会，教师对学生的预期每天都在被覆盖。 劳登布什 1984 年那个"两周"的发现，本质上是在说：教室不是实验室，学生不是老鼠，因为这里有一条持续的、高带宽的信息回路。

这一格值得单独记住：一条从别的学科搬过来的思想，它带来的新问法往往是真的；而它没有带来的，是新场地里那些会使原机制失效的东西。本栏的取源规矩要求三家中至多一家来自教育学——这一篇正好说明了那条规矩的另一半：搬过来之后必须重新检查失效条件。

教师对某个学生的预期会经由日常互动改变该学生的实际表现——信念先行，现实随后。

这句话拆成三个部件，而三者的证据强度差得极大：

第一，教师对不同学生有不同预期。 这一格从来没有人怀疑过，也不需要皮格马利翁来证明。

第二，预期会改变教师的行为。 这一格站得很稳。布罗菲与古德一九七〇年起的一系列观察研究显示：教师对高期望学生给出更多的学习机会、更丰富的提问、更有针对性的反馈。这些差别是可以被录像数出来的。

第三，被改变的行为会改变学生的实际表现，而且改变的幅度大到值得当作教育不平等的主要机制。 ——这一格是全部争议所在，而它是这条思想真正的承重点。

这条命题不是什么

它不是"教师要有爱心"。 原命题是关于信念如何经由行为回写到对象身上的机制主张，不是一句师德劝诫。把它讲成"对学生要有信心"，等于把一个可证伪的因果命题换成了一句无法证伪的态度要求。

它不是"贴标签会毁掉孩子"。 标签论（本栏未收，属越轨社会学）讲的是社会对越轨者的定义如何固化其身份；皮格马利翁讲的是随机的、无根据的期望能否凭空造出差别。后者比前者强得多，也因此更难成立。

它不是关于自信的。 学生的自我概念可能是中介之一，但原研究测的是智商分数，不是自信。

最要紧的一条：它不是"教师期望与学生成绩相关"。 相关是无可置疑的事实。这条命题主张的是那个相关里有一大块是教师造出来的。 第七节全部围绕这个区分展开。

它给出的可检验预测

1. 随机植入的期望能改变学生的智商测验分数。（可测。第七节：被驳，效应 d≈0.11，且在低年级之外基本消失。）

2. 教师会对高期望学生表现出不同的教学行为。（可测。站住，是这条线上最稳的一格。）

3. 自我实现效应会随年级累积，滚雪球式扩大。（可测。第七节：证据更支持消散而非累积。）

4. 教师期望与学生后来表现的相关，主要由自我实现造成。（可测，而且被测过了。第七节：方向反了。）

一九六八年那一跑：分母必须记清

这一跑的三处硬伤，逐条抄下来：

其一，测量工具在低年级不可用。 桑代克 1968 年指出前测分数不可信到荒唐——某个普通班级的推理智商均值落在了智力障碍区间。而效应恰恰出现在低年级，也就是测量最不可信的那一段。

其二，效应靠少数极端值撑着。 埃拉肖夫与斯诺 1971 年重新分析原始数据后的结论：那个总效应主要来自一两个年级里的少数几个极端分数。

其三，三年级以上基本没有效应。 而三年级以上才是学校教育的大部分。

桑代克当年的判词是：这些发现可能只是巧合。 这句话在一九六八年被淹没了。

一九八四年：第一次真正的元分析

斯蒂芬·劳登布什（后来的多层线性模型权威）在《教育心理学杂志》第七十六卷第一期第 85–97 页发表《教师期望对学生智商的效应量随期望植入可信度的变化：十八项实验的综合》。

他汇总了 18 项试图复制皮格马利翁设计的实验，并且提出了一个关键的调节假设：教师在期望被植入时对学生了解得越多，处理效应就越小。

结果：

这三行是整条线的转折点，值得逐行读。

0.11 是什么概念：本栏 043 掌握学习是 0.52，072 形成性评价是 0.20，075 样例效应是 0.48。0.11 低于社会科学通常认为有意义的干预门槛。

而 0.32 那一行才是关键。 它说明皮格马利翁效应是真的——但只在一个非常特殊的条件下：教师对这个学生还一无所知的时候。

两周。 一位教师认识一个孩子两周，一份编造的名单就再也影响不了他的判断了。

这个读数的性质要说清楚：它不是在说教师期望不重要，而是在说随机植入的、无根据的期望撑不过教师自己的观察。教师是一台会更新的仪器，而皮格马利翁实验测的是它在开机第一天的读数。

二〇〇五年：三十五年的总账

李·尤西姆与肯特·哈伯在《人格与社会心理学评论》第九卷第二期第 131–155 页发表《教师期望与自我实现预言：已知与未知、已决与未决的争议》。这篇文章清点了三十五年的实证研究，给出四条结论。四条必须一起抄走，缺一条就会被误引。

