Human-AI Collaboration in Real-World Complex Environment with Reinforcement Learning
University of Alberta（阿尔伯塔大学）；Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所）；AI Redefined Inc（AI Redefined 公司）；JACOBB（JACOBB 公司）；Thales Digital Solutions（泰雷兹数字解决方案公司）
本研究通过强化学习实现人机协作，在复杂模拟环境中验证其优于纯人类或纯AI控制，并提出关键基础设施保护模拟器与用户界面，证明人类建议可加速多智能体学习。
2023-12-23 cs.AI cs.HC cs.LG
Teaming Up with AI: Coordination and Cooperation
Yale University and Microsoft Research（耶鲁大学和微软研究院）；Tel Aviv University（特拉维夫大学）
探讨如何在劳动力中与人工智能协作以最大化经济价值并实现‘真正’协作。结合理论计算机科学和经济学，考虑协调与合作两层工具，展示基于算法和经济研究的方法可增强两者，为AI市场研究指明方向。
2026-07-07 cs.AI cs.GT
Mixed-Initiative Human-Robot Teaming under Suboptimality with Online Bayesian Adaptation
Georgia Institute of Technology（佐治亚理工学院）
本研究针对次优人机协同场景，提出在线贝叶斯自适应方法，可推断人类配合机器人协助的意愿，实验表明该方法能显著提升团队客观性能与用户主观指标。
2026-08-05 cs.AI cs.RO
A "Distance Matters" Paradox: Facilitating Intra-Team Collaboration Can Harm Inter-Team Collaboration
通过确定团队有效远程工作所需的社会技术条件，距离问题框架自2000年引入以来一直在CSCW中具有影响力。协作技术和实践的进步使团队越来越接近实现这些条件。本文提出了一个10个月的民族志在一个远程组织，在那里我们观察到，尽管表现出良好的远程协作，团队矛盾地努力跨团队边界的合作。我们扩展的距离事项的框架，以考虑团队间的协作，认为类似于那些在原来的团队内框架的挑战-共同点，协作准备，协作技术准备，和耦合的工作-坚持，但在团队间的规模不同的实现。最后，我们确定了团队内部和团队之间的基本张力：帮助单个团队蓬勃发展的协作技术和实践（例如，采用定制的协作软件）也可能在团队间层中引发协作挑战，并且相反地，促进团队间协作的技术和实践（例如，强大的集中式IT组织）可能会损害团队内部层的实践。在Distance Matters框架中增加团队间层为CSCW提供了新的机会，在未来几十年中，平衡团队和组织协作需求之间的紧张关系将是远程工作的关键技术，运营和组织挑战。
2022-02-05 cs.HC
Leveraging Collaboration for Multifaceted Design and Product Teams: A Financial Perspective
协作是团队成功的关键驱动力。在这个案例研究中，我们讨论了Chatham Financial（一家金融风险管理咨询和技术公司）的设计团队和产品团队的一个子集的协作实践。设计团队的协作工作流有四个关键要素，它们围绕着结构、跨团队沟通、入职培训和反馈，这些都发生在团队和跨团队协作伙伴关系中。每一个关键要素都为设计团队带来了一系列独特的挑战和机遇。我们分析了每个元素的当前状态、它们的价值主张、挑战以及为使协作实践更加稳健而采取的举措
2022-12-26 cs.HC
Improving Human-Robot Teamwork in Urban Search and Rescue Through Episodic Memory of Prior Collaboration
HumemAI, The Netherlands（荷兰HumemAI）；Vrije Universiteit Amsterdam, The Netherlands（荷兰阿姆斯特丹自由大学）；TNO, The Netherlands（荷兰TNO）
