警报数量超过可记忆量即失去意义

概念解释

前两层解决的是"听得见"与"分得清"，这一层解决的是第三层问题：听到、也分得清是哪个声音，但记不住这个声音对应什么状态，警报就只剩下"有事发生了"这一层含义，具体是什么事仍然要靠操作者去查看别的界面才能确认。这不是声学设计的失败，而是记忆容量的失败——一个人能可靠地把任意声音和对应含义建立起长期稳定映射的数量是有限的，一旦系统里的警报种类超过这个数量，多出来的部分名义上"可区分"，实际上没人能可靠说出它是什么意思。

机制

把一个声音和一个含义绑在一起，属于绝对辨认（absolute identification）任务：不是把两个声音放在一起比较相对差异，而是单独听到一个声音就要报出它属于哪一类。人在单一感觉维度上做绝对辨认时，能可靠维持的类别数量存在一个大致固定的上限，超过这个上限，辨认正确率会随类别数增多而系统性下降，而不是平缓地变差一点点。警报的含义映射本质上就是这种任务：警报种类越多，每一种含义能分到的"记忆槽位"就越紧张，加上大多数警报在实际使用中触发频率很低，长期不用的映射会随时间遗忘，进一步压缩了实际可用的辨认数量——训练时能背下来的警报清单，几个月不遇到其中大半，事到临头照样想不起来。

怎么研究

沿用绝对辨认范式：训练被试记住一组声音与含义的对应关系，训练达到熟练标准后测试识别正确率，逐步增加警报种类数量，找出正确率开始明显下降的拐点。更贴近真实场景的做法是加入保持期——训练完成后间隔数周甚至数月再测，考察遗忘对辨认正确率的影响，因为一次性训练后立即测得的容量上限会明显高于真实工作场景里长期不用后的实际水平。自变量是警报种类数与训练后间隔时长；因变量是识别正确率与反应时。

这套方法常用来给一个系统的警报总数设一个基于人因数据的上限，而不是让警报数量随功能迭代自然膨胀。

边界

• 这个容量上限不是绝对常数，会因训练强度、警报是否有语义线索（比语义化警报比抽象警报更容易记住其含义，这是下一条要展开的问题）、以及个体差异而有所浮动，不能套用一个放之四海而皆准的具体数字。
• 高频率使用的警报即使总数较多，也可能因为重复接触而维持住较高的辨认正确率；容量瓶颈主要出现在低频率触发、依赖长期记忆而非近期练习的警报上。
• 提供辅助信息（警报响起时界面同步显示对应的文字或图标）可以绕开纯听觉记忆的容量限制，但代价是操作者必须转移视觉注意力去确认，这在需要保持视线在别处的场景下并不总是可行。

怎么落地

• 在系统设计早期就给警报种类总数设一个上限，超出上限的新增状态优先考虑合并到已有警报类别（用同一声音搭配不同的紧迫程度编码），而不是无限制地新增全新的警报音。
• 对低频率触发的警报，不要假设一次性培训就能长期维持辨认能力，需要安排周期性复训或提供随时可查的听觉-含义对照表。
• 验证办法：培训结束几周后，不做预告地随机播放警报清单，记录被试能正确说出含义的比例；如果正确率明显低于培训刚结束时的水平，说明当前的警报种类数已经超出了这批用户在真实使用节奏下的可维持容量。

延伸

• 同组：A3.07.1 警报必须在目标环境噪声中可闻 · A3.07.2 不同警报之间必须可区分 · A3.07.4 报警紧迫程度可通过节奏加快与音高上扬编码，无需更换音色 · A3.07.5 抽象警报音与语义化警报音在学习成本与跨语言适用性上互有取舍 · A3.07.6 多个警报同时触发会互相掩蔽，需要设计优先级抑制规则 · A3.07.7 标准化警报提升跨系统识别效率，定制化警报提升场景区分度，二者互斥
• 相邻：A6.02 工作记忆容量 · A6.06 遗忘曲线
• 站内检索：absolute identification · alarm fatigue · alarm overload · channel capacity