特殊教育

特殊教育过去二十年的转向，几乎每一条都是同一个动作：把一个原本由权威或善意决定的事——安置在哪、谁算障碍、什么算有效、终点是谁的——改写成能报告分母、能被数据反驳的问题。第一幕八条是奠基：全纳从安置改成参与，学习障碍的认定从差异公式改成对教学的反应，阅读障碍与自闭症各自立起一个核心机制，通用设计与社会模式把责任推向课程与环境，过度代表性与循证实践把认定与推荐都变成了可核的程序。第二幕十二条是清算：辅助沟通、多层支持、通用设计、早期干预各自面对了自己的分母，神经多样性把终点的选择权提上台面，因果证据与标签经济学把安置与认定放进了行政数据，最后一条把特殊教育的边界推到了精神卫生。

甲、从安置到质量的全纳转向Inclusion: From Placement to Quality

萨拉曼卡宣言之后的第一个十年，研究者逐渐发现"在普通班里"和"参与普通班"是两回事：一个学生可以整天坐在同一间教室，却在课程内容、小组分工与课间交往上被系统地排除。Ainscow 把这个观察写成学校发展的操作命题——全纳不是一次性的安置决定，而是学校文化、政策与日常做法三层同时改造的过程，杠杆在校内而不在法规。（Ainscow 2005，Ref.[1]）

这一转向推翻的是"安置即全纳"的等式。它带来的直接后果是测量单位的更换：过去统计的是障碍学生进入普通班的比例，现在要问的是进入之后能否触及同一套课程、能否被同伴选作合作对象、能否说出自己属于这个班。这三项可以彼此独立地成立或失败，任何一项缺席都构成实质排除。（Ainscow 2005，Ref.[1]）

反对者不是反对全纳本身，而是反对把安置问题放在学科正中央。Kauffman 与 Badar 的论证很直接：障碍学生的学业增量取决于教学的强度与精确度，而这两样在普通班的大班环境里往往被稀释；把"在哪教"当核心问题，等于把"教什么、教得多密"这一真正的因变量推到边上。（Kauffman & Badar 2014，Ref.[2]）

全球监测报告 2020 把这一争论放进数据：多数国家的法律已写入全纳原则，但只有少数国家能报告障碍学生在普通班的课程完成率或同伴关系读数，法律采纳与实施读数之间的落差正是这一转向要填的洞。（UNESCO 2020，Ref.[4]）

Nilholm 对 2020 年文献的盘点给了一个不舒服的结论：全纳研究的理论数量在增加，能被学校拿去做、并且做了之后能看出差别的命题却很少。他建议把"全纳"拆成可以证伪的中层理论，而不是继续在概念层面争"什么才算真正的全纳"。这一条的现状因此是：方向已经共识，读数仍然稀缺。（Nilholm 2021，Ref.[3]）

乙、干预反应模式Response to Intervention

差异模型的问题早就被指出：要等到智商与成绩之间拉开足够大的差距，学生通常已经三年级以上，干预的最佳窗口已经过去。Fuchs 与 Fuchs 提出的替代方案把认定改成一个过程——先给所有学生高质量核心教学，对反应不足者升到小组干预，仍不反应者进入个别化层级，学习障碍由"对逐级加密的教学都不反应"来定义。（Fuchs & Fuchs 2006，Ref.[5]）

这套模式推翻的不只是一个诊断公式，它把特殊教育的入口从心理测验室搬到了普通教室：认定不再是一次性的鉴定事件，而是几个月内反复测量的进度曲线。美国 2004 年的法律修订允许各州用它替代差异模型，此后十年它成为大多数州的默认框架。（Fuchs & Fuchs 2006，Ref.[5]）

全国评估的结果让这个框架第一次面对自己的分母。Balu 等用回归断点设计比较刚在筛查切点两侧的一年级学生：被划入干预层的那一侧，年末阅读成绩反而低了约 0.17 个标准差；解释之一是这些学生被拉出核心教学的时间没有被更密的教学补回来。（Balu et al. 2015，Ref.[6]）

Fuchs 与 Fuchs 的回应不否认读数，而是把病灶指向实施：多数学校跑的是层级过多、切点过高的复杂版本，二层干预常与核心教学同时段进行，学生实际上是用一种教学替换另一种。他们主张回到更简单的双层框架，并把切点下调到真正落后的学生。（Fuchs & Fuchs 2017，Ref.[8]）

Gersten 等的元分析把干预本身和筛入方式分开来看：对小学低年级阅读困难学生，小组或一对一的结构化干预效应稳定为正。把这个读数和全国评估放在一起，结论是干预有效、但被谁接受这件事由筛查决定，而筛查的假阳性率才是 RTI 的真正变量。（Gersten et al. 2020，Ref.[7]）

丙、阅读障碍的语音缺陷论The Phonological Deficit Account of Dyslexia

上世纪九十年代，阅读障碍有四五个相互竞争的理论：语音缺陷、大细胞视觉通路、小脑功能、听觉时间加工。Ramus 等的贡献不是提出新理论，而是换了检验方法——不做组间平均，而是逐个考察 16 名成年阅读障碍者各有哪些缺陷。结果是语音加工的问题出现在全部个案里，其他缺陷只在一部分人身上出现，且都伴随语音缺陷。（Ramus et al. 2003，Ref.[9]）

