# Frame-Lift 教育：老師真正改變的可能不是答案，而是可問問題集合 ## Frame-Lift Education: The Teacher May Change Not the Answer, but the Space of Askable Questions **系列：** 教師—認知底空間系列（Teacher-Conditioned Bottom-Space Series, TCBS） **Paper：** 03 / 07 **作者：** Neo.K（核心命題與理論提出） **AI 協作整理：** Aletheia / GPT-5.6 Sol **機構：** EveMissLab／一言諾科技有限公司 **版本：** v0.1 **日期：** 2026-09-17 **文件性質：** 理論論文草稿／可證偽研究綱領 **Evidence status：** PROPOSED / THEORETICAL SYNTHESIS / NOT YET EMPIRICALLY VALIDATED **Canonical source：** UTF-8 Markdown --- ## 摘要 教育通常被理解為知識傳遞、技能訓練、問題解答與錯誤修正。然而，如果學習者的問題空間本身具有框架相對性，則教師最重要的作用可能不只是提高既有問題內的解題成功率，而是改變「什麼被視為問題」「哪些觀察量值得注意」「哪些操作被允許」「哪些目標可以成立」以及「哪些答案才算有意義」。 本文提出「**Frame-Lift 教育假說**」：高階教師可以透過結構性介入，使學生從原有問題框架 \(\Phi\) 遷移到新的問題框架 \(\Phi'\)，從而改變整個可問問題集合、可用操作集合、目標集合與成本／評價結構。本文將這種效應與四種較弱形式明確區分：知識傳遞、解題策略傳遞、表示轉換與搜尋算子傳遞。前四者皆可能發生在既有 frame 內，而 Frame Lift 則直接修改 frame 本身。 本文承接 TCBS Paper 01 的教師條件化選擇底空間、Paper 02 的早期導師路徑依賴，以及既有 Subject-Relative Problem Space 中對 frame-internal rewrite 與 frame lift 的區分。本文提出：一個老師可以在不教授更高年級內容、不直接提供答案、甚至不增加大量新知識的情況下，透過改變學生的觀察、分類、目標與評價方式，使學生進入一個不同的認知世界。 本文同時保留反命題：並非任何「換框架」都是提升；frame lift 可能是錯誤提升、過早提升、不可理解提升、無驗證提升或權威性框架替換。真正有價值的 Frame-Lift 教育必須同時保留可理解性、可驗證性、可回退性與學生的獨立搜索能力。 最後，本文提出一個可由 AI student 直接測試的實驗框架：固定任務、資料、student checkpoint 與 compute，分別比較 answer tutoring、strategy tutoring、representation tutoring、operator tutoring 與 frame-lift tutoring，並測量 teacher 移除後的問題生成、任務重定義、OOD generalization、表示轉換、反例生成與自主 frame change。若 Frame-Lift 組在未見任務中展現更高的問題重構能力，而不僅是更高答案準確率，則可為「教師改變問題世界」提供初步機制證據。 --- # 1. 問題提出：如果學生根本問錯了問題呢？ 傳統教學常假設： \[ Q \] 已經給定。 教師的任務是幫助學生找到： \[ A^\ast. \] 形式上： \[ Q \xrightarrow{T} A^\ast. \] 但很多高階認知活動不是這樣發生。 真正的突破可能首先來自： \[ Q \rightarrow Q'. \] 甚至： \[ \{Q_1,Q_2,\ldots,Q_n\} \rightarrow \mathcal Q'. \] 也就是： > 學生不是得到更好的答案，而是開始問不同的問題。 例如： - 「這題怎麼算？」變成「為什麼這個表示讓計算變難？」 - 「哪個答案正確？」變成「什麼條件下這兩個答案都成立？」 - 「如何提高效率？」變成「效率是不是唯一目標？」 - 「這個模型為什麼失敗？」變成「是不是我們把問題切錯了？」 因此，教育效果至少需要區分： \[ \text{Answer Improvement} \] 與： \[ \text{Problem-Space Transformation}. \] 本文研究後者。 --- # 2. Frame 的最小定義 為避免與既有選擇底空間中的連通度符號 \(\Gamma\) 混淆，本文統一使用： \[ \Phi \] 表示認知 frame。 