提出利用知识图谱片段记忆存储历史协作模式，通过图表示学习选择代表性记忆初始化机器人，在MATRX USAR环境中将救援成功率从25.7%提升至41.3%，任务时间减少283秒。
2026-10-30 cs.AI cs.HC
Different but Equal: Comparing User Collaboration with Digital Personal Assistants vs. Teams of Expert Agents
IBM Research – Brazil（IBM研究院（巴西））
这项工作比较了用户与会话式个人助理的协作与专家聊天机器人团队的协作。进行了两项研究，以调查是否每种方法影响任务的完成和协作成本。参与者与两个等效的金融建议聊天机器人系统进行交互，一个由一个对话顾问组成，另一个基于四个专家聊天机器人团队。结果表明，用户有不同形式的经验，但同样能够实现自己的目标。与预期相反的是，有证据表明，在团队合作的情况下，用户更能够更好地预测代理的行为，并没有开销来维持共同点，这表明类似的协作成本。结果指向的两种方法中的任何一种的用户与会话代理的合作的可行性。
2018-08-24 cs.AI cs.HC cs.MA
Team Learning as a Lens for Designing Human-AI Co-Creative Systems
Carnegie Mellon University（卡内基梅隆大学）
生成的ML驱动的交互系统有可能改变人们在创造过程中与计算机交互的方式-将工具转变为共同创造者。然而，目前还不清楚我们如何在开放式任务领域实现有效的人类-人工智能协作。在与ML驱动系统的交互中，围绕通信存在几个已知的挑战。在共同创造系统的设计中，一个被忽视的方面是如何更好地支持用户学习与这样的系统协作。在这里，我们将人类与人工智能的协作重新定义为一个学习问题：受团队学习研究的启发，我们假设，适用于人类与人类团队的类似学习策略也可能提高人类与共同创造生成系统的协作效率和质量。在这份立场文件中，我们的目标是促进团队学习，将其作为设计更有效的共同创造人类-人工智能协作的镜头，并强调协作过程质量是共同创造系统的目标。此外，我们概述了一个初步的示意性框架，用于在共同创造的AI系统中嵌入团队学习支持。最后，我们提出了一个研究议程，并提出了进一步研究的开放性问题，以支持人们学习与生成式人工智能系统合作。
2022-07-06 cs.AI cs.HC
Using HCI in Cross-Disciplinary Teams: A Case Study of Academic Collaboration in HCI-Health Teams in the US Using a Team Science Perspective
以人为本的计算研究已越来越多地应用于解决健康领域的重要挑战。在跨学科团队中进行研究可能会在整合跨领域知识方面遇到很多挑战。然而，我们不知道HCI研究人员在与健康研究人员建立合作时遇到了什么挑战，以及这些研究人员如何在平衡其专业目标的同时应对挑战。我们采访了17位在美国工作的早期和中期职业HCI教师，他们与健康研究人员合作进行研究。借鉴团队科学框架，我们分享参与者的生活经验，并确定HCI研究人员在构建技术时寻找，合作和与健康合作者谈判时遇到的主要挑战。我们提出了更好地支持旨在使用以人为本的计算方法设计技术的研究合作的方法。这包括战略，以支持HCI研究人员在个人，机构，研究界和资助机构的水平，通过工具来翻译学科的方法。我们建议机构政策，以支持HCI研究人员通过培训，网络和推广。
2022-09-01 cs.HC
Why Interdisciplinary Teams Fail: A Systematic Analysis With Activity Theory in Clinical AI Collaboration
该研究针对临床AI跨学科协作成功率低、缺乏系统障碍分析的问题，通过访谈两个言语病理学临床AI协作项目，用Activity Theory分析出知识鸿沟等障碍并提出缓解策略，为跨学科协作提供实践参考。
2025-06-16 cs.HC
Coordination and Collaboration: How do Volunteer Moderators Work as a Team in Live Streaming Communities?
