人为差错率量化的适用条件与局限
别名: human error probability · HRA · THERP · performance shaping factors
概念解释
人因可靠性分析（Human Reliability Analysis, HRA）试图给"人在某个任务里出错的概率"赋一个具体数字，也就是人为差错概率（Human Error Probability, HEP）——例如"某类阅读仪表读数的任务，差错率约为百分之一"。这类数字最早在核电、航空等高风险行业发展出来，用于概率风险评估，帮助判断某个操作环节需不需要额外的防护。但这个数字不是一个普适常量：它是在特定任务结构、特定压力水平、特定人群、特定环境条件下测得或估计出来的，脱离这些条件直接套用到另一个界面或另一批用户身上，得到的数字没有意义。
机制
差错率之所以强依赖条件，是因为人的出错概率本身就是任务结构、时间压力、疲劳程度、界面清晰度、训练水平等多个变量共同决定的结果，而不是一个只属于"人"这个因素的固有属性。同一个人在结构良好、反馈及时的任务里差错率可能是千分之一，在结构混乱、时间紧迫的任务里差错率可能上升一个数量级。早期 HRA 方法（如 THERP）通过把任务拆解成基本动作单元、给每个单元查表赋一个基础差错率、再用一组"表现塑造因子"（时间压力、环境噪声、程序质量等）对基础值做调整，试图把这种依赖关系显式建模；这也说明了单独一个数字脱离任务结构和调整因子是没有意义的，报出"人为差错率是百分之几"而不说清楚是在什么任务结构和塑造因子下测得的，这个数字本身就不可信。
怎么研究
HRA 研究的常见做法是任务分解加专家判断或历史数据：先把复杂操作拆成一连串基本步骤，为每一步查阅已有数据库或让领域专家估计差错概率，再乘以反映当前具体情境的表现塑造因子，得到整体差错率的估计。方法论注意点：这类数字绝大多数来自核电、航空等专业操作环境的历史事故与实验室数据，任务结构与消费级软件界面的操作差异很大——专业操作员经过标准化培训、任务步骤高度规程化，普通用户面对的是探索式、非规程化的操作——把这些行业的差错率表直接套用到界面可用性评估上，本质上是跨情境的类比而非同一总体的测量，估计值的可信区间往往被低估。
边界
这类量化在两种情况下最站得住：任务本身高度结构化、步骤可枚举、且已经积累了大量同类操作的历史数据（如核电控制室的标准操作规程）。一旦任务是开放式的、允许用户自由探索路径，或者用户群体的经验分布很宽，用单一差错率描述"这个界面的错误率"就掩盖了个体差异和路径差异，数字看起来精确，实际置信区间可能覆盖一个数量级以上。把这类数字用作单一验收门槛（如"差错率必须低于百分之一才能上线"）而不说明测量条件，是对量化结果精确度的过度信任。