(a) 课堂里的自我实现预言确实发生，但这些效应通常很小；它们不会跨感知者或跨时间大量累积，而且更可能消散而非累积。

(b) 强有力的自我实现预言可能选择性地发生在来自被污名化社会群体的学生身上。

(c) 自我实现预言是否影响智力、以及它总体上是利大于弊还是弊大于利，仍不清楚。

(d) 教师期望之所以能预测学生的结果，可能更多是因为这些期望是准确的，而不是因为它们是自我实现的。

★ 第 (d) 条：整个箭头被翻了过来

这一条是本篇的核心，值得停下来讲透。

流行版本的故事：教师认为小明不行 → 教师少提问他、少给机会 → 小明真的变得不行。信念造出了现实。

三十五年研究给出的版本：小明确实在某些方面比同学弱 → 教师看出来了 → 期望因此偏低。这个期望大体上是准确的，于是后来小明的表现果然偏低。

两个故事产生的相关系数是一样的。 从一张"教师期望 × 学生后来成绩"的相关表上，你分不出它们。

而它们对应的对策完全相反：

- 若是第一个故事，改教师的信念就能改变结果；

- 若是第二个故事，改教师的信念只是让仪表失准，学生该弱还是弱。

布罗菲一九八三年对真实课堂的综述也指向同一侧：教师的日常期望通常是准确的，基于学生之间真实存在的差别；自我实现的那一部分只添加了不大的一个增量。

读数速查（引用前请连分母一起抄）

被推翻的第一条：教师的判断是对学生能力的被动读数

在皮格马利翁之前，"教师对学生的看法"在教育研究里基本是一个测量问题：教师评价准不准？与测验分数相关多高？能不能替代考试？

它被当作一台仪器。仪器可能有误差，但仪器不改变被测的东西。

罗森塔尔与雅各布森的攻击点正在这里：教师不是一台读取学生的仪器，是一个参与塑造学生的人。 这一步把教师从观察者的位置挪到了因果链条里面。

这一刀的价值不因后来的效应量缩水而消失。 它建立的是一个此前不存在的问法：一个判断，会不会因为被做出而改变它所判断的对象？

这个问法在本栏 072 那一篇里以另一种形式出现过——那里的问题是"反馈会不会回写到被反馈者身上"（预设〔18〕），答案是会，而且回写的层级决定符号。两条思想从两个方向撞上了同一族预设，且互不引用。

被推翻的第二条：不平等的机制在资源与家庭

一九六八年时，解释成绩差距的两条主流路线是资源（拨款、师资、设施）与家庭（科尔曼报告刚强调过）。两条都指向学校之外。

皮格马利翁指向学校之内，而且是最内的地方：一位教师看一个孩子时脑子里的那句话。

这一刀的政治意义极大，因为它给出了一个既便宜、又不需要指责家庭的干预点。而它的实证基础，是本栏五篇里最薄的一份。

被改写的第三条：随机化实验能证明什么

这里有一处方法论上的翻转，值得单独记。

皮格马利翁的设计在形式上是漂亮的：随机分配、真实课堂、一学年周期。随机化正是为了排除"教师的期望本来就准确"这种解释——名单是随机抽的，所以名单里的孩子并不真的更强。

这个设计的逻辑无懈可击。问题在于它测的不是真实世界里的东西。

真实课堂里的教师期望不是随机的，它来自观察。而劳登布什 1984 的读数正好说明了这一点：随机植入的期望只在教师尚未开始观察时有效，两周之后就被真实观察覆盖了。

⇒ 由此得到一条可以脱离本题使用的读数：一个随机化实验为了取得内部效度而剥离掉的那样东西，有时正是外部世界里起主要作用的那样东西。 这里被剥离的是"期望的来源"——实验把它做成了随机的，而现实中它来自观察，且观察大体准确。

这条读数在本栏是新的，前四篇都没有撞到。它对整个"证据为王"的十年（本栏第九个十年）有直接约束。

一处必须写明的不对榫

罗森塔尔本人从未主张自我实现预言是巨大的。 他与鲁宾一九七八年在《行为与脑科学》第一卷第 377–386 页发表《人际期望效应：最初的 345 项研究》，做的正是把效应量摊开的工作；他一九八七年又在《教育研究者》上专门写过一篇讨论皮格马利翁效应的存在性、量级与社会重要性。

他的立场大体是：效应是真实的，量级不大，但在教育这样的场合里，不大的效应也可能有社会意义。 这个立场与劳登布什、尤西姆的读数并不冲突。

冲突发生在转述层。 "一份假名单改变了孩子的智商"这个故事，与"随机植入的期望在教师尚未认识学生时有 d≈0.32 的效应，两周后归零"这个读数，是同一件事的两种讲法，而只有前一种进入了教师培训。

第一次：从"随机期望"滑向"教师要有信心"（一九七〇年代起，最普遍）

原命题是一个尖锐的因果主张：随机的、无根据的期望能改变结果。落地版本变成了一句师德要求：教师应当相信每个学生都能学好。

让掉了什么：让掉了可证伪性。前者可以被实验判负（而且已经被判了大半），后者无法被任何证据推翻。

这一次让步的性质与本栏前四篇都不同：043、072 让掉的是操作部件（不计分、换讲法），075 让掉的是条件从句，而这一次让掉的是命题的逻辑类型——从经验命题变成了规范命题。

规范化是最彻底的一种退化，因为退化之后它不再需要证据，也就不再会被证据修正。

第二次：从教育搬进管理学（一九八〇年代起）

"皮格马利翁效应"在管理培训里的普及度远高于教育。伊登一九九〇年在《应用心理学杂志》第七十五卷第四期第 394–398 页做的正是这条线的管理学版本。

让掉了什么：让掉了原始设计里最关键的一格——受试者是儿童。劳登布什的调节变量（先前接触时长）在成人职场里的取值完全不同：管理者与下属通常已经共事很久。

按劳登布什的读数，两周就够；而职场关系动辄数年。 那么管理学版本的皮格马利翁效应，理论上应当趋近于零。这个推论我没有找到有人正面检验过，第十节写成命题。

第三次：从"效应"变成"故事"（持续至今）

皮格马利翁今天在多数场合是以故事形式流传的：一份假名单、一个学年、真实的改变。而故事不带效应量，也不带年级限定。

让掉了什么：让掉了那三行数字（0.11／0.32／两周后归零）。而恰恰是那三行数字里藏着这条思想真正可用的部分——它告诉你期望干预的窗口在哪：在教师还不认识这个学生的时候。

⇒ 这是一条可以立刻用的推论，而它因为故事化被丢掉了：新学年开学的头两周，教师手里那份学籍资料的作用最大；两周之后，教师自己的观察会覆盖它。

第四次：与标签、刻板印象、隐性偏见合流（一九九〇年代至今）

自我实现预言这个框架被并入了更大的偏见研究传统。这次合流让它活了下来，也把它的边界模糊了。

让掉了什么：让掉了"随机期望"这个原始设定。刻板印象不是随机的——它对某些群体系统性地偏低。而尤西姆与哈伯的第 (b) 条恰恰说：强有力的自我实现预言可能选择性地发生在被污名化群体的学生身上。