这一结果把语音缺陷推到了核心位置，也给出了它的机制版本：阅读要求把字形映射到音位，而阅读障碍者的音位表征本身模糊、不稳定，所以映射学不牢。它推翻的是把阅读障碍归为视觉问题的旧观念——"字母跳动"是结果的描述，不是原因。（Ramus et al. 2003，Ref.[9]）

Melby-Lervåg 等的元分析给这一理论上了规模：几百项研究汇总后，阅读障碍者与同龄人在音位意识上的差距超过一个标准差，在韵脚意识与言语短时记忆上的差距明显更小。差距的分布形状正好对应语音缺陷论的预测——越接近音位层，落差越大。（Melby-Lervåg et al. 2012，Ref.[12]）

反方并没有消失。Vidyasagar 与 Pammer 把因果链倒过来：学会把一串字母按顺序对应到声音，首先需要视觉空间注意逐个锁定字母；这一注意机制若有缺陷，字形—音位映射失败，语音表征随之退化。在这个版本里语音缺陷是真实的，但是结果而非起点。（Vidyasagar & Pammer 2010，Ref.[10]）

二十年后的定义重审基本接受了两边的部分主张：语音缺陷仍是最一致的标志，但不再被当作充分条件；阅读障碍被描述为多种风险因素累积后落在连续量一端的状态。Snowling 等人的这一版定义把"是不是语音问题"换成了"语音风险在这个孩子身上累积到什么程度"。（Snowling, Hulme & Nation 2020，Ref.[11]）

丁、自闭症早期密集干预Early Intensive Intervention in Autism

Lovaas 1987 年的报告是这一领域最被引用也最被争议的起点：19 名接受每周约 40 小时一对一行为治疗的儿童里，47% 在学龄时智力与安置都达到"正常"范围，对照组只有 2%。这个数字被家长组织和保险政策反复引用，几乎单独定义了"密集"的含义。（Lovaas 1987，Ref.[13]）

它推翻的是当时对自闭症预后的悲观默认——认为智力与语言在幼儿期已定型。但它的设计也留下了后来三十年争论的全部种子：分组不是随机的，结果评定者知道分组，"正常功能"的定义混合了智商与安置两种性质不同的读数。（Lovaas 1987，Ref.[13]）

Cochrane 的系统评价把可比的对照研究集中起来：只有五项研究、二百余名儿童能进入分析，早期密集行为干预在适应行为上有中等大小的优势，但证据等级被评为低，理由正是分配方式与评定设盲的问题。（Reichow et al. 2018，Ref.[16]）

Project AIM 是对整个幼儿自闭症干预文献的清算。Sandbank 等把一百多项研究按干预类型和结果来源分开：当剔除由治疗者或家长评定结果、也就是探测偏倚高的研究后，传统行为分析类干预的汇总效应不再显著，而自然发展行为干预的效应在设盲读数上仍然成立。（Sandbank et al. 2020，Ref.[14]）

个体参与者数据的汇总给出了目前最保守的估计。Rodgers 等从多项试验取得原始数据，在统一的协变量校正下，密集行为干预相对于常规服务在认知与适应行为上的优势明显小于早期报告，置信区间跨过零。这条线的现状是：强度是否是关键变量，仍然没有一项设盲的随机试验能回答。（Rodgers et al. 2021，Ref.[15]）

戊、通用学习设计Universal Design for Learning

通用学习设计借自建筑学：坡道在设计图纸上就画好，比事后在台阶旁加装更便宜也更体面。CAST 把这个原理搬进课程——学习材料、参与方式和表达方式各提供多条通道，让课程本身而不是学生去适应差异。指南从 2008 年的第一版到 2024 年的 3.0 版，把三条原则细化为可查对的检查点。（CAST 2024，Ref.[17]）

它推翻的是"先教普通学生，再给障碍学生做调整"的顺序。这一顺序的隐藏成本是调整永远滞后、永远个别、永远显眼；通用设计把成本前置到设计阶段，理论上一次投入覆盖所有学生。（CAST 2024，Ref.[17]）

政策的采纳远快于证据的积累。Murphy 梳理美国、加拿大等地把 UDL 写入法规的过程，发现立法文本引用的是原则与理念，能引用的对照研究几乎没有——一项被写进法律的教学框架，其效果证据在立法时是空的。（Murphy 2021，Ref.[18]）

Capp 对 2013 到 2016 年间研究的元分析给出了目前能找到的正面读数：按 UDL 设计的课程在学生参与、自我报告的学习体验上有正效应。但同一分析也指出，以学业成绩为结局的研究极少，多数研究的实施描述不足以判断做的是不是 UDL。（Capp 2017，Ref.[19]）

所以这一条在第一幕里的位置是"原则先于证据"：它改变了课程设计的默认顺序，这一改变本身值得记为转向；至于它是否提高障碍学生的学业结果，要等第二幕的清算。（Capp 2017，Ref.[19]）

己、障碍的社会模式进入教育The Social Model of Disability in Education

社会模式的原始表述来自英国的残障运动：损伤是身体的事实，障碍是社会把有损伤的人排除在参与之外的方式。Oliver 三十年后的回顾承认这个区分是政治工具而非完整理论，但坚持它改变了责任的方向——需要改变的首先是环境。（Oliver 2013，Ref.[20]）

进入教育以后，它推翻的是评估的形状。传统的特殊教育评估是关于学生的：智商、适应行为、语言年龄；社会模式要求评估同时列出环境项——教室的声学、材料的格式、评价的时间限制。两列并置，责任才能分配。（Oliver 2013，Ref.[20]）

