如果文憑只是一張「標籤」，學校到底有沒有在教東西？

如果文憑只是一張「標籤」，學校到底有沒有在教東西？

先做一個思想實驗。假設有兩位能力完全相同的年輕人，A 唸完了大學、拿到文憑，B 在大三那年因故休學、差一學期沒拿到那張紙。畢業多年後，A 的平均薪資明顯高於 B。直覺上你會說：因為 A 多學了東西、能力更強。但問題來了——我們剛剛假設他們「能力完全相同」。如果學了一樣多、能力一樣強，A 多賺的那一份錢，到底是買到了什麼？

這個看似刁鑽的問題，正是教育社會學（sociology of education）進階研究的核心戰場。入門篇告訴我們教育同時承擔「流動」與「再製」的雙重任務，也介紹了文化資本如何讓學校偏愛某一種孩子。但這些論述背後，藏著一個更尖銳、更難回答的方法論問題：我們怎麼知道學校真的「做了」什麼，而不只是把本來就不一樣的人「分類」出來？ 這篇進階文章不重述功能論與衝突論的對立，而是直接潛入兩個更深的層次：第一，教育的回報究竟來自「人力資本」還是「訊號」？第二，當我們宣稱「教育促進流動」時，這個因果宣稱在統計上站得住腳嗎？

人力資本 vs. 訊號理論：文憑的價值從何而來？

要理解教育的回報，當代有兩套針鋒相對的解釋，它們共享同一組資料，卻給出截然不同的世界觀。

人力資本理論（human capital theory） 由經濟學家貝克（Gary Becker）系統化。它的主張很直觀：教育是一種投資，學校透過課程實實在在地提升了個人的知識與技能（也就是「生產力」），於是雇主願意付更高的薪水。在這個視角下，文憑與薪資的正相關是「貨真價實」的——多唸書 = 真的更會做事 = 領更多錢。這套理論支撐了戰後各國大規模擴張高等教育的政策邏輯：投資教育就是投資國家競爭力。

訊號理論（signaling theory） 由經濟學家史賓賽（Michael Spence，2001 年諾貝爾獎）提出，社會學版本則接近柯林斯（Randall Collins）的文憑主義（credentialism）。它的主張顛覆得多：學校不一定教了多少有用的東西，文憑真正的功能是當一個訊號（signal），向雇主證明「這個人有能力、有毅力、夠服從、能熬過四年的篩選」。雇主無法在面試短短一小時裡看穿一個人的能力，於是退而求其次——用文憑當作「能力的代理指標」。在這個視角下，A 比 B 多賺的錢，買到的不是「多學的知識」，而是「我撐到了終點」這張通行證。

兩者的差異絕非學術空談，它直接決定我們如何看待教育擴張：

• 若人力資本理論為真，讓更多人受教育就會提升整體生產力，是純粹的社會福利。
• 若訊號理論為真，教育擴張可能淪為一場文憑通貨膨脹（credential inflation）的軍備競賽——當人人都有大學文憑，文憑就不再是有效訊號，門檻被推高到碩士、博士，每個人被迫唸更多書，卻只是為了維持相對位置，整體社會付出大量時間成本卻沒有對應的生產力增益。柯林斯尖銳地指出，許多職業要求的學歷，遠超過實際工作所需的技能——這正是文憑主義的證據。

看一個例子

如何用真實資料分辨這兩套理論？社會學與經濟學設計了幾個巧妙的「自然實驗」。

最著名的是「綿羊皮效應（sheepskin effect）」——sheepskin 指的是過去文憑寫在羊皮紙上。研究者觀察：薪資隨「受教年數」是平滑增加，還是在「拿到文憑的那一年」出現一個跳躍？人力資本理論預測平滑增加（因為知識是逐年累積的），訊號理論則預測在畢業年出現不連續的跳升（因為訊號是「有沒有那張紙」的二元差異）。實證上，多數研究確實觀察到顯著的文憑跳升——讀完大四拿到文憑者，比只差一學期沒畢業者的薪資高出一截，遠超過「多上一學期課」能解釋的幅度。這支持了訊號理論至少部分為真：文憑的價值，有一塊來自「那張紙本身」。

但這不代表人力資本理論全錯。今天主流的共識是兩者並存：某些科系（如醫學、工程）的訓練確實大幅提升真實技能（人力資本強），某些學程的文憑則主要在發揮篩選與訊號功能（訊號強）。對台灣脈絡的啟示尤其深刻——當大學錄取率接近百分之百、研究所大幅擴張，我們看到的「學歷貶值」與「碩士滿街跑卻找不到對應工作」，正是文憑通貨膨脹的典型徵候。理解這一層，才能跳脫「多唸書一定好」的素樸信念，去問更精準的問題：這個學程到底是在累積能力，還是只在發放訊號？

