已学习的符号系统可以覆盖天然的分组倾向
别名: 组块化 · chunking · learned notation
概念解释
接近性、相似性这些线索描述的是不依赖专门训练、多数人一看就有的分组倾向；但如果一个人经过系统学习，掌握了一整套符号规则（乐谱、代码语法、化学结构式、专业领域的图表约定），这套规则本身就会成为分组的依据，甚至压过版面上单纯的间距、排列关系。一段代码的缩进哪怕不统一，熟悉这门语言语法的人依然会按照逻辑代码块去分组，而不是按字符间距去分组——这说明习得的符号系统（learned symbol system）一旦建立，分组就不再只由天然的知觉线索决定，还要看这个人有没有掌握对应的规则。
机制
天然的格式塔线索靠的是视觉系统对间距、颜色这些物理属性的直接计算，这个计算过程对任何人都一样，不需要专门学习；而习得的符号系统靠的是记忆里存好的一整套规则和大量练习后形成的模式识别能力——经典的专家记忆研究发现，国际象棋高手能一眼记住棋盘上符合实战逻辑的棋子布局，换成随机摆放的棋子，他们的记忆表现和新手相差无几。这说明专家真正掌握的不是"记忆力天生更强"，而是把零散的棋子按照他们熟悉的战术模式组块（chunk）成了少数几个有意义的单位去记，组块的依据是棋局逻辑而不是棋子在棋盘上的物理距离。同样的道理搬到界面里：一旦用户对某套符号规则足够熟悉，规则本身就会成为组块和分组的依据，盖过间距这类物理线索。
怎么研究
验证这类效果的经典范式是对比"符合规则的排列"和"打乱规则但保持随机性相近的排列"：让掌握该符号系统的专家和完全不懂的新手分别尝试记忆或分组同一批材料，如果专家只在符合规则的条件下明显优于新手、在随机打乱的条件下优势消失，就说明专家的优势来自对规则的掌握，而不是天生记忆容量更大。这类研究的自变量是材料是否符合该领域的内部逻辑，因变量通常是回忆准确率、分组一致性或者完成时间。
边界
这种覆盖效果只对真正经过正式学习或长期专业训练、形成了稳定规则体系的符号系统成立，不能把大众未经训练、随手设计的图标堆砌当作"已学习的符号系统"来对待——多数用户面对陌生图标时，并没有一套可以拿来分组的内部规则，这时天然的格式塔线索仍然是主导，而不是想象中的"专业符号"。当使用者群体里既有专家又有新手时，同一版面对两类人起作用的分组依据完全不同，不能用专家能看懂的组织方式去要求新手同样理解。
怎么落地
- 为已经具备专门训练背景的用户群体设计工具（代码编辑器、专业制图软件、财务系统）时，可以适度依赖这套人群已经习得的符号规则来实现更紧凑的呈现，不必事事都靠额外的间距或颜色去重复强调这套规则本身已经传达的分组关系。
- 面向大众或者新手为主的场景，不要把行业内部约定的符号当成理所当然的分组依据，这类用户没有对应的规则储备，仍然需要依靠间距、颜色这些不需要专门学习的线索。
- 验证办法：分别找目标专业背景的用户和完全没有相关背景的用户完成同一个分组或查找任务，比较两类人的表现差异；如果差异很大，说明当前设计确实依赖了一套只有专家才掌握的符号规则，需要判断这是不是符合产品的目标用户构成。