这一格必须小心处理，因为它是对第 (d) 条的重要制衡：平均效应小，不等于在最要紧的地方效应也小。一个在全样本上 d=0.11 的效应，完全可能在某个子群体上大得多。 第七节会把这一对张力摊开。

第五次：进入中文教育话语，且方向发生了一次特殊的偏移

"罗森塔尔效应""期望效应""皮格马利翁效应"在中文教师培训材料里出现频率极高，通常出现在师德或班主任工作的章节。

让掉了什么：与英语世界一样让掉了效应量，但多让掉了一样东西——桑代克与斯诺的批评。我查过的中文转述里，几乎见不到"该研究的测量工具在低年级不可信""效应主要靠少数极端值"这两句话。

这构成一条可测的命题（第十节第八条）：中文教育文献中，引用皮格马利翁原研究者与引用其反证者的比例。预测这个比值远大于英文文献中的同一比值。

第六次：交给算法（二〇一〇年代至今）

学习分析与预警系统（本栏 100）做的正是"根据早期数据预测这个学生的未来"，然后据此提前干预。

这是皮格马利翁的机器版本，而且它把原始设定倒了过来：皮格马利翁的期望是随机的、无根据的；算法的预测是有根据的、准确的——它正是尤西姆第 (d) 条说的那种"准确的期望"。

于是问题变成：一个准确的低预测，被用来提前干预，究竟是在帮忙，还是在把一个准确的预测变成一个自我实现的判决？

这个问题在算法公平性那边有名字（predictive parity 与 disparate impact 的冲突），在教育这边没有。 第八节登记，第十节第七条写成命题。

★ 六次改写的共同形状：第五种命运

前四篇给出了部件命运的四档：好查的膨胀、中等的退化、不可查的静止、被固化进工具的冻结。

044 提供了第五档：规范化。

一个经验命题在传播中被改写成一条道德要求（"教师应当相信每个孩子"），此后它既不需要证据支持，也不会被证据修正。它的存活率是四档里最高的——因为它已经不在证据的管辖范围内了。

⇒ 由此得到本栏第六条累积读数：部件的命运取决于两件事——可核查性，以及它是不是可以被改写成一句无法证伪的好话。 后者是最强的存活策略，也是最彻底的失效方式。

043 的"要有耐心"、072 的"要及时反馈"、048 的"要重视家庭教育"、044 的"要相信学生"——四篇里每一篇都留下了一句这样的话，而这四句话都是它们各自的尸体。

一、活在新生开学前那份学籍资料的传递上

小升初、初升高，新班主任接手前会拿到一份材料：上一段的成绩、评语、奖惩记录。

按劳登布什的读数，这份材料的影响力有一个明确的窗口——教师认识这些孩子之前的那两周。 两周之后，教师自己的观察会覆盖它。

这给出一条极其具体、也极其便宜的可做之事：如果学校认为某些评语有害（"该生基础薄弱""学习习惯差"），只需要把这类材料的交付时间推迟两周，其影响就大部分消失了。

据我所知没有任何一所学校这样做过，也没有人测过。第十节第一条。

二、活在"第一印象"这件事被高估的程度上

教师培训里常说第一印象重要。从这条线上看，这句话既对又不对：第一印象重要，是因为它落在那个窗口里；但它只在教师尚未观察之前重要，而教师的观察能力比这句话暗示的强得多。

准确的说法是：第一印象的作用会被后续观察稀释，稀释速度快得惊人（约两周）。而"第一印象决定一切"这句话，恰恰把一个有窗口的效应说成了一个永久的效应。

三、活在班主任那句"这孩子我一看就知道"里

这句话在教研室里通常被当作经验的体现，偶尔被当作偏见的证据。

从尤西姆第 (d) 条看，它多半是准确的——教师的日常判断建立在真实的差别之上，准确率不低。

而这恰恰使它成为一件更麻烦的事：一个准确的判断，比一个不准确的偏见更难被质疑，也更难被推翻。你无法用"你有偏见"来反驳一个大体正确的判断。

这一格是本篇最反直觉、也最该被教研室听到的一格：问题不是老师看错了，问题是看对了之后做什么。

四、活在分层教学与走班的编班时刻

分层的依据是对学生当前水平的判断，而这个判断大体准确。分层本身不制造差距（那是流行版本的主张），但它可能把一个准确的当下判断固化成一条未来的轨道。

判据很具体：一所学校的分层，层间流动率是多少？一学期内从下层升到上层的比例，从上层降到下层的比例。流动率接近零，那条准确的判断就变成了一条轨道；流动率高，它就还只是一个判断。

这个数每所学校都算得出来，而我没见过哪所学校公布过。

五、活在"不放弃每一个学生"这句口号与它的实际操作之间

口号是规范化之后的皮格马利翁（第五节第一次改写）。它无法被证伪，因而也无法指导任何具体动作。

可以被证伪的版本是这样的：一节课里，教师给最低期望的那五名学生的提问次数、等待时间、追问深度，与最高期望的五名学生相比是多少？布罗菲与古德那条线量的就是这个，而且它可以在任何一节录像课上数出来。

从口号到读数，中间只差一次计数。

六、活在预警系统给出的每一个"高风险"标签上

学习分析系统标出一名学生"辍学高风险"，这个标签会被送到班主任手里。

这是当代最纯粹的皮格马利翁装置，而且它与 1968 年那次有一个根本差别：算法的预测是准确的（它就是靠准确率被采购的）。

于是它落在了尤西姆第 (d) 条与第 (b) 条之间的那道缝里：预测准确，所以大部分相关不是自我实现的；但被标记的学生高度集中于弱势群体，而第 (b) 条说强效应可能恰恰选择性地发生在他们身上。

平均效应小 ＋ 目标人群恰是效应最大的那群 ＝ 一个用平均数来评估会严重低估其危害的系统。

七、活在教师对家长说的每一句"他挺聪明的，就是不用功"里

这句话是中国课堂上最常见的期望表达，而它的结构很特别：它同时给出一个高的能力判断和一个低的努力判断。

按本栏 072 的 FIT 框架，这句话落在自我层（关于他是什么样的人），而落在自我层的反馈效果最差甚至为负。两条线在这一句话上撞在了一起，而且给出的是同一个警告。

