三层任一断裂都导致误判
别名: 态势感知断裂 · situation awareness breakdown
概念解释
态势感知的感知、理解与预测构成依赖链——下一层的判断只能建立在上一层已经取得的表征之上。任何一层断裂都可能产生误判：没看到关键状态、看到了却解释错误，或者解释正确却错误估计了发展速度。操作员最终做出的动作可能看起来相同（比如都没能及时响应），但误判发生在哪一层，决定了该修哪里。
机制
下游判断只能建立在上游表征之上，但上游正确不保证下游正确——这条单向依赖只对"信息可得性"成立，不对"信息被正确处理"成立。界面可以让某个变量显眼到不可能漏看，却仍然没有提供足够的关系表达，操作员看见了却建立不起因果解释；也可以给出诊断结论，却没有给出时间尺度，操作员理解了当前状况却不知道还有多久必须行动。
这里有一个容易被忽略的翻转条件：自动化程度越高，操作员在感知和理解层面投入的主动努力就越少——系统替他完成了大部分整合工作。短期看这提高了效率，但长期看，操作员用来验证和修正这些自动结论的心智模型逐渐萎缩，这正是 Bainbridge 讨论自动化悖论（ironies of automation）时指出的核心矛盾：越依赖自动化处理感知和理解，操作员在自动化失效、需要人工介入的那一刻，反而越缺乏独立完成这几层判断所需的技能和最新的情境表征。断裂在这种情况下不是某一层突然失灵，而是长期没有被真正使用而逐渐退化的结果。
怎么研究
用分层问题分别测当前要素、含义和未来状态，建立错误转移矩阵——记录每个被试的错误最早出现在哪一层，以及上一层正确时下一层出错的条件概率。如果理解层出错的被试里感知层其实大多是对的，说明问题出在整合而非可见性，这类结果能直接指出该修界面的哪一部分。
事后访谈要结合当时可见的画面截图和操作日志逐条核对，不能只根据最终结果反推操作员当时"应该已经知道"什么——这是一种典型的事后偏差（hindsight bias）：知道了坏结果之后，容易高估当时信息的显眼程度。规范的做法是先复原事发时刻操作员实际能看到的画面状态，再让不知道最终结果的独立评审员判断当时是否有理由觉察到异常，用这个盲评结果而不是主观印象来定位断点。
边界
三层模型是分析框架，不是严格串行的神经过程；现实中的判断会在感知和预期之间循环——已经形成的预期会反过来影响下一次觉察到什么，符合预期的证据更容易被看到，矛盾的证据更容易被过滤掉，这也是为什么单纯归因"哪一层先坏"有时候找不到唯一答案，感知和理解可能是同时相互塑造、共同劣化的。
高分也不保证安全行动：即便感知、理解、预测三层都正确，目标冲突（比如同时要保产量和保安全）、操作权限限制或者程序要求逐级上报，都可能阻止正确的态势转化为及时的操作。这条边界的实际含义是——如果复盘发现操作员三层判断全部正确却依然没有及时处置，问题根本不在这一组知识点覆盖的范围内，而在决策授权和组织流程，继续在显示和培训上加码不会解决这类失效。
怎么落地
在演练与事件复盘中，把证据按"看见了什么—如何解释—预计会怎样—采取了什么行动"分栏记录，而不是只记录最终动作。针对复盘中定位到的最早断点做针对性修复：如果断在感知，改善可见性和编码；如果断在理解，补充变量之间的关系表达；如果断在预测，提供趋势和剩余时间。
验证办法：用同类场景对同一批操作员复测，只改动定位到问题的那一层的呈现方式，其余保持不变，比较修复前后该层的错误率是否真的下降——如果同时改了好几层的显示，即使总体误判率下降，也无法判断到底是哪个改动起了作用，下次遇到新场景时不知道该复用哪条经验。