Análise de Tarefas de Especialista e Design de Capacidades

O que Análise de Tarefas de Especialista e Design de Capacidades faz?

Use esta skill quando um modelo de tarefa parecer proceduralmente completo, mas ainda perder os gatilhos perceptuais, loops de monitoramento e hábitos de uso de ferramentas que separam o desempenho de um especialista de uma lista de verificação.

Quando Usar

• Você precisa transformar o desempenho de um especialista em uma arquitetura de agente, simulador ou ambiente de treinamento.
• Um SOP escrito explica os passos, mas não como os especialistas sabem qual ramo seguir.
• O sistema funciona em casos normais e falha em casos extremos que dependem de julgamento situacional.
• Você está entrevistando especialistas no assunto e precisa de um método para extrair conhecimento tácito, em vez de apenas procedimento narrado.
• Um DAG ou árvore de orquestração precisa de loops de monitoramento recorrentes em vez de apenas nós sequenciais únicos.

NÃO para Limites

Esta skill não é a ferramenta primária correta para:

• Fluxos de trabalho simples e determinísticos onde procedimentos explícitos já capturam toda a tarefa.
• Automação de baixo risco que não depende de reconhecimento de padrões perceptuais.
• Exercícios de documentação posteriores que não precisam de validação contra o desempenho real do especialista.
• Simulações onde o realismo visual é mais importante que a fidelidade das pistas para a tomada de decisão.

Modelos Mentais Centrais

Camada Científica vs. Camada Artística

O desempenho do especialista tem uma camada declarativa que os especialistas geralmente conseguem explicar e uma camada perceptual que muitas vezes aparece apenas quando são pressionados sobre pontos de ramificação. GOMS captura a primeira. Inventários de Pistas Críticas e entrevistas do Método de Decisão Crítica são como você recupera a segunda.

Pistas São Estruturais

Padrões de esteira, tensão de linha, uma mudança de som ou uma relação posicional sutil não são detalhes decorativos. Eles são as entradas reais para a escolha do especialista. Se o sistema não consegue ver as pistas, ele não pode reproduzir a função de decisão do especialista.

Hierarquia com Regras de Seleção

O trabalho do especialista é uma hierarquia de metas aninhadas com condições de ramificação locais, não uma lista plana de passos. A estrutura importante não é apenas o que é feito, mas quais condições selecionam o método A em vez do método B.

Loops de Monitoramento Recorrentes

Muitas tarefas de especialistas dependem de metas de avaliação contínuas que ocorrem paralelamente à ação sequencial. Um fluxo de trabalho que modela apenas nós únicos perde a antecipação e transforma a expertise em reação.

Lacuna de Validação

Modelos de tarefa de um único especialista são previsivelmente incompletos porque ferramentas rotineiras e comportamentos de configuração desaparecem da consciência. A validação não é um polimento opcional; é como a estrutura de tarefa ausente se torna visível.

Pontos de Decisão

Veja o fluxo de modelagem em diagrams/01_flowchart_decision-points.md.

flowchart TD
  A[Precisa de modelo de capacidade de especialista] --> B[Decompor metas e métodos]
  B --> C{Ponto de ramificação explicado proceduralmente?}
  C -->|Sim| D[Registrar regra de seleção explícita]
  C -->|Não| E[Sondar por pistas perceptuais]
  D --> F{Monitoramento recorrente necessário?}
  E --> F
  F -->|Sim| G[Modelar loop de monitoramento e sensoriamento redundante]
  F -->|Não| H[Manter submeta sequencial]
  G --> I[Validar com mais especialistas ou rastros]
  H --> I

1. Decida o Grão Correto de Decomposição

• Pare no nível onde uma escolha de método significativa aparece pela primeira vez.
• Se uma condição de ramificação ainda estiver oculta, decomponha mais profundamente e investigue a pista que seleciona a ramificação.
• Se não houver mais pontos de ramificação, você está documentando execução em vez de arquitetura de tarefa.

2. Decida Qual Método de Elicitação de Conhecimento Usar

• Use decomposição estruturada para procedimentos explícitos e sequenciamento de ferramentas.
• Use sondas do Método de Decisão Crítica quando o especialista disser "eu simplesmente sei" ou "depende".
• Use validação com múltiplos especialistas sempre que o primeiro modelo parecer estranhamente limpo ou sem ferramentas.

3. Decida o que Simular

• Simule pistas que realmente acionam decisões de ramificação.
• Adicione sensoriamento redundante onde os especialistas dependem de mais de um canal.
• Omita detalhes cosméticos que não alteram o reconhecimento de pistas ou a qualidade da escolha.

