期待先改写机会，能力随后生长

同一道题答错以后，有人会得到一句追问：“你是在哪一步走偏的？”另一个人只听见答案，然后课堂转向下一位。两个人都被判断过。区别在于，前一个判断还留下解释、重试和修正的机会，后一个判断已经开始替他缩小机会。

这使“期待是否改变一个人”变得难答。教师或主管往往确实能从既有成绩、练习速度、动机和日常行为中看出一些东西。后来表现符合预期，可能只是预测准确。可是，评价者又不是站在场外的天气预报员：他可以决定谁接到难题，谁得到耐心反馈，谁被允许犯一次尚可挽回的错误。预测一旦改变这些条件，便会参与形成它所预测的结果。

本文的判断是：他人的期待不会凭信念直接制造能力；当期待掌握了任务、时间、反馈和机会的分配，它才可能改变能力形成的路径。因此，关键不是把所有人都想得更好，而是分辨一句判断有多少来自已有证据，又有多少正在改变下一轮证据出现的条件。高标准若没有可得支持，可能只剩压力；低分若被写成固定身份，就可能提前关闭本可验证的可能性。

预测何时不再只是预测

如果一名教师根据过去十次作业判断某位学生暂时不适合更难的题，这个判断也许相当准确。准确本身却没有回答另一个问题：学生此后是否还会接触更难的题，是否有人告诉他欠缺哪一步，是否能用新表现推翻旧判断。

可以把两条路径分开。第一条是信息路径：已有能力和行为同时影响评价者的期待与后续成绩，于是期待能够预测结果，却未必造成结果。第二条是机会路径：期待改变互动气氛、所给材料、作答机会和反馈，继而影响练习、投入与表现。现实中两条路径往往同时存在。把一切预测都叫作“自我实现”，会把识人的准确性误写成心理魔法；把期待只当作中性记录，又会漏掉评价权对机会的干预。

真正困难的不是证明某句话先于某个结果，而是找出中间发生了什么。一个被看好的学生若进步了，我们要问：他是否得到更多挑战、等待时间、纠错信息和再次尝试？若没有这些变化，仅凭“有人相信他”很难解释能力从何而来。反过来，一个被低估的人表现平平，也不能立刻证明标签伤害了他；还须比较标签之前的基础、标签之后的待遇以及其他可能影响结果的条件。

同一个人，不一定需要同一句话

《论语·先进》记载，子路与冉有问了相近的问题，孔子却给出相反劝告。面对冉求，他说“求也退，故进之”；面对仲由，则说“由也兼人，故退之”。一个被推动，一个被约束，理由来自对两人行事倾向的不同判断。这段文字能说明指导会随判断而变，却没有告诉我们判断是否经长期结果验证，也不能证明相反劝告提高了两人的现代测验能力。

《论语·雍也》的“中人以上，可以语上也；中人以下，不可以语上也”把张力推得更尖锐。分类可以帮助教师调整内容，也可能在学习尚未发生前，便决定谁有机会听到“上”的内容。适配与封锁有时只隔着一个问题：分类是用来安排下一步练习，还是用来宣布此人不必再试？

今天常用“因材施教”概括这种传统，但它不是《论语》原句。教育部《成语典》所列典源，是朱熹《论语集注·为政》引程子“各因其材之高下，与其所失而告之，故不同也”。《论语》的具体问答、程子的概括以及后来的教育口号，属于不同文本层。把它们压成孔子亲口说出的现代教学原则，会同时抹去版本差别和原章中的风险：所谓“因材”，既可能细看一人的所失，也可能让一次分类取得过长的寿命。

象牙获得生命，不等于学生获得能力

“皮格马利翁效应”的名字来自一则更古老、也更不对称的故事。奥维德《变形记》第十卷 243—297 行写皮格马利翁雕出象牙女子，爱上造像，向维纳斯祈求，象牙随后在神力下获得生命。在这个神话里，创造者的理想确实塑造了对象；但造像没有可测的既有能力，也没有通过练习改变表现。神力把象牙变成肉身，不能充当教师期待影响学生的行为机制。

