B4.14.4Cognitive Complexity Theory设计研究
规则计数依赖建模者选择的表征方式，不同建模者可能得到不同数量
别名: 表征依赖 · 粒度问题 · 规则粒度
概念解释
认知复杂度理论的预测量是规则数量，但「一条规则」的边界由建模者决定：把「选中文件后按删除键」写成一条规则，或拆成「选中」「按删除键」「确认删除」三条，差集大小和学习时间预测都随之改变。
机制
产生式模型是对任务知识的假设性分解，同一行为可以对应不同的条件—动作切分；切分粒度、条件归并方式和是否显式表示错误处理，都会改变计数。预测的相对排序在同一种表征约定下较稳，绝对数值则随表征约定漂移。
怎么研究
这个性质本身可以被检验：让多个建模者独立分析同一对界面，比较差集计数与预测的分歧；再用同一套编码手册约束粒度后重复，观察分歧缩小多少。方法论结论是应报告表征约定并做灵敏度分析，而不是把某个计数当作客观量。
边界
当不同方案的规则数量差距小于建模分歧幅度时，计数无法分辨优劣；跨团队、跨时间的比较若不固定表征约定，数值不可比。该局限不否定理论方向，但把使用范围限定为「同约定下的相对比较」。
怎么落地
- 团队先定一份规则书写约定：粒度、条件合并标准、错误处理是否单列，写进设计评审模板。
- 对候选方案用同一建模者、同一约定计算差集，并做粒度灵敏度检查：换一种合法切分再看排序是否翻转。
- 报告估算时附上约定说明和计数区间，而不是只给单一数字。