Shakespeare 与 Watson 的批评来自运动内部：损伤本身会带来疼痛、疲劳与限制，即使环境完全无障碍也不会消失；把这些统统归为社会建构，理论就无法解释为什么同样的环境下不同损伤的人处境不同。他们主张一个把身体重新放回来的模式。（Shakespeare & Watson 2001，Ref.[21]）

Anastasiou 与 Kauffman 从特殊教育内部提出更尖锐的版本：如果障碍只是社会建构，特殊教育所依赖的差异化教学就失去了对象；他们认为二分法在教育里会导致对真实学习需要的否认。（Anastasiou & Kauffman 2013，Ref.[23]）

尽管有这些批评，社会模式在国际法层面取得了它的最大制度成果。残疾人权利委员会 2016 年的一般性意见把全纳教育定为义务，明确隔离安置与融合安置都不满足公约要求，并要求缔约国报告实施进度——这一条把学术争论变成了缔约国的报告义务。（CRPD Committee 2016，Ref.[22]）

庚、过度代表性问题Disproportionality

美国国家研究委员会 2002 年的报告把一个长期被议论的现象写成了统计事实：黑人学生被认定为智力障碍与情绪障碍的比例明显高于白人学生，且差距集中在依赖判断的"软类别"里，在视力、听力这类医学类别里几乎不存在。（Donovan & Cross 2002，Ref.[24]）

它推翻的不是某个理论，而是一种默认——认定是中性的临床行为。报告指出，同一个学生在不同学校可能被认定为不同类别或不被认定，认定率与学校资源、教师转介习惯高度相关，特殊教育的入口因此也是一种社会分配。（Donovan & Cross 2002，Ref.[24]）

2015 年的反转来自数据本身。Morgan 等用全国幼儿园纵向队列追踪到五年级，在控制了入学时成绩、家庭收入与健康状况后，黑人与拉美裔学生在学习障碍、言语障碍、智力障碍等五个类别里被认定的概率反而低于白人同学。他们的结论是：问题是认定不足，不是过度。（Morgan et al. 2015，Ref.[25]）

Skiba 等的回应集中在"控制什么"：把入学成绩当协变量控制掉，等于假定这些成绩差距本身与种族无关；而学业落后正是转介的触发条件，控制它就把要研究的机制控制掉了。两边的分歧不在数据，在分母。（Skiba et al. 2016，Ref.[27]）

Elder 等用州级行政数据给出第三种读数：认定差距不是学生的属性，而是学生与学校的交互——同一类学生在白人比例高的学校更可能被认定，在少数族裔集中的学校则更少。过度与不足在同一个州里同时成立，取决于看哪所学校。（Elder et al. 2021，Ref.[26]）

辛、循证实践的建制化Evidence-Based Practice in Special Education

医学的循证运动进入特殊教育时遇到一个具体困难：这一领域最常用的研究设计是单被试设计，而医学的证据金字塔里没有它的位置。Cook 等人的贡献是为组间设计与单被试设计分别写出质量指标，规定一项做法要有多少项达标研究才能称为循证。（Cook, Tankersley & Landrum 2009，Ref.[28]）

它推翻的是"专家推荐即证据"的传统。此前的教师手册常以某位学者或某个项目的名义推荐做法；建制化之后，做法要走过统一的审查程序，专业组织 2014 年把这套指标写进了正式标准。（Cook, Tankersley & Landrum 2009，Ref.[28]）

Cook 与 Odom 随后指出了下一道门：一项做法达到循证门槛，不等于它在真实教室里被照原样实施。他们把实施科学引进来——忠实度、培训、组织支持各是独立变量，循证做法的效应在这些变量上会衰减。（Cook & Odom 2013，Ref.[31]）

Biesta 的批评针对的是整个框架的前提：医学里"有效"的目标相对清楚，教育里目标本身是争论的对象。一种做法在提高考试分数上有效，不等于在培养判断力上有效；把效果问题技术化，就把"教育为了什么"这个民主问题从讨论里移走了。（Biesta 2007，Ref.[29]）

国家清算中心 2020 年的报告展示了建制化的产出形态：用统一标准审查 1990 到 2017 年的文献，28 项做法达到循证门槛，每项都附有达标研究的数量、被试年龄与结局类型。这份清单的价值不在于它列了什么，而在于它写明了排除了什么。（Steinbrenner et al. 2020，Ref.[30]）

一、辅助技术与沟通支持Assistive Technology and Communication

长期以来家长与部分临床者担心：给不会说话的孩子图片板或语音输出设备，会让他放弃学说话。Millar 等汇总 23 项研究，在证据最强的 27 个个案里，引入辅助沟通后没有一例语音产出下降，近九成有所增加。这个读数把"辅助替代口语"改成了"辅助促进口语"。（Millar, Light & Schlosser 2006，Ref.[32]）

它推翻的是一个顺序假设——先等口语，不行再给替代。换成新的顺序后，辅助沟通成为早期干预的组成部分而不是最后手段。Ganz 等对自闭症单被试研究的元分析给出了同向读数：图片交换与语音输出设备在沟通结局上效应稳定，在行为与社交结局上效应较弱。（Ganz et al. 2012，Ref.[35]）

同一领域里有一个反面案例被反复清算。"促进沟通"让辅助者托住使用者的手在键盘上打字，产出的常是流畅的整句；Schlosser 等的系统评价把所有能找到的对照研究集中起来，在辅助者不知道答案的条件下，信息几乎无一由使用者写出。（Schlosser et al. 2014，Ref.[33]）