这层差别不只是科学与神话的差别，也关乎主体性。神话中的对象几乎没有机会拒绝创造者的目光，教育中的人却会理解、误解、抵抗或退出。若把故事直接浪漫化为“相信便能创造”，评价者就容易把自己放在雕刻者的位置，把被评价者当作等待成形的材料。现代期待研究真正需要解释的，是一个有自己意图的人怎样回应差异待遇，而不是一个理想怎样单方面获得肉身。

《论语》与奥维德在这里不能互相证明。前者关心对不同学生给出不同劝告，后者展示创造者欲望与神力造成的变形；两者都能迫使我们注意“判断者如何对待对象”，却都没有随机对照、基线测量或长期结果。古典材料提出问题，因果强度仍要交给现代证据。

经典实验留下了一条窄得多的结论

Rosenthal 与 Jacobson 1966 年在 18 个课堂中进行现场实验。每班平均约有五分之一的学生被随机选中，教师却被告知这些学生具有异常的“智力增长潜力”。八个月后，实验组的 IQ 增长更大，结果主要集中在较低年级。这项设计的重要之处，是被贴上高潜力标签的人并非因为原先表现而入选，因此它能检验错误期待是否可能影响后测。

但经典并不等于定论。原研究很快遭到围绕测验可靠性、异常前测、数据呈现、统计分析和推断强度的批评。现有来源足以确认争议真实存在，本文不替任何一方逐项结案。更有约束力的是后续综合：Raudenbush 1984 年汇总 18 项教师期待与学生 IQ 实验，平均效应约为 d = 0.11；教师在诱导前认识学生越久，效应越小，低接触、低年级条件中的效应较明显，高接触条件则可接近零或为负。

d = 0.11 不是“每个学生的智力提高百分之十一”，也不表示 IQ 被永久改变。它是这些实验中组间差异的标准化表达，而且平均值掩盖了诱导可信度、年级和既有接触的变化。它支持的窄结论是：随机标签在某些课堂条件下可以影响后测，但这种影响平均很小，也不是只要教师听到一句高期待便会同样发生。

这恰好说明准确预测与制造结果为何必须同时保留。现实教师不像实验中的教师那样只得到一条随机信息。他们已经见过学生作业、课堂行为和进步速度，因此期待常包含真实信息。Jussim 与 Harber 2005 年对多年争议的综合认为，课堂中的自我实现效应确会发生，却通常较小，可能消散；教师期待之所以预测后续结果，很多时候也因为它相当准确。预测准确不能证明教师无所作为，预测不准也不能证明标签必然改变命运。

一句话怎样到达一次表现

期待若有作用，必须找到可以观察的路径。Harris 与 Rosenthal 1985 年综合多种人际期待研究时，把中介行为归为四类：互动气氛、提供的材料或任务、回答机会，以及反馈。用课堂语言说，高期待可能表现为更愿意等学生说完、给出更复杂的问题、追问理由，或把错误当作可修正的信息；低期待则可能让互动提前结束。

这四类行为提供了一张机制地图，距离严格的现代因果中介证明还有一步。综合中的研究场景和编码不同，期待与行为相关、行为又与结果相关，尚不足以确认整条链都由期待造成。它们仍有一个重要用途：把模糊的“相信”改写成可检查的待遇。若评价者声称自己对所有人都有高期待，却从不改变材料、反馈或重试机会，这种期待很难承担表现变化的解释。

机会路径也可能进入制度。一次标签会影响分组、课程、导师时间或晋升候选，之后出现的新成绩又被当作旧判断正确的证据。此时即使最初判断只有很小偏差，机会也可能让差异累积；“可能累积”与“必然决定命运”相隔甚远。家庭资源、同伴、健康、练习和偶然事件仍在共同塑造轨迹，制度标签只是其中一个有权重的条件。

看得准，与造成了，仍是两回事

长期观察能接近真实课堂，却更难隔离因果。de Boer、Bosker 与 van der Werf 2010 年追踪约 11,000 名进入荷兰中学的学生五年，并把实际教师期待减去由先前成绩、IQ 与成就动机预测的期待，作为“期待偏差”。这种偏差与长期表现相关，前两年部分消散，之后较稳定，也随部分学生特征而变化。

