日語學習進度追蹤：該度量什麼與該忽略什麼

追蹤日語學習進度，核心在於明確區分哪些指標能切實伴隨能力同步增長，而哪些指標只是營造出一種進步的心理錯覺。掌握了衡量日語進度的科學方法，你就不必僅憑飄忽的主觀感覺去回答「我到底變強了嗎？」這一困惑，而是可以胸有成竹地依據客觀數據動態微調學習計畫。

概述

本文將各類量化指標劃分為兩大清單：一組值得持續追蹤的核心指標，以及一組應當果斷予以忽略的干擾數據。針對每一項具有指導意義的指標，本文均指明了獲取該數值的工具載體，以及當數據陷入停滯時應當觸發的相應調整措施。

我們的終極目標不是搭建一個佈滿二十幾個花俏儀表板的控制台，而是篩選出一組能夠誠實反映現狀的清晰訊號，按照合理的複盤週期去檢視它們，並將其回饋閉環至你的學習計畫中。

這是一篇關於後設學習（學習方法論）的指南，而非文法課

本文不包含任何需要死記硬背的日語語言點。探討的主題是圍繞日常學習所搭建的數據度量體系，因此所列舉的範例均為量化指標與實用工具，而非具體的文法例句。

為什麼真實的進步往往肉眼不可見

語言習得是非線性的，且成效高度後置

在二語習得研究中，「高原期」（Plateau）是一個被廣泛公認的普遍現象。它是指求知者在經歷一段學習後，似乎再也難以察覺到自身有任何明顯長進的發展階段，通常高發於從初中級向中高級乃至高級水準邁進的過渡期。¹

理查茲（Richards）指出，高原期是橫亙在中級與高級熟練度之間的結構性鴻溝，絕非求知者個人的資質失敗。它是這種層級躍遷本身所具有的固有特徵。¹

其中一大誘因是感受性技能（如聽力與閱讀）與產出性技能（如口語與寫作）之間的發展脫節。求知者在聽力和閱讀上可能已經取得了長足進步，但在開口表達時卻依然感到結結巴巴。他們每日勤加練習的技能在扎實提升，但他們用來苛求自己的產出標準卻讓人覺得原地踏步。¹

理查茲還觀察到，在高原期階段，流利度的提升有時是以犧牲語言複雜性為代價的。求知者往往會因過度依賴低階基礎詞彙、較少主動吸收高階詞彙與固定搭配，導致詞彙體系的發展停滯不前。¹ 因此，求知者完全可能在多個底層維度上穩步蛻變，卻在單項自我審視的顯性維度上感到波瀾不驚。

為什麼單一綜合數字會騙人

日本語能力試驗（JLPT）本身便將語言能力劃分為相互獨立的幾個科目（言語知識、讀解、聽解）分別評分，且每個科目都設有各自的單項及格門檻。其原因正是單一的綜合總分極易掩蓋嚴重的偏科軟肋。考生完全可能在總分上跨過及格門檻，卻因某一單項未達標而慘遭淘汰。這種折戟模式在JLPT 算分機制深度解析：單項合格線陷阱一文中有詳盡剖析。²³

JLPT 官方發布的《各級別認定基準》分別從各項技能維度展開描述，全方位覆蓋讀解、聽解以及底層的詞彙和文法儲備。⁴ 這再次強化了一個基礎常識：語言熟練度是一個立體多維的綜合體，絕非一個單一的純量（純量數值）。

倘若連權威的標準化考試都拒絕將多項技能粗暴坍縮為一個單項數字，你在日常自我追蹤時也絕不該如此草率。這也是為什麼 J-Compass 強烈推薦建立一套小巧精悍的指標組合，而非迷信單一的數字表象。

應當衡量的核心指標

實際投入時長（而非過去了多少週）

各類公開發布的 JLPT 各級別備考學時估算均是以淨有效學習時數為單位計算的，而非日曆跨度，且不同母語背景之間差異極大。常見的統計區間大致為：N5 ≈ 350–500 小時，N4 ≈ 600–1,000 小時，N3 ≈ 950–1,700 小時（無漢字背景），N2 ≈ 1,600–2,800 小時，N1 ≈ 3,000–4,800 小時。⁵

