四层落到证据
反应层看有用性而非满意度；学习层看练习作品；行为层看回到岗位三十天后的动作；结果层看业务指标但要排除其他因素。为什么分层？只问满不满意，永远测不出能力；分层后每层都有可核的东西。
用作品代替考试
让学员交一份真实任务成果，按评分表双人盲评：材料是否齐全、判断依据是否写清、复核是否到位。怎么保证公平？评分表先定，评完再对姓名；分歧超过一档就复盘评分标准本身。
三十天行为观察
培训结束不是终点。让主管在第三十天记录三件事：是否主动使用、是否出错、出错后怎么处理。边界：观察记录不能变成打小报告，只用于改进课程与带教，不直接进绩效，否则容易失真。
结果层谨慎归因
业务指标受市场、价格、人员变动影响，不能把变化全算在培训头上。怎么做？设对照：同岗位未参训的一组作为参照，比较错误类型而非绝对数字；无法对照时，只描述观察不做因果断言。
适用与不适用
适合谁
- 需要向管理层证明培训价值的企业
- 有稳定任务样本、可做前后对比的部门
- 准备连续办班、要用证据改课程的团队
不适合谁
- 要求承诺业绩提升比例才肯继续投入的委托
- 没有任何可复现任务样本的岗位或部门
典型场景
某银行运营部门在培训前后各抽三十笔业务做盲评，评分表含材料齐全、依据清楚、复核留痕三项。第三十天由主管记录使用情况与差错类型，第九十天再抽一次。报告只写差异与可能原因，不写提升百分比，也不把结果全部归因于课程。
可执行步骤
- 培训开始前用同一评分表抽取一批真实任务，完成基线盲评，留档备查
- 结课时收齐练习作品，由两名评委盲评并逐项核对评分分歧，分歧先议标准
- 第三十天由主管逐人记录使用频次、差错类型与出错后的处理方式，逐条记下
- 第九十天再抽一批同类任务，按基线同一口径重新盲评并比较，样本同口径
常见坑
- 只发满意度问卷，分数很高但没人会用，第二年预算评审拿不出证据，项目只能停，第二年被砍。
- 评分表临时拟定，评委各按各的标准，分数不可比，也无法复评，争议只能搁置，无法改进。
- 把行为观察做成打小报告，员工抵触，记录失真，课程改进失去依据，还可能引发争议，得不偿失。
- 把业务指标变化全归功于培训，遇到追问无法解释，反而损害可信度，后续预算更难批，可信度受损。
自检与验收清单
- 是否在培训开始前完成同口径的基线盲评并留档
- 评分表是否先定好档位，评完再对姓名与部门
- 是否有第三十天与第九十天的书面观察记录并存档
- 报告是否区分观察结果与因果推断，并写明不确定项
常见问题
没有对照组怎么办？
用自身前后对比加同岗位参照。选一批未参训但任务相似的员工作为参照，只比较错误类型与返工情况，不比较绝对业绩；若连参照都没有，就只描述观察，不做因果结论，也不写提升比例。
盲评要多少人？
两名评委即可起步，关键是评分表先定、评完再对姓名。分歧超过一档时先讨论标准，而不是折中打分；样本不必多，一个岗位三十份左右就能看出问题，也方便复评。
评估结果要不要公开？
对内公开到部门与课程层面，不点名到个人。公开的目的是改课程与带教，不是排名；若用于考核，员工会优化答卷而不是任务，评估很快失真，改起来也无从下手。