Modos de Falha

1. Captura de Lista de Verificação Plana

Sintomas: o modelo de tarefa flui suavemente, mas falha assim que o ambiente se desvia. Regra de detecção: condições de ramificação estão ausentes ou ocultas dentro de prosa em vez de regras de seleção explícitas. Recuperação: converta a lista de verificação em uma hierarquia de metas com pontos de ramificação vinculados a pistas.

2. Simulação Sem Pistas

Sintomas: trainees ou agentes têm sucesso no simulador, mas falham na implantação. Regra de detecção: a simulação reproduz procedimentos, mas não os sinais que os especialistas usam para escolher entre eles. Recuperação: construa um Inventário de Pistas Críticas e redesenhe o ambiente em torno da fidelidade das pistas.

3. Fragilidade de Canal Único

Sintomas: uma entrada ruidosa ou ausente colapsa todo o processo de decisão. Regra de detecção: um julgamento crítico depende de exatamente uma fonte. Recuperação: adicione canais redundantes e comportamento explícito de verificação cruzada.

4. Ponto Cego de Um Especialista

Sintomas: ferramentas essenciais ou ações de configuração de contexto nunca aparecem no primeiro modelo. Regra de detecção: especialistas de validação mencionam imediatamente equipamentos, rotinas ou comportamento de monitoramento omitidos. Recuperação: trate a discordância como evidência de estrutura ausente, não como ruído.

5. Arquitetura Apenas Sequencial

Sintomas: o sistema pode reagir a eventos, mas não pode sustentar uma avaliação contínua. Regra de detecção: todos os nós são tarefas únicas e nenhum representa metas de monitoramento recorrentes. Recuperação: adicione loops de monitoramento explícitos com comportamento de prever-observar-comparar-ajustar.

Exemplos Trabalhados

Exemplo 1: Transformando Julgamento de Especialista em uma Árvore de Agente

Um especialista em domínio de navegação fornece uma narrativa processual para atracação. O primeiro rascunho se decompõe limpidamente em passos, mas ainda falha quando corrente, disponibilidade de rebocadores e comportamento de linha mudam juntos. A skill adiciona regras de seleção nos pontos de ramificação relevantes, registra o inventário de pistas que impulsiona essas escolhas e introduz loops de monitoramento recorrentes em vez de apenas nós sequenciais.

Exemplo 2: Triagem de Fidelidade de Simulação

Um simulador de treinamento renderiza água, embarcações e geometria de píer lindamente, mas os trainees ainda ultrapassam o ponto de parada. A CTA revela que os especialistas dependem de movimento relativo contra referências fixas da costa e pistas de tensão de linha que o simulador nunca enfatiza. A skill direciona o esforço de design para essas pistas em vez de mais polimento visual.

Portões de Qualidade

• O modelo de tarefa distingue procedimento explícito do conhecimento de pistas perceptuais.
• Os pontos de ramificação incluem as pistas ou condições que selecionam cada método.
• As metas de monitoramento recorrentes são modeladas separadamente das metas sequenciais únicas.
• Decisões críticas têm canais de informação redundantes onde os especialistas confiam neles.
• Pelo menos uma passagem de validação desafia o modelo com especialistas ou rastros adicionais.

Arquivos de Referência

Arquivo	Carregar quando
references/goms-task-decomposition-for-agent-systems.md	Construir uma hierarquia de metas ou decidir a profundidade de decomposição
references/critical-cue-inventories-for-agent-perception.md	Recuperar gatilhos perceptuais em pontos de decisão
references/knowledge-elicitation-methodology-for-agent-capability-building.md	Executar entrevistas de CTA ou Método de Decisão Crítica
references/validation-gap-what-experts-dont-know-they-know.md	Testar a resistência de um modelo de tarefa de primeiro rascunho
references/redundant-sensing-in-multi-channel-environments.md	Projetar percepção robusta multicanal
references/the-art-science-gap-transfer-to-simulation.md	Decidir qual detalhe de simulação afeta materialmente a transferência de habilidade
references/situation-awareness-and-the-conning-officers-mental-model.md	Modelar loops de monitoramento e detecção de divergência

Anti-Padrões

• Tratar "conhecimento tácito" como um rótulo que encerra a investigação em vez de um sinal para sondar mais profundamente.
• Capturar apenas procedimentos e chamar o resultado de modelo de especialista.
• Projetar simulações para estética de realismo em vez de fidelidade de pistas.
• Assumir completude de um único especialista em um domínio onde a automaticidade oculta a estrutura mais importante.