人因工程与工效学
近二十年，人因工程与工效学的变化不是简单增加工具，而是把过去藏在背景里的分母、运行路径和条件场逐一变成研究对象。第一幕从“韧性工程”“信任校准”“宏观工效学”出发，清理旧制度与旧技术的盲点；第二幕以“条件自动驾驶接管悖论”“工业五点零的人本制造”“自适应自动化与防脱环”为代表，把数字化、韧性、伦理和治理拉进同一责任链。本面板的二十条都以完整来源、关键读数、失效边界和八字段供料层组织，既回答本领域发生了什么，也说明哪些对象仍没有被现行账本承认。
这一幕处理2006—2016年前后形成的基础转向。韧性工程改变了首要读数，信任校准重写实施路径，宏观工效学把被排除者带回对象边界。八条共同证明：早期转向的价值不在名词新，而在原本被当作背景的选择、反馈和责任开始被逐笔记录。
甲、韧性工程Resilience Engineering
从安全不只机制的材料看，当时的惯例把“韧性工程”看成一套不会回写对象的安排。Hollnagel E, Woods DD, Leveson N, eds在2006年指出，执行过程会改变全部超出程序事件数及其组成；不保存这段变化，成功适应的扰动事件数/全部超出程序事件数就会把路径效应误认成对象效应。围绕安全不只机制，源行把原始命题、边界材料与更新状态分开登记。核查安全不只机制时，这一步先限定可比较对象，不把缺失值折成零效应。
在安全不只机制这条证据链上，“韧性工程”不是再添一个相关因素，而是声称只有“本项证据”的制度边界与资源条件能决定可行性。就安全不只机制的材料边界而言，进入、退出与未登记对象必须分开留痕。
把证据倒过来读，最重要的是Hollnagel E, Woods DD, Leveson N, eds（2006）留下的数字：韧性工程把组织能力压缩为4种可观察潜能：响应、监测、学习和预见。Hollnagel、Woods与Leveson的2006年框架不是事故率效果试验，而是要求每次扰动都能回溯这4种能力是否真正被调用。对安全不只机制做反向检验，只要其中一个分母被改写，“该研究线索”的方向就可能改变。安全不只机制的结构读数拆成3项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
边界应写成可检查的“当……时不成立”：当全部超出程序事件数因选择或考核改变时方向反过来：成功适应的扰动事件数越高，真实效果越低。公开争议（2006）所代表的争议要求同时公开反号案例、失败比例和重新估计后的成功适应的扰动事件数/全部超出程序事件数。安全不只机制的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。
把安全不只机制放回原窗口，制度实施时必须补上的空栏是“扰动被成功吸收却未形成事故报告的日常调整”。就安全不只机制的外推边界看，若2026年的“上述机制”仍只统计成功者，就无法区分对象、条件场与边界变化。核验安全不只机制时，缺失值只标为缺失，不折算为零效应或零成本。安全不只机制的复核表还保留退出日期、原记录者和未纳入理由，不用零值代替缺失。
安全不只机制的对照账本保留原对象、原时间窗和原记录者，换口径时另起一列。围绕安全不只机制，“该研究线索”的对撞最低证据，是两项量纲在同一对象与窗口内稳定分离。把安全不只机制放到另见第 245 号第 6 条『这项命题的四能力』旁核验：先对齐对象、时间窗和责任人，再检查安全不只机制的核心判断在另一套分母中是否仍同向。
乙、安全二与日常成功Safety-II and Everyday Success
核查安全二日常成功时，2014年的关键转向，是把“安全二与日常成功”从单项技术拉回具体场景。Hollnagel E发现，准入、资源与治理边界会同时改变未造成伤害的性能调整次数和全部偏离标准程序次数，所以同一方案在不同机构中不必保持同号。围绕安全二日常成功，源行把原始命题、边界材料与更新状态分开登记。在安全二日常成功这条证据链上，这一步先限定可比较对象，不把缺失值折成零效应。
本条的立场不是“也很重要”，而是只有未造成伤害的性能调整次数/全部偏离标准程序次数能决定“安全二与日常成功”是否成立。沿着Hollnagel E在2014年的论证，事故与成功来自同一套性能调整，工效学必须研究日常工作为何通常成功；若另一机制在固定全部偏离标准程序次数后仍能复制全部效应，单因式就失败。
Hollnagel E（2014）为“安全二与日常成功”提供的硬读数是：Safety-II把“事情通常为什么做对”设为研究对象，分母由事故事件扩展到全部日常作业。若一万次偏离程序中只有数次造成伤害，研究只抽取那几次事故会丢掉绝大多数性能调整。对安全二日常成功做反向检验，其比单列总体均值更接近“该研究线索”真正承担的预测。安全二日常成功的结构读数拆成2项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
把安全二日常成功放回原窗口，“该转向”并不保证跨情境同号。其明确失效条件是当全部偏离标准程序次数不可观测、跨场景不可比或被制度同时改写时不成立；若在2014年后仍只报告“上述机制”的成功样本，选择性分母就会伪装理论稳定。就安全二日常成功的材料边界而言，进入、退出与未登记对象必须分开留痕。
就安全二日常成功的外推边界看，“这一制度安排”的治理价值，取决于它是否承认“偏离程序但无伤害、且靠现场经验恢复的工作片段”。这类对象截至2026年常被当作噪声或例外，但它恰好决定未造成伤害的性能调整次数/全部偏离标准程序次数能否跨机构迁移。安全二日常成功的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。
共享预设是〔04 测量不改变被测对象／10 更多数据必然减少偏倚〕，相反点是两边把决定性分别交给S位与E位；“这项命题”所缺的第三变量必须能同时改变两项读数。核验安全二日常成功时，缺失值只标为缺失，不折算为零效应或零成本。
丙、自动化惊讶与模式意识Automation Surprise and Mode Awareness
在自动化惊讶模式意识这条证据链上，旧文献谈“自动化惊讶与模式意识”时，往往只给出一个平均改进，却没有说明谁被计算、谁被排除。围绕自动化惊讶模式意识，源行把原始命题、边界材料与更新状态分开登记。对自动化惊讶模式意识做反向检验，这一步先限定可比较对象，不把缺失值折成零效应。
把自动化惊讶模式意识放回原窗口，把“自动化惊讶与模式意识”写成可检验形式后，核心只剩只有“本项证据”的执行次序与反馈闭环能决定成败。Sarter NB, Woods DD, Billings CE（1997）主张：操作者失误常由系统模式、反馈和控制权切换不可见引起，而非单纯注意力不足。这使正确识别自动化模式的时刻数/全部关键模式切换时刻数成为判决量，而不是事后挑选的漂亮结果。对自动化惊讶模式意识而言，可被推翻的责任只落在操作者失误常由系统模式、反馈和控制权切换不可见引起，而非单纯注意力不足；如果替代机制同样预测结果，这项解释就应撤回。
核验本条应从Sarter NB, Woods DD, Billings CE（1997）的结果开始：自动化惊讶的现场核验至少要回答3个问题：系统当前处于什么模式、控制目标是什么、下一步谁拥有控制权。飞行与过程控制事故表明，显示屏能给出数据却不等于操作者形成模式意识。读数至少要按对象、时点和边界三层保存，才能复算正确识别自动化模式的时刻数/全部关键模式切换时刻数。
“自动化惊讶与模式意识”能否成立，最终取决于这条边界：当全部关键模式切换时刻数不可观测、跨场景不可比或被制度同时改写时不成立。就自动化惊讶模式意识的外推边界看，“这项命题”在1997年前后的公开争议仍围绕分母、时间窗和替代机制，故须保留不利结果。
围绕自动化惊讶模式意识，从现场看，最容易在汇总表里消失的是“模式切换时操作者误解目标、权限或下一动作的近失误”。截至2026年，应把它与正确识别自动化模式的时刻数、全部关键模式切换时刻数和复测时间同表，否则“上述机制”只是在重命名成功者。就自动化惊讶模式意识的材料边界而言，进入、退出与未登记对象必须分开留痕。
双方同在〔04 测量不改变被测对象／12 成本可外置而不改变结论〕前提下工作，却用正确识别自动化模式的时刻数/全部关键模式切换时刻数与遵从建议后风险调整收益改善账户数/全部使用机器人投顾账户数给出不同方向；若两种证据都可复现，说明“这一制度安排”的现有账本漏记了跨位置回写。把自动化惊讶模式意识放到另见第 569 号第 4 条『Google Earth Engine』旁核验：先对齐对象、时间窗和责任人，再检查自动化惊讶模式意识的核心判断在另一套分母中是否仍同向。
丁、信任校准Calibrated Trust in Automation
