|
早上醒来，你打开手机刷新闻，手指快速划过标题，几秒内就判断要不要点开；工作时，为了写一份报告，你在搜索引擎输入关键词，从十几页结果里筛选有用资料；休息时，你在短视频平台滑动屏幕，寻找能让自己停留的内容…… 其实，我们每天看似随意的信息浏览、查找行为，背后都藏着一套和 “觅食” 有关的规律。就像原始人类在草原上寻找食物，我们也在信息海洋里寻找有价值的内容。而这一切，都能通过“信息觅食理论”(Information Foraging Theory)找到答案。 信息觅食理论的提出背景 信息觅食理论(Information Foraging Theory, 简称'IFT')，由美国心理学家彼得・派森(Peter Pirolli)和斯图尔特・卡德(Stuart Card)在20世纪90年代提出[1]。当时，随着互联网的兴起，信息开始爆炸式增长。人们不再愁“找不到信息”，反而愁“怎么从海量信息里快速找到有用的”。 派森和卡德观察到一个有趣的现象：人类处理信息的方式，和动物觅食的行为极其相似。比如，松鼠会因为“收获多、消耗少”优先找松果密集的树林；而我们在找信息时，也会优先选择“能快速获得有用内容”的渠道。 于是，他们结合生态学中的最优觅食理论，提出了信息觅食理论：人类的信息查找行为，本质是“收益最大化”和“成本最小化”的平衡，我们会像觅食的动物一样，主动调整策略，用最少的时间和精力，获取最有价值的信息。 信息觅食理论的核心特征 想知道自己为什么会忍不住刷短视频、为什么会跳过某些长文？这3个特征能帮你找到答案。 1. 信息“斑块”(Information Patch)：用户只在“高价值区域”停留 在生态学里，食物会集中在某个“斑块”，比如草原上的一片花海，会吸引大量蜜蜂。信息也一样，会形成不同的“信息斑块”。比如用户的微信朋友圈(亲友动态斑块)、抖音(短视频娱乐斑块)、知网(学术资料斑块)。 用户的行为逻辑是：先判断某个斑块的“信息密度”，如果密度高，就会多停留；如果密度低，就会立刻切换到其他斑块[2]。 2. 信息“气味”(Information Scent)：用户只关注“对自己有用”的内容 搜寻“信息气味”不是指信息本身有多“好”，而是指“对用户的价值”。比如，一篇关于“量子物理” 的深度报道，对科研人员来说是高收益信息，但对普通上班族来说，收益可能不如一篇“职场摸鱼技巧”。 这就是为什么算法会给用户推相似内容，本质就是帮用户减少筛选成本，提高收益效率[3]。 3. 信息“成本”(Information Cost)：用户会避开“费力”的获取方式 这里的“成本”，包括时间成本、精力成本、操作成本。这个理论认为，如果人们有信息需求，他们将基于以下估计决定访问哪个网页：(1)该页面提供问题答案的可能性有多大；(2)如果访问那个页面，获得答案需要多长时间。 比如，现在很多人看长文会先看“摘要”或“小标题”：如果摘要能快速 get核心，才会继续读；如果没有摘要，可能直接关掉，这其实是我们在降低信息的“筛选成本”。  图片来源：NielsenNormanGroup[4] 信息觅食理论发展 信息觅食理论(IFT)在 HCI(Human-Computer Interaction)领域的发展脉络：1.理论奠基与基础验证阶段(1990s-2000s)这一阶段的代表性成果包括Chi等人通过实验验证“信息气味引导网页导航”，以及Piroll出版专著系统阐述IFT的理论体系，为后续HCI应用奠定基础。2.认知模型与设计指导阶段(2010s)IFT从“解释行为”转向“建模行为”与“指导设计”。研究者基于IFT开发了可计算的认知模型，如SNIF-ACT模型(Scent-based Navigation and Information Foraging in the Atomic Components of Thought architecture)，能模拟用户在网页导航中的决策过程。SNIF-ACT系列模型的主要运作机制为用户会持续评估在当前信息源(斑块)中的信息获取速率，并与他们感知到的环境整体平均信息获取率进行比较。外加当用户感知到的当前信息获取速率低于其预期的全局平均水平时，他们就会果断放弃当前斑块，转而寻找新的信息源[5]。2003年Pirolli首次提出了SNIF-ACT模型 , 2007年Pirolli与Fu合作, 完善了SNIF-ACT模型, 形成 1.0版本和2.0版本。该模型能够量化计算用户的导航行为，模拟用户如何在网站中进行链接选择、何时决定离开等决策过程。除了SNIF-ACT模型外，IFT开始转化为具体的HCI设计准则，Olston等人开发的“ScentTrails”系统通过优化信息线索布局，不断帮助用户在浏览与搜索间高效切换[6]。3.跨场景深化与交互优化阶段(2010s至今)IFT理论的应用场景从传统网页扩展到推荐系统、智能助手、多媒体交互等复杂HCI场景。例如，Zen等人将IFT用于分析用户在视频浏览中的鼠标行为[7]、Liu等人对于新闻推荐中的滚动操作研究[8]，核心是通过调控 “信息气味”与“信息获取成本”，优化用户交互体验与系统反馈质量。信息觅食理论的前沿研究 用户体验与产品设计：亚马逊或淘宝等购物平台中的清晰的产品标题、高清图片、醒目的价格、显著的“快递次日达”标签、用户评价和问答区均可增强用户的购物体验[9]。在实践方面，平台与卖家强化在线评论管理，提高在线评论质量；鼓励消费者参与高质量评论发表，增强消费者的评论搜索收益感知；确保用户能够轻松地留下反馈让更多用户能够看到并参与评论等行为，都体现了信息觅食理论在营销方面的运用。 搜索引擎优化与内容推荐：抖音、快手等平台是终极的信息觅食优化器。为节省用户时间并提升体验，网站运营者应着力增强“信息气味”，即通过视觉、听觉和语义线索引导用户快速抵达其信息目标[10]。通过分析你的停留、点赞、评论等行为，动态调整用户面前的信息气味，让用户欲罢不能。 神经科学与决策机制：大脑并非如我们想象般简单响应奖励，而是动态整合时间成本与奖励收益，在二者竞争中进行权衡。这不仅深化了对决策计算原理的理解，也重新诠释前额皮层神经活动功能，为理解不确定性下的决策行为及其在精神疾病中的异常提供了重要理论基础[11]。 