Summary
Aqui, apresentamos o jogo baseado em computador, multi-agente do favo de mel, que permite investigações experimentais de movimento humano coletivo comportamento através do preto-ponto-avatares em um virtual 2D playfield hexagonal. Diferentes condições experimentais, como variáveis incentivos em campos meta ou raio de visão, podem ser definidas, e seus efeitos no comportamento de movimento humano podem ser investigados.
Abstract
Comportamento humano coletivo, como o movimento do grupo frequentemente mostra surpreendente padrões e regularidades, tais como o surgimento da liderança. Literatura recente revelou que esses padrões, muitas vezes visíveis a nível mundial do grupo, são baseados em comportamentos individuais e auto-organizado, que seguem vários parâmetros locais simples. Compreensão da dinâmica do comportamento humano coletivo pode ajudar a melhorar a coordenação e liderança no grupo e multidão de cenários, tais como a identificação do posicionamento ideal e o número de saídas de emergência em edifícios.
Neste artigo, apresentamos o paradigma experimental do favo de mel, que pode ser usado para investigar sistematicamente as condições e os efeitos do comportamento humano coletivo. Este paradigma usa uma plataforma multi-usuário baseado em computador, fornecendo uma configuração que pode ser em forma de e adaptada para vários tipos de perguntas de pesquisa. Condições da situação (por exemplo, relações de custo-benefício para comportamento específico, incentivos monetários e recursos, vários graus de incerteza) podem ser definidas por experimentadores, dependendo a pergunta de pesquisa. Movimentos do cada participante são registrados pelo servidor como coordenadas hexagonais com carimbos em uma precisão de 50 ms e com identificações individuais. Assim, uma métrica pode ser definida no playfield e parâmetros de movimento (por exemplo, distâncias, velocidade, clusters, etc.) dos participantes podem ser medidos ao longo do tempo. Dados de movimento por sua vez podem ser combinados com dados não informatizado dos questionários acumulou dentro a mesma configuração do experimento.
O paradigma do favo de mel está pavimentando o caminho para novos tipos de experimentos de movimento humano. Vamos demonstrar aqui que estas experiências podem render resultados com suficiente validade interna significativamente aprofundar nossa compreensão do comportamento humano coletivo.
Introduction
O computador baseado multi-agente jogo favo de mel1 oferece um paradigma metodológico para investigar experimentalmente o movimento humano como coletivo padrões e estruturas de grupo emergem do comportamento individual. Participantes humanos são representados visualmente como avatares (pontos pretos) em um playfield virtual hexagonal, semelhante a um favo de mel (Figura 1). Os participantes mover seu avatares através do clique do mouse para chegar hexágonos objetivo, gastar recursos do movimento (vídeo 1) e maximizar suas recompensas monetárias através da construção de grupos coesos (vídeo 2). Condições espaciais (por exemplo, o raio de visão), estruturas de recompensa (por exemplo, campos meta monetária) e canais de comunicação podem ser manipulados a fim de descobrir qual e em que medida estas regras de condição impacto coordenação e liderança no movimento coletivo.
Regras processuais/condição do jogo, objetivos e motivadores de recompensa tem sido desenhados pelos psicólogos sociais para investigar o movimento coletivo humano. Em enxames de animais, bem como a multidão humana, pode-se observar fenômenos emergentes (ou seja, padrões globais) acontecendo de comportamento individual que segue regras locais. Por exemplo, cardumes de peixes e de bandos de pássaros parecem mover-se como entidades coerentes em direção um objetivo espacial2,3,4, apesar de tamanhos grande grupo que reduzem sua capacidade de comunicação inter-individual ou global. Pesquisa empírica5,6,7, comportamental, modelagem de8,9,10e de11,de simulações de computador12, 13 demonstraram que, em diversas espécies, incluindo seres humanos14,15,16, padrões complexos no nível do grupo emergem sem controle interno ou externo supervisão. Movimento local individual e, muitas vezes, regras simples no nível microscópico são suficientes para gerar movimento ordeiro no nível macroscópico. Tais experiências contribuem para a crescente evidência2,6 que não só grandes enxames, mas também pequenos grupos (grupos humanos, bem como outros grupos de animais) são coordenados por regras de interação local1.
