A7.06.1Mistake vs. slip研究
反复出现的同类操作错误指向模型问题
别名: 错误诊断 · mistake identification · 操作性错误模式
概念解释
用户在不同任务、不同时间反复做出同一类操作错误——不是随手点错，而是同一套逻辑被一次次用在错误的地方——这通常不是粗心，而是心智模型本身出了问题。人因研究把这类错误称为 mistake，与执行层面的 slip 区分开：slip 是计划对了、执行错了（比如手滑点错按钮），mistake 是计划本身就错了、执行完全按计划完成——用户是"按照自己的理解做对了"，只是那套理解错了。
机制
心智模型一旦形成，就会被反复调用来生成对策：面对同一类情境，模型每次都给出同一种推断。如果模型错了，这套推断也会一次次错在同一个地方——稳定性和可重复性正是识别的关键，而不是错误的严重程度或次数的绝对值。单次的偶然失误可能来自注意力波动，但同一逻辑在同一情境下反复出现，说明背后有一套持续被调用的错误规则在起作用。
怎么研究
- 从行为日志或录屏里找同一操作序列的重复出现，尤其关注被系统拒绝、报错或需要撤销后，用户又用同样方式再次尝试的情况。单个用户单次出现不能定性，同一用户跨情境重复、或多名用户在同一步骤上撞到同一种错误，才是可信信号。
- 区分执行失误与模型错误的关键观察点：slip 之后用户通常立刻自我察觉并纠正（"哎不对，点错了"）；mistake 之后用户往往完成操作并认为自己做对了，直到看到结果才意外——这个"意外出现"的时间点比错误本身更有诊断价值。
- 让用户在遇到障碍后自己再试一次，观察TA是换了策略还是重复了刚刚失败的同一策略。重复同一策略更可能指向模型问题，因为执行失误在重试时通常会被绕开，而错误的模型会被再次调用、生成同一个错误推断。
边界
- 单次错误不构成证据——任何人都会有手滑，只有跨情境、跨时间重复出现的同类错误才指向模型问题。
- 某类错误出现频率低不代表对应的模型是对的，可能只是触发该情境的路径本身很少被走到，模型在那条冷门路径上的正确性从未被检验过。
- 新手阶段的高频错误未必是模型问题，也可能只是操作步骤还没记住；这种情况下用户重试时会尝试不同做法而不是固定重复同一套逻辑，需要结合用户如何解释自己行为的方式做交叉验证。