专家的自动化行为提高捕获性错误风险
别名: 专家易犯捕获性错误 · 熟练度与差错类型 · expertise and slip type
概念解释
专家总体错误率比新手低，这个直觉大体成立，但它掩盖了一个更细的事实：错误的类型会随熟练度系统性地变化，其中一类会随专家程度提升而不是下降——熟悉序列在分岔点被自动触发、把当下真正想做的操作挤出去。这类差错正是因为动作已经被执行到不需要主动核对每一步的程度才会发生，而这恰恰是专家的定义性特征，不是专家的例外状态。也就是说，专家在别的方面差错更少，唯独在这一类差错上，反而比新手更容易中招。
机制
新手在执行任何一步操作时都还处在需要主动确认"我现在做的是不是我想做的那件事"的阶段，这个持续的主动核对恰好在分岔点上起到了拦截作用；专家的动作序列已经压缩成可以整体触发、无需逐步核对的自动化流程，分岔点上原本该有的那次核对被跳过了，一旦这个分岔点前面恰好和另一条更高频的熟悉序列共享路径，控制权就会被那条更强的习惯路径接管。专家不是在这一步"想岔了"，而是这一步压根没有被有意识地想过——自动化省下的核对成本，恰好就是这类差错发生的空间。
怎么研究
验证这个关联的一种做法是把用户操作日志按使用频率或使用年限分组，比较高频用户与低频用户在共享前缀的分岔点上出现"滑向高频分支"的比例；如果这个比例随使用频率上升而不是下降，说明捕获倾向确实与自动化程度而非泛泛的经验水平挂钩——需要注意的是这里比较的是同一批分岔点上的滑动比例，而不是两组用户的总体错误率，用总体错误率做对比会因为专家在其他差错类型上的优势被拉平，掩盖这一类差错本身的方向。
边界
这个提高只针对捕获性错误这一种差错类型，不能反推出"专家整体上更容易出错"——专家在需要判断、需要临场应变的差错类型上仍然明显优于新手，两类差错的走向是相反的，合并统计会互相抵消，看不出任何一条趋势。这个风险也只在存在共享前缀的两条序列、且其中一条使用频率远高于另一条时才成立，如果产品里根本不存在这种结构，专家的自动化程度再高也不会转化为这类差错。
怎么落地
- 不要把安全防护措施按"新手需要保护、专家可以信任"这条思路去分级：在共享前缀分岔点这个具体位置上，越资深、操作越自动化的用户，越是这类差错的高风险人群，防护应该设在这个位置本身，对所有熟练度的用户一视同仁。
- 涉及共享前缀分岔的高后果操作，不能靠"提醒用户仔细看"这类寄希望于用户主动核对的提示来防护，因为专家在这一步恰恰不会主动核对——防护要做成不依赖用户当下注意力状态就能生效的形式（比如在分岔点强制引入一个和熟悉序列明显不同的操作手势）。
- 验证办法：从操作日志里筛出所有存在共享前缀结构的功能对，按用户使用频率分组统计滑向高频分支的比例；如果高频用户组的滑动比例明显更高，说明现有的分岔点缺少足够的区分设计，需要针对这个具体位置加防护，而不是笼统地给新手加提示。