本研究通过访谈Twitch平台40名志愿者版主，探讨其团队协作机制，识别了任务协作与标准贡献方式，并分析了多模态沟通和非正式性对团队效能的影响。
2022-03-24 cs.HC
Shaping Collaborations with Algorithms: How Agency and Heterogeneity Criteria Influence Team Formation and Outcomes
University of Notre Dame（圣母大学）；Northwestern University（西北大学）
研究探讨算法在合作平台中塑造团队形成的作用，通过2x2实验操纵用户代理和异质性标准，发现算法设计差异影响团队组成与决策，引导能增加不同合作者选择且提升团队表现，但存在透明度和自主性问题。
2026-07-08 cs.HC
CoHRT: A Collaboration System for Human-Robot Teamwork
School of Engineering and Applied Science, University of Virginia（弗吉尼亚大学工程与应用科学学院）
本文提出CoHRT系统，通过服务器-客户端架构、视觉跟踪和动作协调界面，支持多人机团队无缝协作与多模态数据记录，以研究协作策略对团队绩效的影响并开发机器人自适应策略。
2024-10-11 cs.HC cs.RO
Deep neural networks for collaborative learning analytics: Evaluating team collaborations using student gaze point prediction
University of Delaware（特拉华大学）；Computer and Information Sciences（计算机与信息科学学院）
对协作任务中团队绩效的自动评估是学习分析和计算机支持的协同工作研究的关键。有一个越来越多的兴趣在使用凝视导向的线索来评估团队的协作和合作。然而，由于时间和成本的限制，使用眼睛跟踪器收集注视数据并不总是可行的。在本文中，我们介绍了一个自动化的团队评估工具的基础上，凝视点和联合视觉注意（JVA）信息提取的计算机视觉解决方案。然后，我们评估团队合作的本科解剖学学习活动（N=60，30支球队）作为一个测试用户的研究。结果表明，高JVA与学生学习成绩呈正相关（r（30）= 0.50，p <0.005）。此外，参与两个实验组并使用交互式三维解剖模型的团队比对照组具有更高的JVA（F（1，28）= 6.65，p <0.05）和更好的知识保持（F（1，28）= 7.56，p <0.05）。不同性别的团队在JVA上没有显著差异。这项工作的结果提供了一种新的相互注意为基础的措施，客观地评估团队协作动态学习科学和协作计算的影响。
2020-10-16 cs.CY cs.HC cs.LG
Gaze-informed Signatures of Trust and Collaboration in Human-Autonomy Teams
本研究在Overcooked AI游戏场景中测试不同行为的AI智能体，发现自适应分层强化学习智能体协作效果更优，同时揭示眼动信号可作为信任与协作的非侵入式评估指标，为优化人-自主团队提供依据。
2025-06-17 cs.HC
Vibe Coding in Product Teams: Reconfiguring AI-Assisted Workflows, Prototyping, and Collaboration
Netherlands and MIT Media Lab（荷兰和MIT媒体实验室）；Notion Labs（Notion实验室）；Collov AI；Cornell University（康奈尔大学）；Goizueta Business School, Emory University（埃默里大学戈伊兹埃塔商学院）；Centrum Wiskunde & Informatica, The Netherlands and Utrecht University, The Netherlands（荷兰代尔夫特理工大学和乌得勒支大学）
本文研究Vibe编码如何重塑产品开发流程与协作，揭示其四阶段工作流及带来的效率与创造力提升，同时指出代码不可靠、集成困难等挑战。
2026-05-01 cs.AI cs.CY cs.ET
TeamPortal: Exploring Virtual Reality Collaboration Through Shared and Manipulating Parallel Views
本文提出 TeamPortal 以支持 VR 协作中的平行视图共享与操纵，通过两项 72 人参与的用户研究证明其能显著提升协作效率、社交存在感，并进一步评估了三种变体，提出了未来 VR 协作系统的设计启示。
2025-01-29 cs.HC