定義問題空間： \[ \boxed{ \mathcal P_{\Phi} = ( P_{\Phi}, \mathcal A_{\Phi}, \mathcal G_{\Phi}, C_{\Phi}, O_{\Phi}, R_{\Phi} ) } \] 其中： - \(P_{\Phi}\)：可表述的問題／狀態空間； - \(\mathcal A_{\Phi}\)：允許的操作與推理算子； - \(\mathcal G_{\Phi}\)：可接受目標集合； - \(C_{\Phi}\)：成本與評價結構； - \(O_{\Phi}\)：可觀察量集合； - \(R_{\Phi}\)：可用關係與表示結構。 因此 frame 不是單純「觀點」。 它是一整套： \[ \boxed{ \text{What can be seen} + \text{What can be asked} + \text{What can be done} + \text{What counts as success} } \] 的結構。 --- # 3. 同一 Frame 內的改變 如果只是： \[ r_1 \xrightarrow{\Psi} r_2 \] 且： \[ \Phi \text{ fixed}, \] 則稱為： \[ \boxed{ \text{Frame-Internal Rewrite} } \] 例如： - 用圖形表示同一方程； - 將文字題改成表格； - 用不同公式推導同一目標； - 改用另一種求解演算法。 這些都可能很重要，但仍沒有改變： \[ \mathcal G_{\Phi} \] 或： \[ P_{\Phi}. \] 換句話說： > 問題世界沒有換，只是世界裡的路徑變了。 --- # 4. Frame Lift 的定義 若教師介入使： \[ \boxed{ \Phi \rightarrow \Phi' } \] 且至少一項下列結構發生實質改變： \[ P_{\Phi} \neq P_{\Phi'}, \] \[ \mathcal A_{\Phi} \neq \mathcal A_{\Phi'}, \] \[ \mathcal G_{\Phi} \neq \mathcal G_{\Phi'}, \] \[ C_{\Phi} \neq C_{\Phi'}, \] \[ O_{\Phi} \neq O_{\Phi'}, \] \[ R_{\Phi} \neq R_{\Phi'}, \] 則本文稱之為： \[ \boxed{ \text{Frame Lift} } \] 此時，student 不只是「多學一個技巧」。 他所處理的問題本體已經不同。 --- # 5. 五個層級：從答案傳遞到 Frame Lift 本文將教師介入分成五層。 ## Level 1 — Knowledge Transfer 教師提供： - 事實； - 定義； - 公式； - 正確答案。 形式上： \[ K_S\uparrow. \] 這是最基本層。 --- ## Level 2 — Strategy Transfer 教師傳遞： - 解題順序； - heuristic； - pattern； - 常見技巧。 形式上： \[ \mathcal A_S\uparrow. \] 但： \[ \Phi \] 仍可保持不變。 --- ## Level 3 — Representation Change 教師協助： \[ r_1 \rightarrow r_2. \] 例如： \[ \text{equation} \rightarrow \text{graph}. \] 此時 student 可能更容易解題，但問題與目標仍相同。 --- ## Level 4 — Search-Operator Transfer 教師傳遞高階搜尋算子： - 找反例； - 檢查邊界； - 變換表示； - 抽象化； - 局部化； - 分解； - 對偶； - 反事實； - 重算。 形式上： \[ \mathcal A_{\Phi} \rightarrow \mathcal A'_{\Phi}. \] 仍可以是 frame-internal expansion。 --- ## Level 5 — Frame Lift 教師讓 student 開始質疑： - 問題本身； - 目標本身； - 度量本身； - 分類本身； - 領域邊界本身。 此時： \[ \boxed{ \Phi\rightarrow\Phi' } \] 而非僅： \[ A\rightarrow A'. \] --- # 6. 「同樣教小學數學」也可能發生 Frame Lift Frame Lift 不需要提前教大學內容。 假設三位老師都只教： \[ 2+3=5. \] 普通教師可能問： > 2 加 3 等於多少？ 強教師可能問： > 你能用兩種方法得到 5 嗎？ 全域教師可能進一步問： > 如果我們不用數字符號，還能表示這個關係嗎？ 或者： > 哪些東西改變後，結果仍然保留？ 或者： > 「加」究竟代表哪一種操作？不同情境下是否相同？ 學生不必學群論、範疇論或抽象代數。 但已經開始接觸： - representation； - invariance； - operation； - abstraction； - context dependence。 