当选择偏离了均匀性，它就是有偏见的——不是因为有人有意偏袒谁，而是因为人的判断在某个环节掺了进来。
这个区别很重要。下面这些场景里，没有人决定要偏心。偏见存在于选择的方法之中，而它之所以隐形，恰恰因为它感觉像是判断，而不是选择。
1. 近因
是什么。 给最近发生的事额外权重。最后举手的那个学生成了你选的人；五分钟前提到的任务显得紧急，于是被完成。
看起来是什么样。 “谁想下一个？”——而你每次都接第一只手。三十秒前举手的学生，比你第一分钟就举手的学生更能得到你的注意。
解决办法。 用抽签代替接第一只手。这里没有可供利用的顺序。
2. 与我相似
是什么。 偏爱让你想起自己的人——相同的兴趣、相同的沟通方式、相同的背景。
看起来是什么样。 你挑中那个给出和你一样答案的学生。这不是刻意的；它在你心里登记为“他们答得好”，而不是“他们像我”。
解决办法。 在抽签前就承诺接受结果。选出来你就接受，这正是关键所在——一个你会推翻的抽签，算不上选择。
3. 位置
是什么。 系统性地偏爱名单开头、末尾或中间的条目。
看起来是什么样。 扫视点名册，找到合适的人就停下。名单顶部得到更多关注。用转盘时，视觉上位置显眼的条目会被读成更重要。
解决办法。 使用打乱后的抽签。如果顺序可见且固定，无论你意图如何，位置都是真实的输入。
4. 确认
是什么。 把结果解读成你原有想法的证据。
看起来是什么样。 一个名声在外的学生，他的结果被读成印证；而同样的结果发生在你看好的学生身上，却被读成惊喜。抽签是公平的，解读不是。
解决办法。 在做决定之前写下理由。如果看到结果前你说不出理由，那这个决定就不是基于这些理由做出的。
5. 可得性
是什么。 把谁在场当作谁应该被纳入的替代标准。
看起来是什么样。 两名学生缺席；抽签把他们算了进去；抽到他们时你跳过。于是抽签池不再是公布的那个池，而偏离也不是随机的了。
解决办法。 在抽签之前移除缺席的参与者，并说明你这么做。如果剩余名字的数量是公布的，结果就站得住脚。
6. 惯性
是什么。 把一种模式当成一种机制。因为某人最近被选了很多次而跳过他们，是一种合理的公平本能，但它产生的结果并不随机。
看起来是什么样。 “他们已经轮到三次了，这次放过他们吧。“下一次抽签又把他们算进去，补偿就这样在没人决定的情况下改变了分布。
解决办法。 如果一学期内的均衡很重要，那就需要轮换，而不是带手动调整的抽签。这是两个不同的流程，混在一起两者都做不好。
根本问题
这些偏见大多有一个共同原因：做选择的人希望被看作选得好，无法容忍一个看起来糟糕的结果。偏见不在于偏好好的结果——那很正常——而在于为了得到它而愿意推翻流程。
这就是为什么即使机制完全相同，公开抽签也比私下抽签更有效。别人看得见的抽签不那么容易被推翻，而被旁观过的抽签，也不是你能事后悄悄改动的。
这也是为什么外部工具不会自动没有偏见。工具应用相同的概率；操作它的人仍然可以重跑、重排或跳过。机制公平和流程公平是两种不同的属性，只有后者才能避免争论。
真正能防止偏见的做法
从公布的名单中抽签。 写下来，展示出来，出结果后不要更改。
让别人来执行抽签。 这是最有力的一项单独措施。由一名学生拿着设备，或由一位团队成员操作，就成了事后不会被怀疑偏袒任何人的见证人。
录下来。 一张同时包含名单和结果的截图，能提前把问题解决。任何重要的抽签都值得这么做。
除非规则允许，否则不要重跑。 在结果令人失望后重抽，是最清楚的信号，说明流程其实并不随机——而且这是最容易被察觉的错误。
不要手动修正。 事后移除缺席者的名字、跳过不方便的条目，或为上一次抽签做补偿，都是同一个错误换了件外衣。
关于公平的一点说明
有一点值得说清楚：随机选择给每个人的是相等的机会，这与结果均等不是一回事。一个三十人的班级，一学期下来不会每个学生被选中的次数都一样，总会有人注意到。
均匀不等于均衡。如果要求的是均衡而非不偏不倚，那么正确的工具是轮换，抽签不能替代它——即使执行得再好，抽签也做不到轮换能做到的事。
公平性页面介绍了相关机制，包括为什么 Math.random() 不合适，以及拒绝采样解决了什么。如果你要为一个会被人质疑的决定挑选工具，这些都值得了解。
简短版
上面每一种偏见都来自同一个地方：不愿接受一个不是自己选的结果。
所以真正有用的做法不是“少一点偏见”——而是在你还想挑之前就做出决定，当着他人的面，从一份你已经公布的名单里。这样偏见就没有地方施展了。
如果你发现自己又在重跑抽签，答案已经很明显了。停下，接受结果，继续往前。