Z2.08.1Just-in-time correction设计研究
纠正入口需要在判断结果生效的当下出现
别名: 即时纠正 · 纠正时机 · in-place correction
概念解释
情境判断的错误几乎总是在判断显形的那一刻被发现的：灯因为「判定离家」而关了、推荐因为「判定你在休息」而变了——用户在后果出现的现场才有机会说「不对」。纠正入口必须出现在这个当下：判断生效、行为显形的地方，紧挨着可见的后果。
「稍后可以去设置里改」不满足这条要求。判断视图深藏在菜单里，用户到达时已经脱离了识别错误的现场——要凭记忆复原「当时它以为什么、实际是什么」。纠错窗口在现场开着，到了设置页就关了。
机制
为什么时机是纠正的命门？因为纠正所需的全部信息只在现场完整：
- 判断内容：系统此刻认为什么（「已离家」），在现场随后果一起显形；事后要靠用户回忆或翻日志。
- 对照现实：用户只有在行为发生的当下才能确证「它认错了」——晚上看到灯关了立刻知道人还在家；次日只记得「灯好像自己关过」。
- 纠正的语义：现场纠正自带上下文（改这个判断、这类判断、还是装判它的传感器），离开现场后上下文丢失，设置页里的纠正只剩一个孤立的开关。
用户研究的经验规律在背后：错误报告的质量随报告与事件的间隔急剧衰减——细节先丢，然后是置信度，最后连报告本身都放弃。纠正入口放在现场，是把「报告错误的成本」压到一次点击；放在设置页，成本抬升到「回忆 + 导航 + 重述」，两个成本之间的落差决定了多数纠正根本不会发生。
对系统侧同样成立：现场纠正带着最丰富的训练信号。此刻的传感器原始读数、判断输出、用户否决，三者对齐成一条高质量样本；延迟的纠正丢失了传感器现场，只能修正孤立的结论，学不到东西。
怎么研究
- 交互式机器学习与终端用户调试（end-user debugging）研究反复确认：反馈的即时性决定用户给出反馈的意愿与反馈质量——训练现场的即时纠错远优于事后批量标注，这批文献的方法（反馈成本测量、反馈时机对照）可平移到情境判断。
- 实验范式：同一判断错误配「现场纠正入口」与「设置页纠正入口」两版，量纠正发生率（多少比例的错误被报告）、纠正准确率（改对了对象）、以及系统再次犯同样错误的比率。第三个量最能说明问题——纠正没发生，学习就没发生。
- 时机本身可作为变量：入口出现延迟设 0 秒 / 30 秒 / 5 分钟 / 隔天几档，纠正率随延迟的衰减曲线给出产品的时机预算。
方法论注意点：现场纠正的测量要区分「能力」与「习惯」——新功能上线初期纠正率天然低（用户不知道入口存在），评估要用稳定期数据，并在故障注入的受控场景里测能力上限，两个数分开解读。
边界
- 现场入口不等于打断。 判断生效的当下入口要「在场」（通知里、状态变化处可点），不必「弹窗」；高后果动作的纠正用显式提示，低后果的收进可展开区域——把时机要求和打扰控制分开处理，不能拿「怕打扰」否定时机。
- 对未经学习的判断类型，现场纠正无从谈起：用户没见过的判断分类（新装的传感器引入的新维度），现场也不知道「它以为什么」的语法——此时先要判断可查，纠正入口随后才有意义。
- 批量错误（一类判断系统性错）不适合逐条现场纠正——现场入口负责捕获单次，模式级的修正走「纠正历史 → 批量应用」，两个层次配合，现场只是第一环。
怎么落地
- 每个判断驱动的行为显形处（通知、状态变更、自动化执行）挂纠正入口：一键「认错了」，展开可选纠正粒度（当次 / 这类 / 相关传感器）。
- 纠正入口与解释同屏：先看到「为什么这么判」，再决定纠正什么——只有结论没有依据的纠正入口，用户只能瞎点。
- 纠正动作即时生效并可见回执：「已改，今晚不会再判离家」——纠正后行为立即回到预期，是对纠正成功的唯一可信确认。
- 验证办法：注入已知判断错误，测「错误显形到完成纠正」的时间与纠正率；对照设置页路径的同两项。现场路径两项都应显著更优，且系统对同类错误的复发率在纠正后下降。