所以： \[ \boxed{ \text{Advanced Structure} \neq \text{Advanced Vocabulary} } \] Frame-Lift 教育的核心可能恰好在此： > 用學習者能承受的語言，讓他接觸更高階的結構。 --- # 7. 教師作為 Frame Operator TCBS Paper 01 已將教師視為底空間算子。 本文進一步定義： \[ \boxed{ \mathcal T_{\Phi}: \Phi_S \rightarrow \Phi'_S. } \] 但不同教師的 \(\mathcal T_{\Phi}\) 能力不同。 可以定義： \[ F_T \] 為教師 Frame-Lift 能力。 它不等於： \[ C_T \] 教師本身的領域能力。 也不等於： \[ P_{T\to S} \] 教師的教學投影能力。 一位教師可能： \[ C_T\gg0, \] 但： \[ F_T\approx0. \] 他很強，但永遠在既定問題空間內教你變強。 另一位教師可能不是該領域最頂尖研究者，卻極擅長問： > 為什麼一定要這樣定義？ 因此： \[ F_T \] 本身值得成為獨立測量變量。 --- # 8. Frame Lift 與知識量沒有單調關係 更大的知識庫： \[ K\uparrow \] 不保證： \[ F\uparrow. \] 甚至可能存在： \[ K_2>K_1 \] 但： \[ FrameDiversity_2 不只看答案，看誤差分布。 問題立即改變。 --- ## 9.2 新關係 原本兩個領域： \[ A,\ B \] 互不相干。 教師指出： \[ A\leftrightarrow B. \] 學生開始形成跨域問題。 --- ## 9.3 新目標 原本： \[ \mathcal G=\{\text{solve}\}. \] 教師加入： \[ \mathcal G' = \{ \text{solve}, \text{explain}, \text{generalize}, \text{falsify} \}. \] --- ## 9.4 新操作 原本只能： \[ \text{calculate}. \] 新增： \[ \text{simulate}, \text{invert}, \text{compare}, \text{construct counterexample}. \] --- ## 9.5 新邊界 教師可能指出： > 這其實不是純數學問題，而是表示問題。 或： > 這不是技術問題，而是目標函數問題。 domain boundary 被重畫。 --- ## 9.6 新度量 原本 student 最大化： \[ Accuracy. \] 教師要求： \[ Accuracy + Robustness + Interpretability. \] 則原來的最優解可能不再最優。 --- # 10. Frame Lift 為什麼可能具有複利效應？ 如果教師只提供答案： \[ Q_1\rightarrow A_1, \] 效應可能主要局限於： \[ Q_1. \] 但如果教師改變 frame： \[ \Phi\rightarrow\Phi', \] 則之後遇到： \[ Q_2,Q_3,\ldots,Q_n \] 時，student 都可能在： \[ \Phi' \] 下重新處理。 因此 Frame Lift 的作用域可能是： \[ \boxed{ 1\ \text{intervention} \rightarrow n\ \text{future tasks} } \] 這就是它與單次 answer tutoring 的結構差異。 --- # 11. Frame-Lift 教育假說 本文正式提出： ## 假說 H1 — Frame-Lift Education Hypothesis 在匹配總資源、student 初始狀態與 task exposure 的條件下，能有效誘發： \[ \Phi_S\rightarrow\Phi'_S \] 的教師，可能使 student 在未見問題上呈現高於純知識／策略型教師的： - 問題重構； - OOD generalization； - 表示多樣性； - 反例生成； - 目標重寫； - 跨域遷移。 即： \[ \boxed{ Q_{\mathrm{reframe},F} > Q_{\mathrm{reframe},K} } \] 可能成立。 --- # 12. Frame Lift 不等於「故意唱反調」 一個常見錯誤是把： \[ \text{Reframing} \] 等同： \[ \text{Contrarianism}. \] 但： > 把所有問題都否定一次 不是 Frame Lift。 真正的 Frame Lift 必須產生至少一項新的有效結構： \[ \Delta P>0, \] 或： \[ \Delta\mathcal A>0, \] 或： \[ \Delta\mathcal G>0, \] 或： \[ \Delta O>0, \] 並且保有： \[ Verification>0. \] 否則只是： \[ \text{Frame Noise}. \] --- # 13. Frame Lift 也可能是錯的 本文拒絕： \[ \Phi' > \Phi \] 的自動價值判斷。 