第21章
第二十一章 资格颗粒度冻结：新能力为什么得不到承认
一 一项曾经有效的指标，为什么会失去原来的解释力
某种表现能够作为能力证据，通常依赖一定条件。纸面推导之所以可以帮助判断研究者的掌握，是因为在相应环境中，形成这份推导往往需要参与一组认识活动。当产出方式变化，相同表现与原有能力之间的关系也可能变化。问题不是论文突然没有价值，而是从论文推断个人能力的条件需要重新检查。
同理，现场重演也不是没有条件的透明窗口。它可以排除部分代交情形，显示当前掌握，却未必说明原创历史，也未必充分显示工具支持下的持续研究能力。更换一种可观察表现，不等于已经解决测量对象的变化。如果评价仍然假定真正能力只能由孤立个人直接显露，新方法就可能保存旧模型的局限。
可以把评价看成一种有条件的推断。我们观察表现P，希望认识能力K，但P还受到任务、工具、准备时间和表达方式影响。只要这些条件发生明显改变，便不能未经检验地沿用原来的对应关系。要求标准稳定，应该首先稳定所要认证的价值，而不是把某种历史形成的测量方式永久固定。
例如，若博士培养的目标之一是能够开展有依据的新研究，那么工具到来后仍然应当坚持依据与研究贡献。可是，“能够开展”是否必须表现为本人在无工具情境下完成每一个依赖过程，需要另行论证。目的可以连续，手段可以变化；把二者绑死，反而可能使旧手段逐渐偏离原来目的。
这种冻结并不只发生在技术反对者那里。一个学院可能积极购买新系统，要求学生学会使用，同时仍把所有旧式操作能力保留为同等强度的认证内容。新工具提高预期产量，旧标准保持完整，新能力却没有独立的评价入口。每个人都可以支持改革，合起来却形成不断追加而不替换的制度。
本书把这种状态称为资格颗粒度冻结：制度以某一历史阶段直接由个人承担的活动单元，作为能力成立的普遍尺度，而没有根据新的承担方式重新检查其必要性。它不是说旧标准一定错误，而是说旧标准被豁免了重新说明理由的义务。冻结的核心是免于检验，而不是年代久远。
同样，某种新式评价也可以很快冻结。若学校规定必须拥有个人智能体、必须公开全部对话、必须一次生成若干研究方案，这些形式一旦成为与实际能力脱离的资格符号，也会形成新的颗粒度保守。工具版本很新，不代表评价逻辑开放。任何形式都可能在长期使用中从证据变成仪式。
要识别冻结，需要比较目标与证据之间的实际联系。某项旧训练是否仍然使必要能力形成，某项无工具任务是否检查了不可替代的掌握，某项新系统是否确实提供可靠支持，都应当分别研究。没有这些比较，批评容易变成代际争论；有了这些比较，讨论才能落到哪些条件需要保留、替换或重新设计。
这也限制了对报告的解释。本书的出发事件是一组改革建议，不是已经实施的统一禁令。原报告同时鼓励新技能、承认分歧并建议具体讨论。对它的批评应当指向某些原则可能产生的制度后果，而不能把可能机制写成所有院系已经发生的事实。[2] 精确区分，才能使理论不靠夸大对手成立。
一项评价改革真正进步的地方，不是比旧制度更严或更宽，而是更准确地知道自己在认证什么。若它能让成果、贡献、个人内化与复合研究能力得到相应证据，严格便有了内容；若只是增加重演数量，严格可能只成为看得见的负担。
二 文明已经能够调用，制度却还要求个人重造
可以区分两个范围：现实研究中已经能够在明确条件下调用的能力范围，以及评价制度承认研究者可以依赖的范围。前者由工具、方法、验证和协作共同形成，后者由课程、考试、资格与职业规范组织。两者未必同步，也不应该简单要求完全相同，因为培养目标可能包含某些直接掌握。
真正的问题发生在差异缺少理由时。某项能力已经有适当承接，研究者也能够有效组织调用和处理异常，制度仍仅以“必须自己做”拒绝承认。此时，旧承担方式被赋予本体优先：只有出现在个人内部的活动才算能力，外部形成的部分只能算帮助。复合体的实际表现因而在评价中被拆去一部分。
用盾构机的比喻说，工程组织可以要求人员理解其职责和关键条件，不能仅因他无法徒手完成所有掘进过程，就断言整个工程能力不真实。数学研究当然有不同训练需求，类比不能替代具体标准；但它迫使评价说明，为什么某个内部过程必须由此人直接保存，不能由可靠组织承担。