2004年前后，“信任校准”面对的旧账本只记适当依赖决策数，却把全部可由自动化支持的决策数当作既定背景。Lee JD, See KA把未进入分母者、退出者和时间窗重新放回分析，说明适当依赖决策数/全部可由自动化支持的决策数不是天然读数，而是制度选择的结果。
本条把责任压到一个决定量：只有适当依赖决策数/全部可由自动化支持的决策数能决定“信任校准”是否成立。Lee JD, See KA（2004）的可反驳主张是，对自动化的信任必须与真实可靠性匹配，过度信任和拒绝使用都是校准失败；若适当依赖决策数/全部可由自动化支持的决策数不随这一决定量改变，或变化完全由另一位置解释，本条即被证伪。
真正能落到账上的读数来自Lee JD, See KA（2004）：Lee与See 2004把错误依赖分成误用和弃用两端；信任高于真实可靠性会误用，低于可靠性会弃用。因而读数不是“平均信任分”，而是正确依赖、错误依赖和不必要人工接管3类决策。复核时仍需把适当依赖决策数、全部可由自动化支持的决策数、阴性对象和退出对象放在同一观察期。
本条的反证口不是一句“仍需研究”，而是：当全部可由自动化支持的决策数因选择或考核改变时方向反过来：适当依赖决策数越高，真实效果越低。公开争议在2004年前后把“信任校准”的争议集中到这条边界；一旦触发，就应重新固定全部可由自动化支持的决策数并检验适当依赖决策数/全部可由自动化支持的决策数是否反号。
对对自动化判据做反向检验，进入实施后，最该补进账本的是“高信任导致误用、低信任导致弃用的两端决策”。截至2026年，若“上述机制”仍不为这一类对象设字段，适当依赖决策数的改善就可能只是把成本移出全部可由自动化支持的决策数。就对自动化判据的材料边界而言，进入、退出与未登记对象必须分开留痕。
双方共享〔13 时间尺度可自由压缩／21 制度采纳不改变指标含义〕，但本条居S位、以适当依赖决策数/全部可由自动化支持的决策数判定，对方居S位、以达到多维财务健康门槛家庭数/全部被评估家庭数判定；若“这一制度安排”与对方同窗反号，缺失项就在结果、路径与条件的换位中。对自动化判据的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。把对自动化判据放到另见第 535 号第 14 条『该研究线索：目标不是让人更信，而是让信心匹配可靠度』旁核验：先对齐对象、时间窗和责任人，再检查对自动化判据的核心判断在另一套分母中是否仍同向。
戊、疲劳风险管理系统Fatigue Risk Management Systems
问题在于，全部高风险班次一旦换人、换期或换边界，疲劳风险被闭环处置的班次数即使上升，疲劳风险被闭环处置的班次数/全部高风险班次也可能失去原义。围绕排班安全机制，源行把原始命题、边界材料与更新状态分开登记。把排班安全机制放回原窗口，这一步先限定可比较对象，不把缺失值折成零效应。
若只许保留一个解释，“疲劳风险管理系统”选择的是：只有“本项证据”的制度边界与资源条件能决定可行性。对排班安全机制而言，可被推翻的责任只落在排班安全不能只靠法定工时上限，而要结合睡眠机会、昼夜节律、任务强度和事件反馈；如果替代机制同样预测结果，这项解释就应撤回。
就排班安全机制的外推边界看，“疲劳风险管理系统”不能以“明显改善”代替读数。International Civil Aviation Organization在2012年给出的可核对结果是：ICAO该研究线索由政策与文件、疲劳风险管理、保证、促进4个组成部分构成。仅符合法定工时上限而没有睡眠机会、事件反馈和持续保证，不构成完整FRMS。围绕排班安全机制，其些读数共同限定了“该研究线索”可以外推到哪里。
“该转向”最容易越界的地方是当全部高风险班次不可观测、跨场景不可比或被制度同时改写时不成立。沿排班安全机制的责任链，截至2012年，“上述机制”的争论仍未靠更多案例自动收敛；“本项证据”只有预定失败窗、固定分母并外部复算，才可判清方向。就排班安全机制的材料边界而言，进入、退出与未登记对象必须分开留痕。排班安全机制的边界记录为：截至2026年8月未见可独立核验的公开反对；原边界提示为：（未见同题公开反对）。复算排班安全机制之前，该笔材料只限制外推，不重复充当支持证据。
按排班安全机制的对象表，实践层的盲区不是数据太少，而是“未达到工时违规却因睡眠债、夜班或通勤形成的疲劳事件”从一开始就没有本体位置。对照排班安全机制的主源，到2026年，“该研究线索”应为它单列数量、时长、处置与责任。排班安全机制的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。
在排班安全机制的实施账本里，若两边成立，“该转向”必须增加解释位置转换的第三变量。核验排班安全机制时，缺失值只标为缺失，不折算为零效应或零成本。把排班安全机制放到另见第 583 号第 16 条『Frontier百亿亿次应用』旁核验：先对齐对象、时间窗和责任人，再检查排班安全机制的核心判断在另一套分母中是否仍同向。
己、认知工作分析Cognitive Work Analysis
就复杂系统机制的外推边界看，“认知工作分析”最初卡住的不是缺少数据，而是2016年前后的数据只覆盖可见成功者。Vicente KJ要求把全部观察到的异常策略数的资格、缺失和退出逐项公开，从而把由工作域约束解释的异常策略数/全部观察到的异常策略数由结果描述改成可追责命题。围绕复杂系统机制，源行把原始命题、边界材料与更新状态分开登记。围绕复杂系统机制，这一步先限定可比较对象，不把缺失值折成零效应。
可反驳命题可写成一句话：复杂系统设计应先描述工作域约束与适应空间，而不是直接把现行任务流程固化进界面。沿复杂系统机制的责任链，Vicente KJ在2016年把它锁定为只有“认知工作分析”的执行次序与反馈闭环能决定成败；因此只要由工作域约束解释的异常策略数/全部观察到的异常策略数在预定窗口没有同向变化，本条就不能靠“多因素共同作用”退回安全表述。
复算复杂系统机制之前，“认知工作分析”的原始研究给出的不是口号，而是一组可重算的量。Vicente KJ（2016）报告：该研究线索经典结构含工作域分析、控制任务分析、策略分析、社会组织与协作分析、劳动者能力分析5个阶段。界面若直接照抄现行流程，就没有验证工作域约束是否允许别的安全策略。因此由工作域约束解释的异常策略数/全部观察到的异常策略数必须连同分母变化一起复算。
反对意见真正击中的不是主题，而是条件：当全部观察到的异常策略数不可观测、跨场景不可比或被制度同时改写时不成立。Vicente KJ自己的限制材料已经承认这一点；若应用报告删去触发条件，由工作域约束解释的异常策略数/全部观察到的异常策略数会显得比原证据更稳定。
按复杂系统机制的对象表，另一处常被略过的是“现行流程之外仍安全有效、但未被任务分析记录的策略”。它不应继续被归入杂项；截至2026年，“上述机制”至少要记录其进入分母的规则以及对由工作域约束解释的异常策略数/全部观察到的异常策略数造成的改变量。就复杂系统机制的材料边界而言，进入、退出与未登记对象必须分开留痕。
它与“这一制度安排”共享〔13 时间尺度可自由压缩／28 记录存在即可核对〕，方向却由不同位置驱动；判决“该研究线索”时须在同一时间窗同时读取两种量纲。复杂系统机制的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。
庚、宏观工效学Macroergonomics and Sociotechnical Design
围绕局部工位判据，当时的惯例把“宏观工效学”看成一套不会回写对象的安排。International Ergonomics Association在2015年指出，执行过程会改变全部局部工效干预数及其组成；不保存这段变化，同时改善组织与岗位指标的干预数/全部局部工效干预数就会把路径效应误认成对象效应。围绕局部工位判据，源行把原始命题、边界材料与更新状态分开登记。沿局部工位判据的责任链，这一步先限定可比较对象，不把缺失值折成零效应。
复算局部工位判据之前，“宏观工效学”不是再添一个相关因素，而是声称只有“本项证据”的制度边界与资源条件能决定可行性。就局部工位判据的材料边界而言，进入、退出与未登记对象必须分开留痕。对局部工位判据而言，可被推翻的责任只落在局部工位优化若不改变组织结构、信息流和奖励制度，系统绩效可能反而下降；如果替代机制同样预测结果，这项解释就应撤回。
把证据倒过来读，最重要的是International Ergonomics Association（2015）留下的数字：国际工效学会把工效学分为身体、认知和组织3个领域。宏观工效学要求组织结构、奖励、信息流与岗位设计同向改变；只换椅子或工具而不改节拍，常把负荷转移到别处。按局部工位判据的对象表，只要其中一个分母被改写，“该研究线索”的方向就可能改变。