新的 frame 可能： - 更差； - 更混亂； - 更不可證偽； - 更高成本； - 更難溝通； - 遺失原本重要資訊。 因此應使用： \[ Q(\Phi\rightarrow\Phi') \] 評估 Frame Lift 品質。 可以至少包括： \[ Q_F = f( U, V, R, C, X ) \] 其中： - \(U\)：utility； - \(V\)：verifiability； - \(R\)：recoverability； - \(C\)：coherence； - \(X\)：cross-context transfer。 --- # 14. 可回退性：好的 Frame Lift 不應摧毀舊框架 若： \[ \Phi\rightarrow\Phi' \] 意味： \[ \Phi \] 永久不可再使用，則風險很高。 更理想的是： \[ \boxed{ \Phi \leftrightarrow \Phi' } \] 或： \[ \{\Phi,\Phi'\} \] 可依問題切換。 因此教師真正要教的可能不是： > 新框架比舊框架真。 而是： > 你現在多了一個可用框架，而且知道何時選哪個。 這可稱為： \[ \boxed{ \text{Frame Portfolio} } \] --- # 15. Frame Portfolio 假說 本文提出： ## 假說 H2 — Frame Portfolio Hypothesis 高階學習者的優勢可能不只是擁有單一更好的 frame，而是擁有： \[ \mathcal F_S = \{ \Phi_1, \Phi_2, \ldots, \Phi_n \} \] 並具備： \[ \operatorname{SelectFrame}(Q). \] 因此： \[ Performance \] 可能更依賴： \[ \text{Frame Diversity} + \text{Frame Selection} \] 而不是單一 frame dominance。 --- # 16. 何謂「全域教師」？ 在本系列中，「全域教師」不是全知教師。 更合理的操作定義是： > 能在保持 student 可理解性與驗證性的條件下，跨多個候選 frame 比較問題，並在必要時誘發 frame lift 的教師。 記為： \[ T_G. \] 其核心能力不是： \[ \text{knows everything} \] 而是： \[ \boxed{ \text{can expose alternative problem structures} } \] 因此全域教師至少需要： - 多表示能力； - 跨域映射； - 問題重寫； - 目標重寫； - 反例能力； - 邊界辨識； - 不確定性標記； - student-relative projection。 --- # 17. 全域教師最大的危險：替學生選完所有 Frame 如果 \(T_G\) 每次都直接指出最佳 frame： \[ \Phi^\ast, \] student 可能只學會： \[ \text{follow teacher's reframing}. \] 而不是： \[ \text{reframe autonomously}. \] 因此： \[ Q_{\mathrm{assisted}}\uparrow \] 可能同時： \[ Q_{\mathrm{independent}}\downarrow. \] 所以 Frame-Lift 教育的真正目標是： \[ \boxed{ \text{Teacher-Induced Frame Lift} \rightarrow \text{Student-Initiated Frame Lift} } \] --- # 18. 教師介入的四種 Frame-Lift 強度 可以定義： ## F0 — No Lift 只回答。 ## F1 — Suggested Lift 教師直接說： > 換一個角度。 ## F2 — Guided Lift 教師用問題引導 student 自己發現： \[ \Phi' \] ## F3 — Autonomous Lift Training 教師刻意不指定新 frame，只要求 student： - 找另一種問題定義； - 改目標； - 改觀察量； - 改度量； - 建反例。 理論上： \[ F3 \] 最接近真正訓練： \[ \operatorname{FrameLift}_S. \] --- # 19. AI 對照實驗設計 固定： \[ S_0. \] 設五組。 ### Lane A — Answer Tutor 只給正確答案與糾錯。 ### Lane B — Strategy Tutor 提供解題策略。 ### Lane C — Representation Tutor 提供替代表示。 ### Lane D — Operator Tutor 教反例、重構、搜尋算子。 ### Lane E — Frame-Lift Tutor 教師可問： - 問題是否定義錯？ - 還有哪些 observable？ - 目標可以換嗎？ - 這其實屬於另一個 domain 嗎？ - 有沒有完全不同的 representation family？ 但限制 teacher 不直接給最後 frame。 --- # 20. Matched Budget 原則 每一組必須控制： \[ C_{\mathrm{total}} = C_{\mathrm{teacher}} + C_{\mathrm{student}} + C_{\mathrm{tool}}. \] 至少報告： - teacher tokens； - teacher FLOPs； - student training FLOPs； - number of interventions； - context size； - external tool usage。 否則 Lane E 可能只是因為 teacher 花更多計算。 --- # 21. 評測任務 不能只用訓練分布問題。 至少需要： ## 21.1 Same-Frame ID 檢查基本學習沒有崩壞。 --- ## 21.2 Same-Domain OOD 問題形式改變，但 domain 不變。 --- ## 21.3 Cross-Representation 必須主動換表示才能解。 --- ## 21.4 Objective Shift 原目標不是最佳目標。 --- ## 21.5 Hidden Assumption 必須指出題目本身的錯誤前提。 --- ## 21.6 Cross-Domain Analogy 需要把另一領域結構搬過來。 --- ## 21.7 Open Reframing 沒有唯一標準問題定義。 --- # 22. Frame-Lift 指標 本文暫定： \[ FLI \] Frame-Lift Index。 不主張單一分數足夠，但可作實驗工具。 候選向量： \[ \mathbf F_S = [ D_F, Q_F, T_F, R_F, V_F ]^T \] 其中： - \(D_F\)：有效 frame diversity； - \(Q_F\)：reframing quality； - \(T_F\)：cross-task transfer； - \(R_F\)：frame recoverability； - \(V_F\)：verification retention。 其中最重要的是： \[ V_F. \] 因為如果 frame 越換越自由，但驗證性趨近零： \[ V_F\rightarrow0, \] 那不是高階智慧，而可能只是發散。 --- # 23. 自主 Frame Lift 測試 teacher 完全移除後，給 student 新問題。 測： \[ P( \text{student initiates valid frame lift} ). \] 若 Lane E 在 teacher 移除後仍顯著高於 Lane A–D，則可以支持： \[ \boxed{ \text{Frame-Lift capability was learned} } \] 而不是： \[ \text{teacher was simply doing the reframing}. \] --- # 24. Frame Lift 與早期導師路徑依賴 Paper 02 提出： \[ T_{\mathrm{early}} \neq T_{\mathrm{late}}. \] 本文進一步指出： 真正可能產生長期差異的，不只是： \[ K_{\mathrm{early}} \] 而是： \[ \Phi_{\mathrm{early}}. \] 若 student 早期形成： \[ \Phi_A \] 則之後大量知識都會在： \[ \Phi_A \] 下被組織。 另一學生形成： \[ \Phi_B, \] 則即使兩人最後知道相似的 facts： \[ K_A\approx K_B, \] 也可能： \[ \boxed{ \mathcal P_{\Phi_A} \neq \mathcal P_{\Phi_B}. } \] 這是早期導師路徑依賴的一個可能深層機制。 --- # 25. Frame Lift 與強導師引力井 這裡出現一個重要悖論。 最會 Frame Lift 的老師，也可能形成最強： \[ F_T. \] student 會覺得： > 老師永遠能找到更好的角度。 於是 student 自己反而不再嘗試。 因此： \[ TeacherFramePower\uparrow \] 不保證： \[ StudentFrameAutonomy\uparrow. \] 這將直接銜接 Paper 04。 --- # 26. 