同一彙總報告指出，具備漢字文化背景的學習者所需時數顯著減少，在多個級別上可節省約 30%–50% 的時間。⁵ 這正是為什麼實際投入的有效時長，遠比日曆上翻過了多少週更能準確衡量求知者所處的真實水準位階。

學習時數可藉助沉浸式輸入追蹤工具、日常時間打卡軟體以及 Anki 自帶的耗時統計功能（可精準呈現卡片複習耗時）來獲取。⁶ 各類具體計時工具的操作細節詳見 J-Compass 的專項工具文章；本文僅將其作為提供客觀數據的工具依託。

學習時長是可控的輸入，而非結果的保證

J-Compass 將記錄的時長視為一種先行輸入指標：它是必不可少的充要前置條件，但單靠它並不足以保證結果。後文列舉的結果產出指標，能夠進一步印證這些時數是否扎實轉化為了實際語言能力。

牌組規模與記憶留存率

在 FSRS（Anki 當前採用的現代化排程演算法）中，*目標留存率（desired retention）*是由你主動設定的目標參數。FSRS 代表 Free Spaced Repetition Scheduler（自由間隔重複排程器）。Anki 官方手冊將目標留存率界定為「控制卡片在按期複習時，你成功回憶起該卡片機率的目標值」。⁷

目標留存率與*測得留存率（measured retention）或真實留存率（true retention）*有著本質區別：後者代表你實際考核中的真實回憶表現。Anki 在統計面板中透過按鍵回饋圖表與 FSRS 真實留存率數據對二者予以直觀呈現。⁷⁶

手冊建議將目標留存率維持在一個理性適中的區間內，並嚴厲警告逼近上限會導致複習負荷斷崖式暴漲。官方建議將該數值控制在約 97% 以下，並指出一旦超過 90%，每日複習量就會以極快的速度攀升。目前推薦的安全參數區間通常在 0.70–0.97，在較新版本中這一範圍被放寬至 0.70–0.99。⁷⁸

成熟卡片總數（Mature-card count）與真實留存率百分比，是檢視詞彙記憶最為科學的黃金組合。相比之下，單看每天刷了多少張卡則毫無意義，因為極低留存率下的高複習量，反映的往往只是反覆遺忘、重新死記硬背的低效內耗，而非牢固的知識沉澱。⁷⁶ 關於按期複習為何能從根本上形成穩固長期記憶的原理，請參閱間隔重複與遺忘曲線：為何規律排程複習切實有效。

JPDB 作為一款專門針對日語詞彙與間隔重複的工具，在日語領域提供了更為量化的統計維度。它能精準計算特定作品的詞彙覆蓋率（coverage）：即某部選定的動漫、輕小說或遊戲中，求知者已知獨立詞彙所佔的百分比。⁹¹⁰ 這讓「牌組規模」的意義從枯燥的數字卡片，昇華為對真實原生作品理解滲透率的直觀投射。關於該工具的深度評測，詳見專題文章超越 Anki：主流日語 SRS 工具與流派對比評測。

模擬考試成績

JLPT 在 0–180 分的總分體系下劃分了三個科目板塊。在 N1–N3 級別中，每個科目滿分均為 60 分；在 N4–N5 級別中，言語知識與讀解被合併為一個 120 分的綜合科目，聽解單獨佔 60 分。²

順利通過考試必須同時滿足兩項硬性指標：總分達到及格線，且每一個單項均跨過各自的最低及格線。官方規則明確規定：「只要有任何一個評分科目的得分低於該科目的及格基準分，無論總分有多高，均判定為不合格。」²

級別	總分及格線	單項最低分要求
N5	80 / 180	綜合科目（言語知識+讀解）38/120，聽解 19/60
N4	90 / 180	綜合科目（言語知識+讀解）38/120，聽解 19/60
N3	95 / 180	各單項 19/60
N2	90 / 180	各單項 19/60
N1	100 / 180	各單項 19/60

以上及格線及各科目單項合格標準均為官方標準數據。³¹¹

JLPT 採用了試題反應理論（Item Response Theory, IRT）進行標準化算分，這是一種能夠平衡不同試卷批次之間難度差異的統計學方法，確保即便各期試題難易不同，換算出的標準分數依然具備長期橫向可比性。² 這種嚴密的可比性，使得以相同題型框架定期重測的模擬考成績具有真正的長期參考價值，而非單純統計做對了幾道題。

