{
  "id": "hick-hyman-law",
  "title": "希克–海曼定律",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "希克–海曼定律描述了平均选择反应时随可能反应的信息不确定性增加而近似增长的关系。",
  "category": "society",
  "subcategory": "psychology",
  "type": "concept",
  "aliases": [
    "希克定律",
    "席克定律"
  ],
  "generated_at": "2026-11-06",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/hick-hyman-law/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/hick-hyman-law/",
      "json": "https://aiwiki.page/en/hick-hyman-law.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "希克–海曼定律是认知心理学中的一项经验规律：在许多选择反应任务中，做出恰当反应所需的平均时间，与备选项的信息不确定性近似呈线性关系。当各备选项出现的可能性相等时，这意味着反应时近似随备选项数量的对数增长，而不是随数量本身成正比增长。该定律以心理学家威廉·埃德蒙·希克和雷·海曼的名字命名，将有关人类绩效的实验研究与信息论联系起来，并为人机交互和人因工程与工效学领域的研究提供参考。"
    },
    {
      "heading": "实验基础",
      "text": "典型的实验从一组已知刺激中呈现一个刺激，并要求参与者做出相应反应。例如，将几盏灯分别对应到不同的按钮；某盏灯亮起时，参与者按下与之对应的按钮。研究者测量从刺激开始出现到某个指定反应事件（例如开始按下按钮）之间的反应时。\n\n在简单反应任务中，只有一种可能的反应。在选择反应任务中，参与者必须识别刺激，并选择恰当的反应。增加可能的刺激—反应备选组合的数量，通常会使平均反应时延长，但增长的幅度和形式取决于具体任务。\n\n该定律描述的是多次重复试验中的平均关系。它既不预测每次试验的反应时间完全相同，也不意味着备选项数量是决定表现的唯一因素。刺激的可辨别性、刺激与反应的对应关系、练习、准备程度以及准确性要求，也都会产生影响。"
    },
    {
      "heading": "数学表述",
      "text": "等概率备选项\n\n对于 \\(N\\) 个等概率备选项，一种常见的信息论表述为：\n\n\\[\\overline{T}=a+b\\log_2 N,\\]\n\n其中：\n\n- \\(\\overline{T}\\) 为平均选择反应时；\n- \\(a\\) 为拟合得到的截距，表示不确定性项无法解释的时间；\n- \\(b\\) 为拟合得到的斜率，通常以毫秒／比特表示；\n- \\(N\\) 为备选项数量。\n\n因此，将等概率备选项的数量从两个增加到四个，会增加一个比特的不确定性；从四个增加到八个也是如此。只要拟合参数仍然适用，模型就预测这两次数量翻倍所带来的平均反应时增量相同。\n\n另一个广泛使用的版本是：\n\n\\[\\overline{T}=a+b\\log_2(N+1).\\]\n\n这两种形式相互关联，但并不完全相同，尤其是在备选项数量较少时。因此，比较拟合结果时，必须说明所用公式和实验约定。两种形式都没有为 \\(a\\) 或 \\(b\\) 提供普遍适用的数值。\n\n不等概率备选项\n\n当各备选项出现的可能性不同时，仅凭数量不足以反映任务的不确定性。一种重要的推广形式采用信息熵，即香农熵：\n\n\\[H=-\\sum_{i=1}^{N}p_i\\log_2 p_i,\\]\n\n其中，\\(p_i\\) 为备选项 \\(i\\) 出现的概率，所有概率之和为一。相应的关系为：\n\n\\[\\overline{T}=a+bH.\\]\n\n对于等概率备选项，\\(p_i=1/N\\)，因此 \\(H=\\log_2 N\\)。如果某些备选项出现的频率远高于其他备选项，熵就会低于数量相同的等概率备选项集合。当参与者学会并利用这些概率时，平均反应时间因而可能缩短。\n\n这主要是平均反应时与平均不确定性之间的关系。不应直接将其理解为：可以根据每个备选项的信息量 \\(-\\log_2 p_i\\)，精确预测该备选项的反应时。"
    },
    {
      "heading": "历史发展",