四年后的更新给了同样的结论：2014 到 2018 年没有出现任何新证据支持信息的作者是障碍者本人，而这一做法仍在多个国家的学校里使用。Hemsley 等的这份更新说明了本条的边界：辅助技术的证据是按具体方式逐项累积的，不能把一种方式的证据转给另一种。（Hemsley et al. 2018，Ref.[36]）

Light 等 2019 年的开放问题清单把讨论推到下一层：设备的可得与沟通的参与是两件事，多数使用者拥有设备却很少在课堂对话里使用；研究的对象因此要从"能不能用"转到"在什么场合真的用了"。（Light et al. 2019，Ref.[34]）

二、多层支持体系及其证据缺口MTSS and Its Evidence Gap

RTI 管学业，全校积极行为支持管行为，两者在 2000 年代各自发展；Sugai 与 Horner 把它们合成一个框架——全校普遍层、小组针对层、个别密集层，学业与行为共用同一套筛查、干预、进度监测的逻辑。这就是后来各州都在用的多层支持体系。（Sugai & Horner 2009，Ref.[37]）

它推翻的是把学业困难与行为问题分开处理的习惯：一个在阅读上落后的学生常在课堂上出现行为问题，两条线分开干预会各自失败。合并后，行为的数据（办公室转介、停课）与学业的数据（进度监测）进入同一张表。（Sugai & Horner 2009，Ref.[37]）

行为一侧的证据相对扎实。Bradshaw 等的随机试验覆盖 37 所小学，实施全校积极行为支持的学校在办公室纪律转介与停课上显著下降，教师评定的行为问题也减少；这是这一框架里少数有随机分配的读数。（Bradshaw, Waasdorp & Leaf 2012，Ref.[40]）

学业一侧的困难在"先等"这个环节。Al Otaiba 等把一年级困难读者随机分成两组：一组按框架先在普遍层观察，反应不足再升层；另一组直接干预。年末读数是直接干预组更好——框架为了减少假阳性而设置的等待期，对真阳性学生是净损失。（Al Otaiba et al. 2014，Ref.[38]）

Lee 与 Gage 2020 年的更新元分析确认了两侧的不对称：行为结局的效应稳定为正，学业结局的效应小且置信区间宽。多层支持体系因此是一个行为端有证据、学业端待补的框架，把两端合起来报告会掩盖这一缺口。（Lee & Gage 2020，Ref.[39]）

三、通用学习设计的证据清算Auditing UDL

第一幕里 UDL 是"原则先于证据"的转向，第二幕里它要面对清算。Edyburn 2010 年的问题很尖锐：如果两间教室一间用了 UDL 一间没用，观察者能分辨吗？他提出的十条命题要求这一框架给出操作定义、测量工具与证据标准，否则它只是一个好听的名字。（Edyburn 2010，Ref.[41]）

清算的第一份结果来自系统评价。Ok 等审查学前到十二年级的 UDL 研究，能进入分析的只有十几项，其中多数没有描述实施细节，也没有说明所做的与差异化教学有何不同；效应量能算出来的研究极少。（Ok et al. 2017，Ref.[42]）

第二份结果更不留情。Boysen 把 UDL 与学习风格并列：两者都有直觉上的吸引力、都被写进教师培训、都有大量的倡导文献与稀少的对照研究；学习风格已被多项试验证伪，UDL 尚未被试验检验。他的结论是这两者的证据结构相同，差别只在检验是否已经发生。（Boysen 2024，Ref.[43]）

支持者的回应是把 UDL 定位为设计框架而非干预：框架不能直接被随机试验检验，检验的对象应是按框架设计出的具体课程。这一回应有它的道理，但也承认了一点——"UDL 有效"这句话本身没有可检验的对象。（Ok et al. 2017，Ref.[42]）

本条因此记录的不是 UDL 的失败，而是一个框架从原则走向证据时必须经过的门：先给出可辨识的操作定义，再选择结局，最后才是效应。CAST 2024 年的 3.0 版指南在检查点上更细，但可辨识性这道门仍然没有过。（CAST 2024，Ref.[17]）

四、神经多样性范式The Neurodiversity Paradigm

神经多样性最初是自闭者社群的自我描述：自闭是人类神经变异的一种，不是待修复的错误。Kapp 等第一次把这一立场拿去调查：自闭者比非自闭者更倾向差异叙事，但多数自闭者同时承认自己需要支持；"差异"与"需要帮助"在同一个人身上并存，不是二选一。（Kapp et al. 2013，Ref.[44]）

它推翻的是干预目标的默认——让自闭儿童看起来像非自闭儿童。在神经多样性范式里，目标改为减少痛苦、增加参与，而不是减少自闭特征本身；眼神接触、刻板动作这些特征是否需要改变，由它们是否造成本人困扰来判断。（Kapp et al. 2013，Ref.[44]）

Pellicano 与 den Houting 把这一转向写成科学范式的更换：从把自闭当作病理来研究，到把自闭者的经验与优先事项作为研究的起点；他们承认这一更换会改变研究问题的来源、结局的选择与谁有资格解释数据。（Pellicano & den Houting 2022，Ref.[47]）

