架构
处理器、记忆及其连接，说明信息怎样流动。
01 · 首先厘清：封面与正文不是同一篇文献
本页完整解读的是固定 PDF 内的 1981 年五页正文。原笔记标为 1986 年的 Handbook 章节，尚未完成该章节全文核验。两者同属 Model Human Processor 的历史，但不能用相似标题、课程文件名或外加封面把它们当成同一版本。
| 证据层 | 标题／作者／年份 | 本次处理 |
|---|---|---|
| 原笔记及 PDF 第 1 页封面 | The Model Human Processor: An Engineering Model of Human Performance；S. K. Card、T. P. Moran、A. Newell；封面编号 UIR-R-1986-05 | 保留原文件名、笔记标题、三作者与全部原笔记内容，记录身份待复核 |
| PDF 第 2–6 页实际正文 | The Model Human Processor: A Model for Making Engineering Calculations of Human Performance；S. K. Card 单作者 | 作为本次精读对象；参数、原则、图和算例均以这五页为准 |
| 1981 原出版商记录 | Proceedings of the Human Factors Society Annual Meeting 25(1)，301–305；1981 年 10 月；DOI 10.1177/107118138102500180 | 标题、单作者、摘要、参考文献与扫描正文对应，确立正文身份 |
| 1986 章节的作者档案记录 | Card、Moran、Newell；Handbook of Perception and Human Performance，卷 2，第 45 章，Wiley，1986 | 确认另一篇章节存在；仅作书目背景，未声称已获得或完整阅读其全文 |
展开封面与正文标题的原始证据
Paper Verified：当前 PDF 共 6 页，是一页封面加五页扫描正文，没有可用文字层。剑桥课程站的 card86.pdf与该文件字节完全一致，说明换一个名为 86 的教学链接不能解决版本问题。正文用单数第一人称，并把 Card、Moran 与 Newell 的书列为 in preparation，也与后来章节标签不相同。
读法：下面的「原文」指实际 1981 正文。所有数字保持这个扫描版本，不从其他教材替换典型周期；所有研究延伸均另行标记。书目冲突不会通过修改原笔记前缀来掩盖。
02 · 工程目标：把心理学知识变成可计算的近似
Card 面对的问题不是心理学完全没有知识，而是许多实验结果与微观理论紧贴各自实验范式，工程师难以把它们组织起来分析一个新界面。仅列出大量心理学事实，仍不足以回答「用户完成这一步大概需要多久」或「这个设计改动会影响哪个过程」。
文章强调三种能力：任务分析，找出达成目标所需的具体、合理步骤；计算，根据既定模型作可随条件变化的预测；近似，简化任务和理论，使预测能被实际使用。实验心理学有时要区分很小的理论差异，而工程分析要先保证数量级、主要瓶颈与设计方向有意义。
原文的 zero-parameter prediction 不应译成「模型没有参数」。模型明明包含周期、容量和衰减参数；这里的工程意图是利用已有知识和参数作预测，而不是为每个目标任务任意拟合一套参数，随后把贴合数据当作成功。
参数
周期、容量、半衰期和编码类型，给近似计算提供尺度。
原则
说明参数和行为怎样受强度、练习、记忆线索与任务结构影响。
Our Interpretation：这是一种用于分析的功能抽象，不是把人脑确认为三枚物理芯片。它的价值在于把隐含假设展开成可以检查的步骤与数值；它也必然遗漏许多真实行为。将「可计算」与「生物机制完整」混为一谈，会同时夸大模型和误判其用途。
03 · 三处理器、四类存储与识别—行动循环
模型包含感知处理器 Perceptual Processor、认知处理器 Cognitive Processor、运动处理器 Motor Processor。它们部分耦合：某些任务必须串行，另一些熟练连续任务可像流水线一样重叠运行。因此，不能见到三个处理器就断言「任何行为时间都等于三项相加」。
从外界到可行动的内部表征
- 刺激到达后，一个感知周期结束时，图像被近似看作可在 Visual Image Store 中获得。
