他们下一步会点击哪里？面向协作团队的社会寻觅模型

文献标题

Where Will They Click Next? A Social Foraging Model for Collaborating Teams

出版信息

• 主题领域: 信息丰富环境中协作导航的预测建模。
• 关键词: 社会觅食, 信息气味, 协作调试, 预测建模, PFIS-T, 信息觅食理论, 团队协调, 软件工程, 社会线索, 导航预测。

背景与问题

• 问题/挑战: 现有的信息觅食计算模型以个体为中心，未能考虑协作任务中的社会动态，例如队友的行动和交流。这限制了它们在团队环境中的实用性。
• 重要性: 协作问题解决在软件工程、危机响应和科学发现等领域日益重要。弥补团队导航预测模型的空白可以提高这些场景中的协调性和效率。
• 动机与相关工作: 以信息觅食理论（IFT）及其计算模型（如PFIS家族）为基础的研究已成功预测个体导航，但缺乏对社会线索的整合。社会信息觅食理论（SIFT）为群体觅食提供了理论框架，但尚未被转化为预测模型。

解决方案

• 提出的方法: PFIS-T，一种社会信息觅食的预测计算模型，整合了队友的导航历史（隐式线索）和对话数据（显式线索）来预测协作导航步骤。
• 创新点:
  1. 通过将隐式和显式社会线索作为信息气味来源，将信息觅食理论扩展到同步协作。
  2. 引入PFIS-T，这是第一个社会觅食的操作模型，包含社会线索加权、时间衰减和动态重排序等机制。
  3. 在预测准确性和覆盖率方面，相较于以个体为中心的基线模型表现出实证改进。
  4. 提供公开数据集和算法以支持可重复性和进一步研究。
• 过程与关键技术:
  1. 将队友的近期导航（隐式线索）和对话引用（显式线索）整合到一个动态的基于图的模型中。
  2. 应用“社会门”机制平衡个体和团队对导航预测的影响。
  3. 使用十个三人团队参与协作调试任务的受控实验室研究对模型进行评估。

结果

• 具体发现:
  • PFIS-T预测了81.5%的团队导航，相较于基线模型PFIS3′，平均减少了12.57%的未知预测。
  • 达到62.4%的Hit@10准确率，比基线提高了2.7个百分点。
  • 隐式线索提供了稳定的增益，而显式线索在较高排名阈值下表现出可变但强劲的改进。
• 相较基线的优势:
  • 对10个团队中的9个减少了未知预测，其中4个团队的减少具有统计显著性。
  • 在更大的排名阈值下提高了排名准确性（Hit@k），隐式和显式线索的结合效果最佳。
• 实验/评估:
  • 进行了一项虚拟实验室研究，30名参与者（10个三人团队）调试一个大型开源项目。
  • 收集导航日志和对话记录，通过未知率和Hit@k等指标评估预测性能。
  • 分析了社会线索和模型参数对预测质量的影响。
• 局限性与未来工作:
  • 仅限于来自导航历史的隐式线索和来自语音/文本的显式线索；未来工作可整合更丰富的信号，如视线或注释。
  • 在受控实验室环境中评估，参与者为学生和初级职业者；需要在专业环境中进行额外研究。
  • 聚焦于调试任务；需要在其他协作领域进行更广泛的验证。

总结

PFIS-T通过将队友的导航历史和对话数据作为社会线索，扩展了信息觅食理论到协作环境。相较于以个体为中心的模型，显著提高了预测覆盖率和排名准确性，对某些团队减少了多达57.1%的未知预测。该模型展示了社会线索在指导团队导航中的实用性，并为协作工具的设计提供了实际启示。尽管在软件工程领域进行了评估，PFIS-T的机制可推广到需要共享探索复杂信息空间的其他领域。