Socio-technical constraints and affordances of virtual collaboration -- A study of four online hackathons
黑客马拉松和类似的有时间限制的活动已经成为一种流行的合作形式。它们通常是以面对面的活动形式组织的，在此期间，团队在短时间内进行密切的合作，以完成他们感兴趣的项目。迄今为止，大多数研究都集中在研究团队如何在同一地点的环境中进行协作，指出了激进的同一地点的优势。然而，2020年的全球大流行导致许多黑客马拉松转移到网上，这挑战了我们目前对它们如何运作的理解。在本文中，我们通过对10个黑客团队的多案例研究来解决这一差距，这些团队参加了两大洲的4次黑客马拉松。通过分析收集到的数据，我们发现团队合并了同步和异步的通信手段，以保持对工作进度的共同理解，并保持对彼此任务的了解。任务分工是基于个人技能或兴趣的自我分配，而领导者则来自不同的策略（例如，参与者的经验，在事件中注册团队的责任）。亲自参加黑客马拉松的一些启示，例如团队成员的激进共处，可以在工作时保持同步沟通渠道的团队中部分重现（即，共享音频领土），在一种“激进的虚拟共址”。然而，其他方面，如与其他团队的互动，容易获得导师，与其他参与者的网络，减少了。此外，不同通信工具和平台的技术限制带来了技术问题，使与会者感到不知所措。我们的工作有助于理解在线黑客松背景下小团队的虚拟协作，以及组织者提出的技术和活动结构如何暗示这种协作。
2022-04-26 cs.HC
LADICA: A Large Shared Display Interface for Generative AI Cognitive Assistance in Co-Located Team Collaboration
LADICA是一个面向共位团队协作的大型共享显示界面，利用LLM从多分析视角支持头脑风暴、想法组织与分析，并实时提取讨论关键信息，经实验验证其可用性与有用性。
2025-02-07 cs.HC
Exploring Collaboration Breakdowns Between Provider Teams and Patients in Post-Surgery Care
Northeastern University（东北大学）；Pace University（佩斯大学）；The Ohio State University（俄亥俄州立大学）；The Ohio State University Wexner Medical Center（俄亥俄州立大学韦克斯纳医学中心）
研究探讨术后护理中医疗团队与患者之间的协作问题，发现协调边界和组织结构阻碍了家庭护理计划的制定，提出通过明确任务归属和对齐护理计划来改善患者恢复。
2026-02-16 cs.HC
Human and Multi-Agent collaboration in a human-MARL teaming framework
AI Redefined, AI-R Inc.（AI Redefined, AI-R公司）
强化学习提供了有效的结果，代理从他们的观察，收到的奖励和代理之间的内部交互中学习。这项研究提出了一个新的开源MARL框架，称为COGMENT，有效地利用人类和代理的互动作为学习的来源。我们通过使用设计的实时环境与RL代理人驱动的无人驾驶飞行器，与人类合作来展示这些创新。这项研究的结果表明，所提出的合作模式和开源框架导致显着减少人力和探索成本。
2021-03-01 cs.AI cs.HC cs.LG
Learning Complementary Policies for Human-AI Teams
University of Texas at Dallas（德克萨斯大学达拉斯分校）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；ESADE Business School（ESADE商学院）
本文研究人机团队决策中的互补性挑战，提出一种对模型错误设定稳健的延迟协作策略学习方法，通过战略分配实例给人类或AI以最大化决策奖励，显著优于独立决策且仅需少量人类介入即可提升性能。
2025-11-03 cs.AI cs.HC
Self-Organizing Teams in Online Work Settings
随着分布式在线工作的数量和复杂性的增加，过去从未一起工作过的人之间的协作变得越来越必要。最近的研究提出了算法，以最大限度地提高这些团队的性能分组工人根据一组预定义的决策标准。这种方法对员工进行微观管理，他们在团队组建过程中没有发言权。剥夺用户对他们将与谁合作的控制权会扼杀创造力，导致心理不适，并导致不太理想的协作结果。在这项工作中，我们提出了一种替代模型，称为自组织团队（SOTs），它依赖于在线工作人员本身的人群组织成有效的团队。SOTs是一种新的以人为中心的计算结构，它支持但不受算法的指导，使参与者能够控制、纠正和指导他们作为一个集体的协作输出。实验结果，比较SOTs的两个基准，不提供用户机构的合作，显示参与者在SOTs条件下产生的结果更高的质量和报告更高的团队合作满意度。我们还发现，类似于基于机器学习的自组织，人类SOT表现出涌现的集体属性，包括目标函数的存在和形成更明显的兼容队友集群的趋势。
