每隔一段时间，关于英语是否应该继续作为中小学主科的讨论就会再来一轮。支持降级的一方会说，绝大多数人一生中用不到英语，把大量学时押在一门工具性语言上是一种浪费；反对的一方会说，英语是接触世界知识的接口，取消它等于主动降低一代人的信息带宽。两边都能举出相当有力的例子，讨论却很难推进。
我怀疑这不是因为其中一方不讲道理，而是因为双方在回答两个不同的问题。支持降级的人多半在回答「英语对一个普通人的平均价值有多高」，反对的人多半在回答「失去英语接口的代价有多大」。这两个问题都可以有答案，但它们不能互相反驳，所以争论只能不断重复各自的前提。
还有一个更具体的问题，双方都很少直接谈：如果英语的制度地位真的下降，这件事落在不同人身上的形状是不是一样的。
把「该不该」换成「谁会怎样」
我想把问题换成这一句：
当英语教育从一种由学校强制提供的公共品，转向更多依赖个人选择和市场供给时，英语学习机会会如何在不同社会群体之间重新分配？
这个替换有两个好处。它把价值判断暂时搁置了——回答它不需要先同意英语重不重要。它也把问题变成了可以被检验的东西：如果有人认为降级不会扩大差距，那是一个关于机制的断言，可以写下来，可以被反例推翻。
替换之后，第一件需要分开的事情是学科的制度地位和学生的实际能力。这两者经常被当成同一个东西，但它们不是。一个学生最终掌握多少英语，来自几条并行的通道：学校的课时与师资、家庭能提供的支持、校外市场和线上资源、以及他自己愿意投入的时间。制度权重只是其中一条。它下降之后会发生什么，取决于剩下那几条各自还剩多少——而这恰恰是因人而异的。
城市中产家庭的孩子失去一部分学校英语课，家里可能增加线上外教、原版读物或者课外班；欠发达地区的孩子失去同样比例的学校英语课，家庭那一栏本来就接近空白，校外那一栏可能根本不存在。同一个政策，同一个降幅，落地的结果可以完全不同。
两条路径，形状不一样
制度权重下降会通过两条路径影响能力，而这两条路径的作用方式并不相同。
第一条是供给。课时减少是直接的，但还有一层容易被忽略：学科地位下降之后，英语教师会逐渐被调去别的岗位，而这个过程在不同地方的速度不一样。家长的保留压力越强的地方，教师流失得越慢。所以低资源地区可能同时承受两件事——课时变少，剩下的课质量也下降。
第二条是激励。考试权重下降之后，即使课时和教师都没变，学生的投入也会下降。但这条路径对不同人的作用不同：对一部分家庭来说，英语的价值从来不只来自升学考试，还来自留学、职业或者家庭本身的预期。考试压力撤掉之后，这些家庭的投入不会同步塌掉。
这两条路径还有一个结构性差别。学校的课是强制的，一个不投入的学生坐在教室里仍然会吸收一部分；校外的资源不是，它完全由投入门控。所以减课时和减考试压力，伤害的人群并不重合。
真正决定分配的，是补偿项的形状
上面这些都还只是「谁受影响多一点」。真正把问题变成分配问题的，是第三件事：学校退一步的时候，有能力的家庭会补一步。
这一步的量不是人人相等的。它与家庭本来就能触及的资源成正比。把它写下来大概是这个样子：
$$A_i = capacity_i \times avail_i \times \big(1 + \rho \cdot \text{shortfall}_i\big)$$
capacity 是家庭和学生自己能投入的能力（钱、注意力、父母的英语水平），avail 是当地能不能买到或者连得上，shortfall 是学校这次实际少给的部分，$\rho$ 是补偿强度。
这个式子里有两个可以被检验的主张。
第一个是乘法：capacity 和 avail 相乘，而不是相加。意思是有钱但当地没有供给、有供给但家庭付不起注意力，两种情况都补不回来。如果写成加法，任何一边都可以单独救场，那会是一个不同的模型，也会得到不同的结论。
第二个更关键：补偿项也是乘法。$1 + \rho \cdot \text{shortfall}$ 乘在原来的可及性上，所以一个 $A_i$ 已经接近零的家庭，无论补偿强度多大，结果仍然接近零。补偿不会让任何人变强，它只是让本来就够得着的人少损失一点。
让它跑起来
有了这些，就可以写成一个最小的可运行模型：两万个虚拟学生，三个资源层，每人有自己的当地师资、家庭社会经济地位、学习动机，以及一个代表天赋与既往接触的效率残差。政策是四个可以独立调的数：学科权重 $S$、考试权重 $P$、面向低资源地区的师资保障 $G$、公共数字资源 $D$。能力按年更新：
$$E_{t+1} = E_t + \eta I (1 - E_t) - \delta E_t$$