反方来自临床与家长。Lancet 委员会提出"深度自闭症"这一分类，指智力障碍严重、语言极少、需要全天照护的群体，估计约占自闭者的一部分；委员会认为差异叙事主要来自能表达的自闭成人，不覆盖这一群体的需要。Hughes 从伦理学角度提出同一问题：谱系的异质性是否让单一范式无法覆盖。（Lord et al. 2022，Ref.[45]）（Hughes 2021，Ref.[48]）

Dwyer 的贡献是拆解版本：弱版本说自闭者的经验应进入研究与服务的设计，强版本说自闭不应被视为障碍。多数争论是批评者拿强版本当靶子，支持者用弱版本辩护；把版本写明之后，可检验的内容就清楚了。（Dwyer 2022，Ref.[46]）

五、自闭症干预的终点之争What Should Autism Intervention Aim At

早期干预试验的终点长期是智商、语言年龄与标准化的适应行为。早期丹佛模式的随机试验是这一传统的高质量代表：48 名幼儿随机分组，两年后干预组的发育商比对照组高约 17 分，适应行为也更好。这些数字是真实的，问题在于它们量的是什么。（Dawson et al. 2010，Ref.[49]）

自然发展行为干预给出了另一类终点。PACT 试验用家长介导的社交沟通训练，主要结局是自闭症状严重度的标准化观察评分；六年随访显示干预效应仍在，效应量约 0.55。终点从"像不像正常"变成了"症状造成的功能影响"。（Pickles et al. 2016，Ref.[52]）

第三类终点来自自闭者社群：焦虑、自主、参与、被接纳。这些结局在现有试验里几乎没有主要结局的位置。神经多样性的批评正是针对这一缺席——以减少自闭特征为终点的干预，可能在减少特征的同时增加了本人的痛苦。（Bottema-Beutel & Crowley 2021，Ref.[51]）

Leaf 等代表行为分析一方的回应承认过去的部分做法有问题，但指出批评者没有提出可操作的替代结局：如果"本人满意"是终点，幼儿如何表达；如果"参与"是终点，用什么量表。他们的立场是先把现有终点做好，再讨论新增的。（Leaf et al. 2022，Ref.[50]）

利益冲突的审查改变了这场争论的性质。两位审查者检查行为分析自闭症期刊的论文，发现绝大多数研究的作者同时是该干预的提供者或培训者，而披露率极低；终点之争因此不只是价值分歧，也是证据生产者与证据受益者重叠的问题。（Bottema-Beutel & Crowley 2021，Ref.[51]）

六、阅读障碍的多重缺陷模型Multiple Deficit Models of Dyslexia

第一幕的语音缺陷论回答的是"哪一项缺陷最一致"，2006 年 Pennington 提出的问题是"任何一项缺陷够不够"。他的答案是不够：阅读障碍与注意缺陷、语言障碍高比例共病，同一个孩子常有几项轻度缺陷而没有一项严重到单独致病；发展性障碍应被看作多个概率性风险的累积。（Pennington 2006，Ref.[53]）

它推翻的是单一核心缺陷的思路——不是否认语音缺陷的重要，而是否认它的充分性。模型的形式是概率的：每项风险因素提高一点患病概率，保护因素降低一点，阈值之上的人被归为障碍。（Pennington 2006，Ref.[53]）

2012 年的检验直接比较了两种模型对个体的分类。Pennington 等用几百名儿童的数据发现，纯单缺陷模型与纯多缺陷模型各只能解释一部分个体，表现最好的是混合模型：一部分人由语音缺陷单独解释，另一部分人由多项轻度缺陷合起来解释。（Pennington et al. 2012，Ref.[56]）

十四年后的回顾坦率承认了限度：多重缺陷模型改变了研究者提问的方式，但在预测哪个孩子会成为阅读障碍者这件事上，它比最佳单因素模型多出的增量有限；风险因素之间的交互也很少被明确写出并检验。（McGrath, Peterson & Pennington 2020，Ref.[55]）

Catts 与 Petscher 的累积风险与韧性模型是下一步：把保护因素与风险因素并列，把阅读障碍从阈值类别改成连续量上的位置，并要求筛查工具同时报告风险与保护两栏。这一版本与第七条的筛查精度问题直接相连。（Catts & Petscher 2022，Ref.[54]）

七、筛查的预测精度The Arithmetic of Early Screening

早期筛查的直觉是越早越好，算术不这么说。当一种情况在人群里只占十分之一时，即使筛查工具能抓住九成真阳性、排除八成真阴性，被它标为"高风险"的学生里也只有三分之一真的会发展成阅读障碍——其余是被拉出核心教学的假阳性。这就是第二条全国评估里那 0.17 个标准差的来源之一。（Catts et al. 2015，Ref.[57]）

Catts 等的贡献是把筛查研究从"相关系数"改成"分类精度"：他们在幼儿园筛查，两年后看谁真的成了阅读障碍者，报告敏感度、特异度与阳性预测值。这一改动把筛查工具的评价从统计学搬进了决策。（Catts et al. 2015，Ref.[57]）

Compton 等提出的两阶段门控是对算术的回应：第一阶段用便宜的筛查放宽切点、宁可多抓，第二阶段对被抓的学生做几周的动态评估或短期干预，看谁真的反应不足。两阶段合起来，假阳性从一半以上降到可接受的水平，代价是时间。（Compton et al. 2010，Ref.[58]）

这里出现了本条与多重缺陷模型的连接：如果阅读障碍是多因素累积，单一筛查指标的精度就有天花板；提高精度的路不是换更好的单一指标，而是在筛查表上同时列风险与保护两栏。（Catts & Petscher 2022，Ref.[54]）