Nossa nova abordagem usando jogos de avatar de multi-usuário baseado em computador mostra uma vantagem principal em Pesquisar fenômenos coletivos humanos dinâmicos. Usando o favo de mel avatar plataforma1,17,18,19, dados espaço-temporais do comportamento individual de movimento (movimento regido por indivíduos reais) podem ser totalmente recolhidos pelo servidor, e o desenvolvimento de padrões comportamentais e estruturas colectivas pode ser analisado com uma precisão de 50 ms (tabela 1). Como comunicação sensorial visual e auditiva pode ser restringida ao exigir que os participantes a usar tampões para os ouvidos e encerrando suas estações de trabalho com paredes de divisória, enxame e outras condições de comportamento de multidão podem ser aproximadas experimentalmente. Em vários experimentos1,17,18,19, estamos manipulados raio de visão (global versus local, Figura 2), os incentivos monetários (Figura 3a, b ), subgrupos (Figura 4) e a presença de colegas de outros jogadores (Figura 5), a fim de testar o impacto destas variáveis sobre o surgimento de padrões de comportamento coletivos como humano reunindo comportamento17, liderança 1e competição18. Para coletar os dados, utilizou-se uma instalação de dez a doze notebooks e um servidor (Figura 6).
A coordenação auto-organizado de atividades individuais, em grupo-espécies tem atraído muita atenção científica, particularmente dentro da última década. Os exames são abrangentes, de seleção de formação e caminho de trilha simples em formigas para o surgimento de complexo de estruturas de vórtice em cardumes de peixes e até mesmo a segregação de fluxos bidirecionais de pedestres2.
Contribuímos com nosso paradigma de favo de mel, uma abordagem metodológica para investigar empiricamente o impacto de variadas opções situacionais/restrições, diversas regras comportamentais e características individuais a nível microscópico sobre o aparecimento de estruturas macroscópicas comportamentais em seres humanos. Uma vantagem importante é que o paradigma oferece estritamente controláveis experimental as configurações definidas por experimentadores, tornando possível para manipulação de medir os resultados de uma única experiência ou comparar vários experimentos. O playfield virtual pode ser configurado de acordo com os requisitos do estudo de design, e canais de comunicação sensorial entre os participantes podem ser eliminadas ou reduzidas de acordo com os parâmetros do experimento. Além disso, affordances ambientais podem ser moldados (consenso, por exemplo, não-competitivo, competitivo e as configurações de salvamento). Assim, nossa plataforma impõe a validade interna (ou seja, combinando o design do estudo quanto possível para as perguntas de pesquisa), oferecendo a possibilidade de manipular/controle de variáveis relevantes para a questão de pesquisa específico, usando dados do movimento humano-governado para examinar o movimento humano. Experimentos de campo render benefícios em termos de validade externa (generalização) de resultados15,20,21 ao mundo real, porque eles não impede os efeitos de desconhecido de incontrolável/suprimível social sugestões, bem como comportamentos não - e para verbal em seres humanos1.
O multi-agente baseado em computador jogo HoneyComb tem servido para investigar o surgimento de coordenação e padrões de liderança de jogadores humanos, continuando o playfield virtual seus avatares. Os participantes só foram fornecidos informações locais sobre os incentivos monetários obtidos em hexágonos de gol, que incluiu o incentivo para a coesão de grupo com base na multiplicação de recompensas monetárias pelo número de jogadores co, que também acabou no mesmo objetivo hexágono. Na nossa primeira série de estudos, nós restrito a montagem da experiência de dois parâmetros simples de fervilhando de comportamento (alinhamento e coesão) e reduziu a transferência de informação mútua para "leitura/transmitir" do comportamento de movimento só dos outros participantes. Depois variamos o raio de visão de outros comportamentos de movimento participante para qualquer uma visão global ou local do playfield virtual, que consiste em 97 hexágonos menores e os recursos de movimento dispensável (movimentos possíveis) dos jogadores limitados.
A forma e os elementos da plataforma virtual e os parâmetros definidos pelo experimentador de jogos capazes de ser jogado na referida plataforma podem ser projetados de acordo com as perguntas de pesquisa específicos. Dependendo do objetivo da pesquisa, o tamanho da tela pode ser alterado; as cores, formas e significados dos avatares podem ser adaptados; os recursos podem ser implementados; e a estrutura e o conteúdo podem ser variados. Mais ou menos informação, incerteza e preferências conflitantes também podem ser implementado22. Variando de jogador-visão global de informação e controle também são possíveis. Portanto, através de instruções experimentais, os ambientais affordances do experimento podem ser alteradas (por exemplo, um cenário de consenso vs fuga). Na próxima seção, esclarecemos como essas variáveis podem ser aplicadas por descrever um estudo real que alguns desses parâmetros usados para responder a perguntas de estudo específico.
Protocol
Coleta de dados e análise de dados neste projeto foram aprovados pelo Comitê de ética do Instituto de psicologia da Universidade de Göttingen (proposta 039/2012) de Georg-Elias-Müller.