一个合理回答可能是，该过程对于形成某种尚未建立的辨认至关重要。另一个合理回答可能是，当前工具尚不稳定，人员必须掌握某项有限恢复能力。还有一种是，所认证职位本来就是研究或维护这个过程。三种理由都具体可讨论。相比之下，“真正学者都应如此”只是重复身份标准，没有说明它与任务的关系。
这使我们能够区别暂时保留与永久冻结。暂时保留附有条件：在什么证据出现后可以调整，哪些新训练可能替代，可靠性达到何种范围后不再要求每次重演。永久冻结则把标准写成不受环境变化影响的德性要求，任何替代证据都无法触动。前者是审慎，后者才更接近层级失认。
制度滞后也可能来自缺少可用评价办法。教师知道论文不足，又尚未掌握怎样观察复合研究，只能回到熟悉考试。对此，批评不能止于要求他们更开放，而需要提供目标明确、成本可承受、结果可复核的替代设计。没有制度工程，先进理念很容易成为对一线教育者的额外要求。
另一方面，新平台提供者也不能只批评学校保守。若平台无法说明适用条件，不能保留版本，无法支持来源追溯，教师拒绝把它作为成熟能力有充分理由。承认复合能力，需要工具建设者为可验证性和可持续性作出实际贡献，而不是要求评价制度提前为尚未兑现的承诺背书。
因此，现实可调用范围与制度认可范围之间的差异，需要被分解。有些差异反映真实学习目标，有些反映可靠性不足，有些反映资源不平等，还有些才反映旧尺度惯性。只有把原因分开，改革才能针对实际障碍。用一个保守标签覆盖全部差异，也会制造本书所反对的解释亏缺。
对学习者而言，透明尤为重要。如果学校一方面提供工具，一方面没有说明哪些使用能够被承认，学生就可能面对事后改变的标准。清楚的范围、讨论入口和调整程序，能够减少这种不确定。标准可以修订，但不应把修订成本完全转嫁给已经按照旧约定投入研究的人。
所谓新能力进入制度，不是给任何工具输出开绿灯，而是使承担单位变化获得正式讨论资格。研究者应当能够提出：某项活动已被怎样承接，我在其中形成了什么能力，哪些证据支持这一判断。制度也应当能够具体回答接受、限制或拒绝的理由，而不是只询问机器拿走之后还剩下多少旧操作。
三 冻结怎样改变研究者选择的问题
制度并非只在成果完成后进行评价。研究者会预先考虑什么容易得到承认，什么会带来额外证明负担。因此，一项资格标准能够在题目选择之前改变研究路径。它不需要禁止任何问题，只要使某类问题的认证成本明显更高，就可能减少人们进入这些问题的意愿。
设想两项同样有研究价值的计划。甲计划主要依赖个人已经熟练的局部方法，结果规模较小，但便于现场完整重演。乙计划需要组织多个可靠工具和专业接口，能够打开更广的问题，却难以由单个人重现每个内部过程。若制度不评价组织与新连接，只要求全部依赖个人化，乙计划就承担额外的资格成本。
研究者可能理性地选择甲计划。这不说明他缺少好奇或创造力，而是可承受条件不同。若大量人面对相似激励，研究范围就可能向容易证明个人独立性的方向集中。能力封装本来打开了新空间，资格颗粒度却把空间重新缩回去。内卷在这里首先是问题选择的收缩，而不只是工作时长增加。
可以用一个简单预算关系说明。设总研究资源为H，完成某计划需要真实研究成本R，满足额外资格展示需要成本Q。计划能够实施，至少要求R加Q不超过H。工具降低R，但若制度因工具参与而大幅增加Q，研究者获得的净空间就可能很小，甚至变成负数。这里是一个分析模型，不是对现实成本的统计估计。
关键在于Q是否产生独立收益。某些重演能够提高理解和恢复能力，这部分不能轻率视为浪费；某些记录能够减少错误归属，也有必要。模型需要比较增加的Q带来什么可靠性与能力收益，以及有没有成本更低的替代办法。只有收益不足而负担持续追加时，才能支持强制返工的诊断。
冻结还可能改变公开行为。如果真实使用工具会带来额外负担，而不使用或不披露更容易符合熟悉形象，制度可能无意中削弱透明。这里不是为隐瞒开脱，诚实要求仍然成立；而是提醒规则设计者，不应让诚实披露比相同条件下的不披露承受不合理惩罚。良好伦理需要相应激励支持。
