屏幕上的量尺

2015年秋天，美国一个大型学区把一套自适应数学平台装进了几十所中学的教室。同一周，学区教育委员会还在官网上发布了一条新闻，标题带着“个性化学习”四个字。配图里，学生们戴着耳机，面对屏幕，表情专注。没有一张图拍下背后的仪表盘。

仪表盘上有什么？每个学生名字后面，都跟着一个数字。这个数字叫“能力估值”。它每小时刷新，甚至每分钟刷新。学生点下一道题，它动一下；答错了，它再动一下；犹豫了十九秒才点选项，它又动一下。学期初，系统用二十道题给每个人定了个起点。起点在年级水平线以下的学生，接下来的题目就自动下调难度。

一个学期之后，教师调出班级分布图，发现被系统判定为“低能力”的那一组，接触的数学内容，已经比“高能力”一组落后了两个年级。这里没有一张诊断书，没有一间测验室，没有一个心理学家拿着秒表坐在对面。可是分类已经完成了。

这听起来像科幻，又像老故事。说它像科幻，是因为屏幕、算法、实时刷新这些词很新。

说它像老故事，是因为“用二十道题给人定个起点，然后按这个起点分配学习机会”这件事，我们前面已经见过太多次了。今天这一讲，我们就把这层屏幕掀开，看看里面那台看不见的量尺，究竟是怎么运转的。

先解决一个很容易被忽略的问题：自适应学习平台、教育数据挖掘、AI辅导系统，这些东西是什么时候大规模进入学校的？答案不是某一年，而是一个很短的窗口期。2010年代以后，美国、欧洲、中国的教育科技市场同时膨胀。一批做自适应学习的公司拿到风险投资，把产品卖进公立学校。卖点很一致：精准诊断每个学生的学习能力，推送个性化内容，实现因材施教。

“因材施教”这四个字很动人。谁不希望自己的孩子被当作一个独特的个体来教？谁不希望老师不用再一个人面对四十个水平参差不齐的学生？这个承诺，让许多学区愿意把预算拨给屏幕和软件。

但我们要追问的，不是“因材施教”这个愿望好不好，而是“材”是怎么被判断出来的。打开这些平台的底层逻辑，你会看到一个熟悉的影子。

系统通过学生在屏幕上的点击速度、答题正确率和停留时间，实时计算出一个类似智商分数的“能力估值”，然后据此决定推送什么难度的题目。点击速度，就是鼠标从这道题跳到下一道题有多快。答题正确率，不用解释。停留时间，是学生在一道题上犹豫了多久。这些行为痕迹合在一起，变成了一个数字。

这个数字不是一次纸笔测验的结果。它不要求学生坐在考场里，不要求统一的测验时间，甚至不要求学生知道自己正在被测量。它持续更新，不断细化。学生在数学课上每点一次鼠标，这个估值就悄悄挪动一点。

所以问题来了：这个数字，和智商分数有什么不同？表面上看，很不同。智商测试是一年一次、甚至一辈子只做几次的事。算法估值是实时的。智商测试有明确的测验场景，学生知道自己在被考。算法估值是隐蔽的，学生以为自己在做练习。智商测试的结果是一张报告，算法估值的结果是一条永远在变动的曲线。

但仔细看，它们有同一个内核：把人简化为一个单一数字，然后根据这个数字分配学习机会。这就叫量化标签。

什么是量化标签？说白了，就是把人简化成一个分数或排名，用来定义他的价值和未来。它常常让被贴标签的人，慢慢把这种判断当成自己本来的样子。

上一章我们讲脑成像的时候，提到过一个词：命运技术。它指的是这样一种社会技术装置：将人丰富多样的潜能压缩成单一的数字标签，再依据这个标签来配置生命机会。现在屏幕上的这个能力估值，就是命运技术的最新形态。它不再用纸笔，不再用脑图，它用你的每一次点击。

我们需要认真对待一个最强有力的反驳。这个反驳不是来自某个反科技的人，而是来自智力量表的捍卫者。他们会说：智商测试虽然历史上被滥用过，但它的核心测量的是真实且稳定的认知能力，也就是所谓的g因子。这个g因子对个体和群体差异有预测效度，所以智商测试被广泛采用，不是歧视，而是理性选择。这个说法很硬。它承认历史上有滥用，但坚持核心测量是真实的。