模擬考試是最強有力的滯後指標，因為它在嚴格限時、分科目設定以及固定評分標尺下進行。即便你暫時不打算報名官方統考，也完全可以將該考試規制用作自我衡量的標尺。J-Compass 建議每隔 2–3 個月按照標準考場紀律完成一次同等規格的模考，具體流程可參考如何科學進行一次規範的 JLPT 模擬考。

閱讀速度

建議以「每分鐘閱讀字元數（Characters per minute, cpm）」為單位，在難度與自身水準匹配的文本上進行週期性抽樣測算。你真正需要關注的是自身隨時間演進的變化趨勢，而非某個虛幻的標準基準線。請將其視為個人相對成長軌跡的度量，而非絕對硬性指標。

在文本難度保持恆定的前提下，每分鐘閱讀字元數能夠極其敏銳地投射出「文字解碼自動化（decoding automaticity）」的熟練度：正是這項底層子技能讓單字與句型的視覺識別變得飛快，從而將寶貴的工作記憶釋放給更高維的語意理解。在同等難度的素材上速度穩步攀升，說明大腦在字元解碼層面的認知負荷正在大幅減輕。

關於各階段對應的絕對速度參考閾值及科學抽樣測算方法，詳見基準專文日語閱讀速度里程碑：各級別 cpm 速度基準。本文僅強調在恆定難度下進行抽樣測試的科學實踐，刻意迴避憑空捏造虛假的標準數字。

理解深度與查詞頻率

JPDB 的詞彙覆蓋率計算器能夠將特定文本的可理解度量化為求知者當前已掌握獨立詞彙的百分比。這為「面對這部作品我究竟能看懂多少」提供了一個極其客觀的數位化指標。⁹¹⁰

在難度恆定的前提下，閱讀時「每頁所需查詞次數」的下降，或觀影時「每幕暫停查閱頻率」的遞減，都是能力扎實提升的真憑實據。這一指標能將純粹的語言成長，與「因碰巧讀了更簡單的材料而產生的假性流暢」清晰區分開來。

建議將平時的實際行為統計（每頁查詞頻次）與 JPDB 的工具覆蓋率數據結合審視。前者反映你在實際閱讀中的真實受阻感，後者則是軟體推演出的客觀匹配度。

口語交流從容度

JLPT 的「Can-do 自我評價列表」源自 2010 年 9 月至 2011 年 12 月期間對約 6.5 萬名受試者進行的實證調研。考生針對聽、說、讀、寫四大技能中各約 30 項具體任務描述進行了自我評估。¹² 官方網站明確指出，該調研真實反映了「各級別合格考生認為自己能夠勝任的典型場景」，但它既非考試大綱，亦非對個人能力的絕對硬性背書。¹²

這為我們樹立了典範：只要自我評估牢牢錨定在切實具體的「能做哪些具體事項」而非飄忽的情緒上，自評同樣能具備極高的參考價值，甚至能被官方機構嚴謹建模。客觀誠實的自評關注的是你是否能夠聽懂日常電話交流、能否維持 10 分鐘的連續對話，而不是去空泛琢磨「我感覺自己流利了嗎」。

在此值得定期自我複盤的微觀指標包括：開口前的反應延遲時間、退縮求助母語的頻率，以及每月錄製一段口語樣本進行回聽複盤。每一項都緊扣可再次觀察核驗的客觀行為，從而讓你徹底告別下文所述的情緒化感知陷阱。

應當果斷忽略的干擾數據

模糊的感覺與「我今天覺得自己流利了嗎」

個人的主觀感知高度受情緒起伏左右，在不同日期之間完全不具備橫向可比性。用測量學術語來說，它缺乏穩定的「被測參照物（stable referent）」。JLPT 在體系設計上明確將經由嚴密科目劃分與客觀量化打分的實力測試，與主觀自我感覺徹底拆分開來，後者僅作為輔助性參考。²¹²

解決之道絕非停止自我反思，而是將反省牢固錨定在可觀察的具體行為上：一段存檔的錄音樣本、一組客觀記錄的查詞頻次，或是一套模擬考的單科成績——它們每一項都擁有固定的客觀參照物，可供反覆橫向複測。

「相當於母語者的百分之幾」 / 「流利度百分比」

「相當於母語者水準的百分之幾」在數學上根本缺乏成立的「分母」。語言學界不存在一個名為「母語者總知識庫」的單一具體常數，可供非母語學習者作為分子去算出百分比，這個數值在邏輯底層缺乏任何可除的基數。

