U6.07.4Distortion views suit navigation and location, not reading or comparison设计研究
失真视图适合导航定位，不适合读数与比较
别名: 适用边界 · 导航型任务
概念解释
前几叶的机制结论落到任务上就是一条选型规则：失真视图的主场是"找到东西"——在长列表、大地图、密集菜单里定位目标，鱼眼用变形换来"目标与全局同屏"；它的禁区是"读懂数字"——量值比较、趋势判断、精确测量，变形破坏的恰恰是这些任务依赖的编码。
机制
这条分工可以从任务对编码的依赖推出：导航定位任务依赖"存在性与次序"（目标在哪、附近有什么），这两者在单调变形下保持，所以失真视图胜任；读数与比较任务依赖"定量位置与长度"（差多少、多长），这两者在变形下失真，所以失真视图 fail。文献中的实验证据与这条推理一致：焦点加上下文与失真技术在目标搜索与列表浏览任务上常优于线性缩放，而在精确比较任务上劣势或无优势。工程含义是把失真视图当作导航工具而非分析工具——它回答"在哪"，不回答"多少"。
怎么研究
适用边界的验证沿用任务分型范式：同一数据集实现鱼眼版与线性版，按任务类型（目标搜索 / 次序判断 / 定量比较 / 距离估计）分别测时间与准确率；文献模式是搜索类任务鱼眼占优、定量类任务鱼眼劣化。研究还需控制学习效应——鱼眼有可感知的学习曲线，初次使用者与熟练者的表现差异会混淆结论，应做被试内训练或分组平衡。不同鱼眼函数（高斯、双曲）的结果不能互相外推，报告时需注明具体函数。
边界
这条分工不是二值开关而是连续谱：任务越靠导航端，失真的净收益越大；越靠定量端，净成本越大。混合任务（边浏览边粗略比较）处在中间，轻度变形加标签补偿可以工作。此外失真的收益还受内容结构调节——线性列表（天然一维）收益最稳，二维地图次之，无结构内容无收益。
怎么落地
- 选型时先给任务定性：导航类用鱼眼，定量类用普通缩放或双视图。
- 混合任务用"鱼眼导航 + 点击转线性视图读数"的组合，两种模式各司其职。
- 验证：在目标任务的两侧（定位任务、比较任务）分别对比失真与线性版本；定位占优且比较不吃亏才引入鱼眼。