包方法主要集中在社会福利最大化的部分，而忽视了工人的策略行为。在实际的众包市场中员工为了最大限度追求自身利益而自私自利，而在传统的研究中通常会鼓励这种行为，从而影响其他工人的参与。
蒋嶷川教授的研究团队提出了一种基于诚实行为保证每个工人最优利益的团队行程机制，该机制对于众包系统的成功至关重要，同时，分别为小规模和大规模的社会团队众包应用开发了两种有效的真实机制（truthful mechanism），针对众包任务的激励机制，设计节俭机制以最低限额采购所需服务来解决低预算问题，设计了两种机制来提供参与的激励并最小化请求者使用的支付，还研究了非协同社交网络中有效的众包团队建立机制。
此外，在支持群智协同创作的交互设计方面，国内研究尚处于起步阶段，清华大学、北京大学、中科院等科研院所取得了一定的研究成果。
文献[92]探究了动作交互过程中用户从事拉伸动作的能力和局限性，在此基础上对拉伸控件的设计提出了建议。 文献[93]使用手臂肌电图将用户动作交互过程中的手势运动轨迹分段化，研究表明该方法能够高精度地细分动作交错过渡过程中的手和手指等细微部位。
文献[94]探究了用户在使用手机编辑文档过程中进行文档导航操作时两种操作技术（flick and ring）的性能，并通过三种
输入方法食指输入、笔输入及拇指输入进行了测试。 文献[95]探究了在动作交互过程中不同材质对于用户使用效果的影响，发现低摩擦材料虽然会提升用户操作的流畅性，但会导致较高的错误率，影响用户完成任务的时间。 文献[96]分析了用户在使用智能手表的小键盘输入过程中的偏好及局限性，并提出了改进建议以提升用户输入的精度和效率。
文献[97]提出并实现了一种适用于智能手表文字输入的非触摸式交互技术COMPASS，用户通过旋转智能手表边框并选择游标可进行高效的文字输入。
文献[98]提出了一种名为wrist-to-finger的智能手表输入方法，能够支持通过单手与设备进行交互。
文献[99]探究了用户在使用头戴式交互设备过程中三种文字输入方式TapType、DwellType和GestureType的可行性和局限性，并发现三种方式均易被用户学习和掌握，且疲劳感在可接受的范围。
文献[33]设计实现了一个协同编辑系统，以支持用户之间的协同创作和知识分享。该系统增加了三个特色功能：不同版本映射、多用户操作归纳和其他用户编辑结果测试、评论等。 文献[100]提出了一种1D手势输入方法，能够实现二维输入到1D输入的映射，从而支持一维接口下的手势输入。评估实验表明该方法易被用户学习和掌握，且效率较高。
文献[101]在移动感知系统中引入了一种名为TaskMe的激励机制，以支持动态规划和工人选择。
文献[102]设计了一种适用于移动感知系统的多任务分发框架，传统的任务分发框架仅为单任务选择最优的用户，而该框架能够考虑多任务之间的关系并综合起来生成最优的方案。
文献[103]针对传统的基于触摸屏和计算机视觉的手势交互方法无法应对智能可穿戴设备逐渐趋向小型化和低功耗等问题，提出了一种基于超声波的低功耗鲁棒手势识别方法。国内外研究进展比较
群智协同计算是随着互联网技术与应用的快速发展而出现的一种新型计算模式。以美国为主要代表的国外学术界和工业界总体上一直引领着互联网技术与应用的发展，因此由以上分析可以看出，无论是在理论模型、关键方法与技术、以及平台和应用方面，国际上的研究工作要早于国内。国外对于大规模用户群智行为研究已形成了较为完整的框架，而国内相关研究尚处于起步阶段，研究方向和研究成果相对局限。从国外研究来看，其研究方向涉及底层的用户行为建模、分析及理解如群智网络中的用户社会关系及社交行为分析等，顶层的群智质量提升策略研究以及中间层的群智交互技术和工具等。而国内对于群智行为的研究则更偏重于技术、方法和系统，重点关注提出支持高效群智协同工作的新技
术、新方法，设计和实现支撑大规模用户协同工作的工具、系统和平台。近年来，由于国家对科研和产业的支持粒度不断加大，国内学术界和产业界对国际上前沿问题和热点应用在快速跟进。特别是，前面提到国家启动了人工智能2.0、群智化软件开发等一大批重大科研计划，在这些科研计划的支持下，国内学者组建了高水平的科研团队，围绕群智协同计算的理论模型、关键技术和系统平台开始了系统的研究。与国内相反，北美和欧洲等科技强国近年来在科研上的投入没有明显增长，这给我们加快推进相关研究，占领国际学术和产业的前沿创造了宝贵的机会。发展趋势与展望 随着物联网、工业互联网和CPS系统的进一步发展，当前以互联网为核心的网络形态将发生深刻变化，未来的网络将发展为以人、机、物融合的网络信息空间，网络所连接的对象进一步泛化。同时，在大数据和人工智能技术的推动下，智能将成为主要内容。因而，从群智资源的角度来看，资源的规模将更为巨大，群智资源的类型将不仅仅涉及到人群，还包括嵌入机器和物体中的各种智能体。我们认为群智协同计算面临着如下一些发展趋势：
（1）群智资源的多元化。目前的群智协同计算主要关注人群资源，随着人工智能和网络技术的发展，网络信息空间的智能体的类型和数量都会呈现出多元化，为这些群智资源的交互协同将为解决更加复杂的问题提供更好的支撑。而群智
资源的多元化必然对群体间协同行为与机制、交互模式以及任务协同处理带来新的挑战，因此，涵盖人群协同、人机协同和机群协同的异构多元化的群智资源协同是群智协同计算未来面临的重要问题。
（2）理论模型的日益完善。在群智协同计算领域，目前大部分研究工作主要是面向具体的应用问题进行方法和技术的设计与实现，尚缺乏统一的数学理论模型对系统及其构成要素进行刻画。例如，以人群资源为例，目前尚无完善的理论模型对人的能力以及相关问题的计算复杂性进行刻画，给定一类任务和一组群智资源，仍然难以估算任务的复杂度和处理效果。
（3）关键技术的突破。从当前对于群智协同工作的研究成果来看，用户在参与群智协同工作过程中的行为分析和理解、群智协同工作影响因素分析及质量控制、支持大规模群智协同工作的软硬件交互设计仍然是未来一段时间的研究热点。首先，当前对于用户行为分析和理解的研究受限于数据集限制，数据规模不大、数据源单一，采用多源大规模用户数据进行分析势在必行。其次，随着数据规模的增大、数据源的增加，影响群智协同工作质量的内在和外界因素也会增多，发掘这些影响因素并在此基础上提出优化策略也是未来研究的一个重要方向。再次，各种移动、可穿戴设备的出现给群智协同工作提供了新的机遇，设计实现友好的人机交