- 随后，至少一部分内容以符号化、听觉或视觉编码进入 Working Memory。
- 认知处理器执行 recognize-act cycle：工作记忆内容激活长期记忆中关联的动作，动作再修改工作记忆，为下一周期提供状态。
- 当认知系统决定行动，运动处理器控制动作；感知到动作结果后可再次修正。
作者明确承认，图像信息并非真的在一个瞬间全部变得可用。不同内容有不同可用时间，人也可能在图像尚未完全形成时就反应，或者为了准确而等待。单周期描述是计算近似，不是对感知连续时间过程的精确测量。
图 1 把工作记忆解释为长期记忆中被激活的 chunks。Visual Image Store 与 Auditory Image Store 是视觉、听觉经验性属性的特殊激活。chunk 是有组织的信息单位；它取决于已有知识和编码方式，不能简单等同于一个像素、字母、节点或界面控件。
闭环修正与预先组织的快速动作
原文把动作近似为离散微动作，每个需要一个运动周期。由于动作回到感知的反馈环较长，文中举出的尺度为 300–500 ms，快速打字或说话不可能每个细小动作都等完整视觉反馈后再做下一个，而可通过预先组织的一串运动周期成批执行。这里的范围属于历史模型描述，不能直接等同于任意软件的输入延迟。
Our Interpretation：模型使用者需要明确自己分析的是单次反应、闭环修正，还是熟练流水作业。选择错误的时序结构，比把一个周期估计偏几十毫秒更可能破坏预测。
04 · 原图参数完整重建：单位、范围与印刷疑点
原文用 \(\mu\) 表示存储容量、\(\delta\) 表示项目衰减半衰期、\(\kappa\) 表示主要编码类型；处理器只用周期 \(\tau\) 描述。以下重建图 1 的全部参数项，并将典型值与方括号范围拆列。原扫描没有单独编号的 Table，这是一张为阅读而重建的参数表。
| 系统 | 参数意义 | 记号 | 典型值／内容 | 低值 | 高值 | 单位 | 原文边界与核验 |
|---|---|---|---|---|---|---|---|
| Perceptual | 处理周期 | \(\tau_P\) | 100 | 50 | 200 | ms | 正文与图 1；不是固定不变的生理常数 |
| Cognitive | 处理周期 | \(\tau_C\) | 100 | 25 | 170 | ms | 本扫描版典型值为 100；不从其他版本换入数值 |
| Motor | 处理周期 | \(\tau_M\) | 100 | 70 | 360 | ms | 与一个运动微循环相关，不等于完整目标获取耗时 |
| Eye movement | 图列眼动时间 | Eye movement | 230 | 70 | 700 | ms | 阅读算例按每次眼跳使用此值；不能当作所有眼动的固定时长 |
| Visual image store | 衰减半衰期 | \(\delta_{\mathrm{VIS}}\) | 200 | 70 | 1000 | ms | 感官痕迹，不等于工作记忆的秒级半衰期 |
| Visual image store | 容量 | \(\mu_{\mathrm{VIS}}\) | 17 | 7 | 17 | letters | 图中单位为字母，不能自动转换成任意语义项目 |
| Visual image store | 主要编码 | \(\kappa_{\mathrm{VIS}}\) | Iconic | — | — | 编码类型 | 按图抄录 |
| Auditory image store | 衰减半衰期 | \(\delta_{\mathrm{AIS}}\) | 1500 | 900 | 3500 | ms | 从原扫描放大核对；OCR 曾误识别部分数字 |
| Auditory image store | 容量 | \(\mu_{\mathrm{AIS}}\) | 5 | 4.4 | 6.2 | letters | 保留原图单位 |
| Auditory image store | 主要编码 | \(\kappa_{\mathrm{AIS}}\) | Iconic | — | — | 编码类型 | 图确实如此印出，疑点保留；不悄悄改为另一编码名称 |
| Working memory | 容量 | \(\mu_{\mathrm{WM}}\) | 3 | 2.5 | 4.1 | chunks | 与带星号容量并列；短文未解释二者差别 |
