1 定义
任务抽象（task abstraction）是指从真实工作任务中识别与研究问题相关的认知过程、信息需求和行为结构，并将其转化为可控实验任务的过程。人因研究问题通常来源于真实工作场景，而真实任务往往持续时间长、涉及多个认知过程和复杂情境约束，难以直接用于实验研究。因此，研究者通常需要通过任务抽象，将真实任务转化为适合实验研究的任务形式。其目的不是完整复现真实工作，而是在保留关键心理机制的前提下，提高实验控制性、测量精度和结果可解释性。
任务抽象的核心是在实验控制与真实代表性之间取得平衡。抽象程度过低，实验任务仍然保留过多无关因素，难以建立清晰的因果关系，损害内部效度；抽象程度过高，则可能改变参试者完成任务时采用的认知策略，使实验结果难以推广回真实场景，损害外部效度。
2 常见方法 / 操作要点
Martin等人提出了一套系统化任务抽象（task abstraction）的方法，包含四个步骤 [@martinDesigningSyntheticTasks1998]：
- 结构化访谈：与经验丰富的任务执行者进行系统访谈，了解工作的实际细节，是系统地整理他们在做什么、怎么做、什么时候觉得难。
- 识别认知需求：从访谈中梳理任务涉及哪些认知过程（感知、注意、记忆、决策、动作等），哪些环节与研究问题最相关，需要哪些认知资源。
- 锁定关键子任务：找出与研究问题最相关、或者最有特点、研究者最感兴趣的任务环节。
- 解耦（decoupling）：将关键环节从嵌入的完整任务情境中独立出来，删除与当前研究问题无关的并发活动、团队协作和任务序列依赖。
这套方法的产物就是Martin等人所称的合成任务（synthetic task）：从对应的真实世界任务出发，经由系统抽象过程构造而成的实验任务。其中，前三步借鉴了认知任务分析（cognitive task analysis，CTA）的方法。CTA是通过访谈、观察和文档分析等方法，系统揭示任务执行过程中涉及的知识、认知过程、决策策略和信息需求的一类方法，本身有专门教材、方法论，本节不做展开。重点是，我们能明确研究问题最关心哪些认知过程或步骤，哪些并发活动与研究问题无关。前者决定需要保留什么，后者决定可以简化什么。例如，如果研究问题关心的是驾驶员发现告警的速度，虽然CTA拆解驾驶过程会涉及许多步骤（如转向控制、刹车操作与导航解读），但只有“检测到告警信号”是与研究问题相关的核心认知过程，需要将其设计到实验任务中。
3 经典案例
有些领域的研究者已经完成了系统抽象，并开发出了经过大量研究验证的标准化平台，可以直接使用。其中比较有名的是NASA于 1992年开发的MATB平台（Multi-Attribute Task Battery，MATB）。MATB最初用于模拟航空等复杂监督控制环境中的多任务工作负荷，NASA将这些真实驾驶舱任务抽象为四个并发的子任务：追踪、系统监控、通信和资源管理，对每一个子任务都保留了对应认知过程的核心结构，但剥离了所有领域知识要求，完全不依赖飞行经验即可操作。之后，MATB被认知负荷、人机协同、自动化信任、疲劳效应等领域的研究广泛使用，经历了多次迭代，NASA在2011年发布了MATB-II，2020年还有研究者开发了开源Python版本OpenMATB。
4 参考文献
Martin, E., Lyon, D. R., & Schreiber, B. T. (1998). Designing Synthetic Tasks for Human Factors Research: An Application to Uninhabited Air Vehicles. Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 42(1), 123–127. https://doi.org/10.1177/154193129804200128