这个结果比单次问卷更接近学校轨迹，却仍不是随机实验。模型残差可能包含教师观察到、研究模型没有纳入的课堂行为、语言能力、家庭支持或其他信息；学校分流与学生选择也可能同时影响期待和后续表现。控制基线提高了可信度，但不能把“相关五年表现”改写成“教师造成五年命运”。观察研究在这里揭示值得追查的风险，不替因果实验完成证明。

干预研究又带来另一种限制。de Boer、Timmermans 与 van der Werf 2018 年的综述纳入 19 项教师期待干预；可量化研究中，教师期待平均为 Hedges' g = 0.38，学生成绩为 g = 0.30。这些数值是标准化组间差异；研究数量少，设计也异质。期待结果只有 5 项研究，只有 3 项同时测量期待与成绩，干预又常一并改变教师意识、行为和信念。因此，g = 0.30 不足以证明单靠心里“相信”便提高了成绩；它更像是在说，多成分地改变评价与教学实践，有时能伴随小到中等的组间差异。

教育之外的随机现场研究说明路径并不只存在于课堂，却也显示情境的重要。Eden 与 Shani 1982 年把 105 名男性军训学员按 aptitude 匹配后随机进入不同期待条件；15 周后，高期待条件在客观成绩、态度及学员感知的领导行为上更好。军事训练任务密集、权力明确、反馈频繁，这些条件正可能放大期待传递。结论的适用范围停在这类训练场景，尚不能延伸到普通企业或长期职业生涯。

低分需要解释，不需要粉饰

低期待最危险的时刻，未必是有人诚实说“这次分数低”，而是分数被解释成“这个人不行”。前一句仍可引向补缺，后一句容易减少投入和机会。Oz 与 Eden 1994 年的研究正是从解释入手：随机选出的 17 名小队长被告知，体能低分不代表下属无能，另 17 名作为控制。两个后测中，实验队内原低分人员提高更多并维持差异，也更正面评价领导、更满意。

这项研究没有故意向对象施加有害低期待；它试图阻止主管把低分固化为无能，伦理上更可接受。这样的设计也无法给出负向期待全部伤害的大小，34 名领导、军队体能任务和集群结构又限制了外推。它支持的是更具体的判断：改变有权者对低分的解释，可能改变随后给予的领导行为与表现，而不是要求评价者否认眼前证据。

高期待同样需要边界。现有来源尚不足以量化“不可达高期待导致焦虑或退出”，本文只把它保留为逻辑风险，不写成已经测定的平均效应。高标准若不附带资源、步骤和修正机会，就没有说明能力如何形成；它可能只把未达标的责任全部交给被评价者。稳妥的做法不是一律抬高判断，而是让标准、支持与更新机制彼此对应。

让旧判断承担被推翻的风险

期待的伦理不在于永远乐观，而在于判断者是否承认自己同时掌握证据与机会。教师可以指出当前基础不足，同时保留进入下一阶任务的路径；主管可以据现有表现分配责任，同时说明什么新证据足以改变评价。若判断只负责限制机会，却不允许机会产生反证，它就会越来越像一项无法被检验的身份判决。

这也给“准确”加上一条制度边界。一个群体平均上可用的预测，对具体个人仍可能出错；一名教师总体上判断准确，也不意味着每次分组都公平。尤其当标签影响课程、导师时间或晋升时，新表现、独立评价和申诉必须有能力推翻旧标签。否则，一次合理但不完美的预测会因为权力而变得难以修正。

所以，期待改变的首先不是命运，而是下一次表现发生的条件。它可能只反映能力，也可能通过任务、反馈和机会参与形成能力；两者必须在证据中区分。我们不必把评价者想成赋予象牙生命的神，也不能假装他的目光毫无重量。更可靠的要求是：判断要说明依据，机会要足以产生新证据，新证据要能够改写判断。

