V9.05.4Correlated errors defeat agreement设计研究
多人一致并不保证正确，共同的误解会一致地出错
别名: 相关错误 · 一致性错觉 · 共同偏差
概念解释
多人冗余的推理基础是「错误互相独立」，因此一致即可信。但这个前提会失效：当参与者共享同一个误解——读了同一段含糊说明、带着同一套文化默认、被同一个界面误导——他们的错误就是相关的，错也错得整齐划一，比对呈现出高一致度。冗余质控此时给出假阴性：五个人一致答错，表决、加权、任何聚合都原样通过。这条边界把「一致度」从可信度指标降格为「独立错误已被控制」的指标——它检测随机误差，对系统性偏差全盲。
机制
相关错误有三个主要来源。其一是共同输入：所有参与者读同一份任务说明，说明里的歧义与错误默认被复制进每个人的判定，答案分布按读法分裂但组内高度一致——一致度完全正常，结论整体偏移。其二是共同先验：人群共享的文化与经验默认（对某类图像的刻板归类、对某类语句的语气判断）在特定输入上把所有人带向同一侧，参与者越同质，先验越相关。其三是共同环境：界面呈现顺序、缩略图质量、判定界面的选项排列，同一个呈现偏差作用在所有人身上。三源共同的结构是：随机误差随冗余衰减（人越多越稳），系统偏差不随冗余衰减（人越多只是错得越自信）——冗余对后者无免疫，因为冗余的全部力量都押在独立性上。金标检验题是唯一能刺破它的常规手段：已知正确答案不经过参与者的共识，直接暴露集体偏移。
怎么研究
- 范式：偏差注入实验——在说明或呈现层植入一个已知方向的偏差，观察答案分布的系统性偏移量与冗余度的关系（预期：偏移不随冗余衰减，方差随冗余缩小——分布收紧但中心错位）；跨人群比较（不同文化/背景群体的判定差）估计共同先验的贡献。
- 变量：自变量为偏差源（说明措辞、呈现设计、人群构成）、冗余度；因变量为聚合结果的系统性偏差、组内一致度、金标题命中率。
- 在界面研究里的用途：为众包平台设计「偏差哨兵」——金标子集持续对照聚合输出，一致度高而金标命中率低时报警相关性错误。
- 方法论注意点：区分「相关错误」与「任务本身模糊」需要金标或专家基准，两者在数据上同形（都表现为稳定偏离）；跨人群比较要控制任务理解差异，否则测到的是沟通问题不是先验差异。
边界
这条边界划在冗余质控的适用范围上，不是否定冗余：对随机误差（疲劳、误点、乱答）冗余依然是第一手段，问题只在把一致度当可信度全额兑现时。缓解手段各有归属：说明层的相关错误回到说明修订与边界样例；先验相关的任务靠人群多样化（招募异质背景参与者）与跨组对照；环境相关的靠呈现随机化。专家判断同样不免疫——专家群体共享训练与范式，相关错误可能比大众更整齐，专业共识不构成独立性证明。
怎么落地
- 质控体系里一致度与金标命中率并列为双指标：一致度管随机误差，金标管系统偏差，只看前者会漏掉集体偏移。
- 对高风险判定做人群分层冗余：不同背景的参与者各成一组，组间结论一致才算通过，把先验相关性转化为组间对照。
- 呈现层随机化：选项顺序、条目顺序、缩放水平在参与者间打散，稀释共同环境误差。
- 说明修订后必须重跑金标子集——修说明改变的是系统偏差，不是随机误差，用冗余指标看不出改善。
- 验证：定期抽样「高一致度条目」做专家复核，统计其中实际错误的比例；该比例升高即是相关错误在积聚的信号，需要回查说明、人群与呈现三层。