在解决复杂问题时，能在合适的时间找到合适的信息至关重要。研究人员近日提出了一种新算法，通过综合个人用户的历史记录和行为线索，以及与其协作的团队成员的历史与行为数据，帮助用户更高效地定位所需信息。

这种在团队中为解决问题而共享和寻找信息的过程，被称为“社会觅食”，这一概念源自动物行为研究领域。该研究的合著者、北卡罗来纳州立大学计算机科学副教授 Sandeep Kuttal 指出：“社会觅食在动物行为研究中已经非常成熟，但此前还没有真正被引入到支持问题解决的软件系统中。我们认为，将这一概念应用到协作软件中——例如软件工程、科学研究或危机响应——具有很大潜力。”

Kuttal 表示，以往相关算法大多只关注单个用户的历史行为数据，而忽略了团队层面的互动信息。“我们的目标是同时考虑用户自身的交互行为，以及他们的团队成员如何与系统互动，从而为用户提供更优的推荐。”

为此，研究团队提出了一个名为“基于信息气味的程序员团队流程”（PFIS-T）的新预测模型。该模型将团队成员在系统中的操作行为，与团队成员之间沟通中显性体现的线索结合起来，用于预测某个用户的下一步操作。PFIS-T 主要面向执行维护任务的软件工程团队，例如调试、代码复用和新功能开发，但研究人员认为，这一模型也可以推广到其他类型的协作应用场景中。

研究人员利用一项实验室研究的数据对 PFIS-T 进行了评估。实验中，30 名软件工程师被分成 10 个三人团队，执行代码维护任务。研究团队将这些三人小组的真实导航行为，与 PFIS-T 的预测结果进行对比，并与只依赖单个用户历史数据的既有模型的预测结果进行比较。

“我们发现，团队层面的线索比预期中更为关键，”Kuttal 说。“尤其是在团队成员之间沟通频繁的团队中，PFIS-T 的表现最为突出。”

整体来看，PFIS-T 能够预测 81.5% 的团队导航行为，其预测准确率相比仅考虑个人历史的模型最高提升了 16.7%。

Kuttal 指出：“一个重要的启示是，PFIS-T 可以作为一种基于社会线索的信号，来补充现有的基于人工智能的下一步预测工具，更贴近人类在复杂信息空间中的真实导航方式。我们对 PFIS-T 能够改进现有工具，并为新一代工具的开发提供基础持乐观态度。”

相关研究论文《他们下一步会点击哪里？一个针对协作团队的社会觅食模型》将于 4 月 17 日在西班牙巴塞罗那举行的计算机人因大会（ACM CHI 2026）上发表。论文的通讯作者为北卡罗来纳州立大学博士生 Shahnewaz Leon。