因果推論的噩夢：能力偏誤與選擇偏誤

現在回到那個更根本的方法論問題。教育社會學最常被引用的宣稱是「教育促進向上流動」，但這句話要成立，必須證明的是因果關係：是「教育」這件事本身，造成了後來的高所得與高地位。然而這恰恰是社會科學中最難證明的一類宣稱。

問題出在選擇偏誤（selection bias） 與能力偏誤（ability bias）。簡單說：會唸到高學歷的人，往往「本來就」在很多面向不一樣——他們可能更聰明、更有毅力、家庭更支持、人脈更廣。於是當我們看到「高學歷者收入高」，我們無法直接斷定是「教育」帶來的回報，因為這些人即使沒受那麼多教育，可能本來就會比較成功。教育與後來的成就之間，混雜了大量「沒被觀察到的」共同原因。這就是入門篇提到的「歸因偏誤」在統計上的精確版本。

用一個比喻：我們想知道「進健身房有沒有讓人變強壯」，但會進健身房的人本來就比較注重健康、體質較好。直接比較「健身房會員」與「非會員」的肌肉量，會嚴重高估健身房的效果——因為兩群人在加入前就不一樣了。教育研究面對的，正是這個結構一模一樣的難題。

動手試試

假設你拿到一份台灣的調查資料，想估計「多唸一年書，未來月薪平均提高多少」。你跑了一個簡單迴歸，得到「每多唸一年書，月薪提高 8%」。在你把這個數字寫進報告之前，請先用社會學的批判眼光自問三個問題：

1. 這 8% 裡，有多少其實是「能力」而非「教育」造成的？ 那些唸更久的人，可能本來能力就更強。若不設法分離，這個係數會高估教育的真實效果。

2. 你的樣本是誰？有沒有倖存者偏誤？ 如入門篇所提醒——如果調查只訪問到「有穩定工作的人」，那些因低學歷而長期失業、根本沒進入樣本的人就被排除了，估計同樣會失真。

3. 「家庭背景」這個共同原因控制了嗎？ 高社經家庭同時提供「更多教育」與「更多人脈、文化資本」。若沒控制家庭背景，教育的係數會把家庭的功勞也算進去。

研究者用幾種策略對付這些偏誤：用雙胞胎研究（比較基因與家庭幾乎相同、但受教年數不同的同卵雙胞胎，藉此「控制掉」能力與家庭）；用工具變數（instrumental variable）（例如利用「義務教育年限改革」「離學校遠近」這種與能力無關、卻會影響受教年數的外生衝擊，當作逼近隨機分派的槓桿）；用斷點迴歸（regression discontinuity）（利用入學分數切線附近、僅一分之差卻命運分流的學生做近似實驗）。這些方法的共同精神是：想辦法製造「除了教育不同、其他都相同」的比較組。當研究者用這些更嚴謹的設計時，教育的回報通常仍然顯著存在，但比素樸迴歸估計的要小一些——這告訴我們：教育確實有真實效果（不是純訊號、純選擇），但素樸的相關係數確實高估了它。能在「教育真的有用」與「相關不等於因果」之間保持張力，正是進階分析的功力所在。

學校作為「分類機器」：追蹤分流的隱形手

入門篇提到學校執行「篩選分流」的功能，但分流到底怎麼運作、在哪個環節決定了一個人的命運？這是進階研究最具洞察力的部分。社會學家把學校稱為「分類機器（sorting machine）」，而它最關鍵的零件，是能力分組與追蹤分流（tracking / ability grouping）。

追蹤分流指的是學校依「程度」把學生分到不同的班級、組別或學程（如普通科 vs. 技職、A 段班 vs. B 段班、數理資優班 vs. 一般班）。表面理由很合理：讓程度相近的學生一起學，因材施教、效率更高。但社會學的長期追蹤研究揭露了幾個令人不安的機制：

• 早期分流的「鎖定效應」：許多分流決定發生在很早的階段，而一旦被分到「低段」，學生往往很難再翻轉——低段班的課程較淺、期望較低、資源較少，形成一條向下的軌道。分流不是一次性的評估，而是一個累積優勢／劣勢的起點。

• 「自我實現預言（self-fulfilling prophecy）」：教育社會學經典的羅森塔爾（Rosenthal）「畢馬龍效應（Pygmalion effect）」實驗顯示，當老師「相信」某些學生資質較高（即使這個標籤是隨機貼的），這些學生後來的表現真的變好了——因為老師給了他們更多關注、更高期望、更有挑戰性的內容。標籤本身改變了現實。這是入門篇「正當化」功能背後的微觀機制：分組看似客觀，卻會透過期望反過來塑造能力。

• 分流與階級的耦合：最關鍵的是，誰被分到哪一段，並非純粹由「能力」決定。研究反覆發現，在能力（測驗分數）相當的情況下，高社經家庭的孩子更容易被分到高段班、被鼓勵走學術路線——因為家長更懂得介入、更敢於向學校爭取、更熟悉分流制度的遊戲規則。於是文化資本與社會資本，在「分流」這個看似技術性的環節，悄悄轉換成了軌道差異。分類機器表面在量能力，實際上也在量家庭背景。

