专家依赖模式识别而非逐步推理
别名: 识别启动决策 · 专家模式识别 · recognition-primed decision
概念解释
识别启动的专长（recognition-primed expertise，源自 Klein 提出的识别启动决策模型，recognition-primed decision, RPD）指经验丰富的操作者面对情况时，不会像新手那样把可选方案逐一列出、逐条比较优劣，而是把当前线索与记忆里大量典型情境做匹配，直接识别出这是什么类型的情况、接下来大概率会怎样演化、通常应该先做哪一步，然后只用一次心智模拟（mental simulation）快速检验这个方案在当下是否可行——可行就执行，不可行才回头找下一个候选方案。这套判断方式属于自然主义决策（naturalistic decision making）研究的核心发现，与把决策等同于比较多个选项效用值的经典理性选择模型形成对照。
新手因为还没有积累起对应的情境模式库，遇到同样的情况只能依赖显式的规则或程序逐条核对，把可能的选项摆开做比较。这也是为什么新手的判断慢但过程可追溯、专家的判断快但连他本人都很难完整说清楚每一步的依据。
机制
反复处理同类情境，让专家把看似孤立的参数——读数、气味、声音、语气——压缩成有因果意义的整体模式，并且知道哪些线索组合具有诊断价值、哪些只是噪声。这让专家在识别阶段就排除了新手需要逐条验证的大部分分支，搜索空间因此大幅收窄，判断速度也随之提升。
这套机制的第二层在于：专家依赖的不是"记住了正确答案"，而是"记住了一整套曾经奏效的情境—方案配对"，识别环节做的事情是把当前线索归类到已有配对里的某一个，而不是从零推导一个新方案。专家判断质量的上限，因此完全取决于情境模式库对当前情况的覆盖程度。当专家遇到一种模式库里没有先例的全新异常组合时，识别启动决策并不会自动切换成新手式的逐条分析——专家的第一反应仍然是去匹配一个"看起来最接近"的旧模式，再把这个旧方案套用到新情境上做心智模拟检验。如果新情境与旧模式的偏离恰好落在心智模拟检验不出来的地方——偏差本身很隐蔽，或者专家没有理由去重点检验那个环节——专家反而会比按部就班排查的新手更快地走向错误方向，因为新手的系统性排查至少会覆盖到专家因为"看起来像"而跳过的环节。
怎么研究
比较专家与新手的常见做法是让两组人处理同一批情境，用眼动追踪记录线索采集的顺序和落点、用出声思维记录诊断假设形成的时间点、用关键决策法（Critical Decision Method）在事后访谈中逐步回放专家在关键节点的判断依据，反推识别过程中实际用到了哪些线索。
判定"专家是不是真的在做模式识别、而不是单纯记住了脚本"，关键操作是设计熟悉故障与新颖故障的交叉对照：如果专家在熟悉故障上远快于新手、但在真正新颖的故障组合上优势消失甚至落后，说明前面观察到的优势来自模式匹配而非更强的通用推理能力。专家身份的界定也需要用目标任务中的持续实测表现，而不是单纯按工龄或职级——工龄长不等于处理过的情境种类多。
边界
专家优势通常带有很强的领域与设备构型特异性：同一个人换到相似但参数配置不同的系统上，模式库不能自动迁移，此时他和新手的差距会明显缩小，短期内甚至不如认真读手册的新手。
口头报告的局限也要计入边界：专家说不出识别依据，不等于识别过程中没有加工信息——很多诊断线索的加工是自动化的、非陈述性的，访谈得到的解释往往是识别之后为了说明而临时构造的合理化叙事，不能反过来用"专家说不清楚"证明他其实是瞎猜。
时间压力对识别启动决策是双刃的：适度的时间压力会促使专家更快调用成熟模式，提升响应速度；但压力过大时，专家用来检验第一个方案是否可行的心智模拟环节会被压缩甚至跳过，识别到方案后直接执行——这正是专家优势和专家捷径风险之间的分界点。
怎么落地
- 把相关的参数、趋势曲线和拓扑关系在同一个视图里共同呈现，让专家能一眼看出模式，而不是把数值拆散到需要来回切换的多个页面——识别启动决策依赖的是同时可见的线索组合，页面拆分等于强行打断了模式识别的输入。
- 为异常组合设计"与典型模式不一致"的主动提示，而不是要求专家先自己判断这次是否属于新颖情况——专家的默认反应是套用最接近的旧模式，系统如果能在参数组合偏离已知模式库时主动标出来，可以补上专家自己容易忽略的这一环。
- 在培训中让专家讲解关键线索和曾经的误判反例，把隐性的模式匹配转成可以讨论、可以传授给新手的具体诊断依据，同时也是让专家重新检视自己模式库边界的机会。
- 验证办法：不要只用熟悉案例测试专家决策的速度，要专门设计模式库覆盖不到的陌生故障组合，观察专家是否会在识别受挫后主动切换到系统排查，还是继续套用错误的旧模式往下走——后者是需要在界面或培训中重点补强的信号。