教育中的最小 Frame-Lift Protocol 本文提出一個不依賴學科的最小教學流程： ### Step 1 — Solve 先嘗試原問題。 ### Step 2 — Expose Assumptions 列出： \[ A_1,A_2,\ldots,A_n. \] ### Step 3 — Change Representation 至少建立： \[ r_2. \] ### Step 4 — Change Observable 問： > 還有什麼值得測？ ### Step 5 — Change Goal 問： > 如果目標函數換掉呢？ ### Step 6 — Change Boundary 問： > 這真的是原領域內的問題嗎？ ### Step 7 — Construct Alternative Frame 建立： \[ \Phi'. \] ### Step 8 — Compare 比較： \[ \Phi \] 與： \[ \Phi'. \] ### Step 9 — Verify 檢查： - 哪個 frame 可證偽？ - 哪個 frame 遺失資訊？ - 哪個 frame 對哪類任務較好？ ### Step 10 — Return 確保： \[ \Phi'\rightarrow\Phi \] 仍可回退。 --- # 27. 人類教育上的含義 如果 Frame-Lift 假說成立，頂尖教育不應只增加： \[ \text{harder content}. \] 而要增加： \[ \text{alternative problem structures}. \] 因此： \[ \text{提早學大學內容} \] 不等於： \[ \text{提早得到高階認知框架}. \] 真正有意義的「提前」可能是： - 提前接觸真問題； - 提前看到多種表示； - 提前被允許質疑問題； - 提前理解答案依賴 frame； - 提前建立驗證與反例文化。 --- # 28. 教師評價也必須改變 若教師只被評價： \[ \text{Student Score Gain}, \] 那麼最安全策略通常是： > 讓學生更快收斂到標準答案。 這可能抑制： \[ \text{Frame Exploration}. \] 因此教師評價若要支持高階認知發展，至少需要加入： \[ \Delta Q_{\mathrm{generation}}, \] \[ \Delta R_{\mathrm{reframe}}, \] \[ \Delta V_{\mathrm{verification}}, \] \[ \Delta I_{\mathrm{independent}}. \] 否則制度會對教師產生： \[ \text{Goodhart pressure}. \] --- # 29. Frame-Lift 教育的規範底線 教師擁有 Frame-Lift 能力，代表其可以深度改變學生的認知世界。 因此必須保留： \[ \boxed{ \text{Exit} + \text{Reversibility} + \text{Plurality} + \text{Verification} } \] 也就是： - 學生可以拒絕新 frame； - 可以回到舊 frame； - 可以保留多個 frame； - 可以要求證據； - 可以質疑 teacher； - 不把 teacher frame 當成不可侵犯真理。 這也是 TCBS 系列與單純「高效思想塑造」不同的地方。 --- # 30. 本文核心命題 ## 命題 A — 答案／Frame 分離 \[ \boxed{ \text{Better Answer} \not\Rightarrow \text{Better Frame}. } \] --- ## 命題 B — 表示／Frame 分離 \[ \boxed{ r_1\rightarrow r_2 \not\Rightarrow \Phi\rightarrow\Phi'. } \] --- ## 命題 C — Frame Lift 教師可能誘發： \[ \boxed{ \Phi_S \rightarrow \Phi'_S. } \] --- ## 命題 D — Frame Portfolio 高階認知優勢可能來自： \[ \mathcal F_S = \{\Phi_1,\ldots,\Phi_n\} \] 以及 frame selection，而非單一 frame。 --- ## 命題 E — 自主化 真正成功的 Frame-Lift 教育應使： \[ \operatorname{FrameLift}_S \] 在 teacher 離開後仍可自主發生。 --- ## 命題 F — 可驗證約束 若： \[ FrameDiversity\uparrow \] 但： \[ Verification\downarrow, \] 則不能直接視為教育提升。 --- # 31. 與系列前兩篇的統一 Paper 01： \[ T: \mathfrak B \rightarrow \mathfrak B'. \] Paper 02： \[ T_t \] 的介入時機造成不同路徑。 