| Working memory | 带星号容量 | \(\mu_{\mathrm{WM}}^{\ast}\) | 7 | 5 | 9 | chunks | 保留星号记号，不擅自补充定义 |
| Working memory | 衰减半衰期 | \(\delta_{\mathrm{WM}}\) | 7 | 5 | 226 | s | 大范围反映参数来源与条件差异，不是置信区间 |
| Working memory | 1 chunk 时半衰期 | \(\delta_{\mathrm{WM}}(1\ \mathrm{chunk})\) | 73 | 73 | 226 | s | 原图给出的条件值 |
| Working memory | 3 chunks 时半衰期 | \(\delta_{\mathrm{WM}}(3\ \mathrm{chunks})\) | 7 | 5 | 34 | s | 原图给出的条件值 |
| Working memory | 主要编码 | \(\kappa_{\mathrm{WM}}\) | acoustic | — | — | 编码类型 | 正文也允许视觉代码；“主要”不代表唯一 |
| Long-term memory | 衰减半衰期 | \(\delta_{\mathrm{LTM}}\) | \(\infty\) | — | — | s | 工程理想化，不意味着现实中永远可提取 |
| Long-term memory | 容量 | \(\mu_{\mathrm{LTM}}\) | \(\infty\) | — | — | items | 工程理想化，不意味着任何人已掌握无限知识 |
| Long-term memory | 主要编码 | \(\kappa_{\mathrm{LTM}}\) | Semantic | — | — | 编码类型 | 按图抄录 |
三个必须保留的边界
- 典型值不是个人常数。本扫描的三处理器典型周期均为 100 ms；范围用于近似与敏感性分析，不是声称每位使用者都符合该数值。
- 方括号不是置信区间。短文没有为它们给出抽样分布、置信水平或联合分布。不能从上下界推导「覆盖 95% 用户」，也不能默认所有极端参数会在同一个人身上同时出现。
- 不修饰可疑原文。图中同时列出工作记忆容量 3 与带星号的 7，但短文没有解释星号含义；听觉存储的编码也印为 Iconic。两处原样记录并标注疑点，不用另一版本的常见表述替换。
长期记忆的容量与衰减时间用无穷表示，是工程理想化。它不表示一个人知道无限内容，也不表示任何曾经编码的内容都能随时被找到；P2、P3 正是提醒编码、线索和竞争候选会影响提取。
工作记忆的一般半衰期范围很宽，而按 1 chunk 与 3 chunks 列出的条件值也不同。仅把所有信息压成「7 个项目、7 秒」会丢掉图中重要条件；从中推出「界面最多放 7 个选项」更是跨越了模型没有建立的推理。
05 · 原 Figure 2：九项操作原则逐项解释
九项原则把结构图与具体任务联系起来。它们既包括参数变化的经验概括，也包括定量规律和问题求解组织方式；不能假定每条都具有同样的证据形式或同样精细的可计算程度。
| 编号 | 原原则名 | 原文内容／公式 | 解释与边界 |
|---|---|---|---|
| P1 | Variable Perceptual Processor Rate | 感知周期随刺激强度变化，强刺激对应更短周期 | 没有提供可直接拟合所有刺激的函数；不是显示亮度越高越好 |
| P2 | Encoding Specificity | 编码操作决定存储内容，存储内容决定哪些提取线索有效 | 提取效果依赖编码与线索匹配，不只是项目是否仍在存储 |
| P3 | Discrimination | 提取难度取决于记忆候选相对于线索的可区分性 | 相似候选可能增加混淆；短文没有给出统一干扰概率模型 |
| P4 | Variable Cognitive Processor Rate | 认知周期随更高任务要求／信息负荷缩短，也随练习缩短 | 说的是每周期时间；总任务可能需要更多周期，不能推出负荷越高总耗时越低 |
| P5 | Fitts’s Law | \(T_{\mathrm{pos}}=I_M\log_2(2D/S)\)，\(I_M=100\,[70,120]\ \mathrm{ms/bit}\) | 这是无截距、使用 2D/S 的原版表达；不能静默换成其他 Fitts 变体 |
