错误检测依赖对预期结果的清晰认识，模糊目标下的错误更难被自行察觉
别名: error detection · goal clarity · expected outcome
概念解释
用户能不能发现自己出了错，取决于他脑子里有没有一个足够清晰的"本来应该是什么样"作为比对基准。如果任务目标本身是明确的——转账金额应该是多少、文档应该保存成什么格式——实际结果只要偏离这个基准就会被立刻感知到；但如果目标本身是模糊的——探索性地调整一个参数、随手整理一批文件、还没想清楚具体要什么样的排版效果——用户手里根本没有一个清楚的基准可以拿来比对，结果哪怕已经偏离了原本设想的方向，也很难被识别为"错误"，因为连"正确"是什么样都还没定义清楚。
机制
错误检测在认知上是一次比对操作：把实际观察到的结果和内部保有的预期表征做匹配，任何差异都会作为"不对"被觉察到。这个比对能不能成立，前提是预期表征本身足够具体、足够稳定——如果预期只是一个模糊的方向感而不是一个具体的目标状态，比对的一方就是空的，差异自然无从被检测出来。探索性任务恰恰缺少这种具体预期：用户一开始就带着"看看会怎样"的心态操作，任何结果在当下都可能被解释成"还在探索的一部分"，而不会被单独挑出来标记为偏离。这不是用户注意力不够，而是检测机制本身缺少可以工作的输入。
怎么研究
比较明确目标任务与模糊目标任务下差错检出率的实验设计，通常给两组被试同样的差错植入点，一组任务给出具体、可核对的目标描述，另一组只给出宽泛的方向性指示，比较两组被试主动报告或修正差错的比例。方法论注意点：模糊目标下的"差错"本身难以客观界定，因为没有唯一正确答案，实验设计者需要预先定义一个即便在探索性任务里也算作偏离的判据（例如操作结果与被试自己事后回忆的初始意图不符），否则无法判断某次未被检出的偏离是否真的构成一次差错。
边界
这条结论不适用于目标本身就没有唯一正确答案的创造性任务——在这类任务里，预期与实际不符未必是差错，可能恰恰是有价值的意外发现，用检测差错的框架去衡量创造性探索会错误地把有益的偏离当成需要修正的问题。这条结论也不能反过来推出"目标越具体越好"：过度具体的目标描述会压缩用户尝试替代方案的空间，边界在于任务本身是否存在一个用户认可的"正确"状态，而不在于目标描述得有多细。
怎么落地
在设计包含明确正确结果的任务时，让用户在动手之前先能看到或确认一个具体的目标表征（预览效果、目标数值、预期结果的示例），而不是让用户凭记忆在操作过程中维持这个目标；目标表征越具体、越容易在操作过程中随时对照，用户自行发现偏离的能力就越强。对于目标本身开放、探索性质强的功能，不要生搬硬套差错检测框架去提示"结果可能不对"，那类提示在没有基准的情况下只会制造困惑而不是帮助。验证办法：观察用户完成任务后，主动询问其对最终结果是否符合预期给出评分并说明理由；如果用户能清楚说出哪里不对，说明预期表征足够具体，检测机制能正常工作；如果用户只能给出模糊的满意度评价却说不出具体差异，说明当前设计没有为这个任务提供足够具体的目标表征。