用饱和增长减线性遗忘，而不是简单的「学了加、忘了减」，有两个理由。简单加减跑十年会发散或者跑到负数，而这个形式恒在 $[0, 1)$ 内。更有用的是，它的长期解是闭式的：$E^{\ast} = \eta I / (\eta I + \delta)$。也就是说，这个模型的长期回答本来就是一个公式，模拟真正提供的是谁落在哪里（分布）和多快到达（瞬态），而不是一个需要靠仿真才能得到的数字。
所有情景共用同一批学生，同一组随机数。要估的是同一个人在两种制度下的差 $\Delta E_i$，共用抽签能让抽样误差在相减时抵消；独立重抽会让方差大一个量级，而分布的尾部恰恰是最吃这个方差的地方。
我把模型做成了一个可以在浏览器里跑的页面：英语退出主科之后。下面的数字都来自它，参数取默认值，跑十年。
跑出来的三件事
先把五个情景的结果一次列全。$S$ 是学科权重，$P$ 是考试权重，$G$ 是面向低资源地区的师资保障，$D$ 是公共数字资源；后面几列是跑完十年之后的结果。手机上这张表要横向滑一下。
| 情景 | $S$ | $P$ | $G$ | $D$ | 全国均值 | Δ均值 | 跌破基础线 | 城市层 | 普通县市 | 欠发达层 | Δ地区差距 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| A 当前制度 | 1.00 | 1.00 | 0.30 | 0.20 | 0.506 | ±0.0 | 13.8% | 0.0% | 2.1% | 38.9% | ±0.0 |
| B 完全取消主科 | 0.45 | 0.25 | 0.30 | 0.20 | 0.350 | −15.6 | 52.9% | 3.4% | 44.4% | 97.5% | +4.5 |
| C 降低权重但保留 | 0.75 | 0.60 | 0.30 | 0.20 | 0.435 | −7.0 | 30.0% | 0.3% | 11.9% | 74.6% | +2.7 |
| D 降低权重 + 师资保障 | 0.75 | 0.60 | 0.85 | 0.25 | 0.482 | −2.4 | 14.3% | 0.1% | 4.6% | 37.0% | −4.2 |
| E 非主科 + 全国数字英语 | 0.45 | 0.25 | 0.55 | 0.90 | 0.404 | −10.1 | 37.3% | 2.5% | 22.8% | 80.2% | −0.7 |
（变化量的单位是百分点。基础线定在能力 0.35。）
情景 A 是参照系：所有学生都从当前制度下的稳态出发，所以它跑多少年都不动，后面每一行的位移都可以归给政策改变。这些小数点不是抽样噪声——换六个不同的随机种子重跑，情景 C 的欠发达层跌破比例落在 74.5% 到 74.9% 之间，全国平均变化落在 −7.03 到 −7.05 之间。
第一件：平均值会掩盖要害。
「降低权重但保留」这一档，全国平均能力掉 7.0 个百分点。城市高资源层跌破基础线的比例从 0.0% 变到 0.3%，几乎没动；欠发达层从 38.9% 变到 74.6%。只看第一个数字，这是一次温和的调整；只看最后一个数字，这是另一回事。如果一份评估报告只报告全国均值，它不会写错任何一个数，但会漏掉全部要害。
这里要把机制说准，因为很容易讲错。各层的损失并不悬殊：城市层平均掉 5.2 个百分点，欠发达层掉 7.9 个，后者是前者的一倍半，不是十倍。真正把跌破比例推上去的是起点位置——欠发达层里有三分之一的人，基线水平本来就在基础线上方八个百分点以内。把全国平均那 7.0 个百分点均匀地加在每一个人头上，什么差别化机制都不要，欠发达层的跌破比例也会从 38.9% 升到 68.4%；模型算出来的实际值是 74.6%。也就是说这个结果里大约八成来自「谁本来就贴着线」，只有大约两成来自「谁损失得更多」。
这个区分很重要。它说明平均值的误导性不需要任何阴谋式的机制就能产生：一个对所有人一视同仁的冲击，落在一个分布贴着阈值的群体身上，就足以让阈值指标爆掉。差别化损失是真的，但它是第二位的。
第二件：同样是降权重，配不配师资保障是两回事。
模型里有两个情景的学科权重和考试权重完全相同，只差一项面向低资源地区的师资保障。欠发达层的结果分别是 74.6% 和 37.0%——后者比当前制度下的 38.9% 还略好一点。这说明「降低考试压力」和「让底部失去英语输入」并不是必然绑在一起的两件事，它们之所以看起来绑在一起，是因为讨论里通常只有一个旋钮。
第三件：公共数字资源有效，但有天花板。
