在事实中找到某些能够带来精确性的客观要素，可能的话，还要找到测量这些事实的方法—笛卡尔相反，最优的模型设定必须在简化和普适之间权衡，基于简约性原则，许多复杂的情况要忽略掉---《定量研究中的稳健性检测》科学的进步是一个不断减少不确定的过程，而差异数据则是测量这些事实不可或缺的标尺。 一个好的教育模型，需要以更低的成本去实现“差异数据”供给。思考这类模型，或许不是科学性而是工程性，能作为一名教育工程师去构想这类模型，时常让我振奋不已。模型内的价值与事实判断。 “最大多数人的最大幸福“ 被确定为功利主义的最高目标。在我们的模型中，也应该存在这样一条最高价值判断，来使得我们模型内的事实判断是逻辑自洽的，即：所有人教育收益的最大值（我们需要一开始就点明我的价值判断，是因为公平问题在教育社会学中如此重要，而差异数据供给意味着，我们可能很难在短时间内或者说单次博弈中是实现公平）。 这样一条价值判断具有很高的普适性，但对于我们所要做的工作，还是无法做到足够的精确。让我们从一些问题开始。 让我们假设，存在两种教育方法，我们应该在实践中如何量化这两种教育方法的实际效果，区分它们适用环境，如何界定它...