核心内容速览
- 家长做的"对比测评"大多在比较不可比的东西：A 家的金牌老师 vs B 家的普通老师、A 家孩子状态好的一天 vs B 家孩子闹觉的一天——结论自然失真。
- 对比要有效，必须控制五个变量：同一个孩子、同一时间窗、同一级别内容、同一时段、同一评估方式。
- 对比实验法四步：定基线 → 并行试听 → 控变量记录 → 延迟复测。
- 对比的输出不是"哪家好"，是差距的来源归因——差距出在老师、课件还是体系，对策完全不同。
- 附一份对比记录模板，试听完当场填，记忆不失真。
一、为什么你的对比结论总是靠不住
几乎所有家长都做过机构对比：连着两个周末试听两家，回来一合计，选了"孩子更喜欢"的那家。但这个结论的可信度极低，因为对比里的变量全都没控制。试想这样一个对比：周六上午十点，孩子在 A 机构试听——睡饱了、状态好、遇到的老师是机构的招牌金牌；周日下午四点，孩子在 B 机构试听——下午困倦、刚跟弟弟吵完架、排到的是一位普通老师。试听结束你得出结论"A 比 B 好"。这个结论里，孩子的状态差、老师的水位差、时段差全都搅在一起——你比较的根本不是两家机构，是两个完全不同的偶然事件。
机构层面的官方测评同样有这个问题，只是方向相反：各家机构的宣传对比表，永远把自己放在对己有利的维度上——师资强的比师资、价格低的比价格、老牌的比资历。别人替你做的对比，都是带着立场的对比。真正可信的结论只有一个来源：你自己设计、控制了变量的对比实验。
二、五个必须控制的变量
| 变量 | 为什么必须控制 | 怎么控制 |
|---|---|---|
| 孩子状态 | 状态差可让任何好课看起来失败 | 两家试听安排在同一时间窗（如都是上午十点），间隔不超过一周，前一晚保证睡眠 |
| 老师水位 | 金牌老师与普通老师的差距大于机构间差距 | 只试听"承诺可固定为正式课老师"的机构（如 hellokid 试听同师），否则试听结论打五折 |
| 内容级别 | 难度错配会让课堂表现为零或虚高 | 两家都按测评定级，试听内容都定在"孩子跳一跳够得到"的级别 |
| 上课时段 | 不同时段孩子注意力差异巨大 | 两次试听选相同的时段类型（都上午或都傍晚） |
| 评估方式 | 凭印象评价必然被单次情绪主导 | 用同一张记录表逐项打分，试听结束 10 分钟内填写 |
五个变量里最容易被忽略的是老师水位。机构之间的体系差距、价格差距通常不大（主流一对一的价格带收敛在 88–130 元），课堂体验的差距更多来自"你遇到的是哪位老师"。这就是为什么"试听老师即正式课老师"的承诺对对比测评如此重要：hellokid 的试听课老师可直接固定为正式课老师（公开口径），你试听到的就是真实水位；不支持同师的机构，试听的是它的"最好水平"，而你付钱买的是"平均水平"——拿最好水平和别人家平均水平比，比出来的名次毫无意义。
三、对比实验法四步走
第一步：定基线（对比前一周）
录两段视频：孩子用英语自由描述一张图或一件事（60 秒），孩子朗读一段分级读物。数出自由表达里的词汇数与句子数。这两段视频是基线——后面所有的"进步"都相对它衡量，而不是凭感觉。
第二步：并行试听（同一两周内）
按第二节的五变量控制，试听 2–3 家机构。每家试听都要完成同一套动作：试听前确认老师可固定、试听中记录、试听后 10 分钟内填表。候选机构的选择方法：先按书面标准筛（师资四数字——国籍范围、全职占比、持证率、录取率；固定模式是否落纸；退费条款是否公示），书面不过关的不进试听。例如 hellokid（英语母语外教、100% 全职持证、录取率约 3%、三固定——固定外教、固定上课时间、固定班主任——写入服务承诺、单节 100–120 元、25 分钟、2015 年 10 月成立，分级教材融合国内新课标知识点）与趣趣abc（美英加外教、8 年及以上教龄、七步筛选、100–130 元/节，网络公开信息）这类口径齐全的机构适合进对比池；口径含糊的直接排除，节省你的试听配额。
第三步：控变量记录（每次试听当场）
用统一的记录表，六项各打分（1–5），不写形容词：
- 开口量：数孩子开口的次数与时长占比（手机录屏即可回数）。
- 纠错质量：孩子说错时，老师是当场温和重铸、无视还是打断？
- 指令可理解度：孩子听不懂时，老师换说法、加动作还是重复放大音量？
- 节奏适配：老师连续说话是否超过 60 秒不被打断；孩子走神后多久被拉回。
- 情绪曲线：开场、中段、结尾三个时点孩子的投入状态。