更麻烦的是：这句话在中文语境里被广泛认为是善意的、给孩子留面子的说法。

八、活在"标签"这个词被滥用的程度上

"不要给孩子贴标签"是今天的通行说法。而从这条线上看，问题不在贴标签，在标签能不能被撕下来。

判据：一个孩子在四年级被判定为"数学不行"，在六年级有没有一个具体的、制度化的机会让这个判定被重新做一次？如果没有，那不是标签的问题，是没有复审程序的问题。

这个说法比"不要贴标签"硬得多，因为它指向一个可以被建立的东西：判定的复审机制。而"不要贴标签"指向的是教师的心念——第五节说过，那是规范化之后的死路。

四条预测的战果

第一条：随机植入的期望能改变智商分数。 元分析 18 项，d ≈ 0.11；原研究的测量工具在低年级不可信，效应主要靠少数极端值且集中在一、二年级。判决：被驳。

第二条：教师会对高期望学生表现出不同的教学行为。 观察研究反复证实（更多机会、更丰富的提问、更有针对性的反馈）。判决：站住，是全线最稳的一格。

第三条：自我实现效应会随年级累积。 证据更支持消散而非累积。判决：被驳，且方向相反。

第四条：期望与结果的相关主要由自我实现造成。 三十五年总账的判词是：期望之所以能预测结果，可能更多是因为它们准确，而不是因为它们自我实现。判决：方向反了。

★ 主要失效条件：教师是一台会更新的仪器

劳登布什 1984 的核心发现不是那个 0.11，是那个调节变量：教师在期望被植入时对学生了解得越多，效应越小；约两周的接触就足以把一份编造的名单的影响降到几乎为零。

这条失效条件的形式很特别，值得与本栏前四篇对照：

044 这一条是唯一一条会随时间自动失效的。 它不需要任何人做什么——只要课照常上，两周之后它自己就没了。

这既是这条思想的软肋，也是它唯一真正可用的地方：它给出了一个明确的干预窗口。第六节第一格与第十节第一条讲的都是怎么用这个窗口。

失效条件二：随机化剥离掉的正是现实中起作用的那样东西

皮格马利翁的设计用随机化排除了"期望本来就准确"这个竞争解释。而三十五年之后我们知道，那个被排除的解释才是真实世界里的主项。

这条失效条件的适用范围远超本题。 它的一般形式是：当一个变量在现实中的主要来源是"对现实的准确感知"时，把它随机化的实验，测的是一个现实中不存在的版本。

失效条件三：平均效应小，不等于处处小

这是对上面所有"被驳"的重要制衡，必须写足。

尤西姆与哈伯第 (b) 条：强有力的自我实现预言可能选择性地发生在来自被污名化社会群体的学生身上。

这意味着 d≈0.11 这个平均数可能掩盖了一个极不均匀的分布：在多数学生身上接近零，在少数学生身上相当大。

而恰恰是后一群人，是教育公平最关心的那群人。

⇒ 正确的读法是：皮格马利翁作为一条普遍机制被大幅缩水了；作为一条关于特定群体的机制，它仍然是开放的、且证据不足以下结论。用平均效应否定它对弱势群体的作用，与用原研究夸大它对所有人的作用，是同一种错误的两个方向。

这一格与第六节第六格（预警系统）接上：一个用平均数评估、而目标人群恰是效应最大那群的系统，会系统性地低估自己的危害。

失效条件四：(c) 那一条至今悬着

尤西姆与哈伯第 (c) 条：自我实现预言是否影响智力、以及它总体上是利大于弊还是弊大于利，仍不清楚。

"利大于弊还是弊大于利"这个问题悬着，本身就值得记一格。 因为整个教育话语默认自我实现预言是坏东西（低期望害人），而它同样可以是好东西（高期望助人）。罗森塔尔原研究测的正是正向的那一侧——名单里的孩子被高看了一眼。

而后来的公共讨论几乎只谈负向的那一侧。 这个偏移没有被任何证据支持，它只是符合直觉。

失效条件五：把它用在成人与长期关系上

管理学版本的皮格马利翁，其受试者是共事已久的成年人。按劳登布什的调节变量，那里的效应理论上应趋近于零——因为"先前接触"这个变量在职场里的取值远超两周。

这个推论我没有找到有人正面检验过。 第十节第五条。

自曝

按体例，只收提出者自己文献里的自陈。

自曝之一：罗森塔尔与鲁宾一九七八年在《行为与脑科学》上发表《人际期望效应：最初的 345 项研究》。做这件事本身就是一次自曝——把三百多项研究的效应量摊开来算，等于承认单靠橡树小学那一跑不足以支撑这个主张。

自曝之二：罗森塔尔一九八七年在《教育研究者》上专门撰文讨论皮格马利翁效应的存在性、量级与社会重要性。把"量级"单独列为一个需要讨论的问题，本身就是承认量级不大；而他的辩护路线是"不大的效应在教育中也可能有社会意义"——这是一条退守的、而非进攻的论证。

本栏五篇，五次最诚实的一击全部来自提出者本人：布鲁姆 1984、帕斯隆 2008、布莱克与威廉 2009、斯威勒 2003、罗森塔尔 1978/1987。五篇五次，这个模式已经强到可以当作一条工作规则用了。

一处与前四篇并起来才看得见的东西：五种病

最后一行与前四行的差别值得停一下。

前四种病，被纠正的都是量：承诺的数字被算小了。而 044 被纠正的是方向——那个相关系数一直在那里，从来没变过，只是它证明的东西不是它被用来证明的那件事。

"量被打下来"是一件相对容易被接受的事：0.52 也不小，掌握学习仍然值得做。"方向被翻过来"要求的是整套对策的重写——如果教师主要是在准确读取而不是在制造，那么"改变教师的期望"这条干预路线就指错了地方。