Colenbrander 等的综述指出，政策讨论几乎从不提基础率：各地推行普遍筛查时引用的是"早发现早干预"的原则，很少计算被筛出的学生里有多少会白白接受干预。本条的现状是算术清楚、政策没有跟上。（Colenbrander, Ricketts & Breadmore 2018，Ref.[59]）

八、全纳安置的因果证据Causal Evidence on Inclusive Placement

全纳的效果在教育学文献里被讨论了几十年，能算因果的读数直到经济学家进场才出现。Hanushek 等用德州全州的学生纵向数据，比较同一学生进入与离开特殊教育前后的成绩变化，估计出特殊教育服务对数学成绩有正效应，且效应在轻度类别里更大。（Hanushek, Kain & Rivkin 2002，Ref.[60]）

它推翻的是两种简单说法：一种说特殊教育是标签、有害无益，另一种说全纳一定优于隔离。固定效应估计给出的是服务本身的价值，不是安置地点的价值；两者在政策讨论里常被混为一谈。（Hanushek, Kain & Rivkin 2002，Ref.[60]）

同伴一侧的证据来自英国的系统评价。Kalambouka 等汇总 26 项研究，多数发现普通班同学的成绩不受障碍同学在场的影响，少数在情绪行为障碍类别上报告负效应；Ruijs 与 Peetsma 的综述给出同向结论，并指出效应大小随障碍类别与支持强度而变。（Kalambouka et al. 2007，Ref.[61]）

最干净的识别来自政策变动。德州 2004 年对各学区设定 8.5% 的特殊教育比例上限，超限学区被迫减少认定；Ballis 与 Heath 追踪被挤出的学生到成年，发现他们的高中毕业率与大学入学率下降，且下降集中在原本处于边界的学生。（Ballis & Heath 2021，Ref.[62]）

把三类证据放在一起，本条的现状是：特殊教育服务对被认定学生的长期结局有正效应，安置地点的效应取决于类别与支持强度，同伴的成绩多数情况下不受影响。三个结论各自成立，任何一个都不能替代另两个。（Ruijs & Peetsma 2009，Ref.[63]）

九、标签的经济学The Economics of Labels

特殊教育在多数国家按被认定学生数拨款，认定因此有价格。Cullen 的研究是这一观察的第一份因果估计：德州九十年代的财政改革让不同学区从每名障碍学生获得的额外经费出现外生差异，经费越高的学区认定率上升越多；认定对经费的弹性为正且可估。（Cullen 2003，Ref.[64]）

它推翻的是把认定当作纯粹临床事件的默认。认定既是对学生需要的判断，也是学区的财务决策；两者在同一个动作里发生，无法从外部分开。（Cullen 2003，Ref.[64]）

Dhuey 与 Lipscomb 提供了反向的证据：若干州把拨款从按认定人数改为按总学生人头，此后这些州的认定率相对下降。同一批学生在两种公式下被认定的比例不同，公式在决定谁被贴上标签。（Dhuey & Lipscomb 2011，Ref.[65]）

标签的另一面是它对学生的效应。传统担心是"标签污名"——被认定后期望降低、成绩下滑。Hurwitz 等追踪印第安纳州的学生，比较被认定者与未被认定但成绩相似者的后续增长，发现被认定者的增长不低甚至略高；污名效应至少在成绩读数上没有出现。（Hurwitz et al. 2020，Ref.[66]）

把三份读数合起来，标签的经济学是：认定率对拨款公式敏感，但被认定这件事对学生的学业不构成伤害。这意味着政策上限这类工具减少的不是错误认定，而是可能有益的服务——这正是第八条德州上限研究看到的结果。（Ballis & Heath 2021，Ref.[62]）

十、障碍者参与研究Participatory and Community-Based Research

"没有我们的参与，就不要做关于我们的决定"从政治口号变成方法论，用了二十年。Charlton 的书把它写成知识论主张：障碍者对自身处境的知识不能被专业者的知识替代，研究若不让障碍者参与，产出的是关于他们的知识而不是他们的知识。（Charlton 1998，Ref.[67]）

在教育研究里，它推翻的是研究问题的来源。Pellicano 等在英国调查自闭者、家长与研究者各自认为自闭研究该关注什么：研究者优先基础生物学，社群优先服务、成人生活与公共理解；经费的分布与研究者的优先次序一致，与社群的相反。（Pellicano, Dinsmore & Charman 2014，Ref.[70]）

参与本身也需要被检验。den Houting 等访谈学者与自闭者，发现两边对"参与"的定义分歧很大：学者说的参与多是在设计后期征求意见，社群要的是从研究问题开始的共同决策；"我不只是一只豚鼠"是受访者对前一种做法的评价。（den Houting et al. 2021，Ref.[68]）

AASPIRE 指南把参与写成可核对的操作：共同研究者从立项就在，会议有可及性调整，术语共同审定，署名按贡献，报酬按工作计。指南的价值在于它把"参与"从态度变成了可以逐项检查的程序。（Nicolaidis et al. 2019，Ref.[69]）

本条在第二幕的位置是一个仍在扩展的转向：它已经改变了自闭症研究的经费讨论与期刊政策，但在智力障碍、多重障碍等表达受限的群体里，"参与"要如何操作，目前的指南没有答案。（Nicolaidis et al. 2019，Ref.[69]）

