The Optimal Intensity of Performance Evaluation

技术摘要：绩效评估的最佳强度

问题陈述
绩效评估已成为高等教育中的核心治理工具，然而该领域缺乏一种正式的理解，即在何时评估强度不再产生益处并开始损害组织目标。虽然古德哈特定律（Goodhart's Law, 1975）和坎贝尔定律（Campbell's Law, 1979）被广泛引用为“当一个度量变成目标时，它就不再是一个好的度量”这一修辞性警告，但它们仍停留在解释性的隐喻层面，而非可量化的模型。现有文献从定性角度记录了指标过载和目标置换现象，但未能提供一个关于评估强度与结果之间非单调关系的正式模型，特别是那种纳入了制度阈值和内生缓解机制的模型。因此，决策者无法确定评估何时有益何时有害，也无法区分不同类型的定性审查。

方法论
本文开发了一个整合了组织经济学、动机心理学和高等教育政策分析的正式阈值模型。该方法通过三个截然不同的公式进行演进：

1. 静态单变量模型： 模型将组织效能 $U(k)$ 定义为对齐收益 $U_1(k)$ 与功能失调成本 $U_2(k)$ 的净结果，其中 $k$ 代表评估强度。

   • 对齐收益（Alignment Benefit）： 被建模为一个凹指数函数 $A(1 - e^{-\alpha k})$，反映了协调与反馈的边际收益递减。
   • 功能失调成本（Dysfunction Cost）： 被建模为一个分段函数。在临界阈值 $k_0$ 以下，成本呈线性增长。在 $k_0$ 之上，由于两个相互强化的反馈机制，成本呈指数级加速：社会规范效应（即博弈行为常态化）和组织放大效应（即管理层针对短期收益强化指标）。
   • 结果： 这种结构产生了一个关于强度的倒 U 型关系，并存在一个“盈亏平衡点”，超过此点后，过度的评估会使组织变得比没有评估时更糟。

2. 二变量扩展（定性判断）： 模型引入了一个定性判断权重 $w$，将其分解为三个不可互换的杠杆：

   • 同行评审（Peer Review, $w_p$）： 主要通过减少信息不对称来提高阈值 $k_0$。
   • 价值导向（Value Orientation, $w_v$）： 主要通过将指标与机构使命对齐来提高收益上限 $A$。
   • 程序公正（Procedural Justice, $w_j$）： 主要通过减轻抵触情绪来降低基准功能失调成本 $B$。
   • 这一公式取代了模糊的“定量 vs 定性”之争，转而提供了一个参数化的设计空间，其中特定的杠杆可以移动特定的参数。

3. 动态漂移-扩散层（Dynamic Drift–Diffusion Layer）： 为了捕捉行为随时间演变的特征，本文采用了福克-普朗克方程（Fokker–Planck equation）。

   • 机制： 教师的投入被建模为跨越质量频谱 $x \in [0,1]$ 的密度分布 $e(x,t)$，其中 $x=0$ 是纯粹的指标优化，$x=1$ 是真正的价值创造。
   • 漂移（Drift）： 在阈值 $k_0$ 之上，一个漂移速度项被激活，将投入的分布推向低质量的指标优化。
   • 结果： 该层证明了即使指标得分（$M(t)$）上升，真实价值（$V(t)$）也会单调下降，这为古德哈特定律提供了动态微观基础。

核心结果

• 倒 U 型关系： 模型证实了组织效能与评估强度之间呈倒 U 型关系。存在一个最优强度 $k^{**}$ 和一个盈亏平衡点 $k_{be}$，超过此点后净效用变为负值。
• 阈值的存在性： 存在一个关键的制度阈值 $k_0$。在此点之下，功能失调呈线性增长；在此点之上，由于社会规范的临界点，功能失调呈指数级加速。
• 差异化杠杆： 定性判断并非单一的解决方案。同行评审是提高可持续阈值的主要机制；价值导向提升了最大潜在收益；而程序公正则降低了行政基准成本。
• 动态背离： 在 $k > k_0$ 的机制下，模型预测会出现一种渐进式的背离，即指标得分上升而真实组织价值下降，这是由教师投入分布向指标博弈转移所驱动的。

六个可证伪命题
本文将模型提炼为六个具有特定识别策略的可测试命题，用于实证研究：

1. 非单调性： 评估强度与效能遵循倒 U 型曲线（可通过机构面板数据进行测试）。
2. 阈值效应： 功能失调在超过临界阈值后迅速显现（可通过使用如中国“破五唯”等改革的差异中之差异法进行测试）。
3. 调节作用： 定性判断提高阈值 $k_0$（可通过中介模型进行测试）。
4. 差异化效应： 同行评审对 $k_0$ 的提升作用强于程序公正（可通过层次回归中的交互项进行测试）。
5. 动态适应： 当 $k > k_0$ 时，指标得分与真实价值之间的背离随时间加速（可通过事件研究法进行测试）。
6. 异质性： 阈值 $k_0$ 因职业阶段（早期职业研究者较低）和学科（可量化的 STEM 领域较高）而异（可通过测试验证）。

意义与主张
本文声称对高等教育研究做出了三项主要贡献：

1. 将隐喻形式化： 它将古德哈特定律和坎贝尔定律从解释性的隐喻转化为参数化的、可证伪的阈值模型。不同于以往依赖于个体参考点的经济模型（如 Rablen, 2010），本模型识别了一个功能失调加速的制度性阈值。
2. 定性审查的分解： 它超越了“定量 vs 定性”的二元辩论，识别了三个通过特定机制运作的、互不替代的独立杠杆（同行评审、价值导向、程序公正）。这使得针对性的政策设计成为可能，而非仅仅泛泛地呼吁“更多定性评估”。
3. 动态机制： 通过整合福克-普朗克漂移-扩散层，模型解释了指标得分与真实价值为何以及如何随时间发生背离，为功能失调的指数级成本提供了行为微观基础。

本文将自身定位为一种诊断工具，而非一种规范性判决。它认为“最优”强度并非一个普遍常数，而是制度设计参数的函数。该模型提供了一个框架，用于诊断特定的评估体系（例如中国的“破五唯”、英国的 REF 或美国的基于绩效的资助）是在可持续机制内运行，还是已经跨越阈值进入了功能失调状态。作者强调，定量数值（例如 $k_0 = 0.5$）仅具说明性，需要通过实证进行校准，但关于阈值存在性和漂移方向的定性预测在参数变化下是稳健的。