Впрочем, не все результаты чикагского анализа свидетельствовали о нарушениях. Помимо выявления обмана, алгоритм позволял также определить лучших учителей. Ведь влияние хорошего учителя было почти так же заметно, как и влияние мошенника. Вместо отдельных правильных ответов его ученики демонстрировали реальное улучшение знаний по тем вопросам, в которых ранее “плавали”. Кроме того, ученики хорошего учителя не теряли, а только набирали темпы освоение наук в следующем классе.
Большинство академических аналитических отчетов подобного рода имеют свойство тихо пылиться непрочтенными на дальних полках библиотек. Но в начале 2002 года с авторами исследований связался новый директор общественных школ Чикаго Арни Дункан. Он вовсе не хотел оспорить сделанные ими открытия или заставить их умолкнуть. Скорее, он желал убедиться, что учителя, определенные алгоритмом как мошенники, действительно вели себя нечестно, и дать делу ход.
Дункан был отнюдь не типичным человеком на этой должности. Ему было всего тридцать шесть лет, ранее он преподавал в Гарварде и даже профессионально играл в баскетбол в Австралии. До того как возглавить общественные школы Чикаго, он сотрудничал с ними только три года, ни разу не занимая достаточно серьезную должность, чтобы иметь собственного секретаря. Между тем Дункан вырос в Чикаго. Его отец преподавал психологию в местном университете, а мать на протяжении сорока лет бесплатно занималась после школы с детьми бедных соседей. Когда Арни был маленьким мальчиком, его товарищами по играм были отпрыски малообеспеченных семей. Поэтому, когда он возглавил общественные школы, его симпатии были больше на стороне учеников и их родителей, чем учителей и их профсоюза [6.3].
Дункан решил, что оптимальным способом избавиться от мошенников среди учителей будет повторное проведение тестов. Однако у него были ресурсы, чтобы протестировать заново только сто двадцать классов, а потому он попросил создателей алгоритма помочь ему с выбором.
Каким образом можно было использовать эти тесты с максимальной эффективностью? Казалось, разумнее было бы перепроверить только те классы, которые вызывали подозрение. Но даже если бы новые результаты были ниже, учителя могли заявить, что дети просто работали хуже, так как им сказали, что тесты не повлияют на их судьбу. И к этому заявлению было бы трудно придраться, поскольку все ученики действительно знали, что им нечего бояться. Чтобы сделать результаты повторной проверки убедительными, необходимо было привлечь несколько честных учителей в качестве контрольной группы. Но кто мог войти в такую группу? Ответ очень прост: учителя тех классов, в которых, как определил алгоритм, баллы учеников были получены справедливо. Если бы успеваемость в их классах осталась на том же уровне, а ученики подозреваемых учителей провалили тест, не могло бы быть никаких отговорок. Уж тогда бы мошенники не могли сказать, что их ученики отвечали хуже потому, что их ответы ни на что не влияли.