背单词这件事上，几乎人人都纠结过一个具体动作：小测到底只考这周新学的那批词，还是把前几周学过的旧词也一并塞进去？前者省事，后者心里没底。多数人的直觉是，考旧词等于逼学生多花时间复习，效果好也是时间堆出来的。
最近读到《TESOL Quarterly》2025 年第 59 卷第 4 期上的一项课堂研究，恰好把这个直觉掀了一下：考旧词确实更有效，但两个组的总体学习时间并没有差异。
一学期，100 个词，两个整班
研究在日本一所大学做，两个完整的英语班被整班分成两组，累积组 44 人，非累积组 44 人。全部是一年级学生，这门课是学术英语读写的必修课之一。一学期学 100 个目标词，每周小测，每次课引入 10 个新词。累积组的小测同时覆盖新词和先前学过的词，非累积组只考最近那 10 个。
方法上有一点值得多说一句：学生用在线闪卡平台准备小测，平台记录练习次数和复习次数。以前类似研究主要靠学生自己报「我复习了几小时」，这次拿到的是行为数据。研究想弄清楚三件事：累积测验会不会带来更多学习时间或复习次数；这些个体差异会不会调节效果；再叠上二语水平，三者怎么共同起作用。
出人意料的地方：没人多花时间
最后一次周测之后 3 周做后测，累积组的表现优于非累积组。但这个优势有前提：练习量增加时才显现，而且在二语水平较低的学生身上更明显。
真正反直觉的是另一条——两组总体学习时间没有差异。累积组并没有因为要考的词越来越多就延长学习，而是策略性地挑出哪些旧词去复习。
说白了，这项研究把「多考旧词」从「多花时间」里拆了出来。起作用的是练了多少次、复习的是哪几个词。作者据此认为，这项研究不只回答了累积测验是否更好，还回答了它为什么更好。
先别急着抄作业
这项研究的边界得讲清楚，不然容易被用歪。
两个班是整班分配，不是随机分组；两组专业也不一样，累积组是文学或教育专业，非累积组是工程专业，这个混杂背景论文自己承认了。3 周后测不等于长期保持。88 人里排除了 4 人：累积组 3 人，其中 2 人在 10 周内课外练习次数为 0，1 人练习次数过多、可能让结果产生偏倚；非累积组 1 人缺席前测。排除之后最终进入分析的人数，材料里没有明示。研究也没给效应量，更没有其他独立复现。
还有一个方向值得摆出来：累积测验不是到哪儿都灵。同一篇论文回顾过，大学导论生物课上，安排 7 次累积期中考试的组，在期末考以及 5 个月后的延迟测评中都没有优于非累积组；累积考试的好处主要出现在科学推理能力较低的学生身上。心理学导论课的研究里，也是低分学生从累积考试中收益最大。所以「水平偏弱的人受益更多」并不是这一篇独有的发现，它更像一条在多门学科里反复冒头的线索。
至于被引用最多的那项前作——日本药学专业学生学 80 个药学或医学相关词汇——增益分上累积组明显占优：意义回忆 45.6% 对 22.1%，形式回忆 35.5% 对 10.5%。不过这篇新论文转述它时有两处对不上：一处写 72 名学生，同一段给出的分组却是累积组 34 人、非累积组 33 人；周次上也有 8 周和 12 周两种说法。这种数字对不上的情况，我没有去猜原因，只提醒一句：引用二手转述时得留神，别把转述当原文。
机制还没定案
当年那项前作推测，累积测验的好处可能来自学习时间增加和间隔复习。但他们没收集课外练习数据，也没测语言水平，这些说法当时只是推测。新研究用平台把这两条拿去检验，结果把「学习时间」这条基本否掉了。
技术上真正起作用的，是平台让人能看见「什么时候练、练了几次」这类原本看不见的行为。学习工具的价值，可能不在于替你学，而在于把你的学习过程变成可观察的东西。
要问这项研究能给日常复习什么提示，大概是：回头考旧词值得试，但别当成「多考就自动记住」。它更像一个筛选机制，逼你在有限精力里决定哪几个词最该再看一遍；练的次数不够，机制就不启动。
把旧词塞进小测，本身不产生记忆；产生记忆的是你为了应付它，真的回头看了几遍。