边界应写成可检查的“当……时不成立”：当全部局部工效干预数因选择或考核改变时方向反过来：同时改善组织与岗位指标的干预数越高，真实效果越低。公开争议（2015）所代表的争议要求同时公开反号案例、失败比例和重新估计后的同时改善组织与岗位指标的干预数/全部局部工效干预数。局部工位判据的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。
对照局部工位判据的主源，制度实施时必须补上的空栏是“组织节拍、奖励和人员配置造成的负荷转移”。在局部工位判据的实施账本里，若2015年的“上述机制”仍只统计成功者，就无法区分对象、条件场与边界变化。核验局部工位判据时，缺失值只标为缺失，不折算为零效应或零成本。
它居D位，本条居E位，虽然共用〔17 局部最优可加总为整体最优／02 单一读数代表复杂对象〕，却分别依赖自动参保人数/全部符合资格雇员数和同时改善组织与岗位指标的干预数/全部局部工效干预数；对“这一制度安排”而言，任何单边胜出都不足以解释反号。局部工位判据的对照账本保留原对象、原时间窗和原记录者，换口径时另起一列。把局部工位判据放到另见第 563 号第 7 条『Mission Innovation』旁核验：先对齐对象、时间窗和责任人，再检查局部工位判据的核心判断在另一套分母中是否仍同向。
辛、从可用性到用户体验与情境From Usability to User Experience in Context
沿从可用性到情境的责任链，2006年的关键转向，是把“从可用性到用户体验与情境”从单项技术拉回具体场景。Hassenzahl M, Tractinsky N发现，准入、资源与治理边界会同时改变持续使用且无负荷恶化的用户数和全部完成可用性测试用户数，所以同一方案在不同机构中不必保持同号。围绕从可用性到情境，源行把原始命题、边界材料与更新状态分开登记。复算从可用性到情境之前，这一步先限定可比较对象，不把缺失值折成零效应。
本条的立场不是“也很重要”，而是只有持续使用且无负荷恶化的用户数/全部完成可用性测试用户数能决定“从可用性到用户体验与情境”是否成立。对从可用性到情境而言，可被推翻的责任只落在完成任务的速度不足以代表使用质量，情绪、意义、身体负荷和长期采用必须一起评价；如果替代机制同样预测结果，这项解释就应撤回。
Hassenzahl M, Tractinsky N（2006）为“从可用性到用户体验与情境”提供的硬读数是：ISO 9241-210的人本设计包含6项原则，包括理解用户与情境、全过程参与、迭代评价和整体用户体验。一次可用性测试通过，不能替代长期使用中的情绪、负荷和排斥效应。按从可用性到情境的对象表，其比单列总体均值更接近“该研究线索”真正承担的预测。
对照从可用性到情境的主源，“该转向”并不保证跨情境同号。其明确失效条件是当全部完成可用性测试用户数不可观测、跨场景不可比或被制度同时改写时不成立；若在2009年后仍只报告“上述机制”的成功样本，选择性分母就会伪装理论稳定。
在从可用性到情境的实施账本里，“这一制度安排”的治理价值，取决于它是否承认“通过一次测试却长期弃用、疼痛加重或被排斥的用户”。这类对象截至2019年常被当作噪声或例外，但它恰好决定持续使用且无负荷恶化的用户数/全部完成可用性测试用户数能否跨机构迁移。就从可用性到情境的材料边界而言，进入、退出与未登记对象必须分开留痕。
共享预设是〔17 局部最优可加总为整体最优／02 单一读数代表复杂对象〕，相反点是两边把决定性分别交给S位与E位；“这项命题”所缺的第三变量必须能同时改变两项读数。从可用性到情境的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。把从可用性到情境放到另见第 244 号第 9 条『Wasserstein 分布鲁棒性』旁核验：先对齐对象、时间窗和责任人，再检查从可用性到情境的核心判断在另一套分母中是否仍同向。
这一幕转向2016—2026的制度化与数字化检验。条件自动驾驶接管悖论、可穿戴负荷监测、神经工效学与自适应自动化与防脱环分别把新技术、跨机构治理和长期韧性推到前台。十二条不再满足于“有效”，而要求说明效应对谁有效、由什么路径发生、在哪个条件下反号，以及失败者是否进入公开分母。
一、条件自动驾驶接管悖论The Take-over Paradox in Conditional Automation
复算条件自动议题之前，旧文献谈“条件自动驾驶接管悖论”时，往往只给出一个平均改进，却没有说明谁被计算、谁被排除。SAE International在2021年把这个缺口显化：必须同时追踪在安全时间窗内正确接管次数与全部需要接管事件数，否则在安全时间窗内正确接管次数/全部需要接管事件数无法跨地点比较。
按条件自动议题的对象表，把“条件自动驾驶接管悖论”写成可检验形式后，核心只剩只有“本项证据”的执行次序与反馈闭环能决定成败。SAE International（2021）主张：自动化承担越多驾驶，人在罕见接管时越缺乏情境建模，接管请求会把闲置变成瞬时高负荷。这使在安全时间窗内正确接管次数/全部需要接管事件数成为判决量，而不是事后挑选的漂亮结果。
核验本条应从SAE International（2021）的结果开始：SAE J3016把驾驶自动化分为0—5级，其中3级才允许系统执行动态驾驶任务、但要求后备用户在请求后接管。等级越高并不意味着接管时间窗自动更充裕，反而可能使情境意识更薄。读数至少要按对象、时点和边界三层保存，才能复算在安全时间窗内正确接管次数/全部需要接管事件数。条件自动议题的结构读数拆成3项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
“条件自动驾驶接管悖论”能否成立，最终取决于这条边界：当全部需要接管事件数不可观测、跨场景不可比或被制度同时改写时不成立。对照条件自动议题的主源，“这项命题”在2021年前后的公开争议仍围绕分母、时间窗和替代机制，故须保留不利结果。
在条件自动议题的实施账本里，从现场看，最容易在汇总表里消失的是“未发生碰撞但接管过晚、接管后失去情境意识的事件”。截至2026年，应把它与在安全时间窗内正确接管次数、全部需要接管事件数和复测时间同表，否则“上述机制”只是在重命名成功者。就条件自动议题的材料边界而言，进入、退出与未登记对象必须分开留痕。条件自动议题的复核表还保留退出日期、原记录者和未纳入理由，不用零值代替缺失。条件自动议题的复核表还保留退出日期、原记录者和未纳入理由，不用零值代替缺失。
条件自动议题的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。把条件自动议题放到另见第 583 号第 16 条『Frontier百亿亿次应用』旁核验：先对齐对象、时间窗和责任人，再检查条件自动议题的核心判断在另一套分母中是否仍同向。
二、驾驶员监测的测量有效性Validity of Driver Monitoring
2024年前后，“驾驶员监测的测量有效性”面对的旧账本只记正确识别失能状态次数，却把全部被系统报警的状态数当作既定背景。美国国家公路交通安全管理局把未进入分母者、退出者和时间窗重新放回分析，说明正确识别失能状态次数/全部被系统报警的状态数不是天然读数，而是制度选择的结果。
本条把责任压到一个决定量：只有正确识别失能状态次数/全部被系统报警的状态数能决定“驾驶员监测的测量有效性”是否成立。美国国家公路交通安全管理局（2024）的可反驳主张是，视线、眨眼和头部姿态不能单独代表参与度，监测系统必须对真实失能与可恢复分心分别校准；若正确识别失能状态次数/全部被系统报警的状态数不随这一决定量改变，或变化完全由另一位置解释，本条即被证伪。
真正能落到账上的读数来自美国国家公路交通安全管理局（2024）：NHTSA的事故报告制度把ADS与2级驾驶辅助分开统计，并要求报告碰撞场景、道路使用者和系统状态。驾驶员监测的有效性应以真实失能的检出率与误报率成对报告，而不是只列报警次数。复核时仍需把正确识别失能状态次数、全部被系统报警的状态数、阴性对象和退出对象放在同一观察期。视线眨眼机制的结构读数拆成3项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
按视线眨眼机制的对象表，本条的反证口不是一句“仍需研究”，而是：当全部被系统报警的状态数因选择或考核改变时方向反过来：正确识别失能状态次数越高，真实效果越低。公开争议在2024年前后把“驾驶员监测的测量有效性”的争议集中到这条边界；一旦触发，就应重新固定全部被系统报警的状态数并检验正确识别失能状态次数/全部被系统报警的状态数是否反号。
