本编的主张要能被检验，需要把”三号位被进入”变成可测的量。四个读数，按可取数的便宜程度排列：
一、可复验率 ρ。在隔离场（断开配置、现场命题、当场再生成）中，同一个人对同一类判断的再生成一致性。它测的是认领三条件里的”可复验”。最便宜，因为高校的现场答辩与闭卷写作就是天然实验场。
二、可消性 κ。器具配置能够解释的产出方差占比。以计算器、词典这类公共器具的 κ₀ 作为对照阈值：若 AI 条件下的 κ 显著高于 κ₀，说明器具项不再可消。
三、悬空率 σ ＝ p × κ。p 是该行业中理念界判断所占比重。σ 用于排序——哪些行业的自然人单位会先死。
四、对偶度 δ。人端对配置的回写强度与配置对人端的回写强度之比。δ→0 是主体性固化（人不再改变配置，只被配置改变）；δ→∞ 是 AI 沦为回声（配置完全跟随人，不提供差异）。健康区间在中间，位置待定。
κ 被认定为”成本近乎为零、最该先跑”的一个。它跑了，结果必须原样写出来。
取数用的是一份公开的个体层原始数据（N＝291 的写作实验，被试×三档配置，另有一项人端基线测验）。计算得到 κ＝1.90%（扣除测量噪声后 2.79%）；对照阈值 κ₀ 由计算器时代的一份元分析重建，中位落在 2.50%–3.48%。二乘三的敏感性分析：五格不达阈，一格越阈。
初稿据此判为”不利但有一格支持”。复核推翻了这个判断：那唯一有利的一格是假的——它所用的统计量（配对超额翻转 +6.07pp）对人端基线免疫，把人端换成纯噪声仍得到 +6.0pp；更要命的是，把计算器那份元分析的效应代入同一公式，计算器侧得到 +10.81pp，反而大于 AI 侧的 +6.52pp。
换句话说：初稿只把对照阈值施加在了会伤到自己的那些读数上，而放过了唯一对自己有利的那一格。
改判之后的净结论是：
这不是一次不利的跑，是一次无信息的跑。在 N＝291 的样本上，对 κ＝2κ₀ 这个效应的功效只有 0.40——它本来就没有能力回答这个问题。
这次经历逼出四条规程，本编把它们写进读数纪律：功效前置（跑之前算功效，功效不足的跑不算证据）、等价检验（要主张”没有差别”必须做等价检验，不能靠不显著）、对照纪律均匀性（对照阈值必须施加在全部读数上，不能只施加在不利的那些上）、统计量判别力双检验（任何统计量必须先证明它对所关心的成分敏感、对无关成分不敏感）。
第三条是这次自查的直接产物，也是最容易被违反的一条。
如实登记本编的取数状态：