模型只对高度熟练的操作成立，新手的行为不是并行的
别名: 熟练度边界 · 新手行为 · 自动化片段 · 按片段标注
概念解释
CPM-GOMS 的并行结构假设用户已经把方法、反馈和子目标自动化。新手往往先读提示、再找控件、再确认含义、再动作，大量活动串行且有长停顿；同一界面对两类用户的关键路径不同。这一条和 GOMS 家族里"分析对象是已确定的方法"那条讲的是相邻但不同的两层限制：那一条限制的是能不能对某个用户群体套用建模这件事本身（方法有没有定型），这一条更进一步，专门针对 CPM-GOMS 的并行结构，说明即便方法已经定型，用户是不是达到了让感知、认知、运动资源能同时占用的那种自动化程度，是另一道单独的门槛——方法定型不等于操作已经自动化到可以并行。
机制
并行之所以只在熟练操作里成立，是因为并行需要的前提是感知、认知和运动这几个处理器能够各自独立地处理不同的子任务，而这种独立处理能力恰恰是长期练习的产物：专家可以让眼睛提前搜索下一个目标，同时手还在朝当前目标移动，因为"搜索下一步"这件事对专家而言已经不需要占用工作记忆去主动思考，它变成了一种低成本、可以顺手完成的背景活动。新手完全不具备这种条件——他们必须先耗费工作记忆去理解一个标签是什么意思、判断当前状态是不是符合预期、确认这一步该不该执行，这几件事本身就需要占满认知处理器的全部容量，根本没有余量再去做任何可以称之为"并行"的事情，于是大量原本在专家那里可以叠加处理的活动，在新手这里被迫拆成了一个接一个的串行步骤，而且步骤之间还夹杂着专家身上完全不会出现的长时间停顿。这也解释了为什么同一个界面，对专家和新手算出来的关键路径会完全不同：不是界面本身变了，是决定"哪些活动能并行"这件事的前提——用户的自动化程度——在两类用户之间根本不成立同一个假设。
边界
熟练度这件事本身是任务特异的，不是贴在某个人身上就到处适用的标签：一个每天处理财务报表游刃有余的专家，换到一个陌生的图形编辑工具里，同样会表现出新手式的串行行为，因为这两项任务需要自动化的具体内容完全不一样。更细致的边界在于：即使是同一个熟练用户，完成同一个任务的过程中，也可能只有部分片段已经被充分练习到可以自动化并行处理的程度，另一部分相对生疏的片段仍然停留在串行状态——比如一个用户对常规的数据录入早已驾轻就熟，但遇到一个低频出现的异常处理分支时，同样会退回到逐步确认的串行模式。因此不应该给整个用户群体简单贴上"专家"或"新手"的标签，而应该按具体任务片段分别标注熟练度，同一份模型里完全可以一部分片段用并行结构、另一部分片段用串行结构去描述。
怎么落地
- 对新手、偶尔使用者和专家这三类用户，要么分别建立独立的模型，要么至少分别用真实数据去验证同一个模型对三类用户是不是都成立，不能只测过专家就默认新手也适用。
- 在动手做并行优化之前，先识别出任务里哪些片段已经被高频重复到足以自动化的程度，只对这些片段假设并行结构，其余片段仍按串行处理。
- 针对新手为主的场景，优化重点应该放在提升可发现性和及时反馈上，而不是照搬专家路径去压缩步骤——专家路径里的并行结构，新手根本用不上。
- 验证办法：分别用不同经验水平的真实用户样本实测同一个任务的完成时间和操作序列，如果新手样本表现出的关键路径和专家样本明显不同，说明这个任务确实存在熟练度边界，模型不能跨群体直接套用。