2021-02-15 cs.HC
Embodied AI Agents for Team Collaboration in Co-located Blue-Collar Work
Tauchi Research Centre, Faculty of Information Technology and Communication Sciences, Tampere University（坦佩雷大学信息科学与技术学院塔奇研究中心）；Department of Computer Science, Aalborg University（奥尔堡大学计算机科学系）；Department of Computer and Systems Sciences, Stockholm University（斯德哥尔摩大学计算机与系统科学系）
本文探讨具身AI代理在蓝领工作场所中促进团队协作与包容性沟通的设计策略与实践挑战。
2026-02-12 cs.HC
Rapidly Built Medical Crash Cart! Lessons Learned and Impacts on High-Stakes Team Collaboration in the Emergency Room
Cornell University（康奈尔大学）；Israel Institute of Technology（以色列理工学院）；Weill Cornell Medicine（威尔康奈尔医学院）；Michigan State University（密歇根州立大学）
针对急诊室高风险团队协作，通过快速原型将标准急救车改造为医疗机器人急救车（MCCR），经现场部署评估其影响并完善，为时间敏感环境中的机器人设计提供见解。
2025-02-25 cs.HC cs.RO
Collaborative human-AI trust (CHAI-T): A process framework for active management of trust in human-AI collaboration
本文提出协作式人机团队信任过程框架CHAI-T，在传统三方信任前因基础上整合团队过程与绩效阶段，以支持人机协作中信任的动态主动管理。
2024-04-02 cs.HC
Effect of Adaptive Communication Support on LLM-powered Human-Robot Collaboration
University of Southern California（南加州大学）
针对传统人机协作中固定通信方案限制适应性的问题，提出带多模态语言反馈的HRT-ML框架，通过协调器和管理器动态调整反馈频率与内容，实验表明其能提升复杂任务性能，但超主动反馈在LLM能力外会起反作用。
2025-02-11 cs.AI cs.HC cs.RO
The Social Blindspot in Human-AI Collaboration: How Undetected AI Personas Reshape Team Dynamics
School of Education, Tsinghua University（清华大学教育研究院）；Faculty of Information Technology, Monash University（蒙纳士大学信息技术学院）；School of Social Sciences and Technology, Technical University of Munich（慕尼黑工业大学社会科学与技术学院）；Behavioural Science Institute, Radboud University（拉德堡德大学行为科学研究所）；Graduate School of Education, Peking University（北京大学教育学院）
研究发现AI通过人格设定影响团队协作，即使用户未察觉其存在，揭示了社会盲区现象。
2025-12-20 cs.HC
When Teams Embrace AI: Human Collaboration Strategies in Generative Prompting in a Creative Design Task
研究团队中设计师与生成式AI协作的提示策略，发现两种模式（先故事或先视觉），AI助达成共识但被视为工具，强调人-人协作重要性。
2025-09-26 cs.HC
Breaking Barriers or Building Dependency? Exploring Team-LLM Collaboration in AI-infused Classroom Debate
本研究探索了基于LLM的AI整合到实时课堂辩论中的效果，发现其能减少社交焦虑并提供脚手架，但也带来信息过载和认知依赖风险，为未来HCI设计提供了启示。
2025-01-26 cs.HC