十一、辅助技术的新一轮The New Wave of Assistive Technology

辅助技术的第一轮是专用设备：盲文机、助听器、语音输出板。第二轮从 2010 年前后开始，功能进入通用设备——手机自带朗读、字幕与语音输入。世界卫生组织 2022 年的全球报告把需求算了出来：约 25 亿人需要至少一种辅助产品，到 2050 年将超过 35 亿，而在低收入国家可得率只有个位数。（WHO & UNICEF 2022，Ref.[71]）

这一轮推翻的是"辅助技术是特殊教育专属"的定位。当功能内置在通用设备里，障碍学生用的与同学是同一台设备，标签消失了；但另一面是，谁来评估、谁来培训、谁来跟进，责任也随之模糊。（WHO & UNICEF 2022，Ref.[71]）

效应必须按功能分开算。Wood 等对朗读与文字转语音工具的元分析给出了具体读数：对有阅读障碍的学生，这类工具在阅读理解上的加权平均效应约 0.35，且效应在年龄较大的学生里更稳定。这是"工具替代解码、释放理解"这一机制的直接证据。（Wood et al. 2018，Ref.[74]）

可得与使用之间有一道落差。Bouck 与 Long 更新美国的数据：在障碍学生的个别化教育计划里，辅助技术被写入的比例长期偏低，写入之后的实际使用率更低；工具存在于设备里，不等于存在于课堂里。（Bouck & Long 2021，Ref.[72]）

第三轮已经开始。Kasneci 等把大语言模型进入教育的机会与风险并列：对阅读与写作困难的学生，生成式工具能做摘要、改写、解释，但同一工具也能替学生完成本应由他完成的任务；这一轮的评估问题是"工具在替代障碍，还是在替代学习"。（Kasneci et al. 2023，Ref.[73]）

十二、心理健康需求与边界模糊Mental Health and the Blurring Boundary

特殊教育与精神卫生长期是两套系统：前者按教育法的类别认定，后者按诊断手册。Emerson 与 Hatton 用英国全国儿童样本给出了重叠的规模——智力障碍儿童里可诊断精神障碍的比例约 36%，其他儿童约 8%；重叠不是边缘现象，是智力障碍儿童的常态。（Emerson & Hatton 2007，Ref.[75]）

自闭症谱系的读数更高。Lai 等的元分析汇总近百项研究：自闭人群里注意缺陷多动障碍的共病率约 28%，焦虑障碍约 20%，抑郁约 11%；这些数字说明一个自闭学生的支持计划若只写教育目标，漏掉的是他最可能出现的困难。（Lai et al. 2019，Ref.[78]）

边界模糊的制度根源比数据更早。Forness 与 Knitzer 在 1992 年就指出，美国教育法里"严重情绪障碍"的定义把"社会失调"排除在外，与精神医学的品行障碍、焦虑、抑郁等诊断互不对应；一个符合精神诊断的学生可能不符合教育认定，反之亦然。三十年后这一不对应仍在。（Forness & Knitzer 1992，Ref.[76]）

疫情把重叠推到了正中央。Racine 等汇总 29 项研究、八万余名儿童青少年：疫情期间抑郁症状的流行率约 25%、焦虑约 21%，约为疫情前的两倍；需求的增长不按系统边界分布，学校成了多数青少年唯一能接触到的服务入口。（Racine et al. 2021，Ref.[77]）

本条因此是第二幕里边界最不稳定的一条：特殊教育的对象正在与精神卫生的对象合流，而两套系统的认定、拨款、责任仍然分开。它把讨论交给了第 127 号——学校心理健康服务能否分层与转介，正是这条边界的另一面。（Lai et al. 2019，Ref.[78]）

二十年连起来看

把二十条排在一起，能看到特殊教育的证据形态换了三次。第一次是从"专家判断"到"研究设计分级"——循证清单、质量指标、清算中心；第二次是从"有没有效"到"对谁有效、假阳性多少"——干预反应模式、筛查算术、设盲后的效应；第三次是从"研究者选终点"到"终点由谁选"——神经多样性、参与式研究、自闭干预的终点之争。三次换形态，每一次都让上一次的结论缩小范围。（Sandbank et al. 2020，Ref.[14]）

因此这一领域的"新"不由年份定：全纳、社会模式、语音缺陷论都是上世纪的思想，它们在近二十年成为新的，是因为终于有了分母、切点与反例。反过来，2024 年才发布的通用设计指南 3.0 版仍然是候选，因为它的可辨识性那道门还没过。（CAST 2024，Ref.[17]）

三个常见误解

第一，把"安置在普通班"当成全纳的完成——第一条与第八条都说明，安置只是参与的前置条件，参与三读数与长期结局才是对象。第二，把"早发现早干预"当成无代价的原则——第二条与第七条合起来给出的算术是：基础率 10% 的人群里，被筛出者三分之二是假阳性，而假阳性被拉出核心教学是有成本的。第三，把"循证"当成已证——第八条与十一条显示，达到质量门槛的做法在真实教室里会因忠实度、培训与设备使用率而衰减。（Balu et al. 2015，Ref.[6]）

与相邻领域的接口

与第 127 号《心理健康服务》的接口在第十二条：智力障碍与自闭儿童的精神障碍共病率是普通儿童的数倍，学校是多数青少年唯一的服务入口，而两套系统的认定与拨款仍然分开。与第 130 号《教育测量与评价》的接口在第二条与第七条：进度监测的斜率判据与筛查的阳性预测值都是测量学问题，特殊教育只是把它们放进了高风险的决策。与第 131 号《教育经济学》的接口在第八、九条：认定的财政弹性与政策上限的长期效应，都要用行政数据与准实验识别。（Ballis & Heath 2021，Ref.[62]）