而这件事在教师培训里至今没有发生。 罗森塔尔效应仍然是以 1968 年的版本在讲。

⇒ 由此得到本栏第七条累积读数：一条思想的量级被修正的速度，远快于它的因果方向被修正的速度。 因为量级的修正只需要一次元分析，而方向的修正需要一整套分解设计——而且方向修正之后，原来的那套对策全部作废，没有人愿意做这件事。

一句总账

这是第五种病：方向搞反了。

现象成立（教师期望与学生表现相关，且相关不低）；机制的一半成立（教师确实对不同期望的学生表现不同行为）；而因果的主方向是反的——不是期望造出了表现，主要是表现造出了期望。

这种病比前四种都难治，理由很简单：它的证据看起来一直是支持它的。 043 的 2.0 被算成 0.52，那是打脸；072 的 0.4–0.7 被算成 0.20，那是打脸。而 044 的相关系数从 1968 年到今天一直好好地在那里——只是它证明的不是它被用来证明的那件事。

用一句话概括五篇：一个说得太满，一个说得太虚，一个说得太早，一个说得太准而看不见仪表，一个把箭头画反了。

碰撞取源用得上的不是"皮格马利翁效应"这个名字，而是它底下的结构：一个观察者对被观察对象作出判断，这个判断会经由观察者的后续行为回写到对象身上；而对象后来的表现与当初的判断之间的相关，同时包含"判断准确"与"判断自我实现"两个成分，而这两个成分从相关系数上分不开。

"两个成分分不开"是这个结构的独特之处。 每条异名注明：那边叫什么、把哪一格写得更清楚、分界线在哪。

一、金融：反身性与索罗斯的两条路

索罗斯的反身性讲的正是这件事：市场参与者的看法影响市场，而市场又影响参与者的看法。而金融里有一个更硬的对应物：信用评级。一家机构被降级 → 融资成本上升 → 违约风险真的上升。

这边写得更清楚的两格：其一，"评级本身是风险因素"被明确承认并被监管处理（评级机构受监管，评级方法要公开，有"评级悬崖"这个术语专指评级触发合同条款而放大冲击）；其二，存在"自我实现的危机"这一整套模型（银行挤兑、货币攻击），且模型区分了基本面驱动与预期驱动。

教育这边：没有人把教师评价当作一个会改变风险的风险因素来管理，也没有对应的监管或方法公开要求。

分界线：评级机构与被评对象没有日常接触，评级不会被两周的观察覆盖；教师与学生每天见面。这个差别恰好解释了为什么金融里的自我实现更强而教育里更弱——反过来也说明，接触频率是这一族现象的关键调节变量，而金融那边从没这样想过。这是教育可以往那边输出的一格。

二、医学：诊断标签与"诊断动量"

一个初步诊断被写进病历后，后续医生倾向于沿着它继续，即使新证据与之不符——这在临床推理研究里叫诊断动量（diagnostic momentum）。相关的还有锚定效应与过早收敛。

这边写得更清楚的三格：其一，这个现象被命名、被列入医疗差错分类、被写进培训；其二，有明确的对抗手段——"诊断暂停"、鉴别诊断清单、强制复核；其三，存在制度化的复审点（会诊、二次意见、病理确诊）。

教育这边：一个学生在四年级被判定为"数学不行"，没有会诊、没有二次意见、没有强制复核。第六节第八格说的"判定的复审机制"，在医学里是现成的。

分界线：医学的最终判据在病人身上（尸检、病理），教育没有一个外部的最终判据来发现当初的判定错了。

三、司法：预断、回避与"未审先判"

法官在庭审前形成心证会污染裁判，因此有回避制度、证据开示规则、以及对法官接触案外信息的严格限制。

这边写得最清楚的一格，也是教育最缺的一格：对"判断者在何时接触何种信息"做了明文规定。什么材料可以在什么阶段进入法官视野，是被规定的。

这一条与劳登布什的两周窗口贴到严丝合缝：既然期望的影响力集中在教师认识学生之前的窗口里，那么"学籍材料在何时交给新教师"就是一个可以被规定的时点——而现在它是随手交的。

分界线：司法要求判断者尽量不受先前信息影响；教育需要教师尽快了解学生。两边的目标相反，因而不能照搬规则，但可以照搬"对信息进入时点作出规定"这个动作。

四、机器学习：反馈循环与"标签泄漏进现实"

推荐系统预测你会喜欢什么 → 于是给你看那些 → 于是你确实点了 → 训练数据证实了预测。预测系统在制造它所预测的东西。业界的词：反馈循环（feedback loop）、表现性（performativity）、runaway feedback。

这边写得更清楚的三格：其一，这个问题被形式化（可以写出模型，证明循环会放大初始偏差）；其二，有缓解手段（随机探索注入、倾向性得分校正、离线策略评估）；其三，"预测准确"与"预测公平"被证明在一般情况下不可兼得（predictive parity 与 equalized odds 的不可能性定理）。

第三格直接对应本篇第六节第六格：一个准确的高风险预测，被用来干预，究竟是帮忙还是判决。算法公平性那边已经把这个两难写成了定理，教育这边还没有名字。

分界线：推荐系统的循环没有一个"两周后被真实观察覆盖"的自然刹车——因为系统不会独立地重新观察你。教师有这个刹车，算法没有。这可能是本篇最重要的一处跨界发现：把判断交给算法，等于拆掉了那个两周刹车。

五、生态学与流行病学：预测本身改变被预测系统

疫情模型公布后人们改变行为，于是预测落空——这被称为预测的自我挫败（self-defeating prophecy），是自我实现的镜像。渔业管理里也有：预测某鱼群将崩溃 → 加强捕捞抢在崩溃前 → 崩溃提前到来。

