错误：意图本身建立在错误的心智模型上
别名: 规则性错误 · 知识性错误 · rule-based mistake · knowledge-based mistake
概念解释
错误（mistake）指用户的执行完全符合自己的计划，但这个计划从一开始就建立在错误的认识上——他对系统该怎么运作、当前该做什么的判断本身就是错的，所以哪怕动作做得一丝不差，达成的也不是想要的结果。这和失误正好相反：失误是"想得对、做得偏"，错误是"想得就不对，做得倒是很准"。
机制
错误可能来自整体错误的心智模型（用户对系统工作原理的理解本身就不对，比如以为某个操作会自动保存草稿，实际上不会），也可能来自把一条本来正确的规则用错了场合（这条规则本来适用，但当前情境不该用它，用户没能分辨该用哪条）。无论哪种，问题都出在计划形成阶段；执行阶段只是忠实地执行了这个错误计划，所以从动作本身完全看不出问题——只有对照真实的系统状态或规则的实际适用范围，才能看出计划哪里错了。
怎么研究
识别错误的关键在于还原用户当时的心智模型，而不是只看动作序列——常见做法是在错误发生后追问"你当时以为按这个会发生什么"，把回答和系统实际行为对照，模型与现实之间的落差就是错误的来源。这类追问必须问"当时的预期"而不是"正确该怎么做"，否则用户会用他事后学到的正确知识来回答，掩盖了当时真实的错误认识。
边界
如果用户的心智模型其实是对的，只是没能正确识别当前所处的状态（比如没看清自己已经切换到了另一个模式），那就不属于错误，而是别的差错类别——模型本身没问题，问题出在对当前情境的感知上。错误这个类别只覆盖模型内容本身有问题的情况；模型是对的但用错了地方，要到别的差错类别里找原因。
怎么落地
定位到某类差错属于错误而不是失误后，修复方向必须是纠正认识，而不是收紧操作约束——单纯把按钮做得更难按，改变不了用户对系统行为的错误预期，下一次他还是会带着同样的错误计划来操作，只是换一种方式实现它。有效的干预是在决策点把系统实际会发生的事情提前展示出来（预览、确认前的效果说明），在执行之前就打破错误的心智模型，而不是等错误发生后再提示。验证办法：对同一批用户重复观察，如果收紧了操作约束后，用户仍然反复尝试各种变通方式想达成同一个（错误理解下的）目标，说明模型没有被纠正，问题没有解决。