引子

一项针对中国大学生批判性思维能力的追踪研究引发关注。研究者使用“华生-格拉瑟批判性思维评估量表”对多所高校数千名本科生进行了跟踪测试。结果显示，超过半数的大一新生在“评估证据可靠性”和“识别隐含假设”两个维度上的得分，低于十年前同类研究的中位数。他们更擅长提取和复述已有信息，但在判断“这些信息是否可靠”以及“这些结论是否成立”方面表现不佳。

一位接受访谈的学生说了一句被多次引用的话：“搜索引擎告诉我答案，AI帮我写报告，社交媒体告诉我什么是对的——我只需要做的是‘选中’，而不是‘判断’。”

她描述的不是懒惰，而是一种系统性的能力流失。当一个环境中充斥着已经完成的判断时，判断力本身的使用机会就会减少，而判断力作为一种构造能力，需要持续使用才能维持在有效的工作区间内。

构造学论要追问的是：当每个问题都被预先配置了答案——从搜索引擎到AI，从课程标准到社交媒体算法——一个人的判断力系统会发生什么变化？它仍然在运行，还是已经切换到另一种模式？如果“正确”变得过于可及，“选择”本身是否还会继续作为一项构造活动存在？

一、能力的持续使用与未使用

任何能力都会随使用频率的变化而发生偏移。一个长期运行的判断回路，如果持续接收输入并产生输出，它的响应速度和精度会逐渐优化；如果长期不被激活，它的响应阈值会上升，启动成本会增加，精度会下降。

判断力的使用方式在过去十年中发生了显著变化。

过去，一个学生遇到一个不确定的问题时，需要经历识别问题 → 搜索相关信息 → 比较不同来源 → 判断可靠程度 → 形成自己的结论。这是一个完整的构造过程——输入、处理、输出、验证。

现在，同样的学生遇到一个不确定的问题时，经常是输入问题到搜索引擎或AI → 获取一个或多个“答案” → 选择看起来最合理的那一个 → 直接使用。判断环节被压缩为“选择答案”。

这两种方式的差异在于前一种方式训练了判断力，后一种方式训练了选择力。两者不是同一件事。在一种操作中，系统需要自己完成输出；在另一种操作中，系统只需要在现有的多个输出之间做一次标记。

如果一个判断回路长期处于低激活状态，它的响应时间会增加，置信度会下降，对偏离标准答案的信号的敏感度会降低。

二、“正确”的供给量超过了需求

过去，正确是稀缺资源。一个难题可能需要很长时间才能找到一个可靠的答案。稀缺使得获得正确答案的过程本身构成了一种筛选——能够完成这个过程的人，同时也训练了与此相关的判断能力。

现在，正确是过剩资源。每道题都有答案，每个问题都有标准解法，每个决策都有现成的参考案例。过量的供给使得“找到正确”不再是一个需要系统主动构造才能完成的操作，而是一个只需被动接收即可完成的操作。

但这里存在一个边界：过剩的是“已经存在的正确”，而不是“尚未产生的正确”。当一个人已经能够从外部获取几乎所有常规问题的答案时，他启动自己的判断回路的机会就减少了，而他对那些尚未被预定义的问题的处理能力也会受到影响。

过剩的正确并没有让判断力变得更强，而是让它更容易被绕过。

三、教育系统中的“正确答案”结构

教育系统是“正确答案供给过剩”最集中的领域之一。

标准化的考试体系要求每一道题都有一个明确的、可评分的答案。评分效率使得开卷、论述、多解型题目占据较小的比例。这种结构的隐藏效果是，学生被训练成“在给定的几个选项中选出正确的一个”，而不是“在没有现成选项的情况下构造一个可行的答案”。

对于前者，需要的判断是“哪个选项与标准答案一致”。对于后者，需要的判断是“在不确定条件下，哪个路径最可能通向一个可接受的结果”。两者涉及不同层面的判断力。

一个长期接受标准答案训练的系统，在遇到没有标准答案的问题时，其原有的响应方式可能会失效。因为它没有被设计来处理不确定空间较大的输入——它只会识别已存在的选项，而不会构造新的选项。

四、判断力的构造学条件

判断力不是一种可以被批量授予的知识。它只有在一个系统能够持续进行以下操作时才能维持存在：

• 接收信息

• 评估其可靠性

• 生成初步结论

• 将该结论与替代结论进行比较

• 修正或确认

• 输出并观察后续反馈

如果这个循环中的某些步骤被外部系统接管（例如，信息的可靠性已经被搜索引擎的排名系统过滤，结论已经被AI生成），那么判断力的训练强度就会下降。

一个在“正确答案过量供给”环境中运行的系统，面临的是判断力的使用条件被外部系统占用——它仍然能够识别“哪个答案是标准的”，但它可能无法可靠地进行“这个答案是否可靠”的判断。

五、构造学论的立场：判断力的可逆性与不可逆性

判断力的流失是结构性的，但它在某些条件下可能是可逆的。如果环境恢复了对判断力的需求频率，一个曾经拥有判断力但长期未使用的系统，其判断力的恢复速度通常比一个从未经历过判断力训练的系统更快。因为它保留了判断回路的残存结构——那些已经在训练期间形成的判别规则、检验习惯和决策序列。它们不会因为长期不调用而完全消失，只是处于低活跃状态。

但判断力的恢复并不总是按预期方式完成。如果环境变化的持续时间较长，或者在流失期间系统的输入格式发生了根本性改变（例如，从文本阅读转向算法推荐），那么原有的判断回路可能与新格式不兼容，需要额外的配置才能重新接入。

因此，判断力的可逆性是有条件的。它需要目标环境提供足够的激活场景，并且这些场景的输入格式与系统曾经接受过的训练结构之间的偏差不能超出某个限度。超出这个限度时，恢复可能需要重新建立判断回路的基本结构，而不是重新激活已有的结构。

结语：那个说不清的学生

那个在访谈中说“我只需要做的是‘选中’”的学生，后来转到一个需要实地调查的社科项目。她需要自己去采集数据、判断来源、评估信度、写出一份独立完成的报告。开始时经常卡住——“我不知道这个信息能不能用”。

但她最终还是完成了。她说：“因为没人告诉我答案。”

这意味着：判断力没有被删除。它只是休眠了。当环境重新要求它启动时，它虽然启动较慢，但仍然能够运行。问题在于有多少人还会进入一个“没人告诉我答案”的环境？如果答案是过剩的，判断力的启动机会就是稀缺的。而一个长期处于休眠状态的回路，它的启动成本会持续上升，直到某个临界点之后，它可能不再被使用，成为一个永久性关闭的端口。

那个端口原本是用来识别“什么是可靠的”的。

支持单位：