官方的語言能力認定標準全部採用定性闡述，依託分項技能與能做何種實際任務來界定水準，絕非給出一個脫離現實的所謂母語者百分比。⁴¹² 這套權威評價體系選用明確的能級區間與 Can-do 行為描述來替代所謂母語者百分比，本身就雄辯地證明了專業領域對熟練度的衡量有著截然不同的科學邏輯。

「母語者水準百分比」屬於範疇錯誤，而非粗略估算

一個缺乏有效數學分母的偽指標，其數值變化根本無法被賦予合理解讀，因而完全無法為學習計畫的調整提供任何指導。不僅如此，由於暗示的 100% 終極標準虛無縹緲，它還會悄無聲息地滋生沮喪感與習得性無助。這一弊端根植於其邏輯結構本身，絕非「把數字測得更精確一點」就能化解的。⁴¹²

純粹的連續打卡天數與未去重的刷卡總量

長達數百天的打卡記錄或每天居高不下的刷卡量，完全可以與極低的真實記憶留存率並存。Anki 之所以將複習體量統計與留存率統計徹底分開，正是因為龐大的刷卡量絕不等於牢固的長期記憶。⁷⁶

打卡天數衡量的是習慣遵守度：你今天是否如約現身。它回答的是與語言習得截然不同的命題：知識是否真正扎根在大腦中。兩者互為補充，最致命的認知偏差莫過於直接用打卡習慣數據取代了實質進步指標。

與其他求知者橫向盲目攀比

學習時長與考級能級之間的實證數據表明，僅僅因為是否存在漢字文化背景的差異，跨越同一 JLPT 級別所需的總耗時就會產生天壤之別，漢字圈學習者在許多能級上所需時數要少 30%–50%。⁵ 因此，兩個在日曆上同時起步的學習者，即便努力程度完全一致，其能力所處的位置也會完全不同。

截然不同的母語背景、迥異的每日可用時長以及各不相同的學習目標，使得求知者之間的橫向對比在嚴謹的測量學意義上徹底失效，因為彼此之間根本沒有通用的可比標尺。請務必將當前的自己與過去的自身樣本進行縱向對比，唯有在自己的座標系裡，測量標尺才是恆定可信的。

如何將衡量指標轉化為學習計畫的迭代

先行指標按週檢視，滯後指標按季度複盤

在標準的管理學與統計學定義中，*先行指標（leading indicators）*是指你能直接施加掌控且能早期感知變化的輸入要素；*滯後指標（lagging indicators）*則是易於度量但反應極其滯後的輸出成果，它們是在事後對最終成效進行驗證。¹³

J-Compass 按照這一分野對上述指標進行了映射歸類：投入時長、牌組負荷與查詞頻率屬於先行且高頻變化的指標，適合按週審視；模擬考試成績與閱讀速度則屬於滯後且緩慢沉澱的指標，適合按季度複盤。這一複盤節奏嚴格遵循了各項指標在屬性劃分中的天然特性。¹³ 具體的歸納歸類與建議週期體現了 J-Compass 的方法論思考，並非引述文獻本身的教條。

藉助直觀的流程圖，這一分野將更加清晰易記：

決策推演表：指標停滯時的調整對策

收集數據的唯一意義，在於它能指導具體的行動槓桿。下表將常見的停滯訊號與應當優先調整的單一變數進行了精準配對。具體的數值閾值與實操方法，詳見各槓桿所屬的專屬指南。

當此項指標停滯不前時	請調整這項槓桿
模擬考聽力單項落後於其他單項	將學習時數傾斜至聽力輸入
真實留存率下降而每日複習量攀升	削減每日新卡添加量
在固定難度文本下查詞率居高不下	將輸入材料的難度下調一個檔次
在相同難度文本下閱讀速度原地踏步	加大該匹配難度下的閱讀輸入總量

本節旨在提供清晰的路由邏輯：即某種停滯到底該由哪項槓桿來化解，而不對每個槓桿的細節展開重複論述。

何時應當果斷停止記錄

頻繁的自我度量本身就是一種施加於心理的行為干預。自我監控會催生反應性（reactivity）——這是霍桑效應（Hawthorne effect）的一種特例，即「測量行為本身改變了被測對象的原初表現」。這是一項有據可查的嚴肅心理學機制，絕非民間杜撰。¹⁴