研究案例 Predicting users’ behavior using mouse movement information: an information foraging theory perspective [12] Jaiswal, Amit Kumar, Prayag Tiwari, and M. Shamim Hossain 摘要：用户行为预测对于在网络上留存有用信息至关重要。以往研究已将鼠标光标信息应用于网页可用性评估，以及面向用户的搜索界面设计中。然而，对于呈现复杂搜索规范的长时间搜索会话，我们对用户行为(尤其是点击和导航行为)的了解仍相当有限。在本研究中，我们基于信息觅食理论(IFT)的作用，对鼠标移动行为数据集展开深入分析，以捕捉每位用户的移动模式。该鼠标光标移动信息数据集包含从不同会话中的多名用户处收集的鼠标光标时间与位置信息。研究任务在两个维度上展开：(1)确定用户与网站交互过程中的交互元素(即信息片段)；(2)利用这些研究结果，通过长短期记忆(LSTM)模型实现用户行为预测。我们开发该模型的目的，是找出用户在网站上的主要移动模式，并模拟用户在任意网站上的鼠标移动行为。我们在一个鼠标移动数据集上对所提方法进行了验证，该数据集包含丰富的鼠标指针时间与位置信息，其中搜索者和网站分别被标注为网络觅食者和信息斑块。评估结果表明，所提出的基于信息觅食理论(IFT)的作用，能为长短期记忆(LSTM)模型提供更准确的解释性说明，以阐释用户鼠标光标在屏幕上移动过程中的所有模式。 文献来源：Neural Computing and Applications, Volume 35, Issue 33(2023) 参考文献 [1]Pirolli, Peter, and Stuart Card. 'Information foraging in information access environments.' Proceedings of the SIGCHI conference on Human factors in computing systems. 1995. [2]Fu W T, Pirolli P. SNIF-ACT: A cognitive model of user navigation on the World Wide Web[J]. Human–Computer Interaction, 2007, 22(4): 355-412. [3]Pirolli P. A theory of information scent[J]. Human-computer interaction, 2003, 1: 213-217. [4]NielsenNormanGroup. “信息气味：用户如何决定下一步去哪里.” 公众号,08.11.2023,https://mp.weixin.qq.com/s/wMJ-lGDbbrmU1TXsn-WsIA. [5]Wai-Tat Fu;;Wayne D. Gray.Suboptimal tradeoffs in information seeking[J].Cognitive Psychology,2005(3). [6]Olston, Christopher, and Ed H. Chi. 'ScentTrails: Integrating browsing and searching on the Web.' ACM Transactions on Computer-Human Interaction (TOCHI) 10.3 (2003): 177-197. [7]Zen, Gloria, et al. 'Mouse activity as an indicator of interestingness in video.' Proceedings of the 2016 ACM on International Conference on Multimedia Retrieval. 2016. [8]Liu, Chang, Jiqun Liu, and Yiming Wei. 'Scroll up or down? using wheel activity as an indicator of browsing strategy across different contextual factors.' Proceedings of the 2017 Conference on Conference Human Information Interaction and Retrieval. 2017. [9]王欣玥.信息线索、斑块收益感知与消费者在线评论搜索行为[J].商业济研究,2025,(13):89-92.DOI:CNKI:SUN:SYJJ.0.2025-13-019. [10]Moody G D, Galletta D F. Lost in cyberspace: The impact of information scent and time constraints on stress, performance, and attitudes online[J]. Journal of Management Information Systems, 2015, 32(1): 192-224. [11]Bukwich M, Campbell M G, Zoltowski D, et al. Competitive integration of time and reward explains value-sensitive foraging decisions and frontal cortex ramping dynamics[J]. bioRxiv, 2024: 2023.09. 05.556267. [12]Jaiswal, Amit Kumar, Prayag Tiwari, and M. Shamim Hossain. 'Predicting users’ behavior using mouse movement information: an information foraging theory perspective.' Neural Computing and Applications 35.33 (2023): 23767-23780. 审校 / 郭亦琛 |
|
|
