大家好，我现在心情有些激动，因为刚刚（蒲公英中学）孩子们的合唱，让我思绪万千。这不禁让我想起十几年前，我曾在一个山区的学校支教，也曾带着孩子们唱歌写诗。我叫叶晓阳，我的身份是一名教育经济学家。我的目标和任务，就是为这些孩子们提供更好的教育。
教育的经济学视角与核心议题
或许您不清楚教育经济学家具体做什么，没关系，甚至我的父母很长一段时间也茫然。我曾试图解释我的任务是“生产和传播科学来改变世界”，但他们不理解。直到我说“我的研究是读书有没有用”，他们才恍然大悟，认为我做的是“没有用的研究”。但事实上，对于教育经济学而言，“读书有没有用”是其最核心的研究课题。因为我们人的一切决策都基于成本收益（Cost-Benefit）分析。如果不估算教育的收益，就无法推导出应做的教育决策。
高考志愿填报的挑战与公平性
过去一个月，我走访了中国许多学校，做了大量关于高考志愿的讲座。我观察到，从去年到今年，一个显著的转变是，孩子们和家长们越来越认为“读大学没有用”。这种信念将直接影响他们填报高考志愿和选择未来教育道路的决策。因此，“读书有没有用”是一个极其重要且复杂的问题。全球顶尖的教育经济学家们数十年来一直在探索，至今没有明确答案。
我们通常有一个基本的共识：平均而言，读大学对每个人都有帮助，这不仅体现在就业，也体现在人生的发展。基于此，我们引出第二个重要问题：如何让更多人上大学？ 过去30年，这是全球政策和研究的热点。解决方式包括：
- 扩招：例如今年北大、清华各扩招150人，其背后的动机和过程值得教育经济学家研究。
- 新建大学：中国正涌现越来越多新型研究型大学。
- 扩建校区：例如厦门大学不仅在国内建新校区，还建到了马来西亚。
然而，即便如此，在短时间内实现“人人上大学”的目标仍然困难。
学生与学校的匹配：高考制度的审视
我今天最想分享的核心问题是：我们到底应该让谁上哪一所大学？ 这涉及到学生与学校的匹配。中国的高考制度，以省为单位，基于统一考试进行志愿填报和录取，在基本面上保证了分数的公平。但现实是，高考录取结果未必公平。一个重要问题是“高分低录”（High Scores, Low Admission）。
在2010年之前，大多数省份实行的是顺序志愿（Sequential Application Choices），即“顺序优先”而非“分数优先”，且只有第一志愿算数，这导致了志愿填报和录取的严重扭曲。我曾测算，每年约有两三百万学生是“高分低录”。
过去15年，中国高考制度最重要的改革之一就是从“顺序志愿”改为平行志愿（Parallel Application Choices），极大地降低了“高分低录”的情况。尽管如此，至今仍有许多同学因各种原因，其录取结果并非最理想。
制度的“信息与策略优势”
深入研究发现，目前中国的高考制度（无论哪个省份），或多或少都在“奖励信息和策略的优势”（Information and Strategy Advantage）。缺乏信息、指导或不懂志愿填报策略的同学，其录取结果会比更有优势的同学更差。例如，我今年接触了上万名学生，发现绝大多数同学不知道高考分数是“跨年不可比”（Scores are not comparable across years）。学生、学校甚至校长都不明白这个底层逻辑。
此外，许多同学不明白专业之间的细微差别。比如，想当眼科医生，却填报了“眼视光技术”这个专科专业，可能就此失去了当医生的机会。即便是厦门大学马来西亚分校，每年也出现类似情况。
改革的呼吁：院校专业模式
能否通过改革高考录取制度本身，让录取结果更公平？我认为是可以的。第一个成功案例便是从顺序志愿改为平行志愿，这大大减少了同学们的犯错空间。