另外两个情景只差公共数字资源的强度。普通县市那一层，跌破基础线的比例从 44.4% 降到 22.8%，改善明显；欠发达层只从 97.5% 挪到 80.2%。原因在模型的结构里：数字资源只进 avail，不进 capacity。它能改变「能不能连上」，改变不了「连上之后有没有人用得起来」。这与数字鸿沟研究里接入差距与使用差距的区分是同一个形状，不过这里只是结构上的相似，不构成对那些实证结果的引用。
最反直觉的一条
如果你不同意上面这些，最自然的反驳是：市场会补上。学校退出留下的空缺，会被培训机构、在线课程、AI 辅导填掉，所以担心是多余的。
这个反驳可以直接在模型里试。把「校外渠道相对课堂的效率」推到两倍，把「家庭补偿强度」推到最大，同时把最可争议的师资流失假设归零、把考试激励的作用也归零——一次性把所有旋钮都拧到最有利于「市场能接管」的一端。
结果是：全国平均的降幅从 15.6 个百分点收窄到 5.1 个百分点，但地区差距扩大了 10.4 个百分点，比默认假设下的 4.5 更大。
这个预设一次动了四个旋钮，也顺带改变了基线，所以我又单独试了一次：只把「校外渠道效率」和「家庭补偿强度」推满，考试激励和师资流失都保持默认。这时基线几乎没动，而地区差距扩大了 11.6 个百分点——比一次动四个旋钮时还多。所以这个结果确实来自替代机制本身，不是基线位移造成的错觉。
单独看补偿强度这一个参数，趋势更清楚：
| 家庭补偿强度 $\rho$ | 全国平均变化 | 地区差距变化 | 欠发达层跌破基础线 |
|---|---|---|---|
| 0（没人补） | −18.1 | +0.3 | 98.2% |
| 1（默认） | −15.6 | +4.5 | 97.5% |
| 2（市场接管） | −13.4 | +7.9 | 96.5% |
（单位：百分点。）
家庭补偿得越彻底，全国平均看起来越没事，差距扩大得越多。这两件事不是巧合，它们是同一个参数造成的：补偿项是乘法，所以替代效率提高，得利的恰恰是本来就能替代的人。
也就是说，「相信市场能补上」并不能推翻分配结论。它让平均值变得更好看，同时让平均值变得更没有信息量。
一个参数全是设定的模型，凭什么有用
到这里有一个必须说清楚的问题：上面每一个系数都是我设定的，没有一个是从数据里估出来的。基线那几个数字——城市层均值 0.64、欠发达层 0.38、全国 13.8% 在基础线以下——是按「城乡有明显落差、少数学生达不到基础交流水平」这个常识性印象标定的锚点，不对应任何一次真实测量。
这样的模型不能用来预测。它给出的任何一个百分点都不该被当作对真实政策后果的估计。
但它仍然有两件事可以做。
第一，它把立场变成了可以检查的结构。 「市场会补上」这句话，作为一个立场只能反复陈述；写成 $1 + \rho \cdot \text{shortfall}$ 乘在可及性上之后，它就有了可以被追问的地方：补偿是乘在原有可及性上，还是加在上面？如果是乘，那么补偿强度提高会同时缩小平均损失和扩大差距——这是一个可以被数据证伪的联合预测，而不是一句态度。
第二，它能区分哪些结论稳、哪些结论不稳。 我把五个假设铺成一张网格，405 组参数各跑一遍两个降级情景，一共 810 次检验，然后看每句话在多少次里成立：
| 说法 | 成立比例 |
|---|---|
| 全国平均能力下降 | 810 / 810 |
| 底部人群跌破基础线的比例上升 | 810 / 810 |
| 底部人群的损失大于顶部 | 596 / 810 |
| 地区差距不缩小 | 596 / 810 |
前两句在网格上没有例外。后两句有四分之一的反例，而且反例不是随机分布的：它们几乎全部落在校外渠道效率为零、家庭补偿强度为零的那些格子里。这有一个清楚的解释——如果校外根本没有东西可买、也没有人会补，那么降级伤害最大的反而是师资本来最好的地方，因为它们能损失的东西最多。这时候差距会缩小，同时所有人都变差。
所以「差距会扩大」不是关于降级的断言，而是关于替代的断言：它成立的前提是校外渠道确实存在、家庭确实会补。我原先在这里写的是「在所有取值下地区差距都没有缩小」，那是错的，扫完网格才看出来。这恰恰是把模型写出来的用处——它让一句听上去合理的话变得可以被自己的参数推翻。
Joshua Epstein 有一篇短文专门谈这件事，题目就叫《Why model?》。他的论点是，预测只是模型众多用途中的一个，而且往往不是最重要的那个；澄清机制、暴露不确定性所在、发现哪些直觉其实互相矛盾，这些用途不需要模型准确，只需要模型明确。
这个模型不做什么
它的边界也需要说清楚，否则上面的话会被读得太重。
