Z1.07.1Distributed interaction设计研究
交互能力分散到多个设备而非集中在一处
别名: 交互分散 · distributed interaction · 多设备交互分布
概念解释
泛在计算的直接后果：控制一个环境不再经由一个终端，而是散布在环境里的多个入口——墙上的开关、桌上的音箱、口袋里的手机、门上的传感器各自承担一部分交互能力。没有哪台设备是「遥控器」，每个设备都只是环境交互面上的一块。
这与「一人一机」时代的结构相反：个人电脑时代交互能力集中在桌面那台机器上，用户知道去哪找它；分散结构里，「去哪里操作」本身成了问题——同一个动作（关灯）可能存在于三个入口，每个入口管的范围还不一样。
机制
分散不是设计失误，是三条动力各自推动的合力：
- 物理最优。交互入口贴近使用点最省力——床头控床头灯、玄关控全屋。入口贴近动线是空间效率的必然，代价是入口数量增长。
- 能力专门化。语音适合查状态、手机适合复杂配置、物理开关适合盲操作，各自占领自己最强的场景。没有全能入口，只有各占一角的专用入口。
- 采购异质化。设备是逐年买来的，每台都自带自己的入口（自家按钮、自家应用），没人做过全局规划——入口分布是购买史的化石。
结构后果是覆盖矩阵的碎片化：入口 × 功能形成一个稀疏矩阵，每个入口覆盖一小片，片与片之间有重叠也有空洞——某些功能三处可达，某些功能无处可达，某些只能绕路（开应用翻三层）。用户对「哪里能做什么」的心智地图，要靠试错和记忆维护，而矩阵随每次购入新设备继续变形。
怎么研究
- 入口清点研究：入户枚举每个交互入口与其可达功能，构建入口-功能矩阵，度量覆盖重叠度与空洞率。多设备环境研究（Dearman 与 Pierce 关于「It's on my other computer」的工作是代表）稳定发现用户对「信息/能力在哪个设备上」的判断频繁出错，分散结构显著加剧这个负担。
- 入口选择实验：给同一任务提供多入口，观察用户的选择策略（就近？惯性？最近学的？），度量选择时间与错误率——分散的代价最直接的体现是「选入口」本身消耗的时间。
- 纵向追踪：新设备进家前后，用户的入口习惯如何重新分配，旧入口是否被遗忘（功能仍在但入口废弃）。
方法论注意点：入口选择深受家庭动线与家具布局影响，实验室里去掉空间变量的同时也就去掉了分散结构的核心——这类研究要在真实空间里做。
边界
- 分散的负担随覆盖重叠度上升，而非随入口数线性上升。 五个入口各管互不重叠的功能，负担可控；三个入口管重叠功能且行为不一致，负担立刻失控——负担的主变量是不一致，不是数量。
- 常驻用户与访客的边界不同。 常驻用户能靠数月习惯内化入口地图，访客面对的是完全不可读的环境——同一套分散结构，对两类人的可用性截然不同，评估时要分开。
- 高移动性任务受益于分散。 需要随处可及的操作（关灯、暂停音乐）分散是真增益；低频复杂任务（配置、排障）分散是纯负担。别把两个方向混为一谈。
怎么落地
- 常用动作保证多点可达、行为一致：高频动作（开关、暂停、音量）在每个自然使用点都有入口，且各入口的行为严格一致——重叠本身不是问题，不一致的重叠才是。
- 复杂任务收敛到单一入口：配置、排障、历史查询这类低频重任务，只保留一个功能完整的入口（通常是手机应用），其他入口只做快捷方式跳转，不维护平行的简化版。
- 新设备进门时做入口规划：明确它带来的入口与既有入口的重叠关系，重复即明确主次（哪个是主入口、哪个是快捷方式），别让购买史自行决定结构。
- 验证办法：请一位没来过的访客完成三个基本任务（开灯、调温度、放音乐），记录他们尝试了几个错误入口。错误入口尝试数是分散结构混乱度的直接读数。