[论文解读] Human-Machine Networks: Towards A Typology And Profiling Framework

Aslak Wegner Eide, Brian Pickering+8 more|Bournemouth University Research Online (Bournemouth University)|Feb 23, 2016

Mobile Crowdsensing and Crowdsourcing参考文献 9被引用 5

一句话总结

本文提出了一种人类-机器网络的类型学与画像框架——一种人类与机器协同以产生协同效应的系统。通过分析两个案例研究（危机管理与点对点转售），作者展示了该框架如何实现对网络类型的系统性分类，促进有针对性的设计决策，并识别出有效系统开发所必需的关键结构与功能特征。

ABSTRACT

In this paper we outline an initial typology and framework for the purpose of profiling human-machine networks, that is, collective structures where humans and machines interact to produce synergistic effects. Profiling a human-machine network along the dimensions of the typology is intended to facilitate access to relevant design knowledge and experience. In this way the profiling of an envisioned or existing human-machine network will both facilitate relevant design discussions and, more importantly, serve to identify the network type. We present experiences and results from two case trials: a crisis management system and a peer-to-peer reselling network. Based on the lessons learnt from the case trials we suggest potential benefits and challenges, and point out needed future work.

研究动机与目标

• 基于结构与功能维度，开发一种系统化的人类-机器网络分类类型学。
• 创建一种画像框架，通过识别现有或设想的人类-机器网络的关键特征，支持设计讨论。
• 通过现实世界中的案例研究（危机管理与点对点转售）验证该框架。
• 识别不同网络类型相关的、具有设计相关性的洞察、优势与挑战。

提出的方法

• 作者基于人类与机器在人类-机器网络中的角色、互动模式与协调机制，定义了一个多维类型学。
• 他们将该框架应用于两个现实系统进行画像：一个危机管理平台与一个点对点转售网络。
• 画像过程涉及将网络组件映射到类型学维度，以揭示其结构与功能画像。
• 通过案例研究测试该框架在识别网络类型与支持设计决策方面的实用性。
• 该方法强调基于案例试验中所获经验教训进行迭代优化。
• 该框架既支持对现有系统的回顾性分析，也支持对新型人类-机器网络配置的前瞻性设计。

实验结果

研究问题

• RQ1 如何基于其结构与功能特征，系统性地对人类-机器网络进行分类？
• RQ2 如何通过标准化框架对现有人类-机器网络进行画像，从而获得设计洞见？
• RQ3 该类型学如何支持识别不同网络类型的适当设计模式与策略？
• RQ4 在现实情境中应用该画像框架的实际优势与挑战是什么？

主要发现

• 该类型学成功区分了不同的人类-机器网络配置，揭示了危机管理与点对点转售系统在设计上的显著差异。
• 画像过程有助于更清晰地识别网络角色、互动动态与协调机制，从而支持更明智的设计讨论。
• 危机管理系统的特点是集中式人类控制与机器辅助数据处理，而点对点网络则表现出去中心化的人类协调与算法支持。
• 案例试验表明，该框架有助于揭示隐藏的设计约束与机遇，尤其是在平衡人类自主性与机器自动化方面。
• 作者识别出在不同情境中一致应用该框架的挑战，特别是在明确定义人类与机器贡献边界方面。
• 本研究证明，该画像框架可增强设计意识，并支持选择合适的人机交互模式与系统架构。