目的：检验第七章——本书全部规范主张的唯一承重。
设计：以实验一、二中形成的 ρ 分层为自变量（或直接随机分配不同 ρ 的学习方式），因变量为验收位能力的分层测验：给受试者一份由 AI 生成的、含有一处实质性错误的解答，要求
三个层级依次加深：第 1 层只需识别，第 3 层需要生成反例。错误类型分两类：分布内错误（与训练期间常见的 AI 错误类型相同）与分布外错误（形态陌生但性质严重）。
预注册预测：
判负与其后果（本书最重要的一条自我约束）：
若 E3-1 与 E3-2 均不成立——即验收能力不随生成经验的减少而下降——则第七章为假。此时本书第四编关于认知训练轨的正当性论证、第三十一章关于闭卷考试清单的判据，全部作废。
而正确的结论将是：教育应当整体迁往”学生—AI”复合单位，闭卷考试除后果位置清单上的少数岗位外全部取消，本书第一编所论证的”提分命题不成立”仍然有效，但它不再构成任何保留旧制度的理由。
本书在此明确：这个结果是可能的，而且如果它出现，本书接受它。一篇论文能给出的最强诚意，是写清楚在什么读数下自己的规范主张应当被丢掉。
接口说明 第五十八至六十章的三项实验测的是机制（ρ、k、验收位依赖）。本章的二乘二设计测的是另一个问题：AI 接入本身与专门的判断训练，各自贡献多少、是否存在交互。两类实验不能互相替代——机制实验说明占住是怎么发生的，二乘二说明占住能不能被教出来。
以下是一项拟议方案，而不是已经实施的研究。第一阶段可在大学通识课程中招募成年学生，以六周教学为处理期，安排前测、结束后的即时测量、四周延迟测量和十二周追踪。选择成年学生有助于先检验流程与量表，而不能据此直接推广到儿童。后续若进入基础教育，需要重新处理任务适龄性、监护同意与课堂资源差异。
研究的主要问题不是”哪一组写得最长”，而是专门设计的AI教学相对于相同思维训练的非AI条件，是否在延迟后的创造与批判结局中产生额外增益。同时比较普通AI使用与常规非AI教学，估计AI接入本身在指定课程中的效果。两个比较不可互相替代：前者检验工具的额外作用，后者检验未经专门训练的接入效果。
教学材料可以围绕教育解释、科学论证和数学猜想组织，避免只训练单一作文格式。所有组获得相同核心资料和基本任务要求；AI组增加指定工具访问，思维训练组增加相同的关键判断协议。教师关注时间、作业数量和总体教学时长应尽可能匹配，并记录实际偏离。不能让”有AI”同时意味着更多教师反馈和更多课程时间，却仍把全部效果归于AI。
实验设置两个因素：是否使用AI，是否接受明确的创造与批判训练。四种组合分别为常规非AI教学、常规AI教学、专门训练但不使用AI，以及专门训练并使用AI。常规教学也应具有合格的资料、反馈和练习，不能故意设置为消极抄写，以便制造AI优势。
专门训练包括初步判断、竞争解释比较、共享前提检查、关键反例、理由充分的修订与问题重构。非AI专门训练组使用相同任务、人工准备材料和课堂反馈；AI专门训练组在相同目标下调用系统。需要清楚区分设计中允许的个性化，与额外资源造成的混淆。AI反馈的自适应性可以作为处理的一部分，但其时间和范围应被记录，而不是隐去。
设A表示AI因素，P表示专门训练因素，一个基础分析式可以写为：
Y后测 = β₀ + β₁A + β₂P + β₃AP + γY前测 + 课程项 + 误差。 （2）
式（2）中，β₁对应常规教学下的AI差异，β₁+β₃对应专门训练条件下的AI差异；β₃检验两因素是否存在交互。看到AI专门训练组优于常规非AI组，并不能单独证明交互，更不能单独证明AI具有额外效果。所有计划比较应在分析前确定，而不能在结果出来后选择最有利的两组。
