Human Error 人为错误（一）( 二 ) _错误

第三章描述了一个通用错误模型系统（GEMS），它允许进行三种基本错误类型的识别：基于技术的失误和错误，基于规则的错误以及基于知识的错误。这三种错误可能会基于多种维度来进行区别：活动、注意力、控制方式、相对可预测性、关于机遇的丰富度、情境影响、检测便利性和与变化的关系。大多数章节都是基于技术错误、规则错误和知识错误标准的表现，来描述各种各样的错误模式的。
第四章介绍了关于“认知不完整性”这一概念。认知操作在很多种情况下都有被描述不足的可能性，但是最终的结果确实非常的统一；认知系统倾向于默认采用取根据环境地合适的、高频率的回应。其认为，错误的形成主要受两个因素影响：相似性和频率。反过来，这些都来自自动检索过程，通过此过程，知识结构被定位，并且其结果要么传达到意识（思想、话语、想象等），要么传达到外部世界（动作、演讲、手势等）。这期间会涉及到两种过程：相似性匹配，通过这个过程，适合的知识属性会与当前要求的条件，基于使互相满意的基础上进行匹配；另一过程称为频率赌博，通过这个过程，发生在部分匹配的知识结构中的分歧，就会在一些被更经常被采用理论的支持下得以解决。这两种过程，但尤其是后者，在认知操作变的不足以被详细定义的情况下，都在逐渐成为主流观点。虽然“认知不完整性”的起源非常易变，但它可以被精炼总结为两种功能上等价的陈述：现有要求条件不足以去定义一个唯一的知识项，以及不完整的知识（也就是一些事实的缺失，这些事实与特有知识结构或知识体系相关）。这两种陈述都会增加认知系统往外输出高频响应的自然趋势，并且这为很多错误类型提供了可识别的形式。那些从大范围的认知活动中提取出的证据，都被提出来支持这些声明。
【Human Error人为错误（一）】第五章更加精确地从理论和计算的角度解释了这些概念。它提出了这个问题：什么样的信息处理机器能够在大多时候都被正确的操作，并且偶尔产生有人的行为特点的错误响应？这种易犯错机器的描述分为两部分：首先是概念性的、不涉及编程的形式；之后涉及一系列的电脑编程，试图去模拟不同智力程度的受试人是如何回答一个关于美国居民生活的常识性问题的。这个模型的测试结果会与人类样本组的回答进行比较。
本书的最后一章，关注人类错误所产生的结果：错误检测、事故贡献以及补救措施。
第六章评论了有关于错误检测和错误改正相关重要话题的、相对较少的实验性证据。虽然错误改正机制几乎不能理解，但是也有人提出他们的效能是相反的、与他们在意识控制等级中的位置有关。低等级（以及大范围硬接线）位置的改正机制能够非常好的工作。那些涉及到监测真正执行行动计划的、值得注意的过程，在监测无意识的错误时是相对成功的（也即错误和过失）。但是更高等级的过程所关心的计划制定，就相对的对真正的或潜在的、从合适的途径或希望的结果所产生的偏差不那么敏感了。这些错误检测机制的相对效率，很大程度上依赖于反馈信息是否直接和合适。这种反馈的质量随着控制等级的升高而持续下降。
第七章在一个复杂的、高风险技术的背景下，考虑人造成的事故。活跃的错误和潜在的错误有一个重要的区别。前者对系统有一个立即的影响，这种错误经常与“一线操作者”的表现有关系（飞行员、控制室成员和类似人员）；后者有可能会保持很长时间的休眠状态，只有在他们与其他“定居的病原体”结合，在本地触发事件，并打破系统的防御机制时才会出现，这类错误最经常产生于系统的钝端。对六个案例（Three Mile , , , , theofand the King’s Crossfire）研究进行仔细的剖析后得出，对于高科技系统来说，潜在的错误比活跃的错误更具有威胁性。近些年来发生的很多灾祸都证实了这种观点，例如派普艾尔法爆炸案、美国海军的导弹巡洋舰文森斯号(USS )击落伊朗客机空客IR655、克拉珀姆火车相撞案、希尔斯堡足球场惨案。

Human Error 人为错误 （一）( 二 )

Human Error 人为错误（一）( 二 )