| P6 | Power Law of Practice | \(T_n=T_1n^{-r}\)，\(r=0.4\,[0.2,0.6]\) | 描述练习趋势；短文未加入长期性能下限或适用次数范围 |
| P7 | Uncertainty Principle | \(T=I_CH\)，\(I_C=150\,[0,157]\ \mathrm{ms/bit}\)；等可能时 \(H=\log_2(n+1)\) | 非等概率打印式缺少显式求和，见专节；保留原图下界 0 的可疑数值 |
| P8 | Rationality | 目标、任务、算子、输入、知识与处理限制共同约束行为 | 有界理性，不是无限信息、无限计算或总会选全局最优动作 |
| P9 | Problem Space | 用知识状态、状态转换算子、算子约束、选择下一算子的控制知识描述解题 | 给出问题组织框架，不自动提供任意任务的求解策略 |
P4 尤其容易误读：如果每个认知循环变快，但任务需要的循环更多，总时间仍可能增加。周期速度、循环数量、策略与任务要求必须分开。原文也没有主张可以无限增加压力或信息负荷来提高表现。
P8 中的「目标 + 任务 + 算子 + 输入 + 知识 + 处理限制 → 行为」是结构性关系，不是对六个数作加法。P9 则要求分析知识状态、可用操作、约束与选择操作的知识；它为任务分析提供语言，不会替研究者自动判断用户真正采用了哪种策略。
定量原则的记号也不能混用：\(\tau_C\) 是 ms/周期，\(I_C\) 是 ms/bit；\(\tau_M\) 是运动周期，\(I_M\) 是目标获取规律中的 ms/bit 系数。量纲和含义不同，即便数值偶然相近，也不能直接替代。
06 · 问题形式化：输入一个任务，输出有条件的时间估计
这里没有神经网络训练、优化器、GPU 或数据集划分。输入是任务目标、刺激与界面条件、动作可用性、用户已有知识和分析者提出的任务分解；输出是预测时长、阈值或随设计变量改变的趋势。中间表示是处理周期序列以及存储和检索假设。目标不是求一个通用损失最小的参数向量，而是用少量既有参数作工程近似。
- 明确起止事件：例如从第二个字符出现到 Yes 按键，而不是整个实验试次。
- 明确任务策略：是否视觉匹配、名称匹配、类别匹配，是否需要反馈修正。
- 把策略写成处理步骤；标明串行、重叠、已经完成的步骤和需要保持的记忆。
- 选择本版本参数与相应原则，检查单位并计算典型值。
- 代入 Fastman、Slowman 参数检查设计结论是否稳健，而不是只报告单点。
- 与实测或已有实验的相同条件比较；差异出现时先检查任务分解与策略假设。
Our Interpretation：对纯串行且每步周期恒定的任务，可以写出下列统一记账式；这是本页对算例的整理，不是原文新增定律：
\[ T=N_P\tau_P+N_C\tau_C+N_M\tau_M+T_{\mathrm{other}}. \]\(N_P,N_C,N_M\) 分别是三类处理循环数，\(T_{\mathrm{other}}\) 是另计的等待或系统耗时。原论文并未为任意任务提供这些计数器的自动估计器；计数取决于任务分析。对并行流水过程，直接累加会高估持续吞吐时间，不能不加条件地套用。
不确定性的使用方式
| 情境 | 感知 ms | 认知 ms | 运动 ms | 一轮 P+C+M（本页复算） | 物理匹配 ms | 名称匹配 ms | 类别匹配 ms |
|---|---|---|---|---|---|---|---|
| Fastman | 50 | 25 | 70 | 145 | 170 | 195 | 220 |
| Middleman | 100 | 100 | 100 | 300 | 400 | 500 | 600 |
| Slowman | 200 | 170 | 360 | 730 | 900 | 1070 | 1240 |
本表一轮 P+C+M 与三种匹配时间由本页依照原参数复算；它们不是新增被试结果。Fastman、Middleman、Slowman 是三组模型设定，分别用有利、典型与不利参数；不是三类经过聚类发现的人群，不应作为年龄、能力或身体条件的标签。原文没有提供参数之间的相关性，因此极端组合只宜用于粗略敏感性检查。
07 · 算例 1–3：动画、因果感与阅读