      "text": "对心理过程持续时间的研究早于这一定律。19 世纪的反应时实验，尤其是弗朗西斯库斯·唐德斯的实验，比较了刺激辨别和反应选择要求不同的任务。\n\n希克于 1952 年发表的论文《论信息获取速率》考察了选择反应时与信息之间的关系。海曼于 1953 年发表的论文《作为反应时决定因素的刺激信息》研究了刺激信息如何影响反应时，其中包括刺激出现概率差异的影响。当时，通信工程中的概念正逐渐在心理学中产生影响，这些研究帮助确立了运用信息论研究人类绩效的方法。\n\n这些研究的意义，不仅在于观察到更多备选项可能使反应变慢。其核心贡献是建立了反应潜伏期与选择反应时所消除的不确定性之间的定量关系。"
    },
    {
      "heading": "解释",
      "text": "对这一定律的常见解释，是将反应选择视为消除不确定性的过程。如果每增加一些比特的不确定性，就需要额外的处理时间，那么反应时便会随信息量线性增长。\n\n一个相关的示意方法是：设想将一组等概率备选项反复划分为两组。确定某一个备选项所需的二分次数，随 \\(\\log_2 N\\) 增长。这使对数关系更易于直观理解，但并不能证明大脑确实在进行串行的二分搜索。\n\n该定律是一种经验规律，而不是关于决策机制的完整理论。不同的信息处理模型可能产生类似的关系。同样，将斜率的倒数解释为信息处理速率，在特定任务的拟合范围内具有用处，但这并不能证明人类思维存在一种固定、通用的信息处理带宽。"
    },
    {
      "heading": "应用",
      "text": "界面与控制装置设计\n\n该定律为考量菜单、控制面板、指令系统及其他界面中的反应选择要求提供了一个框架。区分清晰的备选项，以及易于理解的刺激—反应对应关系，可以使选择更加容易。\n\n然而，常见的设计口号“选项越少，选择总是越快”超出了这一定律的适用范围。在界面中选择一条指令，可能涉及阅读、视觉搜索、回忆其位置、浏览各个类别，以及移动指针。这些环节未必遵循同样的对数关系。\n\n将一个大型菜单拆分成几个较小的菜单，可能减少每一步的备选项数量，却也增加了导航步骤。在理想化的熵模型下，将一次等概率选择拆分为多个均衡的阶段，并不一定会降低总的信息不确定性。实际产生的收益或代价，取决于组织方式、标签、熟悉程度以及交互开销。\n\n人类绩效研究\n\n研究者利用这一定律，考察人们在受控条件下如何应对不确定性。操纵备选项数量及其出现概率，有助于将与信息有关的效应，同影响表现的其他因素区分开来。\n\n这一关系也与操作控制装置的设计和评估有关。在这些场景中，操作人员必须识别信号并选择相应行动。这类应用需要针对具体任务进行测量：实验室按键实验中获得的系数，不能直接套用于复杂的现实决策。\n\n与运动时间的关系\n\n希克–海曼定律经常与菲茨定律一并讨论。后者将移动到目标所需的时间，表示为移动距离与目标大小的函数。两者涉及表现的不同方面：一个是选择反应，另一个是执行指向目标的运动。\n\n在选择菜单项之类的交互中，这两个过程都可能很重要。不过，它们的作用未必相互独立，因此，简单地将两条定律的预测结果相加，并不总是合理。"
    },
    {
      "heading": "局限与适用条件",
      "text": "解读这一定律时，需要考虑以下几个条件：\n\n- 刺激—反应相容性。 自然的对应关系，例如左侧信号要求做出左侧反应，相比任意设定的对应关系，可以使选择更容易。较强的相容性可能显著减弱备选项数量的影响。\n- 练习与熟练程度。 反复执行任务可能改变反应策略、强化联结，并同时改变截距和斜率。\n- 序列依赖。 重复出现的项目和可预测的序列会影响准备状态。因此，每个备选项的总体出现频率，可能不足以描述某次试验中实际感受到的不确定性。\n- 速度—准确性权衡。 参与者可以通过容许更多错误来加快反应。因此，比较反应时时，需要关注准确性和任务说明。\n- 知觉与搜索要求。 如果识别刺激需要大量搜索或困难的辨别，这些要求可能成为决定所测时间的主要因素。\n- 复杂决策。 在职业、商品或政策提案之间做选择，涉及偏好、评估和信息收集，而不只是针对信号选择预先规定的反应。\n\n这一定律也不同于选择过载。后者关注大量选项可能对动机、满意度或做决定的意愿产生的影响。选择反应时呈对数增长，本身并不能证明更多的选择会降低满意度或阻碍决策。"
    }
  ],
  "links": [
    "cognitive-psychology",
    "information-theory",
    "human-computer-interaction",
    "information-entropy",
    "probability",
    "psychology"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}