长期存在解释缺口会促使用户用错误的因果关系自行填补空白
别名: folk theory · algorithm folk theory · 民间理论 · 自造归因
概念解释
解释缺口不会一直空着。如果一个系统反复做出让人费解的举动，却始终没有得到任何官方归因，用户不会永远保持"不知道为什么"的状态——TA会自己编一套说法来填补这个空白，这类自造的、往往不准确的因果解释叫民间理论（folk theory）。这条讲的正是解释缺口从"暂时空着"变成"被自己的猜测填满"的这一步转变，以及这一步一旦发生，局面就不再是缺一个解释那么简单了。
机制
用户对系统的容忍不是无限期的：短期内缺口悬而未决，只是暂时没有归因；但如果同类异常反复出现、始终没有来自系统的可归因线索，用户会启动自己的归因机制去补上这个位置——哪怕这个说法本身没有被验证过，只要它能让用户在下次遇到类似情况时有一个可以拿来预测和应对的东西，就会被留下来。民间理论一旦形成，会经历用户自己的一轮又一轮验证性使用：每次用户按照这套自造的理论调整行为、又恰好没有被证伪，理论就被再确认一次，逐渐从一个临时的猜测固化成一条被反复用过、被当成可靠依据的信念。
到这一步，解释缺口本身已经不再是问题的核心——用户不再是"缺一个解释"，而是已经用一套自己想出来的理论把这个位置填满了，并且这套理论已经被自己反复用过、验证过。这正是错误心智模型从无到有、从松散猜测走向固化信念的起点：往前看，这一步之前的窗口期是及时、贴合概念的解释还能起作用的地方；往后看，一旦民间理论经过反复验证性使用变得根深蒂固，单纯把当初该给的解释在事后补上一遍，已经不足以撼动一个已经被验证过很多次、用户自己深信不疑的理论——因为此时要对抗的不再是一个空白，而是一套已经积累了使用证据的信念，这正是修正阶段要单独面对的局面。
怎么研究
这条对应近年来平台算法研究里常用的算法民间理论（algorithm folk theory）范式：用户长期使用一个不透明的推荐或排序系统，却从未获得系统内部逻辑的解释，研究者通过访谈收集用户自己总结出的"这个算法是怎么运作的"说法，比对这些说法与系统实际逻辑的吻合程度，同时记录用户依据这套民间理论调整自己行为的方式（例如刻意做某些动作以"讨好算法"）。
常见自变量：系统不透明程度、用户使用该系统的时长、用户遭遇异常/意外结果的频率。 常见因变量：民间理论与真实机制的吻合度、用户依据民间理论采取的行为调整类型与频率、民间理论的稳定程度（是否在遇到反例后依然被坚持）。
方法论注意点：民间理论多在用户已经使用产品相当长一段时间后才被访谈到，研究者拿到的是已经固化、经过多轮自我验证的版本，很难还原它在解释缺口刚出现、尚未固化时的最初形态——这也是为什么单靠事后访谈很难判断"如果当初及时给出解释，是否就不会形成这套理论"，这个反事实通常需要靠前置的干预实验来验证，而不是靠回顾性访谈。
边界
- 民间理论的形成需要反复暴露在同类未解释的异常下——一次性的、孤立的解释缺口不足以让用户投入精力去构建一整套因果理论，只有反复出现、影响到用户决策的异常才值得用户花心思编一套说法。
- 民间理论不一定是负面的——它偶尔会歪打正着，与真实机制部分吻合；这条讲的是形成机制本身的风险（没有验证依据、靠反复使用自我确认），不代表每一条民间理论的具体内容都是错的。
- 这条只讲清缺口如何演变成自造的因果信念，不讲信念固化之后应该怎么修正——那已经不是解释缺口能解决的范围，需要针对已经固化的信念单独处理。
怎么落地
- 对已知长期不透明、又会反复给出让用户困惑的结果的功能（推荐排序、自动分类、内容分发），主动排查是否存在长期悬而未决的解释缺口，而不是等到用户社群里已经流传开一套广为人知的"内部逻辑"说法才后知后觉。
- 一旦发现某个功能已经在用户群体里催生出流传较广的说法，先核实这套说法和真实机制的吻合程度，而不是想当然地认为"用户猜得差不多"——吻合度低的地方是当前最需要补充解释、且会遇到最大修正阻力的地方。
- 验证办法：定期收集用户对不透明功能"你觉得它是怎么运作的"这类开放性描述，与产品团队的真实实现比对；能整理出多个高频出现、彼此相似、又与真实机制不符的说法，就是民间理论已经形成并趋于稳定的信号，说明单纯补一次解释可能已经不够。