客观结构复杂度与用户主观感知复杂度并不总是一致，会各自独立变化

概念解释

一个界面本身有多少层级、多少条件分支、多少种状态组合，这是可以相对客观地描述的结构复杂度；用户觉得这个界面复杂不复杂，则是感知复杂度，是一种体验判断。这两者经常被默认成同一件事的两种说法，但实际上它们可以各自独立地变化：结构复杂度不变的两个界面，主观感知可以差很多；感知复杂度相近的两个界面，结构复杂度也可能相差很大。谁在使用界面，是决定两者能否对齐的关键变量之一——同一个客观上很复杂的界面，专家用户和新手用户报告出来的主观负荷可能完全不在一个量级上。

机制

感知复杂度不是对客观结构的直接读数，而是结构经过使用者已有知识加工之后的产物。专家用户已经把常用的操作序列、界面里的条件分支整理成了熟练的心智图式，遇到客观上复杂的结构时，很多分支和状态对他们来说是早就知道该怎么处理的熟悉模式，感知到的复杂度因此被压得很低，即使底层结构完全没有变简单。新手用户没有这套图式可用，同样的结构对他们来说每一个分支、每一种状态都是需要现场推理的新情况，感知复杂度会明显高于结构本身的客观水平，甚至可能因为不确定"还有没有没注意到的分支"而感到比实际情况更复杂。因此，感知复杂度的高低，一半取决于界面结构，另一半取决于使用者拿什么样的知识储备去解读这套结构，这也是为什么二者会脱钩。

怎么研究

判断两者是否脱钩，通常需要同时测量两条独立的指标：用结构化的方法描述界面本身的客观复杂度（层级深度、状态组合数、条件分支数），再用主观量表分别收集不同经验水平用户对同一界面的感知复杂度评分，比较两条曲线是否同步变化。

常见自变量：界面客观结构复杂度、用户的经验/熟练水平。 常见因变量：主观感知复杂度评分、客观结构复杂度指标、两者之间的相关系数。

这套双轨测量在人机交互里用于识别"看起来复杂但用户觉得还好"或者"看起来简单但用户觉得难"这两类容易被忽略的情形，任何一种脱钩都需要针对性处理，不能只靠客观指标或只靠主观打分下结论。

方法论注意点：脱钩程度会随目标用户群体的经验分布变化，同一款产品面向的专家群体和新手群体如果差异很大，用其中一类用户测出的感知复杂度不能代表另一类。

边界

• 两者脱钩的程度依赖用户已有经验与该界面结构模式的匹配程度，如果目标用户对这类结构完全陌生（既非专家也没有可迁移的经验），脱钩空间会缩小，感知会更贴近客观结构本身。
• 这条讲的是两个指标各自独立变化这个事实，不涉及应该优先按哪类用户的感知去优化设计，那是需要结合产品目标用户构成另外判断的问题。
• 客观结构复杂度的测量方法本身尚不统一，不同的量化方式（层级深度 vs 状态组合数）可能给出不完全一致的客观复杂度排序，比较研究结果时要先核对用的是哪种量化口径。

怎么落地

• 评估界面复杂度时，不要只依赖专家评审的主观印象，也不要只看结构本身的客观指标，两者分别测量，尤其要按目标用户的经验水平分层测量主观感知，避免用高经验评审者的直觉代表新手用户的真实体验。
• 面向经验水平差异明显的用户群体（新手与专家共用同一产品）时，考虑为两类用户提供不同程度的结构暴露（新手模式收起不常用的分支，专家模式保留完整结构），而不是用同一套呈现同时满足两种感知需求。
• 验证办法：分别招募新手与有经验用户，对同一界面做主观复杂度评分并记录任务表现，如果两类用户的评分和表现出现明显分化，说明当前设计没有兼顾两类用户对同一客观结构的不同感知，需要考虑分层呈现。

延伸

• 同组：A9.05.1 元素数量不等于认知负荷 · A9.05.2 结构清晰的密集界面可能低于稀疏但混乱的界面 · A9.05.3 简化外观而隐藏结构会提高负荷 · A9.05.5 视觉复杂度指标与实际认知负荷的相关性较弱 · A9.05.6 跨屏幕的不一致会叠加复杂度，超出单屏幕内部复杂度的简单加总 · A9.05.7 视觉上更美观的界面常被误判为更易用，掩盖了实际负荷的差异
• 相邻：A7.01 心智模型的定义与功能 · A9.02 负荷的测量
• 站内检索：perceived complexity · structural complexity · expertise effect · schema