进入实施后，最该补进账本的是“被遮挡、误报、个体差异或传感器偏差造成的监测失败”。截至2026年，若“上述机制”仍不为这一类对象设字段，正确识别失能状态次数的改善就可能只是把成本移出全部被系统报警的状态数。
双方共享〔18 干预不回写到被干预者／13 时间尺度可自由压缩〕，但本条居S位、以正确识别失能状态次数/全部被系统报警的状态数判定，对方居E位、以成功迁移并持续使用新服务用户数/全部授权数据共享用户数判定；若“这一制度安排”与对方同窗反号，缺失项就在结果、路径与条件的换位中。
三、协作机器人动态任务分配Dynamic Task Allocation in Human-Robot Collaboration
对照人机协作不机制的主源，在ISO于2016年提出本条之前，“协作机器人动态任务分配”常以完成程序或达到中心值作为成功。问题在于，全部出现能力失配的任务数一旦换人、换期或换边界，动态重分配后完成任务数即使上升，动态重分配后完成任务数/全部出现能力失配的任务数也可能失去原义。在人机协作不机制的实施账本里，这一步先限定可比较对象，不把缺失值折成零效应。
从人机协作不机制的材料看，若只许保留一个解释，“协作机器人动态任务分配”选择的是：只有“本项证据”的执行次序与反馈闭环能决定成败。这不是说其他因素不存在，而是要求ISO（2016）的命题先独立承担预测责任：人机协作不应固定分工，任务要按技能、疲劳、节拍和故障动态重分配。
核查人机协作不机制时，“协作机器人动态任务分配”不能以“明显改善”代替读数。ISO在2016年给出的可核对结果是：ISO/TS 15066明确4类协作运行：安全监控停止、手引导、速度与间距监控、功率与力限制。动态任务分配必须说明每次切换落在哪一类安全状态，而不能把“协作”当作单一模式。在人机协作不机制这条证据链上，其些读数共同限定了“该研究线索”可以外推到哪里。
对人机协作不机制做反向检验，“该转向”最容易越界的地方是当全部出现能力失配的任务数不可观测、跨场景不可比或被制度同时改写时不成立。人机协作不机制的边界记录为：截至2026年8月未见可独立核验的公开反对；原边界提示为：（未见同题公开反对）。把人机协作不机制放回原窗口，该笔材料只限制外推，不重复充当支持证据。
就人机协作不机制的外推边界看，实践层的盲区不是数据太少，而是“机器人安全停止后任务积压、技能退化和责任移交失败”从一开始就没有本体位置。围绕人机协作不机制，到2026年，“该研究线索”应为它单列数量、时长、处置与责任。就人机协作不机制的材料边界而言，进入、退出与未登记对象必须分开留痕。
沿人机协作不机制的责任链，若两边成立，“该转向”必须增加解释位置转换的第三变量。人机协作不机制的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。把人机协作不机制放到另见第 535 号第 5 条『机器—人类众包编排：把回答者也纳入概率模型』旁核验：先对齐对象、时间窗和责任人，再检查人机协作不机制的核心判断在另一套分母中是否仍同向。
四、人机协作认知工效指南Cognitive Ergonomics for Human-Robot Collaboration
在人机协作议题的实施账本里，“人机协作认知工效指南”最初卡住的不是缺少数据，而是2022年前后的数据只覆盖可见成功者。欧盟职业安全与健康署要求把全部通过物理安全测试的场景数的资格、缺失和退出逐项公开，从而把满足认知工效要求的协作场景数/全部通过物理安全测试的场景数由结果描述改成可追责命题。
可反驳命题可写成一句话：协作机器人安全不只看碰撞力，还要管理可预测性、意图沟通、心理负荷和技能退化。欧盟职业安全与健康署在2022年把它锁定为只有“人机协作认知工效指南”的制度边界与资源条件能决定可行性；因此只要满足认知工效要求的协作场景数/全部通过物理安全测试的场景数在预定窗口没有同向变化，本条就不能靠“多因素共同作用”退回安全表述。
从人机协作议题的材料看，“人机协作认知工效指南”的原始研究给出的不是口号，而是一组可重算的量。通过碰撞力测试只覆盖其中1层；若操作者无法预测机器人意图，认知工效仍可能不合格。因此满足认知工效要求的协作场景数/全部通过物理安全测试的场景数必须连同分母变化一起复算。
核查人机协作议题时，反对意见真正击中的不是主题，而是条件：当全部通过物理安全测试的场景数不可观测、跨场景不可比或被制度同时改写时不成立。欧盟职业安全与健康署自己的限制材料已经承认这一点；若应用报告删去触发条件，满足认知工效要求的协作场景数/全部通过物理安全测试的场景数会显得比原证据更稳定。
在人机协作议题这条证据链上，另一处常被略过的是“通过力限值测试却意图不可预测、心理负荷恶化的场景”。它不应继续被归入杂项；截至2024年，“上述机制”至少要记录其进入分母的规则以及对满足认知工效要求的协作场景数/全部通过物理安全测试的场景数造成的改变量。就人机协作议题的材料边界而言，进入、退出与未登记对象必须分开留痕。
它与“这一制度安排”共享〔18 干预不回写到被干预者／21 制度采纳不改变指标含义〕，方向却由不同位置驱动；判决“该研究线索”时须在同一时间窗同时读取两种量纲。把人机协作议题放到另见第 392 号第 12 条『协作机器人把隔离安全改成人机共域』旁核验：先对齐对象、时间窗和责任人，再检查人机协作议题的核心判断在另一套分母中是否仍同向。
五、可穿戴负荷监测Wearable Workload Monitoring
从心率肌电机制的材料看，当时的惯例把“可穿戴负荷监测”看成一套不会回写对象的安排。Tsao L, Li L, Ma L在2019年指出，执行过程会改变全部高负荷报警数及其组成；不保存这段变化，经个体基线校准的高负荷报警数/全部高负荷报警数就会把路径效应误认成对象效应。围绕心率肌电机制，源行把原始命题、边界材料与更新状态分开登记。核查心率肌电机制时，这一步先限定可比较对象，不把缺失值折成零效应。
在心率肌电机制这条证据链上，“可穿戴负荷监测”不是再添一个相关因素，而是声称只有经个体基线校准的高负荷报警数/全部高负荷报警数能决定“本项证据”是否成立。就心率肌电机制的材料边界而言，进入、退出与未登记对象必须分开留痕。
把证据倒过来读，最重要的是Tsao L, Li L, Ma L（2019）留下的数字：Mehta与Parasuraman 2013综述把脑电、近红外、心率和肌电等信号带入真实工作研究。至少需要个体基线、任务标签和独立现场验证3步，否则高负荷报警会把体能差异误判成风险。对心率肌电机制做反向检验，只要其中一个分母被改写，“可穿戴负荷监测”的方向就可能改变。心率肌电机制的结构读数拆成3项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
把心率肌电机制放回原窗口，边界应写成可检查的“当……时不成立”：当全部高负荷报警数因选择或考核改变时方向反过来：经个体基线校准的高负荷报警数越高，真实效果越低。公开争议（2019）所代表的争议要求同时公开反号案例、失败比例和重新估计后的经个体基线校准的高负荷报警数/全部高负荷报警数。心率肌电机制的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。
制度实施时必须补上的空栏是“未佩戴、基线漂移、皮肤不适和报警后无处置的时段”。就心率肌电机制的外推边界看，若2021年的“上述机制”仍只统计成功者，就无法区分对象、结果读数与边界变化。核验心率肌电机制时，缺失值只标为缺失，不折算为零效应或零成本。心率肌电机制的复核表还保留退出日期、原记录者和未纳入理由，不用零值代替缺失。
心率肌电机制的对照账本保留原对象、原时间窗和原记录者，换口径时另起一列。把心率肌电机制放到另见第 141 号第 4 条『新思想 4 · 人格可以被干预改变 —— 二百余项研究给出的效应量』旁核验：先对齐对象、时间窗和责任人，再检查心率肌电机制的核心判断在另一套分母中是否仍同向。
六、工业五点零的人本制造Human-centric Manufacturing in Industry 5.0
核查制造升级机制时，2021年的关键转向，是把“工业五点零的人本制造”从单项技术拉回具体场景。European Commission发现，准入、资源与治理边界会同时改变同时改善三项目标的改造数和全部工业数字化改造数，所以同一方案在不同机构中不必保持同号。围绕制造升级机制，源行把原始命题、边界材料与更新状态分开登记。在制造升级机制这条证据链上，这一步先限定可比较对象，不把缺失值折成零效应。
本条的立场不是“也很重要”，而是只有“工业五点零的人本制造”的制度边界与资源条件能决定可行性。对制造升级机制而言，可被推翻的责任只落在制造升级的目标不再只有效率，而是人本、韧性和可持续三项同时成立；如果替代机制同样预测结果，这项解释就应撤回。
