A1.15.7Distributed micro-breaks研究设计
短暂频繁的远眺休息比长间隔的长时休息更能缓解调节负担
别名: 微休息 · 远眺休息 · 20-20-20 法则 · distributed breaks · massed breaks · accommodative recovery curve
概念解释
在总休息时间相同的前提下，把休息拆成多次短暂的远眺间隔，比把同样的总时长合并成一次长休息，更能有效缓解调节负担——这是分散式休息（distributed breaks）优于集中式休息（massed breaks）在调节疲劳这个具体场景下的体现。广为人知的"20-20-20"法则（每隔约二十分钟看向约六米外二十秒）正是这个原则的一种具体落地形式，但这条要说清楚的是原则本身：为什么分散安排的效果更好，而不只是给出一个具体数字。
机制
肌肉从疲劳中恢复通常遵循一条先快后慢的曲线：刚开始休息的一小段时间内，恢复速度最快、单位时间换回的恢复量最大；随着休息持续，恢复速度逐渐放缓，同样的休息时长换来的额外恢复量越来越少。把总休息时间拆成多次短暂的休息，等于反复截取这条曲线里恢复效率最高的那一段——每一次短暂休息都用在最划算的区间；而一次性的长休息，前面一小段同样高效，但后面大部分时间都停留在收益递减的区间，相当于把大量休息时间浪费在恢复效率已经很低的阶段。反过来看，频繁的短暂休息还起到预防作用：它让睫状肌始终不至于积累到很深的疲劳程度，而从很深的疲劳状态里恢复，本身需要的时间和难度都不成比例地更高——提前多次小幅"清空"疲劳，比等疲劳积累到很深之后再一次性偿还，总体上更省时间。
怎么研究
- 休息结构对照设计：让不同组别完成总近距离用眼时长和总休息时长都相同的任务，只改变休息的分布方式（拆成多次短暂休息，或集中在末尾的一次长休息），任务结束后用调节功能测试或症状量表比较差异。
- 常见自变量：单次休息时长、休息之间的间隔、总休息次数，在总休息时长固定的前提下互相权衡。
- 常见因变量：调节幅度或反应速度的任务后测量值、主观疲劳评分，部分研究还会记录阅读速度或任务准确率等次要绩效指标。
- 方法论注意点：这类比较必须严格控制总休息时间和总近距离用眼时间一致，否则观察到的差异可能来自总时长不同而不是分布方式不同；同时"休息"本身要确认被试确实完成了远眺动作，而不是只是停止了操作但视线依然停留在近距离范围内。
边界
- 拆分不是越碎越好：如果单次休息时长太短，短到不足以让睫状肌真正完成松弛，这次休息可能根本没有产生有效的调节恢复，把总时长拆得过碎反而会让每一次休息都低于起效的最短时长，效果不增反减。
- 这个原则的优势前提是休息确实是"真休息"——视线切换到明显更远的距离并维持足够时长；如果所谓的休息只是继续盯着近距离范围内的另一个物体，不构成有效的调节放松，分散安排也无法带来这条讨论的收益。
- 个体差异依然存在：调节幅度已经明显下降的人群，可能需要更长的单次休息时长才能达到同等程度的恢复，不能简单套用为年轻人群定出的休息间隔和单次时长。
怎么落地
- 在需要持续近距离用眼的任务流程里，安排贯穿全程的短暂休息节点，而不是把所有休息集中安排在任务末尾或仅在用户主动喊累时才提供。
- 产品或系统层面实现自动休息提醒时，默认间隔应偏向频繁而非集中——把总休息配额拆分成多个短间隔，而不是攒成一次性的长时段休息。
- 每次提示的休息要设定一个起效所需的最短时长，并在设计上鼓励用户真正把视线移向远处，比如提示中明确给出"看向至少几米外"的具体动作要求，而不是让用户随手点掉提示就算完成。
- 验证办法：记录用户在休息提示出现后是否真的完成了视线远移动作，比较真正完成远眺休息的用户与仅仅暂停操作的用户在任务后调节功能或症状评分上的差异，确认休息提示是否被有效执行、而不只是被动地展示出来。