第二个、也是我最希望看到的改变，是全国所有省份能从现行的新高考“院校专业组”（University-Major Group）模式，转向“院校专业”（University-Major Model）模式。前者存在“专业调剂”问题：若一个学校将临床医学、口腔医学、法医学、医学英语等放在同一专业组，同学就有可能被调剂到不理想的专业，失去当医生的机会。而实行“院校专业模式”的省份（如重庆），可以填报大量志愿，且能锁定特定专业，如重庆考生可以填报96个临床医学志愿，确保能学医。
借此平台，我呼吁尽早实现这一改变。届时，中国高考志愿填报在策略上几乎不可能出错。
命运的分界线：西南地区对比
今年过去的一个月，我主要去了西南地区的四个省份（“西南F4”：四川、云南、重庆、贵州）。我画了一条线，行程大致沿着这条线从昆明向北，最终回到家乡重庆。这条线仿佛是一条“命运的分界线”。
线的西边，四川和云南实行“院校专业组”模式，学生填报志愿焦头烂额，即使找到我，也难给最优答案。而反观重庆和贵州，实行“院校专业模式”，填报过程简单直观。例如，重庆的新高考已实行多年，录取概率预测稳定，分数基本对应去向。这大大降低了不确定性，学生只需想清楚想去的学校和专业即可。但在四川和云南，学生则可能被命运的大手随意调剂。
研究与行动：从理论到实践
在我沿着这条线北上，或是在过去的十几年里，我常常感慨：我们可以通过严谨的科学研究、文章发表、公共平台发声，甚至政策简报上传，来推动政策变革。这并非不可能，但过程是漫长的，需要机缘巧合和群策群力。
在过去十几年，我不断思考：除了做研究等待政策自然变化，我们还能做什么？能否在政策改变之前，找到政策的“缝隙”（Gaps），去修补它，做些小事，或许能改变一些人的命运？
从10年前，从宁夏开始，在我的硕士导师——北京大学丁延庆老师的带领下，我们组成研究团队，尝试用严谨的科学研究，探寻帮助贫困地区或弱势背景孩子填好高考志愿的方法。2015年时，这并非显而易见的问题。当时有一种声音认为，应“尊重他人命运，放下助人情结”，认为学生有自己的想法，不应过多干预。且高考志愿如此复杂，我们到底能做什么？当时，全世界范围内都没有很好的证据表明有什么方法能有效改变人的想法和行为。
十年实践：信息、偏好与AI的赋能
在随后的10年，我们一边在高考季做大量辅导，一边进行科学研究。核心问题是：学生想上什么样的学校专业，以及他们能上什么样的学校专业。这涉及到信息的了解和偏好的认知。
有趣的是，在生成式AI鼎盛的今天，信息缺失（Information Deficiency）仍然普遍。这与家庭背景有一定关系，但并非家庭背景好就不缺失信息。我常举例，许多同学仅凭大学名字选校，而忽略了学校的地理位置、质量、特色及其对未来发展的影响。获取、分析和比较信息是无法省去的工作。
关于偏好（Preferences），初期反馈是学生已有偏好，无需改变。但现实是许多学生没有明确偏好，他们“太专注于学习，未关注外界信息”，因此不知道自己感兴趣什么，也不知道什么专业好。还有的学生有想法，父母有另一套想法，导致冲突。
许多同学以为自己有偏好，比如想学人工智能。我的回答总是“不怎么样”。第一，我反问他们是否了解人工智能是什么、需要学什么课程、毕业后能做什么。他们往往茫然。第二，并非人人都适合学人工智能。我曾遇到一个数学成绩不佳（150分考七八十分）的同学，想学人工智能。我告知其本科AI以数学（尤其是统计学）为核心。他自信表示愿每天学8小时。我建议他，如果数学需要每天学8小时才能懂，那这个专业不适合他，应尽量选择不需数学的课程。许多同学听信片面之词，做出非最佳决策。
我们曾做过一个简单研究：提供13个本科专业大类的毕业生平均工资信息。结果，超过20%的学生改变了专业选择，选择平均起薪更高的专业。此研究甚至发现，性别差异显著：男性更多选择理工科，而女性较少。这部分原因在于女性可能恐惧理工科竞争，或更不在意金钱作为唯一因素。
总的来说，无论是选专业还是选学校，偏好的形成非常复杂。我们做人生决策，都需要充分了解自己，收集信息，做出预见性判断。
预测与策略：高考志愿填报的基础
