Z2.07.2Causeless behaviour changes设计研究
不可见的情境判断会让行为变化显得无来由
别名: 无来由行为 · 归因错误 · unexplained system behaviour
概念解释
情境判断藏在后台时，系统的行为变化在用户眼里没有原因：助手今天突然换了推荐、自动化今天突然提前触发、通知今天突然安静了。行为明明是被情境变化驱动的（判断从 A 变成了 B），用户看到的只是「它无缘无故变了」。
无来由不是中性的认知状态。人面对无法解释的行为变化会自造解释，而自造的解释很少往好处去：这是坏了、这是在监视我、这是针对我。系统稳定运行几个月攒下的信任，几次无来由的变化就能清空——因为用户用来填补空白的故事里，系统是故障者或嫌疑者，很少是善意的。
机制
为什么无来由的破坏力这么大？三条通路叠加：
- 归因真空必然被填充。 日常因果预期被打断时，人不接受「没有原因」，会用现有材料构造一个。环境系统的可用材料很糟：看不见判断、看不见传感器，材料只剩「它最近的行为」与「我听说智能设备会怎样」——拼出来的故事自然偏向故障与窥探。
- 变化与原因在时间上分离。 情境变化发生在 t₀（访客到了、作息变了、季节换了传感特征），行为变化显形在 t₁，中间隔着推断延迟。用户在 t₁ 观察到变化，回溯不到 t₀ 的原因，即使系统其实「有理由」。
- 不可复现加深魔法感。 同样的操作今天这样明天那样（因为情境不同），用户无法建立稳定的刺激-反应模型，只能得出「这东西看心情」——而「看心情」的系统既不可预测也不可信，恰是用户放弃学习它的标准前奏。
第三条尤其值得注意：行为随情境变化本身是情境感知的功能，不是缺陷；让它看起来像随机抖动的，是判断的不可见，不是变化的存在。
怎么研究
- 归因理论给出框架：人对意外行为的解释沿着稳定性、可控性、定位（内部/外部）几个维度构造，缺失信息时定位系统性偏向外部与恶意——这是无来由变化被解读为「它在搞我」的机制基础。
- 智能系统可解释性研究有直接证据：Lim、Dey 与 Avrahami 在 CHI 2009 的实验比较提供 why / why-not 解释与不提供的版本，带解释的版本在用户对系统行为的理解与接受度上显著更好；解释对「没触发」的场景收益尤其大——那正是无来由感最强的时刻。
- 测量范式：部署中注入判断变化（合法的、有原因的），观察用户的解释行为——是否求助支持、归因到什么、多快放弃使用；对照组提供判断可见视图。因变量取归因准确率、支持请求量、信任量表轨迹。
方法论注意点：研究者预设的「合理原因」与用户认可的原因可以不同——为什么这样设计本身也要能被解释（「因为你上周到家的时段变了」），只解释机制不解释设计意图，无来由感只消除一半。
边界
- 不是所有变化都需要解释。 高频小幅的常规波动（温度微调）每次都解释等于噪声轰炸，反而加速被忽略；需要解释的是模式改变——行为的类别、时机、范围发生跳变的时刻。区分两者靠变化的幅度与持续性，不靠频率。
- 解释救不了坏判断。判断本身错时，解释只是把错误更快地摆到用户面前——这是好事（可纠正），但别指望解释能替代准确性。
- 用户基线不同。 技术素养高的用户自造解释时材料更准，无来由感的破坏力打折扣；对不了解智能设备的用户，一次无来由变化就足以定性。按用户分层评估，不能拿前者的容忍度设计给后者的产品。
怎么落地
- 行为的模式改变处给一句轻量归因：「今天提前开了灯，因为你到家比平时早了一小时」——一句话，指向具体情境差异，不展开技术细节。
- 「没发生」也要解释入口：预期中的自动化没触发，是最强的无来由时刻；在判断视图里标出「未满足的条件是哪一个」。
- 归因文案可追溯：点开这句归因能看到当时的完整判断。一句话负责消除无来由感，完整记录负责经受追问。
- 验证办法：统计行为模式改变后 24 小时内的支持请求与「关掉这个功能」操作；对做过归因与没做归因的变更分别计数，前者的比例持续更低才算有效。