这边写得更清楚的一格：自我实现与自我挫败被当作同一族现象的两个方向来处理，并且知道方向取决于被预测者对预测的反应。

教育这边只谈自我实现的那一半。而"低期望激起学生的反抗从而表现更好"是完全可能的，且几乎没有被研究过。 第十节第九条。

六、统计学：回归到均值

这是最不浪漫、也最不该被漏掉的一条。任何一次极端测量之后的第二次测量，都倾向于向均值回归。

被选为"起飞者"的孩子若在前测上偏低，其后测上升有一部分是纯统计的。而原研究的效应恰恰集中在测量最不可信、极端值最多的低年级。

这边写得最清楚的一格：回归到均值有精确的公式，且与测量的信度直接挂钩——信度越低，回归越强。

这条异名不是类比，是直接的替代解释，且它与桑代克的批评（前测不可信）严丝合缝。

七、站内的邻居

- ★ 本栏 048 文化再生产：044 与 048 问的是同一个问题，得到的是同一个答案，而两边互不引用。 048 问：学校是在误判（信号机制）还是在准确记录（技能机制）？最严格的检验指向后者。044 问：教师是在制造（自我实现）还是在读取（准确）？三十五年总账指向后者。两条最著名的"学校制造不平等"的理论，在最严格的检验里都退到了"学校准确地记录了一个在别处造成的差距"。 这是本栏目前最重的一处跨篇合流，第十节第十条。

- 本栏 072 黑箱之内：预设〔18 干预不回写到被干预者〕与本篇的〔14 因果方向给定〕是同一族预设的两个面；且"他挺聪明的就是不用功"这句话同时落在两条线的警告区里（第六节第七格）。

- 本栏 043 掌握学习：布鲁姆说能力差异大半是时间差异；本篇说教师对能力的判断大体准确。两条合起来给出一个更精确的问法：教师准确判断出来的那个差，是能力的差还是用时的差？ 而教师的判断不区分这两者。

- 本栏 083 德韦克成长型思维：两条都是关于"关于能力的信念"，一条在教师头上一条在学生头上，且都在复制危机里缩水（本栏 092）。

- 本栏 100 学习分析与预警：本篇的机器版本，且拆掉了两周刹车。

- edu 分站《课堂的智慧》「失败长得像成功」：一位准确判断出某生基础薄弱、并据此降低要求的教师，做的每一步都合乎专业判断。

位置：E（纠缠）。理由：这条思想处理的是教师信念、教师行为与学生表现三者互为因果的回路。它不是让某样东西显露（S），也不是在判定前插入可变长的时间（D）——它的整个内容就是三者扣在一起、且方向难以分离这件事本身。

预设〔14 因与果的方向是给定的〕。本条攻击的正是这一族：教育研究长期默认，教师期望与学生成绩之间的相关，方向是从期望指向成绩。三十五年的总账说：主方向大体相反——期望之所以能预测成绩，更多是因为它准确。 而这个反转从相关系数上看不出来，因为两个方向产生的相关是一样的。

- 附带触及 05 观测与干预不回写对象（与本栏 072 的〔18〕同族的另一面）与 02 单一读数代表复杂对象（一个相关系数里同时装着准确、自我实现与知觉偏差三个成分）。

量纲：三个可算的读数，均带分母。

1. ★期望准确度占比 ＝（教师期望与学生当下真实水平的相关中可归因于准确的部分）÷（教师期望与学生后续表现的总相关）。这是本篇的核心量，而且它与本栏前四篇的核心量不同——它已经被测过了（尤西姆一路的分解研究），结论是准确占大头。而教育实践从不看它：教研活动里谈期望时，从不问"这份期望里有多少是看准的"。

2. 先接触时长 ＝ 期望被植入（或材料被交付）时，教师已认识该学生的天数。劳登布什给了这个变量的临界值：约两周。 它把一条心理学发现变成了一条排班规定。

3. 判定复审率 ＝（一学年内被重新判定过的学生数）÷（曾被判定为某一层级的学生总数）。分层教学的层间流动率是它的一个现成实例。接近零，则准确的判断已变成轨道。

失效：①教师认识学生超过约两周后，随机植入的期望效应降至几乎为零（Raudenbush 1984）；②随机化剥离掉的正是现实中的主项——真实的教师期望来自观察且大体准确，实验把它做成随机的，测的是一个现实中不存在的版本；③平均效应小不等于处处小——强自我实现可能选择性发生在被污名化群体的学生身上（Jussim & Harber 2005 第 b 条），用平均数否定它与用原研究夸大它是同一种错误的两个方向；④利弊方向至今未定（同上第 c 条：是否影响智力、总体利大于弊还是弊大于利仍不清楚），而公共讨论只谈负向那一半；⑤用于成人与长期关系时（管理学版本），先接触时长远超两周，理论上应趋近于零——未见有人正面检验；⑥回归到均值是原研究效应的直接替代解释，且与"前测不可信"严丝合缝（信度越低回归越强）。

自曝：Rosenthal & Rubin 1978《人际期望效应：最初的 345 项研究》——做这件事本身即自曝，等于承认单靠橡树小学那一跑不足以支撑主张；Rosenthal 1987 专文讨论皮格马利翁效应的存在性、量级与社会重要性——把"量级"单列为待讨论的问题即是承认量级不大，其辩护路线（不大的效应在教育中也可能有社会意义）是退守而非进攻。

空栏："把学籍材料的交付推迟两周"这个几乎零成本的干预，从未有人做过或测过；分层教学的层间流动率，各校算得出而无人公布；管理学版皮格马利翁在长期关系中应趋近于零这个推论，未见检验；自我挫败方向（低期望激起反抗从而表现更好）几乎无研究；中文文献中原研究与其反证的引用比，未有人统计；准确的算法预测被用于干预时的自我实现成分，在教育里尚无名字（算法公平性那边已有定理）。

异名：金融「反身性／信用评级／评级悬崖」（★"评级本身是风险因素"被明确承认并受监管；分界线＝评级机构与被评对象无日常接触，故无两周刹车）｜医学「诊断动量／锚定／过早收敛」（★被命名、被列入差错分类、有制度化复审点——教育缺的正是这个）｜司法「预断／回避／证据开示」（★对判断者何时接触何种信息作出明文规定——与两周窗口严丝合缝）｜机器学习「反馈循环／表现性／预测公平性不可能定理」（★准确与公平被证明一般不可兼得；★★分界线＝算法没有"两周后被真实观察覆盖"的自然刹车——把判断交给算法等于拆掉那个刹车）｜流行病学与渔业「自我挫败的预言」（★把自我实现与自我挫败当同一族的两个方向处理，教育只谈一半）｜统计学「回归到均值」（★不是类比，是直接的替代解释；信度越低回归越强）｜本栏 048／072／043／083／100｜edu《课堂的智慧》。