此外，指標一旦被過度追逐，其效度就會迅速惡化。古德哈特定律（Goodhart's Law）指出：「當一項指標演變成奮鬥目標時，它就不再是一項合格的衡量指標。」在學術論文發表指標的博弈等實證觀察中，一旦某項指標被樹立為單一考核目標，數據失真便會不可避免地蔓延開來。¹⁵¹⁶¹³

由於數據記錄本身需要耗費精力，甚至可能扭曲學習動作，一旦你發現繁重的打卡記錄已經開始喧賓奪主、擠占本該用於潛心學習的時間，請果斷精簡乃至暫停記錄。追蹤系統只是為你護航的儀表板，它本身絕非健身鍛鍊的核心。

延伸了解

誤將「目標留存率」當成「實際留存率」

極其常見的口誤是：「我的單字留存率是 90%，因為我在 FSRS 裡把目標留存率設成了 90%。」目標留存率僅僅是排程演算法嘗試達成的瞄準線。你的實測真實留存率，是需要從 Anki 統計面板中獨立讀取的實際結果數據。⁷⁶

嚴謹的表述必須將兩者分清：我的目標留存率設定為 90%，而本月的實測真實留存率以統計圖表回饋為準。混淆這兩者，會讓你徹底無視演算法是否真正達成了預期目標。⁷⁶

緊盯模考高分，卻無視不及格單項

高呼「我在 N2 模擬考中拿了 110/180 分，所以我肯定穩過了」，一旦其中某一單項低於合格底線，這種推斷就是完全錯誤的。總分 110/180 但聽力僅得 17/60 屬於徹底不及格，因為 17 分低於官方設定的 19 分及格底線。²³

JLPT 會無情淘汰任何單項未跨過單科及格線的考生，無論總分有多耀眼。因此一個看似健康的整體總分，極易掩蓋足以招致落榜的致命偏科弱點。²³ 請務必細看單科小分，不要只盯巨觀總分。

拿「達到母語者的百分之幾」作為進步標籤

「我現在大概掌握了母語者 40% 的水準」在科學上沒有任何意義，因為根本不存在一個有明確定義的「母語者全部語言知識」作為分母供你計算百分比。⁴¹² 這種數字的起伏無法賦予任何合理解讀，因而完全無法指導你的下一步行動。

行之有效的替代方案應當牢牢錨定在客觀標準上：對照 N3 任務清單確認自己能勝任哪些具體交際場景，以及在 N3 模擬考聽力 60 分滿分中能斬獲多少分。官方評價體系正是依靠明確的能力級別階梯與任務描述，來徹底摒棄空洞的百分比數字的。⁴¹²

盯緊可控輸入，而非空盯最終產出

你唯有去記錄那些你能實際調節的槓桿。有效學習時長與牌組負荷屬於你能直接掌控的輸入（先行指標）；而考試分數與閱讀字元流利度則是最終結出的果實（滯後指標）。¹³

這一原則將先行與滯後的理論清晰轉化為可在日常中隨手調用的心智模型：如果一個數字不是你能用雙手直接調大或關小的旋鈕，它就是一個用來做最終檢驗的輸出結果，而非供你隨時扳動的行動槓桿。

定期抽樣測試，切莫時刻病態監控

定期進行閱讀速度測算或口語錄音抽樣，能以極低的心理成本精準捕捉長期變化趨勢。相反，神經質般不間斷的每日自我監控，只會引發強烈的測量反應性內耗與沉重的時間負擔。¹⁴

抽樣測試能夠在規避監控陷阱的同時保全珍貴的數據複盤脈絡。按照固定週期檢視儀表，遠好過一秒不停地死死盯緊指針。

「古德哈特定律」的真實學術淵源

大眾耳熟能詳的警句——「當一項指標演變成奮鬥目標時，它就不再是一項合格的衡量指標」，並非出自經濟學家查爾斯·古德哈特（Charles Goodhart）1975 年的原著表述。古德哈特最初闡述的是統計學規律在遭受政策管控壓力時會發生崩潰的經濟學現象。這句通俗洗練的名言，實則是人類學家瑪麗蓮·斯特拉森（Marilyn Strathern）在 1997 年做出的學術概括提煉，隨後在跨學科領域被廣泛傳播引用。¹⁵¹⁶