争议现场

最实质的争议不是全纳与隔离，而是"谁选终点"。研究者选智商与症状评分，家长选适应行为，自闭者社群选焦虑、自主与被接纳；三组终点在同一项试验里可以给出不同方向的结论，而利益冲突的审查显示证据生产者与证据受益者高度重叠。可判的标准是：主要结局由谁选定必须写在试验注册里，且社群选定的终点要有可操作的量表。（Bottema-Beutel & Crowley 2021，Ref.[51]）

第二个争议是过度代表性的符号：同一批全国数据，控制入学成绩前少数族裔认定过度，控制后认定不足。这不是数据之争，是"控制什么算合理"之争；可判的标准是两种读数并列报告，各自写明成立的条件。（Skiba et al. 2016，Ref.[27]）

往下五年看什么

看三件事。一是是否出现一项设盲随机试验直接比较不同强度的早期自闭干预——这是第四条三十年悬而未决的核心变量。二是两阶段门控筛查能否在州级规模上把假阳性率降到三分之一以下且不推迟真阳性的干预——这决定第二条与第七条的分岔往哪边走。三是大语言模型进入障碍学生的课堂后，独立完成任务的比例是升是降——这是第十一条"替代障碍还是替代学习"的判决读数。（Kasneci et al. 2023，Ref.[73]）

可与哪些领域对撞

特殊教育与第 306 号《生物统计学》共享"筛查精度由基础率决定"这一前提，但两边的代价结构相反：医学筛查的假阳性代价是一次复查，教育筛查的假阳性代价是被拉出核心教学数月。可测的问题是：在同一敏感度与特异度下，两个领域各自愿意接受的阳性预测值下限相差多少。（Catts et al. 2015，Ref.[57]）

它还可撞第 74 号《因果推断与计量》：过度代表性的符号翻转是"条件化于碰撞变量"的教科书案例——入学成绩既是种族与结局的共同后果，又是转介的触发条件。可测的问题是：用不同的因果图写出两种模型，哪一种能同时解释 Morgan 与 Skiba 的读数。（Morgan et al. 2015，Ref.[25]）

第三处对撞是第 474 号《残障研究》：那里的社会模式把责任推给环境，这里的差异化教学要求承认个体的学习需要；两边共享"障碍不是学生的错"的前提，却在"要不要改变学生"上方向相反。可测的问题是：环境完全改造后，参与读数不再上升的学生占多少。（Anastasiou & Kauffman 2013，Ref.[23]）

十条可做的研究命题

一，在一个州的全部学区里，用拨款公式变动作为工具变量，估计 2026–2030 年认定率对每名障碍学生额外经费的弹性，并预先写明：若弹性的 95% 区间包含零，第九条"认定有价格"在该州被否定。（Cullen 2003，Ref.[64]）

二，对幼儿园普遍筛查建立两年随访登记，报告阳性预测值而不只报告相关；证伪条件是 2027 年前有三个以上学区的阳性预测值超过 0.6——那时第七条的算术在这些学区不成立。（Catts et al. 2015，Ref.[57]）

三，做一项三臂随机试验比较每周 10、20、30 小时的早期自闭干预，主要结局由独立评定者盲评；若三臂在两年后的适应行为上无剂量反应，第四条"强度是关键变量"被否定。（Rodgers et al. 2021，Ref.[15]）

四，把自闭者社群选定的结局（焦虑、自主、参与）与研究者选定的症状评分放进同一项试验，2028 年前报告两组终点的相关；若相关低于 0.3，第五条"终点之争决定效应"成立。（Sandbank et al. 2020，Ref.[14]）

五，在实行两阶段门控筛查的学区里测量真阳性学生从筛查到干预的中位天数，与单阶段学区比较；若门控使中位天数超过 90 天，第七条精度优先的主张在该学区反转。（Compton et al. 2010，Ref.[58]）

六，用 2026–2029 年的个别化教育计划与课堂观察配对，计算辅助技术的写入率与课堂使用率之比；若使用率不到写入率的一半，第十一条"内置即可得"的前提被否定。（Bouck & Long 2021，Ref.[72]）

七，对采用 UDL 3.0 指南的课程做可辨识性盲测：让不知情的观察者区分 UDL 课程与差异化教学课程；若 2027 年前的识别准确率不高于随机水平，第三条的清算结论保持。（Edyburn 2010，Ref.[41]）

八，用一个国家的教育与精神卫生两套行政登记做记录链接，报告两套系统在册者的重叠率；若重叠率低于 20%，第十二条"边界正在合流"被否定。（Emerson & Hatton 2007，Ref.[75]）

九，在多个混合与隔离学校里复算过度代表性的控制前与控制后风险比，预先规定两读数符号相反时以学校种族构成分层报告；若分层后符号一致，第七条的交互解释被否定。（Elder et al. 2021，Ref.[26]）

十，对自称参与式的障碍研究建立三节点决策权登记（问题、结局、解释），2030 年前统计三节点均有社群投票权的研究比例；若该比例超过一半而结局改善无差别，第十条"参与提高有效性"被否定。（Nicolaidis et al. 2019，Ref.[69]）

资料核验