Example 1 · Moving Picture Rates
问题是相邻动画画面需多快刷新才会融合为运动。原分析把两个相近图像落入同一感知周期作为近似条件，令帧间隔为 \(1/f\)：
\[ \frac{1}{f}\lt\tau_P\quad\Longrightarrow\quad f\gt\frac{1}{\tau_P}. \]典型 \(\tau_P=0.100\ \mathrm{s}\) 给出超过 10 frames/s；代入 Fastman 的 0.050 s 得到 20 frames/s 的快感知阈值。原文据此认为刷新应比典型阈值更快，并与默片 18、声片 24、电视 30 frames/s 作数量级对照。
Author Claim：这些历史值与近似估计大体相符。Reviewer：它不是对现代显示器进行的实验，也没有控制运动速度、闪烁、帧持续、亮度或端到端延迟；20 fps 不是所有视觉任务的充分标准。P1 还提醒更亮的刺激可缩短周期，阈值因条件改变。不要把这里的 Max frame rate 字样读成不能超过的硬上限，它指模型所需刷新率的保守估计尺度。
Example 2 · Perceptual Causality
台球模拟中 A 撞 B，程序需要多长时间内让 B 开始动，才使人感觉二者属于同一个因果事件？模型要求第二次运动发生在约一个感知周期内：
\[ \Delta t\lesssim\tau_P,\qquad \tau_{P,\mathrm{typical}}=100\ \mathrm{ms},\quad \tau_{P,\mathrm{fast}}=50\ \mathrm{ms}. \]原文建议在 100 ms 前留出充分余量，并以 50 ms 的 Fastman 条件设计。文中引述 Michotte 的实验：即时因果知觉约在 100 ms 附近结束，一部分被试约从 50 ms 起已开始退化。文章并未重新报告该实验的样本量、误差条或全部分类比例。
Our Interpretation：用于真实系统时需要检查计算、队列和显示等全部延迟，不能把 50 ms 全部留给单一计算模块后忽略展示耗时。这是现代工程应用的补充，原文没有给出这样的延迟分配表。
Example 3 · Reading Rate
取原图眼跳时间 0.230 s/saccade，以 \(q\) 表示每个词需要的眼跳数，则：
\[ v=\frac{60}{0.230q}\ \mathrm{words/min}. \]| 原文假设 | 每词眼跳数 q | 复算 | 原文约数 |
|---|---|---|---|
| 每字母一次，每词约 5 字母 | 5 | 60/(0.230×5) | 52 words/min |
| 每词一次 | 1 | 60/0.230 | 261 words/min |
| 每短语一次，约 13 字符≈2.5 词 | 1/2.5 | 60×2.5/0.230 | 652 words/min |
数字的差异来自每次注视取得的信息量，而非把眼跳变得更快。材料在知觉上困难或读者不熟练时，每次可获取的单位减少；概念困难时，瓶颈则可能转到认知系统。
Author Claim：作者据此认为远超约 600 words/min 的阅读属于略读，无法看到每个部分。Reviewer：这是在固定眼动尺度与摄入量假设下的推论，不是本文测得的所有人群绝对上限；亦不能把英语词数直接换成中文字符数。公式只估计视觉摄入，不保证理解、记忆或之后正确回答问题。
08 · 算例 4：从反复修正推导 Fitts 定律
任务是把手移到计算器按钮，目标距离 \(D\)，宽度 \(S\)，二者使用同一长度单位；用户不能只靠触觉找到目标。一次修正至少需要感知位置、决定修正、执行运动各一周期，因此原典型修正耗时为：
\[ \tau_{\mathrm{loop}}=\tau_P+\tau_C+\tau_M=300\ \mathrm{ms}. \]令 \(X_i\) 为第 \(i\) 次修正后距目标中心的残余距离，初始 \(X_0=D\)。关键假设是每轮留下固定比例的误差 \(a\)，其中 \(0\lt a\lt1\)，从而：
\[ X_i=aX_{i-1}=a^iD. \]原分析取残差落入半个目标宽度为停止条件 \(a^nD\lt S/2\)。取对数时因为 \(\log_2a\lt0\)，不等号方向会反转：
