330 万学生,换来 0.01 个标准差
2026 年 11 月 17 日,哈佛教育政策研究中心(CEPR)联合达特茅斯学院与测评机构 NWEA,发布了「States Leading States」计划的首篇论文。样本覆盖 330 万名学生、4600 所学校,从小学四年级一直拉到高一,横跨过去五个学年的数学与阅读成绩。结论一句话:严格执行的手机禁令确实把成绩推高了,推高的幅度是 0.01 个标准差。
标准差是衡量全体学生分数波动范围的一个单位,绝大多数学生落在平均值上下两个标准差之间。0.01 个标准差,是这个范围的百分之一,按论文自己的换算,相当于每个学生每年多上 1 到 2 周课。330 万人的样本,大到足以让任何真实效应现形;量出来只有这么一点,效应本身就只有这么大。
研究团队给了一个参照系:美国学生的成绩从 2013 年起进入论文所称的「慢漏」(slow leak),每年损失相当于 2 到 3 周的学习量,漏到初二(8 年级),累计落后接近一整个学年。禁令补回来的 1 到 2 周,大约堵上了这个漏洞的一半。这是「有效」的全部含义。
所谓严格执行,通常就是一只锁袋:手机进校装袋,磁扣锁死,放学才能打开。这 4600 所学校用的锁袋,大多来自同一家供应商 Yondr——它也是这个市场的最大卖家。一只布袋加一个磁扣,构成了美国近年最大规模的教育干预之一,40 多个州已经为它立法。

图:宾州 Wyoming Area 学区一名学生演示 Yondr 锁袋怎么用。禁令的执行方式通常就是这只袋子。来源:NPR / Jason Ardan, Citizens’ Voice via Getty Images
分数从 2013 年起每年慢漏 2-3 周
CEPR 论文的牵头人 Thomas Kane,几年前的判断还在另一个方向:他当时以为美国分数下滑最可能的原因是考核问责减弱——学校对标准化考试不上心,学生自然松劲。让他改主意的线索来自横向对比:同一时期,西欧多国和加拿大也出现了类似下滑,阅读科目尤其明显。
各国的考试制度、问责压力各不相同,下滑却跨国同步出现。把「美国特有」的候选原因一个个排除之后,剩下的解释指向那些在全球同步普及的东西。智能手机正好踩着这条时间线:近十年前,美国几乎所有青少年都拿到了自己的手机;到 2027 年 1 月,iPhone 就满 20 周岁了。
因果链还没有坐实到「手机导致下滑」的程度,但这是目前证据最集中的候选解释之一,也是两份新研究共同的出发点。
同一批 4600 所学校,量出两份答案
2026 年 4 月发布、9 月修订的 NBER 工作论文 35132,作者是 Allcott、Baron、Dee、Duckworth、Gentzkow、Jacob。它研究的也是这 4600 所学校,数据来源更杂:Yondr 的锁袋销售记录、学校地理位置打点、教师调查、行政记录。
结论清单是这样的:平均学业效应「持续接近零」;分学段看,高中有温和正效应(数学最明显),初中是小幅负效应;出勤没有变化;学生自评的课堂注意力、被感知到的网络霸凌,都没有改善。时序上另有波折——政策落地第一年,学校纪律事件反而增加,学生主观幸福感下降;第二年起纪律效应消退,幸福感回升,后续年份转正。
于是出现了这对并排的引语。斯坦福教育经济学家 Thomas Dee 是 NBER 论文作者之一,他的原话:「校园手机禁令的早期结果总体令人失望,留下了未解的问题。」哈佛的 Kane 是 CEPR 论文的牵头人,他的原话:「我们的答案是肯定的,禁令对增长有正面效应。但它不是万灵药。」同一个国家,同一批学校,两位资深教育经济学家,一份说「失望」,一份说「肯定」。

图:纽约 Lackawanna 学区的家长和学生一起看锁袋政策的说明视频,2024 年 8 月 19 日。来源:The Guardian / Carolyn Thompson, AP
分歧出在测什么、测多长
把两份研究并排拆开,看不到数据造假的嫌疑——两边用的都是同一批学校的真实数据。分歧出在三个测量选择上。
第一,怎么定义「严格执行」。NBER 拿锁袋销售记录推断一所学校的禁令强度,买了袋子不等于袋子天天在用;CEPR 直接把「锁袋式严格禁令」的学校单独分类比较。定义一变,分母就变。第二,报平均数还是报分层。NBER 自己的分层结果是高中正、初中负,两相平均就贴着零;CEPR 报的是锁袋学校的平均增长。同一个数据集,一种比较方式给出「接近零」,另一种给出「正向但小」。第三,测学业还是测全部。NBER 同时测了幸福感、出勤、霸凌感知,在学业之外的世界里找到了第一年的负信号;CEPR 的设计专注学业成绩。
两份研究各自诚实地回答了自己定义的问题,只是「有用」这个词在两边指的东西不一样。我们想要一个干脆的「禁令有没有用」,数据拒绝给这个词让路——它只肯按定义、按学段、按年份,一小块一小块地交数。
禁令止住了一小群阅读掉分的孩子
CEPR 论文里还有一个容易被平均数埋掉的发现。Kane 团队注意到受益的分布很不均匀:有一小群学生在阅读上全年大幅掉分,禁令似乎止住了这部分流失。Kane 猜测,这群孩子属于「更容易分心」的那一类。
0.01 个标准差的平均数,恰好遮住了这个细节。对多数学生,禁令值每年 1 到 2 周的课;对那群孩子,它接住的是一整个学年的阅读流失。平均数在数学上没错,但政策的意义往往长在分布的尾部。
政策面是另一重现实:40 多个州已经通过限制校园手机的立法,多数把具体规则留给各校自定,拼出一张一地一策的碎片化地图。这张地图对研究者反而是好消息——执行强度、学段规则的差异,正是未来区分「什么在起作用」最需要的变量。
两份研究合起来给出的答案,比任何一份单独的结论都诚实:禁令在起作用,效应要用 0.01 个标准差来计量,外加一小群孩子的全年阅读流失被止住。我们想要一个干脆的答案,数据只肯给出一个很小的数。这笔账值不值,取决于制定政策的人把目标定在全体学生的平均分上,还是定在那群全年掉分的孩子身上。这比一句干脆的「有用」或「没用」要啰嗦,但它是数据目前肯给的全部。
参考链接:
- 哈佛 CEPR:States Leading States Initiative 首篇论文
- NBER 工作论文 35132(Allcott、Baron、Dee、Duckworth、Gentzkow、Jacob)
- NPR 报道:宾州学区学生演示 Yondr 锁袋
- The Guardian 报道:纽约 Lackawanna 学区向家长讲解锁袋政策