Paper 03： \[ T \] 可以直接作用於： \[ \Phi. \] 因此目前最小統一模型為： \[ \boxed{ ( \mathfrak B_{t+1}, \Phi_{t+1}, \mathcal A_{t+1}, \mathcal G_{t+1} ) = \mathcal F( \mathfrak B_t, \Phi_t, T_t, S_t, E_t ) } \] 教師不只改變 student 的 state。 他可能改變： > state space itself. --- # 32. 結論 本文最核心的一句話是： \[ \boxed{ \text{最強的老師不一定給你更好的答案，而可能讓你第一次發現原來還可以問另一個問題。} } \] 知識傳遞回答： > 你知道多少？ 策略傳遞回答： > 你會怎麼解？ 表示轉換回答： > 你能不能換一種方式看？ 搜尋算子回答： > 你會不會自己找新路？ 而 Frame Lift 問的是： \[ \boxed{ \text{你是否還把它當成原來那個問題？} } \] 如果教師能夠改變這一層，則教育效果就不再只是： \[ \Delta K. \] 而可能是： \[ \boxed{ \Delta \mathcal P_{\Phi}. } \] 這種改變一旦具有跨任務遷移性，就可能對學生後續數年甚至更長時間的認知發展產生複利效應。 但也正因如此，Frame-Lift 教師比一般教師具有更大的認知權力。 因此，最高階教育的理想不是： \[ \text{Teacher defines the world}. \] 而是： \[ \boxed{ \text{Teacher shows that worlds can be reframed, then returns the power of reframing to the student.} } \] --- # 附錄 A：最小符號表 | 符號 | 意義 | |---|---| | \(\Phi\) | 認知／問題 Frame | | \(\mathcal P_\Phi\) | Frame-relative problem space | | \(P_\Phi\) | 問題／狀態空間 | | \(\mathcal A_\Phi\) | 可用操作集合 | | \(\mathcal G_\Phi\) | 目標集合 | | \(C_\Phi\) | 成本／評價結構 | | \(O_\Phi\) | 可觀察量 | | \(R_\Phi\) | 關係／表示結構 | | \(F_T\) | 教師 Frame-Lift 能力 | | \(\mathcal F_S\) | Student Frame Portfolio | | \(FLI\) | Frame-Lift Index（暫定研究指標） | --- # 附錄 B：AI 實驗最小 Lane 設計 ```text Lane A Answer Tutor Lane B Strategy Tutor Lane C Representation Tutor Lane D Search-Operator Tutor Lane E Frame-Lift Tutor ``` 固定： ```text student checkpoint architecture data budget teacher budget compute evaluation suite ``` 主要 outcome： ```text problem reframing autonomous frame lift OOD transfer representation diversity counterexample generation goal rewriting verification retention post-teacher independence ``` --- # 附錄 C：Paper 04 接口 下一篇： ## 《強導師引力井：教師能力、權威與學生自主搜尋空間的非單調關係》 將正式研究： \[ C_T\uparrow \] 為什麼可能同時導致： \[ Y_{\mathrm{short}}\uparrow \] 與： \[ \Omega_{\mathrm{independent}}\downarrow. \] 並建立： - Mentor Gravity Well； - authority field； - imitation basin； - dependency amplification； - teacher withdrawal test； - departure capacity； - disagreement training； - reversible mentorship； - strong-teacher paradox。 核心問題： > **如果一個老師永遠比學生更會選問題、更會換 Frame、更會驗證，那麼學生究竟是在成長，還是在形成對高階認知外部器官的依賴？**