"重用还是不重用？"：一个评估总结知识的框架和系统

随着在线信息量的持续增长，一个越来越重要的机会是个人可以重用他人已经总结的知识，而不是从头开始。然而，适当的重用需要判断他人知识与个人目标和情境的相关性、可信度和全面性。在这项工作中，我们探索在编程领域增强对重用知识适当性的判断，特别是重用其他开发者搜索和决策结果的产物。通过对感知和信任方面的先前研究进行分析，以及对开发者的新访谈，我们综合出一个用于重用判断的框架。访谈还验证了开发者表示希望获得帮助判断是否重用现有决策的帮助。基于该框架，我们开发了一组技术来捕获初始决策者的行为并可视化基于该行为计算的信号，以促进后续用户的重用决策，这些技术在名为 Strata 的原型系统中实现。用户研究结果表明，该系统显著提高了重用决策的准确性、深度和速度。这些结果对涉及用户生成内容的系统具有启示意义，其中其他用户需要评估该内容的相关性和可信度。