European Commission（2021）为“工业五点零的人本制造”提供的硬读数是：欧盟“工业5.0”把人本、韧性、可持续列为3个并列支柱。生产率提高而伤害、技能退化或能源强度恶化的项目，按这一框架不能被计为完整升级。对制造升级机制做反向检验，其比单列总体均值更接近“该研究线索”真正承担的预测。
把制造升级机制放回原窗口，“该转向”并不保证跨情境同号。就制造升级机制的外推边界看，其明确失效条件是当全部工业数字化改造数不可观测、跨场景不可比或被制度同时改写时不成立；若在2021年后仍只报告“上述机制”的成功样本，选择性分母就会伪装理论稳定。就制造升级机制的材料边界而言，进入、退出与未登记对象必须分开留痕。制造升级机制的边界记录为：截至2026年8月未见可独立核验的公开反对；原边界提示为：（未见同题公开反对）。围绕制造升级机制，该笔材料只限制外推，不重复充当支持证据。
沿制造升级机制的责任链，“这一制度安排”的治理价值，取决于它是否承认“产量上升但技能、健康或能耗恶化的数字化改造”。这类对象截至2026年常被当作噪声或例外，但它恰好决定同时改善三项目标的改造数/全部工业数字化改造数能否跨机构迁移。制造升级机制的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。
共享预设是〔21 制度采纳不改变指标含义／02 单一读数代表复杂对象〕，相反点是两边把决定性分别交给E位与S位；“这项命题”所缺的第三变量必须能同时改变两项读数。核验制造升级机制时，缺失值只标为缺失，不折算为零效应或零成本。
七、数字孪生工效学Ergonomic Digital Twins
在数字孪生议题这条证据链上，旧文献谈“数字孪生工效学”时，往往只给出一个平均改进，却没有说明谁被计算、谁被排除。Frontiers in Robotics and AI在2023年把这个缺口显化：必须同时追踪孪生预测落入实测误差带的任务数与全部被模拟任务数，否则孪生预测落入实测误差带的任务数/全部被模拟任务数无法跨地点比较。
对数字孪生议题做反向检验，把“数字孪生工效学”写成可检验形式后，核心只剩只有“本项证据”的执行次序与反馈闭环能决定成败。Frontiers in Robotics and AI（2023）主张：人体模型、生产节拍和现场传感可在孪生体中联动，但孪生预测必须持续回到真实人体校准。这使孪生预测落入实测误差带的任务数/全部被模拟任务数成为判决量，而不是事后挑选的漂亮结果。
核验本条应从Frontiers in Robotics and AI（2023）的结果开始：数字孪生工效学必须把预测关节角、肌肉负荷或作业时间与实测区间逐次对齐。只有模型误差在跨班组、跨体型和设备变更后仍受控，孪生体才是控制工具而不是动画。读数至少要按对象、时点和边界三层保存，才能复算孪生预测落入实测误差带的任务数/全部被模拟任务数。数字孪生议题的结构读数拆成3项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
“该转向”能否成立，最终取决于这条边界：当全部被模拟任务数不可观测、跨场景不可比或被制度同时改写时不成立。把数字孪生议题放回原窗口，“上述机制”在2023年前后的公开争议仍围绕分母、时间窗和替代机制，故须保留不利结果。
从现场看，最容易在汇总表里消失的是“模型预测失败、换班组失准和重新标定成本”。截至2026年，应把它与孪生预测落入实测误差带的任务数、全部被模拟任务数和复测时间同表，否则“这一制度安排”只是在重命名成功者。就数字孪生议题的材料边界而言，进入、退出与未登记对象必须分开留痕。
双方同在〔21 制度采纳不改变指标含义／10 更多数据必然减少偏倚〕前提下工作，却用孪生预测落入实测误差带的任务数/全部被模拟任务数与发生连续再借的借款笔数/全部高成本短期借款笔数给出不同方向；若两种证据都可复现，说明“这项命题”的现有账本漏记了跨位置回写。数字孪生议题的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。把数字孪生议题放到另见第 583 号第 16 条『Frontier百亿亿次应用』旁核验：先对齐对象、时间窗和责任人，再检查数字孪生议题的核心判断在另一套分母中是否仍同向。
八、远程与混合办公暴露组合Combined Exposures in Hybrid Work
2021年前后，“远程与混合办公暴露组合”面对的旧账本只记无疼痛与心理负荷恶化的远程工作周数，却把全部远程工作周数当作既定背景。International Labour Organization把未进入分母者、退出者和时间窗重新放回分析，说明无疼痛与心理负荷恶化的远程工作周数/全部远程工作周数不是天然读数，而是制度选择的结果。
本条把责任压到一个决定量：只有无疼痛与心理负荷恶化的远程工作周数/全部远程工作周数能决定“远程与混合办公暴露组合”是否成立。International Labour Organization（2021）的可反驳主张是，居家办公的风险来自姿势、孤立、数字监控和工作边界叠加，单项设备清单无法代表总体负荷；若无疼痛与心理负荷恶化的远程工作周数/全部远程工作周数不随这一决定量改变，或变化完全由另一位置解释，本条即被证伪。
真正能落到账上的读数来自International Labour Organization（2021）：ILO 2021远程工作技术简报至少区分工作站、工时、心理社会风险和组织支持4类暴露。同一周里姿势改善却孤立感和加班上升时，单项设备合规不能代表总体健康。复核时仍需把无疼痛与心理负荷恶化的远程工作周数、全部远程工作周数、阴性对象和退出对象放在同一观察期。
对远程混合办公做反向检验，本条的反证口不是一句“仍需研究”，而是：当全部远程工作周数因选择或考核改变时方向反过来：无疼痛与心理负荷恶化的远程工作周数越高，真实效果越低。公开争议在2021年前后把“远程与混合办公暴露组合”的争议集中到这条边界；一旦触发，就应重新固定全部远程工作周数并检验无疼痛与心理负荷恶化的远程工作周数/全部远程工作周数是否反号。
把远程混合办公放回原窗口，进入实施后，最该补进账本的是“家庭工位之外的照护中断、孤立感和非正式加班”。截至2026年，若“上述机制”仍不为这一类对象设字段，无疼痛与心理负荷恶化的远程工作周数的改善就可能只是把成本移出全部远程工作周数。
双方共享〔27 能力可与承载它的人分离／12 成本可外置而不改变结论〕，但本条居S位、以无疼痛与心理负荷恶化的远程工作周数/全部远程工作周数判定，对方居E位、以获得有效评分的信用不可见者数/全部申请信用不可见者数判定；若“这一制度安排”与对方同窗反号，缺失项就在结果、路径与条件的换位中。就远程混合办公的外推边界看，“该研究线索”的对撞最低证据，是两项量纲在同一对象与窗口内稳定分离。把远程混合办公放到另见第 611 号第 11 条『Ghosting不是没有退出，而是平台化的无说明退出』旁核验：先对齐对象、时间窗和责任人，再检查远程混合办公的核心判断在另一套分母中是否仍同向。
九、神经工效学Neuroergonomics
在Ayaz H, Dehais F, eds于2019年提出本条之前，“神经工效学”常以完成程序或达到中心值作为成功。问题在于，全部被模型分类的现场状态数一旦换人、换期或换边界，现场正确分类的认知状态数即使上升，现场正确分类的认知状态数/全部被模型分类的现场状态数也可能失去原义。把脑电与近机制放回原窗口，这一步先限定可比较对象，不把缺失值折成零效应。
就脑电与近机制的外推边界看，若只许保留一个解释，“神经工效学”选择的是：只有“本项证据”的执行次序与反馈闭环能决定成败。对脑电与近机制而言，可被推翻的责任只落在脑电与近红外可测量真实任务中的认知状态，但实验室分类器不能直接代替现场能力；如果替代机制同样预测结果，这项解释就应撤回。
围绕脑电与近机制，“神经工效学”不能以“明显改善”代替读数。Ayaz H, Dehais F, eds在2019年给出的可核对结果是：该研究线索常用脑电、功能近红外和眼动3类现场信号，但2019年专著反复强调实验室分类准确率不能直接外推。跨日稳定性、个体校准和任务迁移是比单次AUC更重要的读数。沿脑电与近机制的责任链，其些读数共同限定了“该研究线索”可以外推到哪里。
复算脑电与近机制之前，“该转向”最容易越界的地方是当全部被模型分类的现场状态数不可观测、跨场景不可比或被制度同时改写时不成立。按脑电与近机制的对象表，截至2019年，“上述机制”的争论仍未靠更多案例自动收敛；“本项证据”只有预定失败窗、固定分母并外部复算，才可判清方向。就脑电与近机制的材料边界而言，进入、退出与未登记对象必须分开留痕。脑电与近机制的边界记录为：截至2026年8月未见可独立核验的公开反对；原边界提示为：（未见同题公开反对）。对照脑电与近机制的主源，该笔材料只限制外推，不重复充当支持证据。
