A1.09.1Search slope and set-size effect研究设计
搜索时间随干扰项数量增长
别名: 搜索斜率 · set size effect · 序列搜索 · 并行搜索
概念解释
在一堆干扰项（distractor）中找一个目标（target），找到所需的时间会随干扰项数量的增加而变化，这个变化率叫搜索斜率（search slope），也叫集合大小效应（set-size effect）。斜率不是恒定的：有些搜索几乎不受干扰项数量影响，反应时间接近平坦；有些搜索每多一个干扰项就要多花几十毫秒，斜率明显陡峭。
要划清的界限：这条讲的是"找目标要花多久"这个行为规律本身，至于哪些特征能让斜率变平、哪些视觉通道天然支持这种平坦搜索，是另一件事——这里只关心搜索时间和干扰项数量之间的函数关系。
机制
当目标具有某个干扰项完全不具备的单一显著特征时，搜索几乎不需要逐个检查候选项，反应时间几乎不随干扰项数量增加而变长，斜率接近零，这类搜索称为平行搜索（parallel search）。当目标只能靠两个及以上特征的组合才能与干扰项区分时（例如目标是"红色的圆形"，而干扰项里既有红色的方形也有蓝色的圆形），系统必须把候选项一个个（或成组）检查过去才能确认，反应时间随干扰项数量近似线性增长，这类搜索称为序列搜索（serial search），斜率明显更陡。
真实的搜索行为往往落在这两个极端之间，是一个从"高效"到"低效"的连续谱，而不是非此即彼的二分——干扰项与目标越接近、区分线索越弱，搜索就越趋近序列端；目标越突出，就越趋近平行端。这也解释了为什么"干扰项数量"单独一个变量并不能完全预测搜索时间，斜率本身取决于目标能否被单一特征快速圈定。
怎么研究
- 经典范式：固定操纵集合大小（干扰项数量，通常取几档，如 4、8、16、32），让被试判断目标是否存在，记录反应时间，把反应时间对集合大小作图，直线的斜率就是搜索效率的量化指标。
- 常见自变量：集合大小、目标是否存在（target-present vs. target-absent，后者通常需要被试确认遍历所有候选项才能下结论，因此绝对反应时间和斜率往往接近前者的两倍）。
- 常见因变量：反应时间、错误率，有时结合眼动追踪记录注视次数与顺序。
- 在界面研究里的用途：评估一套图标、菜单、列表设计"找一个东西平均要扫视多少个候选项"，用于对比不同视觉编码方案的查找效率。
- 方法论注意点：搜索斜率对实验条件很敏感——候选项的排列方式、呈现时长、被试是否知道目标会不会出现，都会改变测出的斜率，跨研究比较斜率数值时要核对范式细节是否一致，不能只比数字。
边界
- 搜索斜率反映的是受控实验条件下、通常要求被试尽快尽准判断的行为，真实界面里的查找往往夹杂浏览、犹豫、分心等因素，实验室斜率给出的是相对效率的排序，不是真实使用场景下的绝对秒数预测。
- 目标绝对不存在（target-absent）时的搜索通常比目标存在时更慢、更依赖遍历，界面里"确认某项不在列表里"的成本常被低估，不能只用目标存在的情形做设计依据。
- 干扰项数量的影响会与干扰项之间的相似程度相互作用——同样数量的干扰项，彼此长得像还是各不相同，对搜索时间的影响完全不同，这一点单看"数量"这一个变量的斜率解释不了，需要结合干扰项之间的相似度效应一起看。
怎么落地
- 需要用户快速定位单个目标的场景（工具栏找一个功能、通知列表找一条未读），控制同屏候选项数量，数量越多、平均查找时间越长，尤其是在目标不具备突出特征、必须逐项核对的设计里。
- 优先给关键目标一个不需要遍历就能锁定的单一显著特征（大小、颜色、动效中的一种即可），而不是让用户在一堆外观接近的候选项里逐个比对——具体哪些特征能天然支持这种快速锁定是另一个问题。
- 对"确认某项不存在"这类否定性查找任务（如检查某条消息是否已读、某个文件是否存在于列表），预留比"找到已知存在的目标"更宽裕的时间预期，不要用查找存在项的耗时数据来估算这类任务。
- 验证办法：分别在候选项数量较少和较多的两种版本下测量目标查找的平均耗时与错误率，画出耗时随数量变化的曲线，斜率越陡说明当前的视觉区分度越不足，需要在候选项设计上加区分特征而不是仅靠减少数量。