美国学生数学越学越差，政策制定者不懂数学，公众还默认这套

一些领导者把我们的数学危机归结为两个字：考试分数。几十年来，人们对进步的期待一次次落空，分数不是停滞不前，就是持续下滑。随之而来的，是对美国全球竞争力衰退的全面恐慌，是要求增加操练、练习单和双倍辅导的急切呼声。

总之，不惜一切代价，也要把分数提上去。

但真正的危机不在这里。我们教错了数学，也用错了方式来考数学。我们把数千小时投入到高风险考试中那些早已过时的机械数学上——学生成年后几乎永远用不上——却完全忽视了真正塑造我们生活的数学。这套失败的议程出自对数学缺乏理解的政策制定者，而同样对数学缺乏理解的公众也默认了这一切。

“数学”这个词，可能会一下子把你拉回高中时代。代数、几何、三角，天赋出众的人再学微积分。各种艰深零碎的内容扑面而来：多项式因式分解、边角边、无理数、链式法则。练习单训练的是我们用手快速而准确地完成少量步骤的程序性能力。

后来，计算机出现了。从20世纪60年代少数几台大型主机，到今天无处不在、堪比超级计算机的智能手机，我们生活在一个到处都是数据的世界。算法、优化、统计、概率和人工智能，让数学包围着我们，也定义着我们。

这些变化本应促使学校彻底重构数学教育的内容。但我们的选择恰恰相反：越是与现实脱节的机械数学，越被赋予更高的利害关系。我们把机械数学的分数变成衡量教育质量的决定性标准，而这套体系的作用，就是给学生排名、分流并施加惩罚。

但事情本不必如此。学校完全可以教授真正重要的数学，教授那些决定我们看什么、读什么、相信什么的数学。数学支撑着所有美国人在金融和医疗上的重大决策。数学既可能帮助公民社会繁荣，也可能因为我们对它的无知而把社会撕裂。正确的数学教育能够吸引学生、赋权学生、提升学生，也能让公众具备应对人生重大挑战所需的数学能力。

比如，设想你生病了，医学检测结果呈阳性。医生告诉你，这项准确率为90%的检测意味着你有90%的概率患病。但医生混淆了两个概率：一个是“在检测阳性的情况下，你患病的概率”，另一个是“在你确实患病的情况下，检测呈阳性的概率”。这两句话听起来很像，但这两个概率可能相差25倍到50倍。如果缺乏足够的判断，你就可能基于一次错误的数据推断，仓促做出关乎生死的决定。

再设想一下，你是一个刚成年的年轻人，开通了范杜尔账户，确信自己能战胜赔率。你用信用卡填补前期亏损，却无法预见复利带来的长期破坏性后果。为了填上财务窟窿，你又花钱购买了一个来路可疑的在线证书。结果，原本糟糕的财务状况进一步恶化。

除了这些微观经济层面的情境，数学还以更深刻的方式影响着整个社会。每个月，美国失业率都会占据新闻中心，并影响政策制定，关注点几乎都集中在“U－3”这一指标上，也就是失业总人数占平民劳动力的比例。问题在于，很少有人真正理解这个数字。

如果一个人在过去一个月里哪怕只工作过1个小时并获得报酬，官方就会把他归为“就业”；而只有在过去一个月里获得过一次工作面试的人，官方才会把他归为“失业”。那些已经放弃找工作的人，则被排除在外。但你很难看到有报道解释U－3到底是什么，更别说介绍更能揭示现实的TRU指标了。TRU将失业者、找不到全职工作的兼职者，以及年收入低于20000美元的人都计算在内，目前这一指标为23.6%。

如果连这些指标是如何定义的、又遗漏了什么都缺乏基本理解，美国人就无法准确判断经济现实，也无法有效追究政策制定者的责任。

每10年，美国都会花费数十亿美元统计人口。2020年美国人口普查给出的数字是331449281。精确到个位，看似严丝合缝，实际上纯属虚构。美国人口普查局自己的分析也承认，黑人和拉丁裔人口被少算的比例，是白人的数倍。

而这些存在缺陷的数据，决定着国会席位、选举人票以及每年超过2.8万亿美元联邦资金的分配。一个具备数学素养的公民社会，不会满足于这样的结果，而会要求更好的统计。

很多美国人还会把相关关系误当成因果关系。比如，一些研究向我们保证，数学成绩是日后人生成功的关键。但很少有人明白，所谓“成功”究竟如何定义；也很少有人知道，这些被引用的相关性其实相当弱，而且两者都受到一个共同底层因素的影响，那就是父母拥有的资源。当我们把相关关系误认为因果关系，教育政策就建立在海市蜃楼之上。

遗憾的是，我们整个教育体系正是建立在这种数据幻象之上。我们让中小学学生淹没在112场标准化选择题考试中，而机械数学恰好最适合这种考试。只要考试被明确设计成可以由计算机评分，成本就会被压到最低。而如果一台计算机能给某项任务打分，它也就能完成这项任务。

说得更直白一点，我们竟然用计算机可以瞬间且完美完成的狭窄技能，来定义教育中的成功。然后，我们又漫不经心地强行让这些考试分数服从钟形曲线分布，把孩子们推入你死我活的竞争之中。这种竞争消耗心理健康，也赶走了学习本应具有的乐趣和意义。我们把美国的孩子当作数据点来对待，而真正需要做的，是让他们掌握数据分析能力。

而这样的考试，并没有为孩子们未来成年后的生活做好准备。美国成年人中，只有37%具备处理日常金融或医疗决策所需的数学能力。大约93%的美国人表示自己经历过数学焦虑。至于这样一个问题——如果你的储蓄账户年利率是1%，而通货膨胀率是2%，一年后你的钱购买力是变多、变少还是不变——能答对的人还不到一半。

这一切并非不可避免。随着联邦教育部被拆解，各州迎来了把数学教育做对的机会。学校应当把重点放在数据素养和金融素养、统计推理，以及数学中那些强有力的思想上。

机械性的运算环节可以交给人工智能处理，让学生把精力放在掌握和运用真正重要的数学观念上，从而看见数学与现实的关联、数学的创造性，以及数学本身的乐趣。

如果我们能做到这一点，就能培养出具备数学能力的年轻成年人，让他们自己、他们所在的社区，以及我们的民主共同繁荣。