若在完整课堂中实施，优先考虑以教学小组或班级为随机单位，并按课程、已有成绩等进行分层，以减少同班学生互相转移训练协议。分析必须处理组内相关性，不能把同一班的每个学生都当成完全独立的随机单位。若资源仅允许个体随机，应记录同伴交流与组间污染，并承认其可能稀释或改变估计。
教师不能对处理条件完全盲法，但评分者应尽量不知道学生组别与测量时点。所有组使用同样的任务介绍与评价语言，避免通过”先进AI班”等标签制造期待差异。研究也应记录退出、缺课、违规使用工具与技术故障，并把意向治疗分析作为主要分析之一，而不是只保留完成最好的学生。
模型版本、系统指令、可检索资料和更新时点必须存档。若工具在处理期中发生重大变化，应事先规定如何记录、是否暂停或分段分析。系统生成具有随机性，不能只展示成功对话作为处理代表。研究应保存经过同意且去标识化的必要记录，用于检查学生实际经历了何种教学，而不是要求公开私人全部对话。
第一类是无生成式AI的独立判断任务，允许预先规定的资料与基本计算工具，测量学生能否保留所训练的辨别、组织和修订能力。它不要求学生独力完成原系统才能完成的巨大工程，而应把任务规模调整到可比的能力单元。第二类是在统一AI接口、统一初始材料和相同熟悉时间下的协作任务，用来比较学生如何组织同样的外部资源。
第三类是换用条件：更换模型或界面，改变资料组织方式，允许各组携带按同一规则制作的个人判断卡片，考察协作能否重新建立。换用不能同时大幅提高任务难度，否则无法知道成绩变化来自工具适应还是任务改变。不同评价条件使用平行题，并平衡呈现顺序，减少前一任务对后一任务的练习影响。
另可报告保留熟悉工具与完整互动历史的生态表现，但不把它直接混入个人能力总分。历史积累本来可能是人机复合体的重要资产；其价值应承认，但需要说明结果由这套特定条件支撑。统一工具条件与真实熟悉条件分别回答不同问题，不宜用一种结果替另一种作结论。
样本量应围绕预注册主要结局、最小教育意义效应、测量信度、基线相关、组内相关和流失率确定。对简单的两组均值比较，一个近似规划式是n≈2[z(1−α/2)+z(1−β)]²σ²/Δ²，其中n为每组人数，Δ为待检测差异，σ为结局的组内标准差，z(p)为标准正态分布的p分位数，α为双侧检验显著性水平，1−β为目标检验功效。这只是独立样本的初步表达；前测调整、班级聚类、四组比较与交互检验均需要进一步计算或模拟。
尤其不能先选一个容易完成的小样本，再把不显著结果称为证伪。若目标是排除超过δ的正向教育增益，应让置信区间的上界足以落到δ以下；若目标是支持近似等效，则需要事先界定双侧等效界限。检出与零不同、证明超过教育意义阈值和支持等效，是不同的统计任务，所需样本量也可能明显不同。〔乙3〕
创造力和批判力作为两个主要结局，应预先说明是否要求同时改善，以及怎样控制分别报告时的多重检验。只有其中一项提高，就应明确写出另一项没有得到同样支持。若区间很宽，结论只能是信息不足；若出现指定结局的负向效果，也应报告其大小与不确定性，而不是用一个显著符号替代教育解释。
对话记录可以用于分析候选生成、共享前提识别、证据请求、修订与目标变化。但某种行为与成绩相关，不证明该行为产生了成绩：能力较强者可能本来就更常实施它。若要识别先行判断或关键展开的作用，应在后续机制实验中随机改变相应安排，而不是仅依赖事后分类。
同样，不应在主分析中随意控制处理后投入时间、对AI信任或互动轮数，因为这些可能是处理影响结果的途径。研究可以把它们作为机制结局报告，但总效应与中介效应需要不同假设。本书因此主张先获得可解释的总体比较，再对少数关键机制做独立检验，避免一套复杂模型给未经验证的原因提供表面精确性。