1. experimental Setup
- Escolha um local que está longe de uma área de alto tráfego, como em um computador laboratório ou outro especificado área com estações de trabalho individuais que podem ser configuradas como uma LAN (rede local).
- Organize para notebooks de 10 a 12 do mesmo tipo a ser usado para o experimento, bem como um computador para funcionar como o servidor (Figura 6). O programa de servidor, bem como programas de cliente precisam de um ambiente de tempo de execução JAVA, que está disponível em todos os sistemas de operação comum (um Raspberry Pi como cliente pode ser suficiente).
- Configuração de equipamento
- Organize cadernos em tabelas individuais de estação de trabalho com cadeiras, conforme mostrado na Figura 7.
- Conecte computadores portáteis para os computador servidor através de cabos Ethernet e um switch de rede para criar uma rede de área local.
- Instale paredes de divisória entre estações de trabalho individuais para impedir a comunicação sensorial visual (contato visual, gestos, expressões faciais, etc.) entre os participantes vizinhos.
- Adquira tampões para os ouvidos (para uma única utilização) para ser distribuído a todos os participantes para evitar comunicação audível entre os participantes.
2. participante recrutamento
- Escolha um local de recrutamento onde há uma grande quantidade de pessoas, tais como o hall de entrada do auditório.
- Recrutas potenciais de endereço usando o texto padronizado que explica a finalidade e o plano de fundo do experimento, a duração do experimento, pagamento máximo calculado de acordo com o desempenho e a exigência para a participação em um jogo multiplayer na computadores portáteis de propriedade da instituição.
- Certifique-se de que os participantes podem compreender as instruções de inglês e alemãs e questionários relacionados com os experimentos.
- Se o desenho experimental inclui o uso de cores, certifique-se de que os participantes são livres de qualquer cegueira para as cores que pode impedi-los de diferenciar as cores usadas.
- Não recrute participantes anteriores, como os participantes devem ser ingênuo para o experimento.
- Leva recrutas dispostas para uma área de espera longe da área de recrutamento. Solicitar gentilmente que aguardam a conclusão do recrutamento grupo sem falar um com o outro. Explica que essa restrição está relacionada com a integridade dos resultados experimentais.
- Depois de 10 a 12 participantes foram recrutados, levá-los para o laboratório de informática pré-arranjadas ou área especificada, onde ocorrerá o experimento.
- Antes dos participantes tomam seus lugares nas estações de trabalho envolto de partição, tem os participantes assinar um formulário designando o consentimento informado.
- Distribua os tampões de uso higiênico, única para todos os participantes. Informá-los que comunicação audiovisual com outros participantes é proibida. Portanto, o uso de tampões para os ouvidos e estações de trabalho envolto de partição é obrigatório.
- Têm os participantes tomam seus lugares nas estações de trabalho envolto de partição.
3. o procedimento
Nota: Este procedimento experimental, o jogo utilizado por vaias et al 1 é descrito como um exemplo de aplicativo.
- Fase de preparação
- O programa em si é formatado como um HC.zip arquivo zip contendo 1) os executáveis HC.jar, 2) três arquivos de configuração, ou seja, hc_server.config, hc_panel.config e hc_client.config e 3) duas subpastas chamado intro e rawdata.
- Criar uma pasta compartilhada no computador do servidor e descompactar o HC.zip para esta pasta.
- Em cada computador cliente, montar e acessar esta pasta compartilhada e abra um terminal (Linux, Mac OS x: projector | pesquisa | terminal) ou um prompt (Windows: Pesquisar "cmd"), respectivamente. Use o comando "dir" ou "ls" para que os arquivos descompactados aparecem em cada terminal.
- Execute o comando "java-versão" em cada terminal para garantir que um ambiente de tempo de execução java está disponível. Caso contrário, instalar o java antes de continuar.
- Olhar nos três configurar os arquivos.
- Edite hc_server.configure para configurar o 1) número de jogadores, números 2) mínimos e número máximo de movimentos que cada jogador pode fazer, 3) os valores dos chamados pepitas e condição de raio 4) percepção (local ou global).
Nota: As condições de dois percepção são a condição global (o jogador pode ver posições de avatares de todos os participantes) e a condição de local (o jogador pode ver apenas os avatares adjacentes ao seu avatar; consulte a Figura 3) - Edite hc_client.configure para dizer os clientes IP do servidor.
- Em hc_panel.config, ajuste o tamanho dos hexágonos de acordo com a resolução da tela.