实践层的盲区不是数据太少，而是“实验室高准确率但跨日、跨人、跨任务失效的分类”从一开始就没有本体位置。在脑电与近机制的实施账本里，到2026年，“该研究线索”应为它单列数量、时长、处置与责任。脑电与近机制的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。
从脑电与近机制的材料看，若两边成立，“该转向”必须增加解释位置转换的第三变量。核验脑电与近机制时，缺失值只标为缺失，不折算为零效应或零成本。把脑电与近机制放到另见第 595 号第 13 条『语义数字孪生要求模型与现场双向同步』旁核验：先对齐对象、时间窗和责任人，再检查脑电与近机制的核心判断在另一套分母中是否仍同向。
十、人机团队解释性边界Explainability in Human-AI Teams
就解释机制的外推边界看，“人机团队解释性边界”最初卡住的不是缺少数据，而是2023年前后的数据只覆盖可见成功者。National Institute of Standards and Technology要求把全部提供解释的高风险决策数的资格、缺失和退出逐项公开，从而把因解释而纠正的团队决策数/全部提供解释的高风险决策数由结果描述改成可追责命题。围绕解释机制，源行把原始命题、边界材料与更新状态分开登记。围绕解释机制，这一步先限定可比较对象，不把缺失值折成零效应。
可反驳命题可写成一句话：解释只有在改变行动、校正信任或暴露不确定性时才有价值，更多说明不必然提高协作。对解释机制而言，可被推翻的责任只落在解释只有在改变行动、校正信任或暴露不确定性时才有价值，更多说明不必然提高协作；如果替代机制同样预测结果，这项解释就应撤回。
沿解释机制的责任链，“人机团队解释性边界”的原始研究给出的不是口号，而是一组可重算的量。National Institute of Standards and Technology（2023）报告：NIST AI风险管理框架有Govern、Map、Measure、Manage 4个核心功能。解释只有在这4个环节之一改变决策、信任或风险处置时才产生效用；解释长度和页面数量不是结果。因此因解释而纠正的团队决策数/全部提供解释的高风险决策数必须连同分母变化一起复算。
复算解释机制之前，反对意见真正击中的不是主题，而是条件：当全部提供解释的高风险决策数不可观测、跨场景不可比或被制度同时改写时不成立。National Institute of Standards and Technology自己的限制材料已经承认这一点；若应用报告删去触发条件，因解释而纠正的团队决策数/全部提供解释的高风险决策数会显得比原证据更稳定。
另一处常被略过的是“提供解释却未改变决定、或使团队过度依赖的案例”。它不应继续被归入杂项；截至2026年，“上述机制”至少要记录其进入分母的规则以及对因解释而纠正的团队决策数/全部提供解释的高风险决策数造成的改变量。就解释机制的材料边界而言，进入、退出与未登记对象必须分开留痕。
它与“这一制度安排”共享〔27 能力可与承载它的人分离／21 制度采纳不改变指标含义〕，方向却由不同位置驱动；判决“该研究线索”时须在同一时间窗同时读取两种量纲。解释机制的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。把解释机制放到另见第 549 号第 10 条『Design-Technology Co-Optimization』旁核验：先对齐对象、时间窗和责任人，再检查解释机制的核心判断在另一套分母中是否仍同向。
十一、包容性设计与极端用户Inclusive Design through Extreme Users
围绕包容性设计极端用户，当时的惯例把“包容性设计与极端用户”看成一套不会回写对象的安排。World Health Organization, World Bank在2022年指出，执行过程会改变全部通过平均用户测试的任务数及其组成；不保存这段变化，通过极端用户测试的设计任务数/全部通过平均用户测试的任务数就会把路径效应误认成对象效应。围绕包容性设计极端用户，源行把原始命题、边界材料与更新状态分开登记。沿包容性设计极端用户的责任链，这一步先限定可比较对象，不把缺失值折成零效应。
复算包容性设计极端用户之前，“包容性设计与极端用户”不是再添一个相关因素，而是声称只有通过极端用户测试的设计任务数/全部通过平均用户测试的任务数能决定“本项证据”是否成立。就包容性设计极端用户的材料边界而言，进入、退出与未登记对象必须分开留痕。对包容性设计极端用户而言，可被推翻的责任只落在按平均人体和平均能力设计会系统排除边缘用户，极端用户测试能提前显露系统边界；如果替代机制同样预测结果，这项解释就应撤回。
把证据倒过来读，最重要的是World Health Organization, World Bank（2022）留下的数字：WHO与世界银行2022估计全球约13亿人、约占人口16%，经历显著残障。按“平均用户”通过测试的产品若没有极端用户样本，会系统漏掉约六分之一人口的交互边界。按包容性设计极端用户的对象表，只要其中一个分母被改写，“包容性设计与极端用户”的方向就可能改变。
对照包容性设计极端用户的主源，边界应写成可检查的“当……时不成立”：当全部通过平均用户测试的任务数因选择或考核改变时方向反过来：通过极端用户测试的设计任务数越高，真实效果越低。公开争议（2022）所代表的争议要求同时公开反号案例、失败比例和重新估计后的通过极端用户测试的设计任务数/全部通过平均用户测试的任务数。
在包容性设计极端用户的实施账本里，制度实施时必须补上的空栏是“平均用户通过、极端用户无法完成或退出的任务”。从包容性设计极端用户的材料看，若2026年的“上述机制”仍只统计成功者，就无法区分对象、结果读数与边界变化。包容性设计极端用户的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。
核验包容性设计极端用户时，缺失值只标为缺失，不折算为零效应或零成本。把包容性设计极端用户放到另见第 549 号第 10 条『Design-Technology Co-Optimization』旁核验：先对齐对象、时间窗和责任人，再检查包容性设计极端用户的核心判断在另一套分母中是否仍同向。
十二、自适应自动化与防脱环Adaptive Automation without Out-of-the-loop Loss
沿自适应自动防脱环的责任链，2024年的关键转向，是把“自适应自动化与防脱环”从单项技术拉回具体场景。Bernabei M, Costantino F发现，准入、资源与治理边界会同时改变保持情境意识的自适应切换数和全部自动化级别切换数，所以同一方案在不同机构中不必保持同号。围绕自适应自动防脱环，源行把原始命题、边界材料与更新状态分开登记。复算自适应自动防脱环之前，这一步先限定可比较对象，不把缺失值折成零效应。
本条的立场不是“也很重要”，而是只有“自适应自动化与防脱环”的执行次序与反馈闭环能决定成败。对自适应自动防脱环而言，可被推翻的责任只落在自动化级别应随负荷与任务动态变化，但每次接管都要维持人的情境模型与回退能力；如果替代机制同样预测结果，这项解释就应撤回。
Bernabei M, Costantino F（2024）为“自适应自动化与防脱环”提供的硬读数是：NHTSA持续把2级驾驶辅助与自动驾驶系统事故分开收集，提示自适应自动化至少要记录切换前、切换中、切换后3个时段。若切换后情境意识下降，降低瞬时负荷并不等于系统更安全。按自适应自动防脱环的对象表，其比单列总体均值更接近“该研究线索”真正承担的预测。
对照自适应自动防脱环的主源，“该转向”并不保证跨情境同号。在自适应自动防脱环的实施账本里，其明确失效条件是当全部自动化级别切换数不可观测、跨场景不可比或被制度同时改写时不成立；若在2024年后仍只报告“上述机制”的成功样本，选择性分母就会伪装理论稳定。就自适应自动防脱环的材料边界而言，进入、退出与未登记对象必须分开留痕。
从自适应自动防脱环的材料看，“这一制度安排”的治理价值，取决于它是否承认“自动化切换后人暂时脱环、恢复情境模型所需的时间”。这类对象截至2026年常被当作噪声或例外，但它恰好决定保持情境意识的自适应切换数/全部自动化级别切换数能否跨机构迁移。自适应自动防脱环的支持材料与边界材料分别编号，不让同一来源同时提出命题又替命题免责。