把這三點合起來看，追蹤分流就是再製理論在制度層面的「作案現場」：它讓不平等以「因材施教」「尊重個別差異」的進步語言被合理化，卻在每一個分流節點累積著與階級高度相關的軌道差異。理解這個機制，你就能看穿許多教育政策的兩難——例如「能力分班 vs. 常態編班」的爭論，從來不只是教學效率問題，而是一個關於「機會如何被分配」的深層政治。

重點回顧

• 文憑的價值有兩種對立解釋：人力資本理論（教育真的提升生產力）與訊號理論（文憑主要是篩選與證明的訊號）。 「綿羊皮效應」等證據顯示兩者並存，也解釋了文憑通貨膨脹與學歷貶值現象。
• 「教育促進流動」是一個因果宣稱，必須對付能力偏誤與選擇偏誤。 高學歷者本來就在許多面向不同，素樸相關會高估教育的真實效果。
• 嚴謹研究用雙胞胎、工具變數、斷點迴歸等設計逼近隨機分派。 結論通常是：教育確有真實回報，但比素樸估計的小——「真的有用」與「相關不等於因果」要同時成立。
• 學校是一台「分類機器」，追蹤分流是它的核心零件。 早期分流會鎖定軌道、畢馬龍效應讓標籤自我實現，而「誰被分到哪一段」與家庭背景高度耦合。
• 進階分析的功力，在於拒絕兩種極端：既不天真相信「多唸書一定有用」，也不虛無地說「文憑全是騙局」。 用嚴謹的因果設計，在效果的真實性與大小之間給出精確的判斷。

深入探討（研究所視角）

對有意深入的學習者，教育社會學進階研究的前沿，幾乎都落在「因果機制」與「異質性效果」這兩條軸線上。

一、因果推論革命與其限制。 過去二十年，準實驗設計（quasi-experimental design）與因果推論（causal inference）方法徹底改寫了量化教育社會學。除了雙胞胎、工具變數、斷點迴歸，還有差異中之差異（difference-in-differences） 用於評估政策變革。但研究所階段更該掌握的是它們的限制：工具變數估計的是「局部處理效應（Local Average Treatment Effect, LATE）」——只反映那些「因該工具而改變受教決定」的特定群體（compliers），未必能推廣到全體。一個漂亮的因果係數，背後的「對誰而言」的問題往往比係數本身更重要。這是把方法論讀通與讀死的分水嶺。

二、異質性處理效應與「教育對誰最有用」。 平均效果會掩蓋一個關鍵問題：教育的回報對不同群體是否相同？Brand 與 Xie 提出「負選擇假說（negative selection hypothesis）」：那些「最不可能唸大學」的弱勢學生，一旦真的唸了大學，反而獲得最高的相對回報——因為對優勢者而言大學只是錦上添花，對弱勢者卻是真正的躍升槓桿。這個發現對政策意涵極大：教育補助若能精準投向「邊際上的弱勢學生」，社會報酬最高。如何估計這種異質性，是當代量化社會學的熱點。

三、生命歷程與累積優勢。 把鏡頭從「某一次分流」拉長到整個生命歷程（life course），Robert Merton 與 DiPrete & Eirich 的「累積優勢／馬太效應（cumulative advantage / Matthew effect）」框架指出：早期微小的優勢（被分到好段、遇到好老師、拿到第一張漂亮文憑）會在後續節點不斷複利放大。教育不平等因此不是「一次決定」，而是一連串環環相扣的分岔。研究方法上需要序列分析（sequence analysis） 與事件史分析（event history analysis） 來捕捉這種時序動態。

四、結合 Uedu 視角的開放問題。 把上述方法論帶進數位教育，幾個前沿問題浮現：當學習可被多模態資料（認知對話軌跡、語言複雜度、生理訊號、學習環境）細緻記錄，我們是否第一次有機會在個體層次估計「某個教學介入對這位學生的因果效果」，而不只停留在群體平均？但同樣的資料也帶來風險——若演算法依歷史資料預測「誰會成功」並據此分配資源，是否會把累積劣勢編碼進系統，形成新的、更難察覺的演算法分流（algorithmic tracking）？這正是教育社會學的因果關懷與教育數據科學的交會點：技術讓「看見並補償弱勢」成為可能，但也讓「自動化的標籤與篩選」成為威脅。

核心提醒： 進階教育社會學的方法論成熟度，體現在能同時持有兩個看似矛盾的判斷——承認因果推論的進步讓我們對「教育有用」有了前所未有的證據，也清醒於每一個漂亮的因果估計都附帶嚴格的適用邊界（對誰、在什麼條件下、透過什麼機制）。好的研究者既不被相關係數蒙蔽，也不被方法論的精緻自我催眠；他們始終記得，所有的估計最終都要回答一個社會學的問題：這套制度，是在擴大還是縮小人們起跑線的差距？