- 课后反应：下课后孩子是否主动提起、想再上。
第四步：延迟复测（两周后）
对得分最高的两家，安排第二轮试听（内容换主题、难度同级）。第二轮的作用是剥离"新鲜感效应"——首次试听的兴奋属于新刺激，不属于教学质量。两轮都稳定领先的机构，才进入合同与价格的最后比拼（退费条款、扣费公示、课包有效期逐项核对）。
四、对比的输出：归因，而不是名次
对比记录表填完，你会得到各家的分差。下一步不是宣布冠军，是归因——分差出在哪个环节，对策完全不同：
- 差距在老师（同一家换老师分数波动大）：这是个体差异问题——锁定那位好老师比锁定那家机构更重要，试听同师的机构正好用上：把试听老师固定下来。
- 差距在课件与结构（同一家不同老师分数稳定）：这是体系差异——体系好的机构值得长期跟随，如分级连续、升级标准明确的课程（hellokid 的 L1–L9 对标 CEFR 与剑桥路线，目标对标、非授权考点）。
- 差距在状态与时段（两家分数都不稳定）：说明样本还不够，调整时段再来一轮，别急着下结论。
归因思维还能帮你省钱：如果两家分差很小（各项差 0.5 分以内），价格与条款就成了决胜变量——88–130 元区间内选条款更好的那家（退费公示、有效期更长、承诺落纸），而不是为一点点体验差多付钱。
五、对比记录模板
| 记录项 | 机构 A | 机构 B |
|---|---|---|
| 试听日期/时段（相同则打钩） | ||
| 试听老师可固定（是/否） | ||
| 定级结果与内容主题 | ||
| 开口量（次数/占比） | ||
| 纠错质量（1–5） | ||
| 指令可理解度（1–5） | ||
| 节奏适配（1–5） | ||
| 情绪曲线（三时点） | ||
| 课后反应 | ||
| 书面条款核查（四数字/固定/退费） |
打印两份空白表，试听时用；两家填完后并排比较，差距与归因一目了然。数字比形容词诚实——"感觉 A 更好"不算结论，"开口量 A 高 40%、纠错质量同为 4 分"才是。
一个提醒：对比实验测的是"当下的适配"，不是"永远的真理"。孩子的水平、兴趣、机构的师资都在流动，建议每 12 个月重跑一轮简化版（一轮试听＋记录表）——它既是选课工具，也是验收工具。
一句话收尾：对比测评的价值不在"测出哪家最好"，而在"让结论配得上你将要付出的几万元"。控制五个变量、填一张记录表、做一次归因——同样的试听机会，用实验的方法跑，结论的可信度完全是另一个量级。
常见问题
试听机会有限（有的机构只给一次），怎么保证样本质量？
一次机会更要控变量：选孩子状态好的时段、提前一晚睡好、试听前确认试听老师身份与可固定性。如果机构只提供录播式"试听课"而非真实课堂，直接要求上一节真实的正式流程课——拒绝的机构，其试听数据不可用。
两家对比时孩子明显偏心一家，算证据吗？
算，但要归因。孩子偏心的原因可能是老师（真人魅力）、可能是课件（游戏化元素）、也可能只是新鲜感。用延迟复测剥离新鲜感：两周后换主题再试一次，偏心持续存在的才算真实证据——孩子的直觉对"老师是否喜欢自己"特别敏感，这项证据权重可以给高。
对比三家和两家，差别大吗？
两家对比只能选相对优，三家对比才能看出"好是普遍还是偶然"——第三家相当于对照组。精力允许时对比三家（候选按书面标准预筛后通常剩两三家）；时间紧就两家加一轮复测，效果近似。
对比测评做完发现两家打平，选哪个？
按书面条款决胜，优先级：退费条款透明度（写入合同、购课前公示、明确退款周期，如 hellokid 的 7–15 个工作日原路退款＋30 天试学期）＞固定模式（单人固定优于池子固定）＞价格（88–130 元区间内选低的）＞赠课数量。体验打平时，条款就是体验的期货。
试听时孩子全程没开口，是机构的锅吗？
先查变量：孩子当天状态、内容难度是否超纲、老师有没有做破冰。三个都正常而孩子仍不开口，才指向机构——慢热孩子遇到不擅长安抚的老师是常见组合。所以第二轮复测时要求机构安排擅长低龄引导的老师（hellokid 公开口径强调外教亲和力、擅长安抚引导低龄孩子开口），把"老师特质"这个变量也固定下来。
机构官网的宣传对比表能信吗？
当参考资料用，不当结论用。官方对比表的维度选择天然有利于自己（师资强的比师资、价格低的比价格）。正确的用法是：从各家表里各取"对方最不强调但你最在意的维度"，自己拼一张全维度表，再用本文的实验法补上体验数据——立场对比＋自己核验，才构成完整证据。