共享预设是〔15 同名即同物〕，相反点是两边把决定性分别交给D位与S位；“这项命题”所缺的第三变量必须能同时改变两项读数。核验自适应自动防脱环时，缺失值只标为缺失，不折算为零效应或零成本。把自适应自动防脱环放到另见第 542 号第 19 条『Coscientist语言模型代理』旁核验：先对齐对象、时间窗和责任人，再检查自适应自动防脱环的核心判断在另一套分母中是否仍同向。
◎ 二十年连起来看
第一条贯穿线，是结果从中心值转向分布与分母。安全二与日常成功、从可用性到用户体验与情境和人机协作认知工效指南分别在早期、过渡和制度化阶段提示：只有把未造成伤害的性能调整次数/全部偏离标准程序次数与退出对象同时保存，平均改善才有可迁移含义。
第二条贯穿线，是路径开始回写被治理对象。信任校准、驾驶员监测的测量有效性与人机团队解释性边界显示，参与者会根据规则、算法或激励改变行动；因此正确识别失能状态次数/全部被系统报警的状态数必须带版本号、实施时点和复测窗口。
第三条贯穿线，是条件场从脚注升级为因果组成。疲劳风险管理系统、工业五点零的人本制造和自适应自动化与防脱环把法规、资源、供应链或生态边界写进结果。本领域成熟的标志不是结论更整齐，而是能预先说出何时会反号。
◎ 三个常见误解
误解一：人因工程与工效学的进步就是技术更先进。这个说法容易成立，是因为“条件自动驾驶接管悖论”与“数字孪生工效学”确实使用新工具；但工具只有在在安全时间窗内正确接管次数/全部需要接管事件数可复算时才构成知识转向。正确表述是：新技术改变了责任边界，而不是自动产生好结果。
误解二：样本更多就会消除争议。“自动化惊讶与模式意识”与“神经工效学”提醒，更多记录也可能复制同一选择机制。正确表述是：只有未进入者、失败者和制度变更也进入分母，数据增长才减少偏倚。
误解三：通过标准、法律或认证就等于现场有效。“认知工作分析”与“包容性设计与极端用户”都存在形式合规和实质结果分离。正确表述是：合规只能作为路径证据，最终仍要由通过极端用户测试的设计任务数/全部通过平均用户测试的任务数和独立复测验收。
◎ 与相邻领域的接口
与第483号“消费者金融与家庭理财”的接口，是双方都要处理失败对象。分工判据是：本块定义“韧性工程”中谁进入成功适应的扰动事件数/全部超出程序事件数，第483号则检验同一遗漏在其技术或生命系统中怎样转成风险。
与第485号“园艺与设施农业”的接口，是资源和责任的跨边界转移。本块用“可穿戴负荷监测”追踪本领域的外置成本，第485号用自身量纲判断同一成本是否在另一环节重新出现。
与统计、审计和数据治理的接口，是把疲劳风险被闭环处置的班次数/全部高风险班次的分母、版本和缺失机制变成可复算对象。分工很明确：本块负责定义真实对象和制度现场，方法学只在这一语义契约内估计不确定性。
◎ 争议现场
争议一围绕“安全二与日常成功”：支持方强调事故与成功来自同一套性能调整，工效学必须研究日常工作为何通常成功，反对方质疑分母与选择。要收敛，需要在至少2个制度或生态环境中预注册同一未造成伤害的性能调整次数/全部偏离标准程序次数，并公开未进入者。
争议二围绕“驾驶员监测的测量有效性”：短期效率与长期韧性可能方向相反。要收敛，应同时报告季度、年度与全生命周期3个窗口内的主结果、反号次数和外置成本。
争议三围绕“包容性设计与极端用户”：形式标准是否能代表实际改善。要收敛，必须由不参与实施的团队按同一通过极端用户测试的设计任务数/全部通过平均用户测试的任务数复测，并预先规定何种差异足以推翻原主张。
◎ 往下五年看什么
第一项读数是“自适应自动化与防脱环”的跨场景复现率：到2031年，保持情境意识的自适应切换数/全部自动化级别切换数在至少3个独立场景中能否保持同号。
第二项读数是空栏对象的公开比例。抽取本块二十条的“空栏”字段，观察退出、未采用、无记录和被排除对象是否各自占有独立字段。
第三项读数是指标被用于考核后的漂移。若“远程与混合办公暴露组合”实施一年后中心指标异常改善，而独立结局不变，应判定发生目标替代。
第四项读数是迁移成本。比较“工业五点零的人本制造”从一地移到另一地时，重新训练、重建基础设施或重新协商所需资源占原项目总成本的比例。
◎ 可与哪些领域对撞
本块第3条“自动化惊讶与模式意识”与第253号第4条“自动化过度依赖”共享〔测量不改变被测对象〕。前者要求操作者在模式切换时仍知道系统正在做什么，后者则显示高可靠自动化会改变注意分配，使“被监测的警觉”本身随系统表现漂移。若两者都成立，第三变量是长期信任史而非某一时刻的界面提示。应比较首次接管、连续成功后接管和故障后接管的反应差异。
本块第8条“从可用性到用户体验与情境”与第152号第15条“混合办公”共享〔平均值代表个体〕。用户体验把任务、情绪和情境纳入评价，混合办公却表明同一安排对照护者、管理者和新员工可能方向相反。若总体满意度上升而一类员工的负荷持续恶化，就必须承认“情境”不是修饰项，而是分层对象。判决读数应同时报告持续使用率、离职意向和角色分组。
本块第13条“可穿戴负荷监测”与第149号第7条“审计质量代理变量的危机”共享〔单一读数代表复杂对象〕。肌电、心率或姿态报警只是风险代理，审计研究也发现事务所规模、任期等投入代理不等于审计产出。若传感器报警增加却伤害率不降，问题可能在阈值、佩戴行为或任务重排。第三变量是代理量与真实损伤之间的校准链，需用个体基线和独立临床结局复核。
本块第20条“自适应自动化与防脱环”与第245号第4条“STAMP系统事故模型”共享〔局部最优可加总为整体最优〕。自适应自动化试图在局部时刻选择最合适的自动化级别，STAMP却把事故归因于跨层控制约束失效，而非单个部件做错。若局部切换都合理、系统仍失控，第三变量就是层级之间未传递的约束。判决时要重放控制命令、反馈延迟和责任移交，而不能只数接管成功率。
◎ 十条可做的研究命题
1. 命题：“安全二与日常成功”的未造成伤害的性能调整次数/全部偏离标准程序次数比“条件自动驾驶接管悖论”更能预测跨场景失败。做法：多地预注册队列，保留阴性、退出、空栏，分两期复算。证伪：独立样本无增益，或方向反转且边界解释失败。
2. 命题：“信任校准”的适当依赖决策数/全部可由自动化支持的决策数比“协作机器人动态任务分配”更能预测跨场景失败。做法：分阶段自然实验，保留阴性、退出、空栏，分两期复算。证伪：独立样本无增益，或方向反转且边界解释失败。
3. 命题：“认知工作分析”的由工作域约束解释的异常策略数/全部观察到的异常策略数比“可穿戴负荷监测”更能预测跨场景失败。做法：交叉随机试验，保留阴性、退出、空栏，分两期复算。证伪：独立样本无增益，或方向反转且边界解释失败。
4. 命题：“从可用性到用户体验与情境”的持续使用且无负荷恶化的用户数/全部完成可用性测试用户数比“数字孪生工效学”更能预测跨场景失败。做法：中断时间序列，保留阴性、退出、空栏，分两期复算。证伪：独立样本无增益，或方向反转且边界解释失败。
5. 命题：“驾驶员监测的测量有效性”的正确识别失能状态次数/全部被系统报警的状态数比“神经工效学”更能预测跨场景失败。做法：网络扩散设计，保留阴性、退出、空栏，分两期复算。证伪：独立样本无增益，或方向反转且边界解释失败。
6. 命题：“人机协作认知工效指南”的满足认知工效要求的协作场景数/全部通过物理安全测试的场景数比“包容性设计与极端用户”更能预测跨场景失败。做法：盲法独立审计，保留阴性、退出、空栏，分两期复算。证伪：独立样本无增益，或方向反转且边界解释失败。
7. 命题：“工业五点零的人本制造”的同时改善三项目标的改造数/全部工业数字化改造数比“韧性工程”更能预测跨场景失败。做法：成本效果比较，保留阴性、退出、空栏，分两期复算。证伪：独立样本无增益，或方向反转且边界解释失败。
8. 命题：“远程与混合办公暴露组合”的无疼痛与心理负荷恶化的远程工作周数/全部远程工作周数比“自动化惊讶与模式意识”更能预测跨场景失败。做法：极端情景压力测试，保留阴性、退出、空栏，分两期复算。证伪：独立样本无增益，或方向反转且边界解释失败。
9. 命题：“人机团队解释性边界”的因解释而纠正的团队决策数/全部提供解释的高风险决策数比“疲劳风险管理系统”更能预测跨场景失败。做法：跨年份外部验证，保留阴性、退出、空栏，分两期复算。证伪：独立样本无增益，或方向反转且边界解释失败。
10. 命题：“自适应自动化与防脱环”的保持情境意识的自适应切换数/全部自动化级别切换数比“宏观工效学”更能预测跨场景失败。做法：复制加负对照，保留阴性、退出、空栏，分两期复算。证伪：独立样本无增益，或方向反转且边界解释失败。
◎ 资料核验
- Hollnagel E, Woods DD, Leveson N, eds. Resilience Engineering: Concepts and Precepts. Ashgate, 2006.