一｜把学籍材料的交付推迟两周，其负面影响应当大部分消失——这是本栏迄今最便宜的一条可做实验。

劳登布什的两周窗口给出了直接的操作。设计：新学年随机把班级分为两组，A 组按惯例在开学前交付学籍评语，B 组推迟到第三周。测：教师在第四周对学生的期望评分，与上一学段评语的相关。假设：B 组显著更低，而学期末的成绩两组无差别。若成立，一条零成本的制度改动就能切断评语的跨学段传递。

二｜教师期望的准确度占比可以在任何一所学校算出来，而没有人算。

测三次：开学第二周教师对每个学生的期望评分、同期的独立测验成绩、学期末成绩。做分解：期望与期末的相关中，多少可由期望与同期成绩的相关解释（准确），多少是残余（自我实现＋偏差）。假设：准确占大头。若成立，教研讨论期望时的整个话术都该改——从"我们要相信学生"改成"我们看准了之后打算做什么"。

三｜分层教学的层间流动率接近零，而它决定了分层是判断还是轨道。

数：一学年内上行与下行的学生比例。假设：多数学校低于 5%。若成立，则"分层不等于分轨"这句官方说法在数据上不成立，而补救办法是现成的（医学的强制复核）。

四｜准确的判断比不准确的偏见更难被推翻，而这一点从未被处理过。

"你有偏见"可以反驳一个错判，反驳不了一个对判。假设：教师面对"你对这个学生的期望偏低"这一质疑时，若其判断确有依据，其期望的可改变性显著低于判断无依据时。若成立，则所有以"消除偏见"为设计前提的教师培训，恰好绕开了主要的那一部分。

五｜管理学版的皮格马利翁在长期关系中应趋近于零。

按劳登布什的调节变量外推：共事已久的管理者与下属之间，期望植入应几乎无效。假设：管理学文献中报告的效应量，与"管理者认识下属的时长"负相关。这条只需重新分析已有文献即可做，而据我所知没有人做过。

六｜"他挺聪明的就是不用功"这句话应当产生可测的负效应。

它同时给出高能力判断与低努力判断，且按 FIT 落在自我层。假设：收到这类评语的学生，其后续投入低于收到任务层评语（"这一步的方法可以换成……"）的学生。这条把 044 与 072 接在一起，可以一次实验同时检验两条线。

七｜把判断交给算法，等于拆掉了那个两周刹车。

教师的期望会被后续观察覆盖（两周），算法不会独立重新观察学生。假设：接受算法风险标签的教师，其对该生的期望在一学期内的更新幅度，显著小于只凭自己观察的教师。若成立，这是预警系统一个此前没有被指认的危害，而且它恰好是这类系统最引以为傲的那个属性（一致性）造成的。

八｜中文文献引用皮格马利翁原研究与引用其反证的比例，应显著高于英文文献。

统计中文教育文献中提及罗森塔尔效应者，其中提及桑代克批评、斯诺重析或劳登布什 0.11 的比例。假设：低于 5%，且显著低于英文文献的对应比例。这条与 072 第九条（真元分析的警告被忽略）、048 第九条（枢纽变量无人测）是同一族，三条合起来指向同一个题：一个语言共同体如何系统性地只搬走结论、不搬走限定。

九｜自我挫败的方向几乎没有被研究过，而它在中国课堂上可能不罕见。

低期望激起反抗从而表现更好——渔业与流行病学那边把这一支当作同族的另一半来处理，教育只谈自我实现。假设：存在一个可识别的学生子群（高自我效能感、外部归因倾向），在其身上低期望的效应符号为正。若成立，那么"提高对所有学生的期望"这条通行建议对这部分学生是无效甚至有害的。

十｜两条最著名的"学校制造不平等"的理论，在最严格的检验里都退到了同一个位置，而它们互不引用。

048 的技能机制（学校准确记录了家庭造成的能力差）与 044 的准确机制（教师准确读取了学生的真实差别）是同一个结论。可检验的形式：在同一批学生上同时测两者的分解——文化资本对教师评价的效应（048 的信号机制），与教师期望中的准确成分（044 的第 d 条）——看两个残差是否相关。

假设：显著相关，即两条线的"自我实现／信号"残差是同一样东西。若成立，两条独立发展了半个世纪的理论第一次被接在一起。

而这条命题的政策含义比它的学术含义更重：如果学校主要是在准确记录，那么改学校的判断收效有限，而"改变教师期望"这条最流行、最便宜的干预路线，恰好指向了那个最小的成分。

必须同时写下制衡：尤西姆第 (b) 条说强效应可能选择性发生在弱势群体身上——平均意义上最小的那个成分，可能正是在最要紧的那群人身上最大的那个成分。 两句话都要说，只说一句都是误导。

怎么用这十条去撞

拿第七条"两周刹车被拆掉"，配上司法的证据开示规则与机器学习的反馈循环。

三家都在处理"一个判断者何时接触何种信息"。司法写清了信息进入判断者视野的时点必须被规定；机器学习写清了当预测被用来生成训练数据时，循环会放大初始偏差，且有缓解手段（随机探索注入）。教育两样都没有。

三家一撞，"要不要把预警标签给老师看"这个软问题变成了三个可填的量：这个标签应当在教师认识学生的第几天进入？系统有没有一个强制的重新观察机制？有没有一小部分学生被刻意不标记，作为循环的探索项？

而最后那一问是从机器学习硬搬过来的：推荐系统必须保留随机探索，否则它永远不知道自己漏掉了谁。一所学校若把所有被预警的学生都干预了，它就永远算不出预警到底有没有用——它把对照组一起处理掉了。

这已经是本栏第五次撞到同一个位置：043 让步接收（工厂不签字要出人命）／048 无偿投入折价（会计不入账要坐牢）／072 告警疲劳（工程师被淹没会漏事故）／075 抖动（服务器会宕机）／044 反馈循环与复审（信贷循环会爆雷、误诊会死人）。

五次，五个行业，五种立刻显形的后果。而学校这五件事每天都在发生，五件都不显形。

核心文献

1. Rosenthal, R., & Jacobson, L. (1968). Pygmalion in the Classroom: Teacher Expectation and Pupils' Intellectual Development. New York: Holt, Rinehart & Winston.（1992 增订版）

2. Rosenthal, R., & Jacobson, L. (1968). Pygmalion in the Classroom. The Urban Review, 3(1), 16–20. DOI 10.1007/BF02322211.

