同一画面中前注意通道数量有限
别名: dimension-based attention · top-down attentional weighting · 通道干扰
概念解释
即使每一种前注意通道（颜色、方向、尺寸、运动）单独使用都能支持并行搜索，一旦同一个画面里同时用多个通道各自独立地编码信息，能被有效并行监控的通道数量也是有限的——超过这个限度，继续增加编码维度不会带来等比例的信息容量提升，反而会让每个通道的辨识效率下降。
要划清的界限：这条讲的不是"目标需要同时满足两个特征才能被找到"（那是联合搜索里的特征绑定问题），而是"画面里同时存在好几种各自独立变化的编码维度时，人还能不能把每一种都看清楚"——前者是找单个目标时的绑定成本，后者是同时维护多条并行通道时的整体容量限制。
机制
前注意搜索里的"并行"并不是没有代价的无限并行，而是依赖一套自上而下的注意权重分配机制：当搜索者知道目标可能在哪个特征维度上与众不同时，系统会把有限的注意增益集中投向对应的那张特征图，让该维度上的信号被优先放大。如果目标可能出现在好几个不同的特征维度上（比如"目标可能是特殊颜色，也可能是特殊方向，也可能是特殊尺寸，具体哪一种不确定"），这份有限的注意增益就要被拆分到多张特征图上，每张图分到的权重被稀释，单一维度上原本接近零的搜索斜率会重新变陡——这说明可以被同时"点亮"并保持高优先级的特征维度数量本身是有限的资源，而不是可以无限并行叠加的独立通道。
另一层机制发生在多个通道同时承载不同信息、而不是共同指向同一个目标的场景：当画面里颜色、尺寸等多个视觉变量各自独立地随机变化时，通道之间会产生感知层面的相互干扰，比如颜色的剧烈变化会让人更难准确判断同一组元素的尺寸差异，说明多通道同时呈现时，彼此不是完全独立、互不干扰地被读取，而是共享着同一套有限的加工资源。
怎么研究
- 多维目标不确定性范式（源自 disjunctive/dimension-uncertain search 研究）：让目标在某一次试验中可能出现在颜色维度、也可能出现在方向维度（被试事先不知道具体是哪一种），比较这种"维度不确定"条件下的搜索速度与"提前告知目标一定在颜色维度"的确定性条件，维度数量增加、搜索通常变慢，用于量化能被同时维持的高优先级维度上限。
- 多通道读值准确率范式：在同一批标记（marks）上同时编码两个及以上独立视觉变量（如颜色与尺寸各自随机赋值），让被试判断其中一个通道上的具体数值或排序，比较该通道单独存在与和其他通道同时存在时的判断准确率差异。
- 常见自变量：同时启用的独立编码维度数量、目标可能出现的维度是否提前已知。
- 常见因变量：搜索反应时间、单一通道数值判断的准确率或误差。
- 方法论注意点：容量限制的具体数值（能同时维持几个高优先级维度）在不同研究里给出的上限并不完全一致，与具体任务、特征组合方式相关，不能把某一个具体数字当成放之四海而皆准的硬性上限，这条规律的价值在于"存在上限"这个定性结论，而非某个精确阈值。
边界
- 这个限制主要出现在目标可能出现的维度不确定，或者多个通道同时独立传递不同信息的场景；如果只有一个通道在起作用，其余通道保持完全恒定（不携带任何变化信息），并不会触发这里说的容量限制。
- 通道之间的干扰程度并不对称：某些通道组合（如颜色与尺寸同时变化）比另一些组合（如颜色与方向同时变化）干扰更明显，不能假设任意两个通道叠加的代价都相同。
- 这条讨论的是同一时刻、同一画面内的容量限制，不涉及先后呈现、分时段展示多个通道信息是否也有类似限制，那属于另一套时间维度上的注意分配问题。
怎么落地
- 需要用户能一眼锁定唯一目标的场景，尽量让目标始终在同一个、提前可预期的通道上与众不同（比如异常状态永远用颜色区分，不要有时用颜色、有时用形状），而不是让用户每次都要重新判断"这次的区别会体现在哪个维度上"。
- 数据可视化、仪表盘一类需要同时呈现多个变量的界面，控制同一视图里同时独立编码的视觉维度数量，超过一定数量（如同时用颜色、尺寸、方向、透明度分别表示四个不同变量）要预期用户对其中任意单一维度的读值准确率都会下降，而不是假设维度越多信息密度越高。
- 如果业务确实需要展示多个独立维度，优先把其中干扰程度较低的维度组合在一起（如位置与颜色通常比颜色与尺寸更容易同时读取），并通过分图、分层展示的方式拆解，而不是硬塞进同一张图里。
- 验证办法：让用户在实际的多通道设计上完成"读出某个具体维度的数值"的任务，对比该维度单独存在时的准确率，衡量准确率下降的幅度，用以判断当前同时编码的维度数量是否已经超出可用容量。