Advising Agent for Supporting Human-Multi-Drone Team Collaboration
针对人-多无人机团队协作，提出一种咨询智能体，利用少量人类演示生成轨迹并经机器学习泛化，以建议情境化行动，在搜索与救援场景中显著提升性能。
2025-02-25 cs.HC
Bridging the Socio-Emotional Gap: The Functional Dimension of Human-AI Collaboration for Software Engineering
Chalmers University of Technology and University of Gothenburg（查尔姆斯理工大学和哥德堡大学）
本文研究了人机协作中社会情感鸿沟问题，提出通过功能等效设计实现有效协作，而非复制人类情感智能特征。
2026-01-27 cs.HC cs.SE
RescueAR: Augmented Reality Supported Collaboration for UAV Driven Emergency Response Systems
紧急响应事件是快节奏的，嘈杂的，他们需要团队合作来完成任务。此外，随着应急响应人员越来越多地部署无人机（UAV），需要人类与UAV之间建立新形式的伙伴关系。传统的基于无线电的信息交换在紧急响应期间遭受缺乏可视化，并且经常导致误解。本文提出了一种新的协作平台：RescueAR，它利用基于位置的增强现实的范例地理标记，共享和可视化信息。RescueAR旨在支持人类和无人机之间的双向通信，促进不同响应者之间的协作，并可视化与救援队角色相关的场景信息。根据我们的可行性研究，用户研究，然后与警察进行焦点小组会议，RescueAR可以支持救援队发展现场的空间认知，促进地理位置信息的交换，并在无人机支持的应急响应期间补充现有的通信工具。
2021-10-01 cs.HC
Designs for Enabling Collaboration in Human-Machine Teaming via Interactive and Explainable Systems
MIT Lincoln Laboratory（麻省理工学院林肯实验室）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Georgia Institute of Technology（佐治亚理工学院）
针对基于学习的HMT方法脆弱且缺乏协同的问题，提出支持迭代混合主动团队开发的方法，允许用户交互式重编程可解释AI队友，发现白盒交互修改能促进团队发展，黑盒更易训练，揭示了可解释性与训练易用性的权衡。
2024-11-17 cs.HC cs.RO
Perception of an AI Teammate in an Embodied Control Task Affects Team Performance, Reflected in Human Teammates' Behaviors and Physiological Responses
本研究通过虚拟现实感知运动任务发现，加入类人AI队友反而降低团队绩效，尤其在任务难度增加时，并导致人类队友唤醒度升高、参与度与沟通减弱，挑战了AI提升团队表现的假设，强调以人为中心的AI设计。
2025-01-25 cs.HC q-bio.NC
Confounding-Robust Policy Improvement with Human-AI Teams
针对人机协作中的未观测混淆问题，提出基于敏感性分析和委托框架的鲁棒策略改进方法，提升协作性能。
2025-02-26 cs.HC stat.ML
tAIfa: Enhancing Team Effectiveness and Cohesion with AI-Generated Automated Feedback
研究提出AI智能体tAIfa，利用大型语言模型分析团队互动并提供个性化自动化反馈，实验证明其能有效改善团队沟通与贡献，增强团队凝聚力。
2025-04-19 cs.HC
Too Many Specialists: Emergent Inefficiencies and Bottlenecks for Multi-agent Ad-hoc Collaboration
University of Pittsburgh（匹兹堡大学）；Honda Research Institute USA, Inc.（本田美国研究院）
研究探讨了多智能体随机协作中因异质智能体特质和复杂任务结构导致的系统瓶颈问题，通过厨房环境中的智能体模型揭示专家困境及协作效率低下现象。
2026-05-08 cs.HC cs.MA
HybridCollab: Unifying In-Person and Remote Collaboration for Cardiovascular Surgical Planning in Mobile Augmented Reality