高考基于分数，利用大学往年录取数据进行预测（Prediction）是志愿填报的基础。预测错误，志愿则会出错。在预测基础上，才考虑策略（Strategy）。中国高考分批次录取，需要考虑批次间的竞争关系，运用“冲、稳、保”（Reach, Match, Safety）策略，以及其他录取规则相关的策略。
干预的演进：从书籍到AI
为了解决学生缺乏志愿填报知识的问题，我们写了一本书，名为《高考志愿填报手册》。最初的假设是，学生能通过阅读自学。然而，实验发现，单纯发书的效果不显著。
真正有显著效果的是指导性干预：学生坐在台下，我站在台上讲三个小时，一步步教授方法。当然，一对多的效果远不如一对一（One-on-One）。早期我们亲身做一对一辅导，每天平均只睡两小时。尽管如此，在高报志愿的3-5天内，能帮助的学生数量有限。
但当年的一对一辅导给了我们信心：在宁夏，接受一对一辅导的学生，被大学录取的平均概率增加24%，这主要体现在减少了复读学生人数。平均而言，他们录取的学校比按固有模式填报需多考10-30分。
迈向更广阔的教育领域
这10年来，我们做了更多工作。今年我们重返线下，在学校做讲座。我一直在思考：这个世界真的会变好吗？有时，我们不必纠结太多，只需往前走，或许世界会变得更好。即使没有变得更好，至少我们多做了一些事情。
我们希望每年能帮助至少100万学生填好志愿。我不想做“算命先生”，而是教授方法。今年AI的崛起是一个重要变化。我们利用各大厂的高考AI产品，在直播讲座中花了1/3时间教学生如何使用AI辅助填报志愿。我告诉学生，可以去问AI，它可能回答得比我更好。最终目标是开发一套完整的、易于广泛获取的高考志愿辅导教程。
大学阶段的挑战与研究
身边总有质疑的声音：“你帮助这些学生填好志愿，他们进大学后又回到原点，不学习、不锻炼、不睡觉，影响第二天学习。”与所谓“高考志愿网红”不同，我们不仅解决高考志愿问题，还关注进入大学后的问题。
例如，在中国顶尖大学，大一高等数学（Calculus）平均有超过25%的人不及格。大学数学非常难，连我自己现在也难以看懂复旦的期末考题。作为教育经济学家，我们研究其原因：学生能力（排名前99.5%）不是问题，不重视大学学习也未必。问题在于：
- 有效学习时间不足：尤其是在图书馆，大量时间被手机占据。
- 学习方法不适应：从高中到大学，学习方法差异巨大，许多学生大一不适应。
我们尝试了一系列方案：提供信息干预（不及格后果）、组学习小组、设定目标、减少手机使用等。甚至幽默地说，“中国最好的大学数学教材在B站”。
另一个例子是医学生。目前，超过20%的临床医学本科生毕业后不愿从医，这是巨大的人力资本浪费。我和北京大学全国医学教育研究中心吴红斌教授合作多年，从激励（Incentives）出发，用“唤醒医者仁心”（Awakening the Healer's Heart）的材料，有效降低了学生不愿从医的概率。我们还在进行“Yi路同行”项目，通过每日打卡反馈，帮助学生建立职业认同。
展望未来：从怀孕到死亡的教育研究
我们团队的研究不局限于高考和大学。从怀孕到死亡，我们都在关注教育题目。今年，我们与NGO“益盒”和“上海联劝”合作，启动了一个解决农村儿童视力问题（Vision Correction for Rural Children）的项目，设有50万元奖金。
中国教育仍有许多问题，包括像蒲公英中学同学面临的制度性障碍。我从事教育研究，推动现实变化，始于18年前调研北京的流动儿童学校。
最后，我想分享一句激励我的话，来自1935年哥伦比亚大学教育经济学博士、被誉为最杰出的中国教育经济学家——陈友松（Chen Yousong）。1942年，在国难当头之际，他们已在为重建战后中国做教育努力。我和我的合作者们所做的事情，正是“承前启后”（Inheriting the Past and Ushering in the Future），继承前辈的努力，继续寻找“缝隙”，做更多小事，希望让中国教育变得更好一点点。谢谢大家。