师资流失那一条，我让学科地位下降在低资源地区同时减课时和减教师，这等于把倾向性写进了假设。缓解办法是把那个参数留给读者归零——归零之后欠发达层跌破基础线的比例仍然从 38.9% 升到 95.2%，差距仍然扩大 3.1 个百分点。所以结论不靠这一条撑着。但它仍然是一个假设，不是一个发现。
模型里没有一般均衡：家庭之间不竞争名额，培训市场的价格不随需求变化，教师不跨区流动，英语和其他学科不争夺同一段时间。这些都会改变结果的量级，有些可能改变方向。
指标也会饱和。最激进的那一档情景下，欠发达层跌破基础线的比例达到 97.5%，已经贴着上限，这时它分辨不出更坏的情况。饱和本身是个信号：那一档政策的量级超出了这个指标的分辨范围。
基础线画在哪里会明显改变数字。我把它从 0.25 扫到 0.50：欠发达层跌破比例的增幅在 0.35 附近最大（+35.7 个百分点），往两边都会掉下去，画在 0.25 是 +20.3，画在 0.50 只有 +8.7。方向在每个位置都一样，幅度不是。这是所有阈值指标的共同性质——增幅必然在某处取到极大值——而不是这个政策的性质。既然如此，把线定死就等于我替读者选了最好看的那个数字，所以页面上它是一根滑块：上面引用的每一个百分点，你都可以自己换掉再看一遍。
还有一条是模型结构造成的限制：在欠发达层内部，家庭条件好并不能自保——那一层里最富的五分之一和最穷的五分之一损失几乎一样（7.97 对 7.63 个百分点）。原因是模型把「当地买不买得到」设成了地区属性，所以一个穷县里的富裕家庭没有更好的市场可买。只有把公共数字资源推到高位（情景 E），这一层内部才会出现家庭条件的梯度。这既是一个可以讨论的机制主张，也是一个需要警惕的简化。
还有一个乍看像 bug 的行为：在最乐观的假设组合下，页面会显示某些情景的全国平均高于当前制度。它不是计算错误，而是「市场比课堂更有效且家庭补得上」这句话的字面含义——对本来就补得上的那部分人，学校退出确实是净收益。平均值上升和底部恶化在同一组参数下同时出现，这本身就是不该只看平均值的理由。
回到开头
这个模型不会告诉你英语该不该继续做主科。它做不到，也不应该被用来做这件事。
它能做的是把争论的焦点挪一个位置。原来的问题是「英语重不重要」，这个问题大概率永远争不完，因为它对不同的人有不同的真答案。换过之后的问题是：如果减少一门学科的制度保障，哪些人手里还有别的通道，哪些人没有，以及有没有办法在减少考试压力的同时不动那条通道。 后一个问题至少有机会被证据回答。
模型里那个「降低权重 + 师资保障」的情景之所以值得注意，不是因为它是一个可以照搬的方案——它的参数是我设定的，它证明不了任何现实中的可行性——而是因为它显示了一件事：在这个机制结构里，考试压力和底部机会是两个可以分开处理的旋钮。真实世界里它们能不能分开，是另一个问题，而且是一个更难的问题。
但如果连在模型里都分不开，那么讨论确实只能停在「该不该」上。现在至少可以问下一个问题了：在真实的制度约束下，那个保障要多强、要投在哪里，才够得上模型里这一档？
参考资料
- Cunha, F. & Heckman, J. (2007). The technology of skill formation. American Economic Review 97(2), 31–47.
- Epstein, J. M. (2008). Why model? Journal of Artificial Societies and Social Simulation 11(4), 12.
- Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D., Saisana, M. & Tarantola, S. (2008). Global Sensitivity Analysis: The Primer. Wiley.
- Merton, R. K. (1968). The Matthew effect in science. Science 159(3810), 56–63.
- DiMaggio, P. & Hargittai, E. (2001). From the “digital divide” to “digital inequality”: Studying Internet use as penetration increases. Princeton University Center for Arts and Cultural Policy Studies, Working Paper 15.
- 互动模型：英语退出主科之后