- Hollnagel E. Safety-I and Safety-II: The Past and Future of Safety Management. Ashgate, 2014.
- Sarter NB, Woods DD, Billings CE. Automation Surprises. In Handbook of Human Factors and Ergonomics, 1997; widely operationalised in the 2000s.
- Lee JD, See KA. Trust in Automation: Designing for Appropriate Reliance. Human Factors 46(1), 50–80, 2004.
- International Civil Aviation Organization. Fatigue Risk Management Systems Manual for Regulators. 2012.
- Vicente KJ. Cognitive Work Analysis: Toward Safe, Productive, and Healthy Computer-Based Work. Lawrence Erlbaum, 1999; expanded applications 2006–2016.
- International Ergonomics Association. Definition and Domains of Ergonomics; Macroergonomics Technical Committee resources. 2015 update.
- ISO 9241-210:2019. Ergonomics of human-system interaction — Human-centred design for interactive systems.
- SAE International. J3016: Taxonomy and Definitions for Terms Related to Driving Automation Systems. 2021 revision.
- National Highway Traffic Safety Administration. Automated Vehicles for Safety and Driver Monitoring Guidance. 2024.
- ISO/TS 15066:2016. Robots and robotic devices — Collaborative robots.
- European Agency for Safety and Health at Work. Advanced Robotics and AI-based Systems in the Workplace. 2024.
- Mehta RK, Parasuraman R. Neuroergonomics: A Review of Applications to Physical and Cognitive Work. Frontiers in Human Neuroscience 7:889, 2013.
- European Commission. Industry 5.0: Towards a Sustainable, Human-centric and Resilient European Industry. 2021.
- Frontiers in Robotics and AI. Digital Twins for Human-centred Manufacturing and Ergonomics: Review and Framework. 2023.
- International Labour Organization. Healthy and Safe Telework: Technical Brief. 2021.
- Ayaz H, Dehais F, eds. Neuroergonomics: The Brain at Work and in Everyday Life. Academic Press, 2019.
- National Institute of Standards and Technology. AI Risk Management Framework 1.0. 2023.
- World Health Organization, World Bank. Global Report on Health Equity for Persons with Disabilities. 2022.
- National Highway Traffic Safety Administration. Standing General Order on Crash Reporting for Automated Driving Systems and Level 2 ADAS. Updated 2025.
- Hassenzahl M, Tractinsky N. User Experience—A Research Agenda. Behaviour & Information Technology 25(2), 91–97, 2006. DOI: 10.1080/01449290500330331.
- Law ELC, Roto V, Hassenzahl M, Vermeeren APOS, Kort J. Understanding, Scoping and Defining User Experience: A Survey Approach. CHI 2009, 719–728, 2009. DOI: 10.1145/1518701.1518813.
- ISO 9241-210:2019. Ergonomics of Human-system Interaction—Human-centred Design for Interactive Systems.
- Tsao L, Li L, Ma L. Human Work and Status Evaluation Based on Wearable Sensors in Human Factors and Ergonomics: A Review. IEEE Transactions on Human-Machine Systems 49(1), 72–84, 2019. DOI: 10.1109/THMS.2018.2878824.
- Stefana E, Marciano F, Rossi D, Cocca P, Tomasoni G. Wearable Devices for Ergonomics: A Systematic Literature Review. Sensors 21(3):777, 2021. DOI: 10.3390/s21030777.
- National Highway Traffic Safety Administration. Report to Congress: Advanced Impaired Driving Prevention Technology. December 2024.
- European Agency for Safety and Health at Work. Advanced Robotics, Artificial Intelligence and the Automation of Tasks: Definitions, Uses, Policies and Strategies and Occupational Safety and Health. 2022.
- European Agency for Safety and Health at Work. Advanced Robotics and AI-based Systems in the Workplace: Occupational Safety and Health Research and Case-study Updates. 2024.
- Bernabei M, Costantino F. Adaptive Automation: Status of Research and Future Challenges. Robotics and Computer-Integrated Manufacturing 88:102724, 2024. DOI: 10.1016/j.rcim.2024.102724.