\[ n\gt\frac{\log_2(S/(2D))}{\log_2a} =-\frac{\log_2(2D/S)}{\log_2a}. \]原文把边界的连续近似写作修正次数，并把每轮周期乘进去；实际整数微动作计数还涉及取整，这一细节在短文中没有建模。最终得到：
\[ T_{\mathrm{pos}}\approx n(\tau_P+\tau_C+\tau_M) =I_M\log_2\!\left(\frac{2D}{S}\right),\qquad I_M=-\frac{\tau_P+\tau_C+\tau_M}{\log_2a}. \]\(\log_2(2D/S)\) 是目标相对精度的 bit 尺度，\(I_M\) 是每 bit 的耗时。取原文引用的 \(a\approx0.07\) 得：
\[ I_M=-\frac{300}{\log_2(0.07)} \approx78.2\ \mathrm{ms/bit}. \]原文报告约 78 ms/bit，并与经验区间 70–120 ms/bit 作比较；P5 表中典型系数是 100 ms/bit。78 是依据误差比例与三周期算出的结果，100 是原则表中的经验典型值，二者来源不同，不能把它们混成同一个精确常数。
本页教学复算，非论文新增实验：若 \(D=20\ \mathrm{cm}, S=2\ \mathrm{cm}\)，难度是 \(\log_2(20)\approx4.322\) bit。用 P5 的 100 ms/bit 预测约 432 ms，用推导系数 78.2 预测约 338 ms。目标宽度翻倍使该无截距模型少约一个 \(I_M\) 的时间。这展示了模型怎样支持设计变量比较，但不代表实际设备测量。
Reviewer：固定比例误差、每次都有完整闭环、恒定周期和连续次数都是强假设。特别是 \(2D/S\le1\) 时式子给出零或负值，说明该近似不能无条件用于任何几何关系。本文使用的形式没有截距，也不是后来的 \(\log_2(1+D/S)\) 形式；引用时应保留版本。论文没有比较这些变体的拟合误差。
09 · 算例 5：相同字形、相同名称与相同类别
先后呈现两个符号，相同时按 Yes，不同时按 No；本文计算的是 Yes 条件下，从第二个刺激出现到响应的耗时。第一符号的呈现与编码已发生，不能再加进计时区间；同时假设它的视觉代码尚可用于工作记忆中的比较。
- Figure 3a：第一符号已被看到并建立表征。
- Figure 3b：第二符号从感知进入视觉／工作记忆，花费一个感知周期。
- Figure 3c：比较两个视觉代码，花费一个认知周期。
- Figure 3d：将成功匹配转为按 Yes 的决定，再花费一个认知周期。
- Figure 3e：运动处理器执行按键，花费一个运动周期。
如果要求 Aa 也被判断为同一个字母，就要取得抽象名称代码，模型增加一次认知周期；如果只要求二者都属于字母类别，则再增加一次类别处理：
\[ T_{\mathrm{name}}=\tau_P+3\tau_C+\tau_M,\qquad T_{\mathrm{class}}=\tau_P+4\tau_C+\tau_M. \]| 任务 | 周期分解 | 典型 ms | Fastman ms | Slowman ms | 到下一类的典型差 | 额外处理 |
|---|---|---|---|---|---|---|
| Physical match 物理匹配 | \(\tau_P+2\tau_C+\tau_M\) | 400 | 170 | 900 | 100 ms | 比较视觉代码，再决定按 Yes |
| Name match 名称匹配 | \(\tau_P+3\tau_C+\tau_M\) | 500 | 195 | 1070 | 100 ms | 增加一次获得抽象字符代码的认知循环 |
| Class match 类别匹配 | \(\tau_P+4\tau_C+\tau_M\) | 600 | 220 | 1240 | — | 再增加一次类别层面的认知循环 |
原文引述实验发现：名称匹配比物理匹配慢约 70 ms，类别匹配又慢约 70 ms。作者认为这与认知周期 100 [25–170] ms 的尺度相符。这里的「相符」不是典型值精确命中：模型典型增量 100 ms 比所述增量高约 30 ms；70 ms 落在宽范围内只提供较弱的一致性支持。