出处与限制

• 《论语·雍也》6.21、《论语·先进》11.22，正文依据中国哲学书电子化计划页面及其《武英殿十三经注疏》底本入口：雍也、先进。本文只短引中文原句，不采用页面英译作为中文底本。两章没有现代实验设计，也没有直接证明期待造成长期能力变化。
• “因材施教”的后出概括，依据教育部《成语典》2020 进阶版所列典源：朱熹《四书章句集注·论语集注·为政》引程子语，见典源页面。本文明确区分《论语》章句、程子概括与现代教育用语，不把成语写成孔子原话。
• Ovid, Metamorphoses 10.243—297，采用 Brookes More 1922 英译与 Perseus 拉丁文本对影，见英译及行号。本文只作短转述，不使用该段没有出现的后世通行人名；神话仅用于文化意象和主体性问题，不作为现代心理效应证据。
• Robert Rosenthal & Lenore Jacobson, “Teachers’ Expectancies: Determinants of Pupils’ IQ Gains,” Psychological Reports 19(1), 115—118 (1966), DOI 10.2466/pr0.1966.19.1.115。正文只采用 18 个课堂、随机标签、约五分之一、八个月及低年级集中等已核信息；未采用具体异常分数和逐年级统计。
• Janet D. Elashoff & Richard E. Snow, Pygmalion Reconsidered: A Case Study in Statistical Inference (1971), ERIC ED046892；Robert L. Thorndike 1968 年书评的题录已由来源包定位。本文只说明测试、异常前测、数据呈现、统计与推断存在实质争议，不归纳尚未取得全文逐页核验的 Thorndike 具体批评。
• Stephen W. Raudenbush, “Magnitude of Teacher Expectancy Effects on Pupil IQ as a Function of the Credibility of Expectancy Induction,” Journal of Educational Psychology 76(1), 85—97 (1984), DOI 10.1037/0022-0663.76.1.85。d = 0.11 是 18 项 IQ 诱导实验的标准化平均差异，不是个人提升百分比或永久 IQ 改变。
• Lee Jussim & Kent D. Harber, “Teacher Expectations and Self-Fulfilling Prophecies,” Personality and Social Psychology Review 9(2), 131—155 (2005), DOI 10.1207/s15327957pspr0902_3。这是叙述性综合；“通常较小、期待常相当准确”不排除个体误判或特定高权力情境的较大后果。
• Monica J. Harris & Robert Rosenthal, “Mediation of Interpersonal Expectancy Effects: 31 Meta-Analyses,” Psychological Bulletin 97(3), 363—386 (1985), DOI 10.1037/0033-2909.97.3.363。气氛、输入、作答机会和反馈是行为中介框架；该综合并不等同于严格的现代因果中介识别。
• Hester de Boer, Roel J. Bosker & Margaretha P. C. van der Werf, “Sustainability of Teacher Expectation Bias Effects on Long-Term Student Performance,” Journal of Educational Psychology 102(1), 168—179 (2010), DOI 10.1037/a0017289。五年追踪为观察研究，期待偏差是模型残差；基线控制不能排除未观测信息、分流和选择过程。
• Hester de Boer, Anneke C. Timmermans & Margaretha P. C. van der Werf, “The Effects of Teacher Expectation Interventions on Teachers’ Expectations and Student Achievement,” Educational Research and Evaluation 24(3—5), 180—200 (2018), DOI 10.1080/13803611.2018.1550834。g = 0.38 与 g = 0.30 均为标准化组间差异，不是百分比；研究少、异质，且干预多成分，不能把成绩差异归于信念单一成分。
• Dov Eden & Abraham B. Shani, “Pygmalion Goes to Boot Camp,” Journal of Applied Psychology 67(2), 194—199 (1982), DOI 10.1037/0021-9010.67.2.194。本文只使用已核的样本、随机条件、15 周及结果方向；未采用需要另核分析层级的具体统计量，也不外推普通企业。
• Sasson Oz & Dov Eden, “Restraining the Golem: Boosting Performance by Changing the Interpretation of Low Scores,” Journal of Applied Psychology 79(5), 744—754 (1994), DOI 10.1037/0021-9010.79.5.744。正文仅转述机构题录与摘要已核的设计和方向；小样本、军队体能任务及集群结构限制外推。

版本与限制

简体中文研究母稿已通过 G3 事实与版权审校、G4 独立匿名盲审及 G5 文字终校，并于 2026-07-18 获总编辑批准，进入分批发行。任何单一原典、神话、实验或综述都没有整体验证本文结论。