针对先天性心脏病手术规划依赖3D打印模型缺乏灵活性、现有移动AR协作仅限同地的问题，开发首款iOS AR应用HybridCollab，利用GameKit实现同地与远程团队共享AR心脏模型协作，简化沟通并提升规划有效性。
2025-04-14 cs.HC
Exploring Human-AI Collaboration in Agile: Customised LLM Meeting Assistants
University of Gothenburg（哥德堡大学）；Austrian Post（奥地利邮政公司）
本研究探索在敏捷会议中整合定制化LLM助手，总结成功驱动因素与经验教训，并提供评估清单以促进AI工具在敏捷环境中的整合。
2024-04-23 cs.AI cs.HC cs.SE
Socratic: Enhancing Human Teamwork via AI-enabled Coaching
Rice University（莱斯大学）；Harvard Medical School（哈佛医学院）
本文提出AI系统Socratic，在任务执行中实时监控团队行为、检测理解偏差并自动干预，以补充人类教练；实验证明其以最少干预显著提升双人协作绩效，且被用户视为可信赖。
2025-02-24 cs.AI cs.HC cs.LG
Emergent Learner Agency in Implicit Human-AI Collaboration: How Supportive and Contrarian AI Personas Reshape Interaction
Monash University（蒙纳士大学）；The University of Hong Kong（香港大学）；Tsinghua University（清华大学）
研究探讨支持性和逆向性AI角色对隐式人机创意协作中学习者能动性等方面的影响，通过让大学生分组完成任务并分析话语等，发现逆向性AI虽激发批判性但降低满意度，教育设计需平衡挑战与情感氛围。
2026-07-28 cs.HC
TeamLens in Critsly: A Consent-Based Team-Composition Interface and Synthetic Readiness Evaluation for Design Collaboration
Singapore University of Technology and Design（新加坡科技设计大学）
本文提出TeamLens，一个基于同意的团队构成界面，支持自愿披露MBTI类型，并通过合成评估验证其正确性、隐私和扩展成本，贡献于设计协作中的披露到聚合工作流。
2026-10-16 cs.CY cs.HC
Friends FTW! Friendship, Collaboration and Competition in Halo: Reach
在复杂的协作环境中，友谊对于个人和团队的成功有多重要？通过结合一个新的数据集，包含数百万的特设团队的动态流行的多人在线第一人称射击游戏光环：达到与调查数据的球员人口统计，游戏风格，心理测量和友谊来自一个匿名的在线调查，我们调查友谊的影响，合作和竞争的表现。除了在这些变量中发现玩家行为的显着差异外，我们还发现友谊产生了强烈的影响，导致个人和团队表现的改善-即使在控制团队的整体专业知识之后-以及增加亲社会行为。玩家还围绕社交机会组织他们的游戏活动，因此，隐藏的友谊关系可以直接从行为时间序列中准确地推断出来。因此，能够实现这种友谊效应的虚拟环境可能会改善合作和竞争。
2013-02-26 cs.CY cs.HC cs.SI
Personality pairing improves human-AI collaboration
Carey Business School, Johns Hopkins University（约翰斯·霍普金斯大学凯瑞商学院）；Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院）
通过大规模实验，将人类与具有不同大五人格特质的AI配对，发现人格匹配显著影响广告质量和团队表现，外倾人类与尽责AI配对效果最差，而神经质人类与神经质AI配对点击率最高。
2026-09-01 cs.HC
Extending System Performance Past the Boundaries of Technical Maturity: Human-Agent Teamwork Perspective for Industrial Inspection
工业4.0的网络-物理-社会系统（CPSS）性能高度依赖于上下文，其中出现了三个设计领域：工件本身，人-代理协作和组织设置。目前的HF&E工具仅限于概念化和预测未来的人类代理工作情况与细粒度的角度。本文探讨了如何从工作分析丰富的见解可以转化为形成性的设计模式，提供更好的指导概念化的人-代理合作和组织设置。目前的手工工作内容被分解为功能要求。然后，每个功能都由多学科设计团队进行审查，以决定其可行性和性质（自主功能，人类功能或混合功能）。通过这样做，我们发现的技术能力的CPSS相比，主题专家的工作活动。我们称之为技术覆盖。其框架允许与设计利益相关者密切合作，以定义详细的HAT配置。然后，我们根据最终用户的工作活动、技术能力和执行工作的交互需求来想象联合活动场景。我们使用一个关于飞机维修领域技术创新的研究来说明该框架的早期阶段
