默认用户具备主流数字素养的设计会系统性排除低素养群体
别名: 数字素养假设 · survivorship bias in feedback · 反馈幸存者偏差
概念解释
很多界面设计在没有明说的情况下，默认用户已经具备一整套"主流"数字素养——熟悉手势操作、能理解抽象图标、习惯多层级导航、能自主排查常见故障。这类默认假设一旦落进设计规格，会系统性地把数字素养低于这个默认水平的用户挡在门外——不是产品不想让他们用，而是产品的操作路径本身就没有为他们的起点留出入口。
机制
这类排除是系统性的而非偶然的，是因为默认假设通常来自设计团队自身的使用习惯——设计者和参与测试的种子用户本身数字素养处于分布上段，日常测试和迭代反馈的信号来源本身就带有偏差，产品在这个反馈循环里会持续向"对高素养用户更友好"的方向优化。低素养用户遇到的困难因为很少进入反馈渠道（他们更可能直接放弃而不是提交反馈或参与测试）而在数据上不可见，这种不可见性使排除效应会随一轮又一轮基于现有反馈的优化被不断强化，而不是被发现和纠正。
怎么研究
检验一个设计是否隐含了这类假设，需要专门招募数字素养处于分布低段的被试做任务型可用性测试，不能依赖产品现有活跃用户样本——现有活跃用户本身就是"通过了准入门槛"的幸存者，从这个样本里测不出被挡在门外的那部分人的困难。测量指标包括任务完成率、完成时间，以及是否使用求助（拨打客服、问家人朋友）而非独立完成。方法论上要注意：低素养用户的求助行为经常发生在被试自己的社交网络里，而不是产品内的帮助入口，纯粹统计产品内帮助功能的使用量会低估这部分用户遇到的实际困难。
边界
这个问题在完全新用户的首次接触环节最突出；已经使用一段时间、建立了针对这个具体产品的操作记忆的低素养用户，困难会部分被产品特定的肌肉记忆掩盖——这意味着只测老用户样本会低估新用户的进入门槛有多高，测试样本必须包含真正的首次接触者才能看清问题的全貌。
怎么落地
- 招募可用性测试参与者时，主动纳入数字素养处于分布低段的用户（可以用简短的操作任务前测筛选，而不是依赖年龄等间接代理变量），不要只从产品现有活跃用户或团队内部招募。
- 对核心任务路径设置一个"最低素养假设"的检查点：明确写下这条路径假设用户已经会做什么（比如假设用户认识某个图标含义），逐条核实这个假设是否有测试证据支持。
- 验证办法：让完全没有使用过同类产品的被试独立完成核心任务，全程不给予任何提示或引导；记录他们在哪一步卡住、卡住多长时间、以及是否主动放弃转向外部求助——卡点集中的步骤，就是当前设计对数字素养要求过高、需要重新设计的位置。