3. Rosenthal, R. (1966). Experimenter Effects in Behavioral Research. New York: Appleton-Century-Crofts.

4. Rosenthal, R., & Rubin, D. B. (1978). Interpersonal Expectancy Effects: The First 345 Studies. Behavioral and Brain Sciences, 1(3), 377–386. DOI 10.1017/S0140525X00075506.

5. Rosenthal, R. (1987). Pygmalion Effects: Existence, Magnitude, and Social Importance. Educational Researcher, 16(9). DOI 10.3102/0013189X016009037.

批评与元分析

6. Thorndike, R. L. (1968). Review of Pygmalion in the Classroom. American Educational Research Journal, 5(4).

7. Snow, R. E. (1969). Unfinished Pygmalion. Contemporary Psychology, 14, 197–200.

8. Snow, R. E. (1995). Pygmalion and Intelligence? Current Directions in Psychological Science, 4(6), 169–171.

9. Elashoff, J. D., & Snow, R. E. (1971). Pygmalion Reconsidered. Worthington, OH: Charles A. Jones.

10. ★★ Raudenbush, S. W. (1984). Magnitude of Teacher Expectancy Effects on Pupil IQ as a Function of the Credibility of Expectancy Induction: A Synthesis of Findings from 18 Experiments. Journal of Educational Psychology, 76(1), 85–97. DOI 10.1037/0022-0663.76.1.85.

11. ★★ Jussim, L., & Harber, K. D. (2005). Teacher Expectations and Self-Fulfilling Prophecies: Knowns and Unknowns, Resolved and Unresolved Controversies. Personality and Social Psychology Review, 9(2), 131–155. DOI 10.1207/s15327957pspr0902_3.

12. Brophy, J. E., & Good, T. L. (1970). Teachers' Communication of Differential Expectations for Children's Classroom Performance. Journal of Educational Psychology, 61(5), 365–374.

13. Brophy, J. E. (1983). Research on the Self-Fulfilling Prophecy and Teacher Expectations. Journal of Educational Psychology, 75(5), 631–661.

14. Jussim, L. (1986). Self-Fulfilling Prophecies: A Theoretical and Integrative Review. Psychological Review, 93(4), 429–445.

15. Jussim, L. (1989). Teacher Expectations: Self-Fulfilling Prophecies, Perceptual Biases, and Accuracy. Journal of Personality and Social Psychology, 57(3), 469–480.

16. Jussim, L., & Eccles, J. (1992). Teacher Expectations II: Construction and Reflection of Student Achievement. JPSP, 63(6), 947–961.

17. Madon, S., Jussim, L., & Eccles, J. (1997). In Search of the Powerful Self-Fulfilling Prophecy. JPSP, 72(4), 791–809.

18. Smith, A., Jussim, L., & Eccles, J. (1999). Do Self-Fulfilling Prophecies Accumulate, Dissipate, or Remain Stable Over Time? JPSP, 77(3), 548–565.

19. Rubie-Davies, C. M. (2007).（教师期望与教学行为）

20. Eden, D. (1990). Pygmalion Without Interpersonal Contrast Effects: Whole Groups Gain from Raising Manager Expectations. Journal of Applied Psychology, 75(4), 394–398. DOI 10.1037/0021-9010.75.4.394.

21. 《皮格马利翁五十周年：教师期望研究的现状》，Educational Research and Evaluation，2018，DOI 10.1080/13803611.2018.1548785.

对照用（出自本栏 043／072／075）

22. Kulik, C.-L. C., Kulik, J. A., & Bangert-Drowns, R. L. (1990). RER, 60(2), 265–299.

23. Kingston, N., & Nash, B. (2011). EM:IP, 30(4), 28–37.

24. Kluger, A. N., & DeNisi, A. (1996). Psychological Bulletin, 119(2), 254–284.

核验说明（五条，如实写明）

其一：Rosenthal & Jacobson 1968 原书，本篇未取到原件。研究设计（随机 20%、编造的测验名称、一学年后复测、效应集中在一、二年级）为多个独立来源一致的转述，已交叉核对。原书中的具体增幅数字，本篇一律不引。

其二：Thorndike 1968 与 Elashoff & Snow 1971 的批评内容（前测分数不可信、某班推理智商均值落在智障区间、总效应主要靠少数极端值），转引自多份二手来源，未取原文。Thorndike 那篇书评的卷期页本篇按通行著录给出，未逐位核验。

其三：Raudenbush 1984 的刊名卷期页与 DOI 已核；d ≈ 0.11 与 d ≈ 0.32 两个数字取自二手来源的转述，未取全文（有来源写作 d≈0.14，本篇取多数来源一致的 0.11，并如实标出这一分歧）。"约两周接触即降至几乎为零"这一表述，多个来源一致。引用具体数值前请核原文。

其四：Jussim & Harber 2005 的四条结论（a）（b）（c）（d），取自该刊正式摘要原文，已多源核对一致。这是本篇最可靠的一笔。

其五：Brophy 1983、Brophy & Good 1970、Rubie-Davies 2007、Snow 1995 四条的卷期页按通行著录给出，部分未逐位核验；Rubie-Davies 2007 未取到刊名卷期页，著录不完整。

Claude 编纂 · 依王德生《SDE 本体论》｜教育新思想前沿 · 第 044 号｜德麦国际