2021-02-05 cs.HC
Augmenting Teamwork through AI Agents as Spatial Collaborators
本文提出 AR 中的空间感知 AI 智能体应作为适应性队友，实时识别团队需求并动态生成协作资源，以情境驱动干预提升团队绩效与决策。
2025-03-12 cs.HC
Beyond Predictions: A Study of AI Strength and Weakness Transparency Communication on Human-AI Collaboration
本文研究AI优劣势透明度沟通对人机协作的影响，通过在模型错误上训练决策树来识别并解释其潜在错误，实验表明提供AI性能洞察和优劣势认知能提升任务表现并改善信任校准。
2025-08-12 cs.HC
Collaborative Data Behaviors in Digital Humanities Research Teams
本研究通过对19个数字人文团队的焦点小组访谈，识别出七项数据活动及人文学科驱动、技术驱动和均衡三种协作模式，为理解数字人文跨学科协作数据行为建立了初步框架。
2025-03-10 cs.DL cs.HC
InquiryBits: Sharing AI Conversation Traces to Support Collaboration Within Trust Boundaries
MIT Media Lab（麻省理工学院媒体实验室）
提出InquiryBits系统，通过共享AI对话的最小化摘要，在可配置的信任边界内支持团队协作，研究发现信任边界比信息粒度更影响分享意愿。
2026-06-01 cs.HC
Human-Robot Team Coordination with Dynamic and Latent Human Task Proficiencies: Scheduling with Learning Curves
Georgia Institute of Technology（佐治亚理工学院）
随着机器人在劳动力中变得无处不在，人机协作必须既直观又自适应。机器人的质量提高基于其明确推理其人类同行的时变（即学习曲线）和随机能力的能力，并调整关节工作负荷以提高效率，同时考虑人类偏好。我们引入了一种新的资源协调算法，使机器人探索他们的人类队友的相对优势和学习能力，通过构建时间表，是随机和随时间变化的人类任务性能的鲁棒性。首先，我们使用从用户研究（n = 20）中收集的数据验证了我们的算法方法，表明我们可以快速生成和评估一个强大的时间表，同时发现最新的个人工人熟练程度。其次，我们进行了一个受试者之间的实验（n = 90），以验证我们的协调算法的有效性。从人类受试者的实验结果表明，有利于探索的调度策略往往有利于人机协作，因为它提高了团队流畅性（p = 0.0438），同时也最大限度地提高了团队效率（p < 0.001）。
2020-07-09 cs.AI cs.HC cs.RO
Students' Perception Accuracy of Partners' AI Use and its Relation to Collaboration Performance
Technical University of Munich（慕尼黑工业大学）
通过103对学生的纵向研究，发现对同伴AI使用感知的偏差与团队最终项目得分负相关，尤其对低编程水平团队影响更大，且面对面编程未能减少这种偏差。
2026-06-23 cs.CY cs.HC
Where Do We Meet? Key Factors Influencing Collaboration Across Meeting Spaces
本文提出 Cross-Space Collaboration 模型，整合分散文献，识别影响面对面协作特征的关键因素及会议层面变量，为团队选择会面方式、提升协作有效性及未来 VR 会议和教育应用提供指导。
2023-11-08 cs.HC
How Software Developers Mitigate Collaboration Friction with Chatbots
现代软件开发人员依赖于广泛的社交媒体工具和沟通渠道。团队通信平台的采用导致了基于对话的工具和集成的出现，其中许多是聊天机器人。了解软件开发人员如何结合他们使用的实践和工具管理复杂的协作者群，可以为软件开发和其他知识工作领域的社会技术协作工作带来有价值的见解。在本文中，我们探讨了聊天机器人如何帮助减少软件开发人员在协作时面临的摩擦点。使用的社会技术模型的协作工作，我们确定了三个主要领域的冲突：摩擦产生的团队相互作用，个人的互动与技术，团队与技术的互动。最后，我们提供了一组开放的问题，供研究界讨论。
2017-02-22 cs.HC cs.SE