了解這一出處脈絡，有助於求知者避免將該法則誤讀為冷冰冰的不可抗力經濟學定律。它更應被視作一項極其深刻扎實的經驗警示：它提醒我們去挑選那些不易被投機作弊的誠實指標，而非不可違背的自然物理法則。

相關閱讀

• 審查你的日語學習時間：找出時間流向的 7 天方案
• 為什麼你能看懂日語卻說不出口：彌合輸出差距
• 每天學習多少張 Anki 新卡：計算你的可持續上限
• 學會日語到底需要多久？設定合理目標與規避「一年速成」陷阱
• 日語閱讀速度里程碑：各級別 cpm 速度基準

References

Footnotes

1. Richards, Jack C. Moving Beyond the Plateau: From Intermediate to Advanced Levels in Language Learning. Cambridge University Press (Cambridge English Research & Methodology Booklets), 2008. 24 pp. ISBN 0521975972. ↩ ↩² ↩³ ↩⁴

2. Japan Foundation and Japan Educational Exchanges and Services. "Scoring Sections, Pass or Fail, Score Report." Official JLPT site. https://www.jlpt.jp/e/guideline/results.html ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷

3. Japan Foundation and Japan Educational Exchanges and Services. "Overall pass marks and sectional pass marks of the new Japanese-Language Proficiency Test (N1–N3)." Official JLPT site. https://www.jlpt.jp/e/topics/201008291283128850.html ↩ ↩² ↩³ ↩⁴

4. Japan Foundation and Japan Educational Exchanges and Services. "Summary of Linguistic Competence Required for Each Level (N1–N5)." Official JLPT site. https://www.jlpt.jp/e/about/levelsummary.html ↩ ↩² ↩³ ↩⁴ ↩⁵

5. Coto Academy. "How Many Study Hours Do You Need to Pass The JLPT?" (compiles community/school hour ranges, split by prior kanji background). https://cotoacademy.com/study-hours-needed-pass-jlpt-comparison-levels/ ↩ ↩² ↩³

6. Anki Manual. "Statistics." https://docs.ankiweb.net/stats.html ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶

7. Anki Manual. "Deck Options: FSRS and Desired Retention." https://docs.ankiweb.net/deck-options.html ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷

8. open-spaced-repetition. "The Optimal Retention." fsrs4anki Wiki. https://github.com/open-spaced-repetition/fsrs4anki/wiki/The-optimal-retention ↩

9. jpdb. "Frequently Asked Questions." https://jpdb.io/faq ↩ ↩²

10. jpdb. Product landing page. https://jpdb.io/ ↩ ↩²

11. Japan Foundation and Japan Educational Exchanges and Services. "Overall pass marks and sectional pass marks of the new Japanese-Language Proficiency Test (N4–N5)." Official JLPT site. https://www.jlpt.jp/e/topics/201101311296451824.html ↩

12. Japan Foundation and Japan Educational Exchanges and Services. "JLPT Can-do Self-Evaluation List." Official JLPT site. https://www.jlpt.jp/e/about/candolist.html ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷

13. Bushardt, R.L. et al.; and Edwards, M.A. "Over-optimization of academic publishing metrics: observing Goodhart's Law in action." GigaScience 8(6): giz053, 2019. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6541803/ ↩ ↩² ↩³ ↩⁴

14. Barta, William D., et al. "Theoretical Explanations for Reactivity in Self-Monitoring." Behavior Modification (review of self-monitoring reactivity; measurement reactivity as a special case of the Hawthorne effect). https://www.researchgate.net/publication/247719763_Theoretical_Explanations_for_Reactivity_in_Self-Monitoring ↩ ↩²

15. Mattson, Christina; Bushardt, Reamer L.; Artino, Anthony R. Jr. "When a Measure Becomes a Target, It Ceases to be a Good Measure." Journal of Graduate Medical Education 13(1): 2–5, 2021. doi:10.4300/JGME-D-20-01492.1. https://pmc.ncbi.nlm.nih.gov/articles/PMC7901608/ ↩ ↩²

16. Strathern, Marilyn. "'Improving ratings': audit in the British University system." European Review 5(3): 305–321, 1997. (Origin of the popular formulation "When a measure becomes a target, it ceases to be a good measure," generalizing Goodhart 1975.) ↩ ↩²