Reviewer：短文没有给出该匹配实验的样本量、被试差异、试次数、统计显著性、完整反应时分布或错误率；没有直接论证三个任务之间唯一变化就是多一个循环。如果刺激间隔过长、记忆痕迹衰减、用户策略改变或要估计 No 条件，则需要重新任务分析，不能照搬四个阶段。图 3 是处理过程示意图，不是数据图。
10 · 练习与选择：两条定量原则的适用边界
P6：练习幂律
\[ T_n=T_1n^{-r},\qquad r=0.4\ [0.2,0.6]. \]\(T_1\) 是第一次执行时间，\(n\) 是练习次数，\(r\) 控制相对改善速度。输入基准时间和练习次数即可估计同任务的时间变化，而不是训练模型参数。作为本页复算，练习次数从 1 增至 10 时，典型预测为首次的 \(10^{-0.4}\approx0.398\)；指数区间给出约 0.251–0.631。这个区间是参数敏感性，不是个体的置信区间。
短文没有提供新的纵向练习数据、遗忘模型或换任务迁移实验，也没有给出性能下限。把该式延长到无限练习，会趋向零，这本身提示其经验近似性质。网页或工作流减少耗时需要区分真实设计改进与使用者已经更熟练。
P7：不确定性与决策时间
\[ T=I_CH,\qquad I_C=150\ [0,157]\ \mathrm{ms/bit}. \]\(H\) 是原原则用于描述决策不确定性的量，\(I_C\) 是时间／信息量系数。原文给出的等概率版本为 \(H=\log_2(n+1)\)，并明确称为 Hick's Law。这里的 \(n\) 是备选项数量，而不是练习次数；同一字母在两条原则中的角色不同。
原扫描非等概率那一行呈现为 \(H=p_i\log_2(1/p_i+1)\)，没有清楚列出求和符号。不能把这一单项直接当成所有备选项的完整熵公式。常见的「对所有项求和」解释可以写为下式，但这是本页为解释结构而给出的读法，不是已确认原印刷公式：
\[ H_{\mathrm{interpretation}}= \sum_{i=1}^{n}p_i\log_2\!\left(\frac{1}{p_i}+1\right). \]当 \(p_i=1/n\) 时，该解释返回 \(\log_2(n+1)\)，因此与原文等概率行一致；但标准 Shannon 熵为 \(-\sum_i p_i\log_2p_i\)，不能默默用它替换原印刷形式。原系数下界 0 也保留为可疑印刷值，不从其他版本补成另一数值。需要精确使用 P7 时，应先解决这些来源问题。
本页复算：采用等概率原式与典型系数，3 个选项得到 \(150\log_2(4)=300\) ms，7 个选项得到 \(150\log_2(8)=450\) ms。这只是决策成分，不能视为完整菜单搜索、视觉识别、指向和点击总时长；选项是否已熟悉、是否分组、概率是否相等都影响适用性。
11 · 证据审计：哪些被展示，哪些尚未验证
| 内容 | 本文提供 | 不能据此声称 |
|---|---|---|
| 模型结构与参数 | Figure 1、正文周期、Figure 2 九条原则 | 全部生理机制已验证，或各条件共用精确常数 |
| 动画帧率 | 周期倒数计算；与常用历史帧率作一致性比较 | 新被试实验、现代显示器质量阈值或普适 fps 标准 |
| 知觉因果 | 50/100 ms 的预测尺度；引述 Michotte | 本文重新收集并完整统计了该实验 |
| 阅读速度 | 三种注视摄入假设下 52/261/652 words/min | 三组被试平均值或理解水平测量 |
| 目标获取 | 几何误差缩减推导；78 与经验范围对照 | 本文比较了所有 Fitts 变体或报告了拟合优度 |
| 匹配反应 | 400/500/600 ms 与区间；引述约 70 ms 增量 | 典型预测准确无偏，或已排除所有替代任务策略 |
| 训练、数据与基线 | 历史工程认知模型，不是机器学习训练研究 | 存在训练集、超参数搜索、SOTA 排行表或消融实验 |
本文没有单独编号的 Table，没有模型训练／推理 benchmark，没有实验消融，也没有开源复现代码或完整新实验协议。上面的表格是对原图和正文的可访问重建或证据整理，全部与原实验数据表区分。Fastman/Slowman 是敏感性设定，不能写成 ablation 或不同基础模型。
复算检查单：保留版本对应参数；统一 ms 与 s；用相同长度单位构造无量纲比；说明计时起点；区分串行周期与流水吞吐；对照三个参数情境；报告假设与未测条件。若要开展新的验证，还需预先定义刺激、设备、样本、任务练习、错误处理、测量起止和统计方法；这些设计不应伪装成原文已公开的设置。