如果这个说法成立，那么算法估值只要能近似g因子，它在屏幕上做能力分层，有什么错？我不能用一句“这都是偏见”来打发它。我们得看证据。

第一条证据：这些自适应平台的初始估值，是怎么来的？答案往往是一组标准化题目。这些题目的大规模常模数据，有一部分就是从传统智商测试和标准化考试的题库那里继承来的。平台公司不会明说“我们在测智商”，但它们的技术文档里会写“项目反应理论”“认知诊断模型”。这些名词背后的统计思路，和当年把比奈量表变成智商数字的思路，高度一致。

第二条证据：系统更新的依据，是行为痕迹。点击速度、停留时间、答题正确率，这三样东西，哪一样不是被家庭环境、数字设备熟练度、母语背景、焦虑水平影响？一个家里没有电脑、第一次在学校摸到平板的学生，和一个从小玩游戏的学生，点击速度天然不同。一个英语学习者的停留时间，可能不是“能力低”，而是在脑子里做语言转换。系统不知道这些。系统只看到秒数和正确率。

第三条证据，也是最关键的：系统把测量和教学绑在了一起。传统智商测试有个特点：测完了，分数摆在桌上，你可以争辩，可以重测。算法估值不给你这个机会。

它每时每刻都在更新，题目难度跟着估值走。学生越做越简单，系统越确认他能力低。学生越做越难，系统越确认他能力高。这是一个自我强化的循环。

这条循环是怎么转起来的？假设一个三年级学生，在开学第一周，因为对电脑操作不熟，初始测试的正确率很低。系统把他的能力估值定在一年级水平。接下来，系统推给他的题目，就是一年级难度。这个学生做得轻松了，点击也快了，系统记录到“正确率高、速度正常”，于是把估值稳定在一年级水平附近。半年后，教师在课堂上发现，这个学生的数学理解力并不差。但屏幕上，他每天接收的练习，都是低于年级水平的内容。系统没有说他笨，系统只是每天给他更简单的题。这个差别，比直接说他笨更麻烦。因为它是沉默的，是自动的，是不需要任何人签字的。

这就是数字平台带给量化分类的新特点：分类无处不在。前面几章里，量化分类是要有场景的。移民检查站、学校测验、军队筛选，都是一个有具体地点、具体时间的事件。分类完成之后，人会离开那个场景。

数字平台把这个场景消解了。学生进入教室，分类就开始了；学生回家做作业，分类还在继续；学生周末补课，分类也在继续。屏幕在哪里，分类就到哪里。

我们再把镜头从美国这个学区，拉远一点，看另一个地方。2010年代，中国开始大力推动“智慧教育”。这个词很大，里面包含很多东西。其中一块，是让技术进入课堂，辅助教学管理。一些学校引入了人脸识别系统，用来记录学生出勤；一些课堂安装了行为分析系统，用摄像头捕捉学生的抬头率、表情和动作；还有一些学习平台，记录学生的答题时间、正确率、错题类型。

这些技术各有不同，但背后的逻辑，和美国的自适应学习平台殊途同归：把教育过程变成可计算的能力数据。一个人在课堂上的注意力、情绪和反应速度，被摄像头和算法转译成数据。数据被汇总、排序、比较。有些系统会给学生打出“专注度分数”，有些会给课堂表现排序。

这些分数和排序，可能不会直接叫“智商”，但它们承载的功能，和智商分数是同一个：定义这个学生是什么样的学习者，然后影响他接下来得到什么。这里要小心，不要写成技术恐怖故事。中国智慧教育的推动者，有一大批是真心想把教育做好的人。中国家长对“精准了解孩子”的需求，也很强烈。问题不在某个人坏，而在技术逻辑本身。

当摄像头和算法成为判断学生的工具时，它天然会偏好那些容易被量化的表现：坐得直不直、抬头率高不高、答题快不快。那些不容易被量化的东西——好奇心、想象力、对一道题长时间沉思的能力——就很容易被系统判为低效甚至低能。

这又把我们带回到“g因子”那个反驳。如果g因子是真实且稳定的认知能力，那么算法用行为痕迹逼近它，是不是也可以？如果这个逼近是有效的，那么量化分类就是客观的，我们只能接受。但我们前面看到的是，算法估值的输入端，混杂了大量非认知因素。它的更新机制，又会把初期误差放大成长期轨道。它不是g因子的中立测量器。

它是把行为痕迹转译成能力数字，再把这个数字塞回学生每天的学习路径里，让路径反过来证明数字正确。用个现代比喻：这就像导航软件根据你第一次上路的车速，给你定了“慢司机”的标签。之后每次规划路线，都给你走慢车道。你在慢车道上开得稳，系统就说：看，他果然是慢司机。它不会告诉你，你第一次上路那天，车胎是漏气的。

