D3.10.3Training effects on haptic discrimination设计研究
训练可以提高辨识数量但不能消除通道本身的带宽限制
别名: training · expertise · bandwidth ceiling
概念解释
训练能提高可辨识的模式数量，但不会取消上限。经过反复练习，用户可以把可辨集合扩大若干倍，并能在更细的差异上作出区分。但增长遵循边际递减，且不会超过通道的物理与感知带宽。
机制
训练的作用是建立更精细的内部表征：用户在反复接触后学会注意那些初看相同的细微差别。这解释了为什么训练收益在早期很明显。同时也解释了它为何有限：可用维度数量与时间分辨率是硬约束，训练只能提高对这些维度的利用效率，不能创造新的维度。此外，训练依赖持续使用，长期不用会部分退化，因此训练带来的扩展对偶尔使用的用户并不稳固。
怎么研究
可用纵向设计测量训练效果：在数天或数周内重复识别任务，记录正确率随训练量的变化，并比较训练前后的可辨集合规模。变量包括训练强度、反馈方式（是否告知正确答案）、模式之间的差异维度与是否使用专业设备。因变量应包括保留量，即在停止训练一段时间后的表现，因为这才是真实使用中的水平。
边界
训练收益对专家用户（如长期使用特定设备的操作者）有实际意义，对普通消费者则难以依赖，因为他们不会投入足够练习。训练还可能与模式数量产生交互：模式越多，需要的训练量越大，实际可达性越低。若训练只在实验室条件下成立，转移到真实使用环境（含环境振动与分心）后的表现会明显下降。
怎么落地
- 不要按训练后的表现设计面向普通用户的模式清单，应以未训练水平为基准。
- 对专业场景可以提供训练流程，并在文档中说明所需的练习量与保留周期。
- 把训练视为扩展手段而不是解决方案，核心清单仍需在未训练条件下可用。
- 验证方式：测量训练前后与停止训练后的识别正确率，确认设计所依赖的水平在真实使用节奏下能够维持。