另一种后果是贡献叙述被个人化。共同研究中由多个参与者形成的问题，被整理成某个人从头到尾独立推进的故事，因为评价只会识别这种故事。真实协作因此在文本里消失，工具文明的条件再次变得不可见。制度随后又用这些个人英雄叙述证明能力本来就是孤立发生，形成自我强化。
要研究这种机制，可以比较不同评价安排下的题目选择、工具披露、协作规模与后续成果，而不能只调查研究者是否感到压力。压力可能来自真正困难，也可能来自不合理证明负担。观察需要识别成本从哪里增加，哪些原来可行的研究因此被放弃，以及替代制度是否改善结果。
反例也必须被允许。某些严格的独立训练可能使学生以后更善于使用工具，某些开放安排可能使研究只剩模板拼接。若出现这些结果，理论应当区分适用阶段并修改建议，而不是继续把任何严格叫内卷、任何开放叫升维。研究制度的价值需要跨时间判断，不能只看当期轻松程度。
因此，本章并不主张取消个人能力要求。它主张让个人能力要求与真实研究目标保持联系，使共同发生的能力有相应证据入口，并检验资格负担如何塑造问题选择。标准不仅决定谁合格，也参与决定什么知识有机会发生。
四 让标准本身具有被修订的资格
如果工具需要说明适用范围，评价标准也应如此。一项考试应当说明认证什么能力，不认证什么；一项无工具要求应当说明其培养或诊断目的；一项过程记录应当说明如何保护隐私、避免表演与减少负担。标准不能因为属于制度，就比它评价的研究更少承担依据责任。
这不意味着每个学生都可以凭个人偏好拒绝任何要求。共同制度需要可执行规则，也需要稳定预期。可修订性意味着存在清楚的讨论与证据程序，使规则能够根据真实变化调整，而不是每次争议都临时决定。稳定与可改并不矛盾，恰当的修订程序反而能够减少任意性。
可以从小范围试行开始。对某项明确任务，保留原培养目标，比较两种证据组织：一种主要依赖传统重演，另一种同时观察工具支持的研究、关键条件理解与跨任务迁移。记录教师成本、学生负担和判断分歧。结果可能支持部分替换，也可能显示新设计不足。试行不是宣传展示，而应允许失败进入公开修订。
评价者同样需要学习。熟悉手工推导的人，未必自然熟悉复杂工具链的证据；熟悉新工具的人，也未必擅长判断个人成长。可以由不同专业背景者共同审阅关键样例，讨论什么表现支持什么主张。多位教师的意义不在人数增加，而在证据视角互补，并且分歧能够被具体说明。
对不熟悉新方法的评价者，应允许暂时寻求专业帮助，而不必假装全知。对使用新方法的学生，则需要提供足够解释与可复核材料，而不能把教师暂时不懂当作自己的研究必然先进。双方都需要把具体问题放到公共证据中，而不是进行身份上的相互否定。
规则还应考虑资源公平。如果某种复合研究能力依赖昂贵平台，评价不能把购买能力直接当作个人水平。应当提供合理资源条件，或者在解释结果时明确不同支持。相反，也不应为了表面公平把所有人强制留在旧工具上。公平的目标是使能力形成与展示获得适当条件，而不是使所有人同样缺少条件。
标准的退出也需要设计。某项训练经过比较证明可以由更有效安排替代，原要求就应减少，而不只是继续追加新要求。改革如果永远只加不减，最终会把任何技术收益吸收到程序负担中。取消一种旧形式，不等于取消其价值目标；它可能是让目标在新条件下继续实现。
同时要保留无法立刻量化的教育价值。理解、坚持、合作与责任并非都能在短期指标上充分显露。承认这一点，不意味着它们不必说明，也不意味着只凭权威直觉。可以使用长期案例、不同情境表现和多种证据共同判断，并诚实标明不确定性。证据不完整与证据可以随意，是两回事。
资格颗粒度的解冻，因此不是一场把传统教师换成技术平台的权力转移。它要求所有参与者都接受同一原则：所声称的价值，应当有与之相称的证据；所保留的负担，应当说明其必要性；所提供的新能力，应当能够在实际活动中兑现。没有哪一方天然站在检验之外。
资格标准能够说明自己的目标、证据和退出条件，新的复合能力才有机会获得恰当承认。否则，工具升级只会成为提高产量的理由，而不会成为调整认证颗粒度的理由。研究者既要达到新系统允许的成果规模，又要保留旧系统要求的个人展示，劳动便可能向两个方向同时加码。要判断这是否构成内卷，不能只看人有多忙，还须打开劳动账本：哪些工作形成了新认识，哪些只是偿还并不必要的资格义务？