这就是屏幕上的量尺最隐蔽的地方。传统智商测试，好歹还有个测试者和被测试者的关系。被测试者知道，自己在做一个评估。他可以紧张，可以质疑，可以要求重测。数字平台的算法估值，取消了这种关系。学生面对的是屏幕，屏幕后面的算法没有面孔。学生甚至不知道，自己每点一下鼠标，都在为自己未来的课程内容投票。

现在来谈那个最让人不安的词：永久记录。在纸笔时代，一个三年级学生的测验成绩，会存放在档案袋里。老师会写评语，家长会签字。几年之后，档案可能被归档，新的老师未必会翻旧账。更重要的是，人有重测的机会。一次考试成绩不好，下次可以再考。

智商测试虽然也被说成稳定，但实践中，学生可以重新评估，分数可以变化。数字平台不一样。算法标签因为实时更新，反而显得客观。它不像一次考试那样有具体日期，它是持续的、累积的、自动记录的。一个学生在三年级时被算法判定为数学能力低下，这个标签可能跟随他直到高中，影响每一年的课程推荐和教师期望。

这里不是猜测。这是数字教育平台的技术架构决定的。这些系统必须保存历史记录，才能计算“成长曲线”。一个学生的全部点击轨迹、作答记录、停留时长，都被保存在服务器上。系统根据这些历史数据，预测他下一次应该看什么题。这个预测，会变成课程推荐。课程推荐，会变成教师看到的仪表盘。仪表盘上的数字，会变成教师对这个学生的预期。

教师也是人。如果一个教师每天打开系统，看到一个学生的能力估值一直低于年级水平，他很难不受影响。哪怕他嘴上不说，他布置的题目、课堂上的提问、家长会上的建议，都会微妙地偏向那个数字。这不是教师的错。这是系统设计的必然结果。

让我们停下来，问一个全书贯穿的问题：智商为什么会有这么大的力量？前面很多章给了不同的答案。这一章给了新的答案：因为智商逻辑学会了隐身。

当它藏在纸笔测验里时，人们还能看见它，甚至反抗它。当它藏在脑成像图里时，人们会被“科学图像”震住，但至少知道它是一个测量结果。当它藏在数字平台里时，人们几乎感觉不到它的存在。它变成了练习、游戏、学习路径。它变成了“个性化”本身。这正是数字教育技术没有抛弃智商逻辑，而是把它从显性的测验分数变成隐性的算法标签的关键一步。

我们再回到美国的那个学区。学期结束时，教师发现那些被系统判定为“低能力”的学生，接触的数学内容比“高能力”学生落后了两个年级。这件事被一位教育研究者写进了报告。报告里没有出现“智商”这个词。但任何一个读过比奈量表历史的人，都能看出那个熟悉的影子：用一个门槛分数把人分开，然后让分开的人走上不同的路。有两个年级，就有一个天花板。那些被系统压低了路径的学生，不会在学期末突然跳回年级水平。

那个数字怎么影响学习路径？具体来看。被标为“低于年级水平”的学生，系统推送的题目在分数概念上停很久。别人开始做分数加减了，他们还在反复练习“把一个圆分成几份”的图示题。别人在解一元一次方程，他们在做两位数乘除。到了学期中段，那些初始估值高的学生，屏幕上的文字题已经带抽象符号了；低估值那组，题目永远配着水果、卡通人物和具体物品的插图。系统把这种设计叫“支架式支持”。意思是，给弱的孩子多一点帮助。但教师看到的是另一幅画面：这些孩子不是不会做更难的题，而是从来没有被给过更难的题。他们在支架里待得太久，久到支架变成了围墙。

这个学区的案例后来被更多研究者注意到。一些外部评估团队调取了系统的后台数据。他们发现，算法估值在头两周就基本锁定了一个学生的长期轨道。

头两周。也就是十四个上课日。那之后，估值变动的幅度越来越小，小到小数点后两位的微调。系统逻辑很简单：如果学生连续做对当前难度的题目，就维持估值不变；如果做错，就把估值往下调；只有当学生连续做对更难的题——注意，是更难的题——才能把估值往上拉。

问题就在这里。系统不会主动推更难的题给低估值学生，除非教师在后台手动干预。而教师面对全班几十个学生，能做到手动干预的，是少数。于是，低估值学生在头两周后，就被困在了一个闭环里：想做更难的题来证明自己，但系统不给；越不给，越无法证明；越无法证明，估值就越稳在那个低位。