12 · Reviewer 评价与研究延伸
Strengths：真正有用的抽象层
模型把分散的心理学结果组织为同一套架构、参数与原则，使工程师能够从任务分解走到数值预测。五个算例跨越知觉、眼动、运动和认知匹配，明确展示「怎么用」而不只提供术语。Fastman/Slowman 让不确定性进入设计流程；对目标获取的推导则把相对精度与处理时间联系起来，可检查每个假设怎样影响结论。
Weaknesses：证据与预测粒度不对称
许多参数来自既有文献，但五页短文未完整展开每个估计的来源、条件与不确定性。框架的易用性依赖分析者作出正确的任务分解，尤其是认知周期数量和记忆表示；如果这些不可观测项被事后调整，预测就可能难以证伪。宽参数范围能包住已有结果，却不等于高预测精度。多数例子提供数量级一致性，而非对强竞争模型的预注册比较。
运动、阅读和决策的简化各有适用条件；文章没有评估错误率、疲劳、跨人群差异或多任务资源竞争。由此不能直接用它预测一个复杂交互会话中的所有时间与失败，也不能从有限信息处理量推出对个人能力或价值的判断。
Potential Improvements：可实际检验的下一步
- 任务分析预注册：先固定周期序列，再观察测试任务结果；比较预测误差与替代分解，避免看完结果再改循环数。
- 参数来源与版本审计：逐条回到原测量条件，区分个体差异、任务差异与估计误差；建立明确版本号而不是混合不同教材的常数。
- 联合不确定性：新研究可测量参数相关性，并传播到预测分布；不能把图中范围直接假装为独立概率分布。
- 时间和准确性联合评估：预测的不仅是平均响应时间，还包括错误率、分位数与速度—准确性权衡。本文未完成这些验证。
Research Extension · 面向 AI 辅助与程序化材质工作流
可以把一个材质编辑回合拆为观察渲染、理解误差、选择节点／参数、操作界面与等待新渲染。MHP 提供的是人的操作分析语言；LLM token、工具调用、渲染毫秒与人的认知周期不是同一种单位，不应建立未经验证的一一对应。
一个可检验的设计问题是：同时展示候选材质预览是否减少反复视图切换和检索负担？应比较完成时间、最终材质质量、错误修复次数与主观负担；若只让渲染更快，却增加用户必须比较的候选数量，总任务时间未必缩短。另一个问题是：自动分组节点是否减少选择不确定性而引入额外导航？这些是本页提出的研究设想，1981 文章没有研究生成式 AI 或程序化材质。
13 · 来源、版本与归档说明
- 固定扫描 PDF：6 页，封面 1 页，实际正文 5 页；本页所有原图、参数与算例的直接来源。
- SAGE 原出版记录：S. K. Card，1981 年 10 月，The Model Human Processor: A Model for Making Engineering Calculations of Human Performance，Proceedings of the Human Factors Society Annual Meeting，25(1)，301–305。
- Newell 作者档案出版目录：用于区别 1986 年三作者 Handbook 章节，仅作书目背景，未以它代替章节正文。
固定文件 SHA-256：5ab878e8b3e6b39132a377667869f0d68761166e29087d14f85a754c64cd8f11。OCR 用于检索和阅读辅助，参数以扫描内容为准。原 Figure 1–3 与封面／标题证据均裁切自固定 PDF 内嵌；正文没有新增原论文不存在的编号表。
Needs Review：原笔记的标题、年份、作者列表描述 1986 章节，实际关联 PDF 正文是 1981 单作者会议文章。原 Markdown 全部字节和 PDF++ anchors 保留，新增精读作为有明确版本声明的附加内容；本次不自动改写原 metadata，不将 1981 DOI 填进 1986 章节记录，也不自动替换作者关系。待获得真正 1986 章节全文后再决定分拆或更换来源。
本次仅生成下载用 HTML、新增 Markdown、保留原文前缀的合并候选及核验记录。浏览器渲染 QA 按本批要求延后；未写入实际 Obsidian 仓库，未修改 People 或索引，未构建或部署网站。内容状态为 source-identity-needs-review，不能计为干净完成的 1986 章节精读。