模型决定用户在异常时的预期与应对

概念解释

心智模型的价值在系统正常运行时不太看得出来，因为大多数常规路径已经被使用者的习惯或系统的强反馈兜住了。真正拉开差距的是系统出现异常——报错、卡顿、行为出乎意料——的时候，用户下一步"该做什么"完全由TA当下持有的模型决定：以为文件正在后台同步的人会选择等待，以为程序崩溃的人会强制退出，以为是自己操作有误的人会重试同一个动作。

机制

异常发生时，用户手头没有现成的操作脚本可以照搬——常规路径已经不适用了——必须靠模型去推断当前系统可能处于什么状态、由此该采取哪个动作。这时模型不再是背景假设，而是被直接调用为决策依据：模型的结构（认为系统是同步的还是异步的、认为这类错误是可恢复的还是致命的）直接决定了应对策略的方向，而这套决定过程往往发生得很快，在用户能清楚说出"我认为发生了什么"之前，动作已经付诸实施。

怎么研究

一种做法是在受控条件下插入预先设计好的假故障或异常场景，观察用户的下一步动作，再事后追问"你当时以为发生了什么"，把行为和事后陈述的模型互相对照，反推异常处理背后真正在起作用的模型结构；也可以比较持有不同已知模型的用户群体（比如新手与熟练用户）面对同一异常时的应对差异，差异本身就是模型内容不同的直接证据。

边界

这条结论成立的前提是异常本身要能被用户察觉——如果系统悄无声息地进入异常状态且没有任何可感知的信号，压根不会触发"该怎么应对"这个决策过程，模型也就没有被调用的机会。此外，应对速度快也意味着这个决策常常是模型驱动的直觉反应而非深思熟虑，事后追问得到的解释有可能是用户为已经做出的行为寻找的合理化说辞，未必是行动当下真正依据的那套模型。

延伸

• 同组：A7.01.1 心智模型是用户对系统如何运作的内部解释 · A7.01.2 模型可以不正确但仍能支撑操作 · A7.01.4 心智模型的核心功能是预测系统在给定操作下的行为，而非记住具体步骤 · A7.01.5 完备的心智模型使用户能推导出从未被教过的操作方式 · A7.01.6 模型的自洽程度与其对错程度是两回事，一致但错误的模型仍可用 · A7.01.7 用户对自身模型的准确性缺乏自知，很少主动怀疑其正确性
• 相邻：A7.06 错误模型的识别 · A7.04 预期违背
• 站内检索：anomaly response · fault attribution · mental model activation