这个闭环还有一个很技术的名字，平台公司叫它“自适应精度”。他们说，系统越用越准。但这个“准”字应该打个问号。对谁准？对那些估值本来就高的学生，系统确实越用越顺：他们一路刷难题，估值稳步上升，系统记录漂亮的学习曲线。对那些估值低的学生，系统也越用越顺：他们做简单题，正确率高，系统记录稳定，看起来万事大吉。只有教师偶尔觉得不对。一个七年级的数学老师，在评估访谈里说：“我的几个学生，开学时系统说他们只有五年级水平。一月份我让他们试着做了一套七年级的题——纸笔的——他们做得不错。但系统里的题目，到现在还是五年级的。”这个老师的话，印在了评估报告的附录里，字体很小。

这还不是最隐蔽的。更隐蔽的是，系统对错误的解释。传统考卷上，一道题做错，原因可以是多种：粗心、某个知识点没掌握、读题读错了、时间不够。这些原因，老师可以和学生谈，可以观察再判断。

自适应系统不一样。它内置了一个因果模型，叫“知识掌握状态”。做错一道题，系统不是记录“这道题错了”，而是推算“这个知识点未被掌握”。停留时间太长，系统不是记录“犹豫”，而是推算“信心不足”。就这样，行为痕迹被自动转译成了认知诊断。这种转译，一步到位，中间没有教师观察的空间，没有学生解释的机会。

一个学生的整张学习画像，是由系统内部的诊断模型决定的。而这个模型的训练数据，来自其他几十万学生的行为痕迹。那些学生是谁？他们在什么家庭长大？他们用什么设备登录？他们做练习时是几点、旁边有没人帮忙？系统不知道。系统只知道，这些行为痕迹，已经被标定为“高能力”或“低能力”的样本特征。

这就产生了一个很难打破的循环：系统根据历史数据训练模型，模型判断新学生的能力，新学生的行为记录再变成历史数据，继续训练下一版模型。如果最初的样本里，低收入家庭的学生因为数字设备不熟、母语干扰等原因，行为痕迹偏向“慢”和“错”，那模型就会把这些痕迹和能力挂上钩。之后，一代一代学生进来，模型一代一代刷新自己。偏差没有被过滤掉，反而被埋进了结构。这就像在流沙上盖房子。每一层都压在上一层上，底下却不稳。

现在我们把目光转到中国。2015年前后，中国教育部门发布了一系列政策文件，推动“互联网+教育”和“智慧校园”建设。到2018年，部分省市的学校已经开始试点智能课堂系统。系统进入教室的方式，通常很安静。摄像头装在教室前方，不显眼。有些学校会在家长会上告知，有些不会。系统在后台运行，统计学生的抬头次数、举手次数、面部表情分类。

表情被分成几类：专注、疑惑、走神、困倦。每一类都对应一个分数。一堂课下来，系统自动生成每个学生的“课堂参与度”报告。这个报告，班主任能看到、年级主任能看到、家长端有时也能看到。它对教学管理有没有帮助？当然不能说没有。老师可以通过数据看到哪个学生长时间低头、哪个学生频繁走神，这些都是肉眼难以全时段覆盖的信息。

但问题出在，这些数据开始代替人的判断。一个学生课后被班主任叫去谈话，理由是“系统显示你这个星期的专注度下降了百分之三十”。学生愣在原地。他自己都不知道什么叫“专注度下降百分之三十”。他想解释，可能是最近家里有事，可能是视力下降看不清黑板，可能是那节课的内容他实在听不懂所以走神。但这些解释在数字面前，听起来都像狡辩。数据说他不专注，他就是不专注。

更关键的，是这些数据在家长端扩散的速度。一些学校把课堂表现数据接入家长的手机应用。家长可以在上班时，看见自己孩子这节课抬头了几分钟、举手了几次。这个功能，被很多家长视为“放心利器”。但这同时也意味着，孩子在学校的一举一动，都被实时翻译成“表现指数”，传到了家庭。

家长不需要等期中考试，就知道孩子“表现好不好”。表现好，意味着举手多、抬头多、没有困倦表情。表现不好，意味着低头、发呆、表情不对。至于孩子低头的时候是不是在认真思考一道难题，系统不分辨。系统只分辨头抬没抬。

