情境示意 · 非服務實錄校事会议三年内修了三次法。问题可能不在条文,而在一开始有没先问:每个人会怎么反应?这周一公布的诺贝尔经济学奖,刚好在讲这件事。
<从诺贝尔经济学奖看重大教育政策的接地性>
一个立意良善的教育政策,为什么三年内要修三次法?
这周一(10/12)公布的诺贝尔经济学奖,刚好给了一个答案:人不是 Excel 里的储存格,人会自己改公式。
【经济学曾经以为找到了定律】
1958 年,经济学家菲利浦从英国近百年的资料发现:工资涨得快的年份,失业率通常比较低。后来大家把它延伸成「通膨和失业此消彼长」,叫做菲利浦曲线。
政策制定者一看:太好了,那多容忍一点通膨,就能换到更多工作。
结果到了 1970 年代,物价飞涨,失业也没降,课本叫它「停滞性通膨」。攻略写得好好的,游戏改版了。
后来拿到诺贝尔奖的经济学家卢卡斯点破问题:人会预期、会学习、会改变行为。当大家都知道政府要拿通膨换就业,工人会先要求加薪,企业会先涨价,那条曲线就跑掉了。过去的统计关系,一旦被拿来当政策杠杆,就可能失效。这叫「卢卡斯批判」。
【今年的得主做了什么】
今年得奖的是史丹佛的 Robert E. Hall 和哥伦比亚大学的 Michael Woodford,理由是「总体经济稳定政策的个体经济基础」( for microeconomic foundations of macroeconomic stabilization)
白话说:他们不再只看通膨、产出这些大数字之间的统计关系,而是从「每个家庭怎么花钱、每家公司怎么定价」开始建模型,再加总成整体经济。Hall 研究家庭的消费;Woodford 研究企业怎么定价,包括价格为什么不会马上调整。
评审委员会主席说,这些模型如今被各国央行和政府使用,让我们更能应对能源危机、或家庭消费突然改变这类冲击。
一句话:先懂每个人怎么想,再推出整体怎么动。
【教育政策,也需要「个体基础」】
学医的人都知道,药在实验室里再有效,病人不照时间吃,也是没用。
教育政策也一样。总体指标和过去的统计很重要,但政策一推出,老师、学生、家长、校长都会重新算一笔帐:这对我有什么风险?我要多花多少时间?
政策最后的效果,是这些人各自做完决定后「加总」出来的。
【例一:校事会议】
校事会议是处理「疑似不适任教师」的程序,2020 年上路。初衷很正当:让真正伤害孩子的老师,不能躲在体制后面。
总体逻辑也很合理:受理更多投诉 → 调查更多案件 → 孩子更安全。
但回到每个人的决策:
・对部分家长,投诉成本很低(过去还能匿名),它就可能从「最后手段」变成沟通卡住时的第一个选项。
・对校长和行政,不调查可能被说「吃案」,最安全的选择是「先查再说」。教师团体也指出,这是小案大办的原因之一。
・对老师,曾有现场老师说:愈关心孩子的老师,反而愈容易被投诉。那最安全的策略是什么?少管一点。
・对真正受伤的孩子,如果不能匿名,他会不会怕被认出来,干脆不说?学生团体也提出这个担心。
每个人都没有错,都在自己的位置上做理性的决定。但加总起来,可能是老师不敢管、孩子不敢说,两边都没被保护到。
数字也反映这种复杂。国家人权委员会的报告显示,113 学年度全国有 2,486 件涉及不适任教师的投诉,约 78% 启动校事会议调查;最后走到解聘、停聘或不续聘的,加起来 53 件。教师团体从中读出「滥诉」;国家人权委员会则指出,成案的不当管教案件近七成只做申诫以下处分。同一组总体数字,可以读出相反的结论,因为它没有告诉我们:每个人为什么这样做。
今年 1 月修法拿掉匿名检举、加入分流。教育部说,到 5 月底案件数从去年同期约 448 件降到 202 件,进入调查的比例从约 82% 降到约 22%。教育部也说,不会把案件下降当成政策成就,我很同意。因为有将近一半的案件转到教师考核程序,压力是真的变小,还是换了地方?要看现场的人怎么做才知道。
10 月 7 日的新修正又规定:明显属于合理管教的,学校可以直接结案。这个方向,家长团体也肯定。但它能不能成功,关键可能不在条文,而在一位校长签下「直接结案」时,心里有没有底。
【例二:AI 人才方舟计划】
今年 5 月,教育部启动「AI 人才方舟计划」,四年约 117.55 亿元,包括最慢四年内做到「生生有平板」,以及 AI 助教、AI 家教、教育大数据等。
总体逻辑:载具到位+内容到位+研习到位 → 孩子的 学力 与 AI 能力提升。
但回到一间教室:
・一位国中老师,一节课 45 分钟。发平板、登入、处理没电的和网路卡的,时间就去了一截。她心里的帐是:AI 帮我省时间,还是多一份工?如果学生用 AI 出了状况、家长投诉,谁扛?你看,校事会议和 AI 政策,在老师心里其实是同一本帐。
・学生拿到 AI 家教,第一个念头可能不是「我来问个好问题」,而是「答案给我」。
・家长看到孩子带平板回家,最先担心的可能是萤幕时间。
・学校如果被要求回报「使用率」,最理性的做法就是把登入次数冲上去。指标一变成目标,就不再是好指标,这就是教育版的卢卡斯批判。
公平地说,这个计划把一笔不小的预算放在「数位教学支持与辅导」,一年约 16 亿,也有师培联盟。方向是往「人」身上走,这是对的。
真正的考验在:成效要看什么?做数位的人(包括我自己)很容易盯着仪表板上的数字开心,忘了问老师为什么用、为什么不用。我会建议除了看使用率,更多看行为与好奇背后的原因:老师有没有因此省下时间,多陪那个落后的孩子?孩子有没有变得更会问问题?我们在均一做数理国英 AI 家教,第三方研究看到的也不是分数暴冲,而是学生不用 AI 时成绩没有下降,提问能力反而变好。
我之前写过,希望从「生生用平板」走到「师师用 Tokens」。今天想补一句:在那之前,要先懂老师心里那本帐。
【先蹲下来,再往前走】
经济学花了几十年,才把「人」放回模型里。教育本来就是人的事,更不能只看曲线。
每一个重大教育政策推出前,也许都可以先问三个问题:
1. 第一线的每一种角色,面对这个政策,最理性的反应是什么?
2. 这些反应加总起来,会不会跟我们要的方向相反?
3. 我们看的指标,会不会一推政策就失真?
这当然不容易,事实上决策者遇到的挑战以及需要平衡的变数往往比大家考量的多得多,但有一个根本是不会变的的:正式上路前,找几位校长、导师、家长和学生,拿真实案例问一句:「新规定下,如果是你,你会怎么做?」这就是教育政策的个体基础。
当然,有的时候,直接是政府的询问,大家也不一定敢讲真话,所以一些没有拿政府预算但却在相关领域的NPO 汇整的第一线意见可能有一定参考价值。
Hall 得奖后说,加州纳税人让他在公立学校和柏克莱受了很好的教育,联邦政府出钱让他念 MIT,「希望他们觉得这笔投资的报酬还算令人满意。」
公共教育,就是一笔要几十年后才看得到报酬的投资。正因为回收期这么长,每一个重大教育政策,都值得先蹲下来,听懂每一个人。
先懂每个人怎么想,再推出整体怎么动。
(参考资料放留言)
- 原文:吕冠纬个人脸书贴文(2026-10-13 发表)
课程名称依来源显示,授课语言请见课程页。