在这种环境下，学生很快就学会了一件事：管理自己的数据表现。抬头，是给摄像头看的。举手，哪怕不知道答案，也先举了再说。表情管理，也变成了课堂纪律的一部分。这不是某个学校的特殊情况。这是数字化评价系统进入教室后的普遍现象。当学生意识到自己的每一个动作都可能被记录、打分、发送给家长时，他的注意力就不再只在学习上，还分出一块来，放在摄像头和自己之间。这种状态下，你很难沉浸到一道需要沉静思考的题目里。因为沉浸思考的表情，在某些系统里，会被识别为“犹豫”甚至“疑惑”。

这就和中国智慧教育的另一环扣上了：学习平台的错题追踪。中国不少中小学使用的在线作业平台，可以记录学生每一道题的用时、修改次数、中断情况。系统自动生成错题本，自动推送同类题目。这在学术研究里叫“精准补救”。表面上是帮学生补弱。但补弱的逻辑是：你在哪个题型上错得多，就反复练哪个题型。久而久之，学生花时间最多的，永远是自己最弱的那块。强项，反而没有时间发展。因为你没有做错，系统认为你“已掌握”，就跳过不给。一个学生如果从一开始就因为某些原因在某一类题型上表现不佳，他接下来会在这类题型上耗费巨大精力，而其他领域的潜力，被系统悄悄地忽略了。

这里面的逻辑线和美国自适应平台是同一条：用过去的错误，定义未来的路径。过去错了，就让你一直在那个地方打转。直到打得快、打得对，系统才放你走。这个过程，学生可能学到了一些东西，也可能只是对这套题型形成了条件反射式的正确率。更深的问题是，这套系统的设计，假设所有人学习同一套知识体系、按同一套阶梯爬升。它没有留白，不给偏离轨道者空间。一个学生在数学平台里，突然对一道题背后的数学史产生兴趣，想多查一点，系统不会给他这个选项。系统只知道“该做下一题了”。

再来看跨国技术脉络。这批进入中美教室的自适应系统和智能课堂工具，有不少出自同一批教育科技公司的研发线。它们背后的算法框架，很多源自同一批大学实验室、同一批学术论文。那些论文的假设、训练数据的来源、模型评估的标准，是在特定的社会环境里形成的——主要是美国和欧洲的英语区。

当这些模型被移植到中国教室时，语言换了，界面换了，但底层的能力定义没有换。什么是“好学生”的课堂行为？模型的参数里早就写好了：抬头率高、回答快、错误少。这些参数放到中国课堂，和“尊师重道、积极发言”的期待高度吻合。家长不会觉得有异物感，反而觉得“本该如此”。这种文化自洽，让技术落地几乎毫无阻力。但这也意味着，中国教育传统里那些和这套行为模型不一致的部分——比如沉思、内向、审慎——会被系统判为“不达标”，然后被教师、家长、管理者一路提醒纠正。

现在我们可以理解，为什么量化标签这个概念，在这一章非出现不可了。量化标签不是“差生”这样的口头评价。也不是一次期末考试的第几名。它是一个由系统生成、存储、调用的数字身份。这个数字身份，不写在学生档案封面，而写在服务器深处。但它比封面的任何一行字都更有行动力。它能决定你明天看到的题目难不难，能决定教师在家长会上怎么描述你，能决定你被分进哪个补习班，能决定你申请高中时推荐信里的措辞。它不是一次性贴上的，而是每分每秒都在复写。

他们需要在更难的题目上证明自己，但系统给他们的题目，永远不够难。他们想往上走，得先撞开算法的玻璃门。而算法玻璃门的设计逻辑是：你撞不开，是因为你能力不够。这就是命运技术的新形态。

它不要心理学家，不要试题册，不要考场。它只要一块屏幕，一条网线，一个学生每天点下去的那只鼠标。

最后，我们把目光转向一个即将到来的问题。中国社会在2010年代大力推动智慧教育，人脸识别和AI课堂分析系统进入学校，学生的注意力、情绪和反应速度都被量化。为什么这套技术逻辑在中国几乎没有遇到像样的抵抗？为什么标准化量尺在中国社会显得如此自然，甚至被当作善意的进步？

这个问题，比一块屏幕要深得多。它逼着我们往回看。看科举的远亲，看那个比算法更早、更深的量尺，是怎么长在中国社会里的。但在这一章收尾之前，我想让你记住一个具体的数字：三年级被算法标定“低能力”的学生，日后每一年，都在低于年级水平的题目里打转。

这个标签可能跟到高中，不是因为它写在纸上，而是因为它写在了系统每天推给他的题目里。标签跟着他，不是靠记忆，而是靠算法。这样的命运技术，比一百年前的智商测试更安静，也更难推翻。