- Edite hc_server.configure para configurar o 1) número de jogadores, números 2) mínimos e número máximo de movimentos que cada jogador pode fazer, 3) os valores dos chamados pepitas e condição de raio 4) percepção (local ou global).
- Primeiro, inicie o programa do servidor HC_Gui.jar (Figura 8) usando o comando "java-jar HC_Gui.jar". Em seguida, iniciar os programas de cliente em cada estação de trabalho usando o comando "java-jar HC_ClientAppl.jar".
Nota: Telas dos clientes deve exibir a mensagem, "por favor, espere. O computador está se conectando ao servidor." No servidor do GUI, uma linha aparece exibindo o endereço IP de cada um dos clientes. Quando todos os clientes estão conectados, o programa servidor exibe a mensagem, "todos os clientes são conectados. Pronto para começar?"
Nota: O experimentador pode preparar a sessão até este ponto. - Quando todos os participantes tomaram seus lugares, dar as instruções finais antes de inserir os tampões.
- Clique em "Okey" para iniciar a sessão. Aqui, o experimento é controlado apenas pelas instruções nas telas visíveis para os participantes. Instruções para uma única experiência requerem várias páginas de tela e leitura é possibilitada pelos participantes de paginação e para trás, se necessário.
Nota: Cada participante indica, clicando em um botão designado na tela, que leu as instruções. O experimento não pode começar até que todos os participantes são terminar de ler as instruções.
- Fase de testes
- Observar se os participantes do mouse-controlam seu ponto de avatar (duas vezes tão grande quanto os pontos avatar visível dos outros participantes) no playfield 97-hexágono virtual do favo de mel (ver Figura 1).
- Têm os participantes começam a fase de testes no centro do campo, em seguida, jogada sobre o playfield virtual do favo de mel de acordo com as instruções anteriormente fornecidas na tela.
- Todas as instruções sobre como jogar o jogo são colocadas como editáveis html-arquivos dentro da pasta de programa do jogo do favo de mel. Consulte as subpastas intro/de e intro/pt para obter instruções de alemão e inglês, respectivamente.
- Tem jogadores clique à esquerda para o hexágono adjacente pequeno da sua escolha para mover seu ponto de avatar. Apenas os campos adjacentes podem ser escolhidos para a inicial e subsequente move.
Nota: Após cada jogada, uma pequena cauda aparece para 4000 ms para cada participante, indicando o sentido último do qual ele/ela saudado.
- Permitir que cada participante participar apenas uma vez para evitar possíveis vieses.
Nota: O jogo descrito aqui requer 5-10 min, incluindo a leitura das instruções. Geral, 400 participantes em 40 grupos de dez pessoas foram testados por Boos et al 1. - Não reinicie o experimento com os mesmos participantes se houver uma avaria técnica, ou se um participante não.
4. fase pós-teste de
- Assim que o jogo esteja concluído, tem participantes preencher questionários para avaliar os dados demográficos, cinco grandes fatores de personalidade, níveis de percepção de stress ou tranquilidade e pagar a satisfação (a ser pago após a conclusão do experimento). Esses questionários podem ser oferecidos como arquivos autônomos de html.
- Enquanto os participantes preencher questionários, prepare envelopes anônimos com a quantidade adequada de dinheiro ganhado no jogo do favo de mel acabou de completar. Quantidades de favo de mel-computado do jogo a ser pago a cada jogador são estipuladas na tela do servidor.
- Distribua os ganhos pagamentos aos participantes como eles saem da área de testes.
- Fechar o programa de servidor e, em seguida, feche os programas de cliente assim que terminar o programa servidor de fechamento.
- Transferi os dados, na forma de 2 arquivos de texto marcado por dia - e o horário do experimento, para um stick USB.
Representative Results
Uma experiência inicial com o favo de mel paradigma demonstrou que os seres humanos mostraram sinais básicos de comportamento reunindo-se, como buscando a proximidade de outros, sem ser recompensado17. Posteriormente, abordámos a questão dos seres humanos como individuais podem ser comportamentalmente coordenadas para atingir o alvo mesmo físico/objetivo também investigado pela Boos et al 1, focando não apenas comportamento reunindo inespecíficos, mas também o comportamento de liderança e coordenação de grupo. Usando os parâmetros definidos pelo experimento acima descritas, definiram-se locais de hexágono de gol, e uma opção de recompensa monetária foi usada para examinar os objectivos partilhados com base em incentivos compartilhados, bem como a motivação para a coesão do grupo. Motivação para atingir a coesão do grupo foi reforçada por estipular uma recompensa adicional com base em quantos outros participantes que acabou no mesmo hexágono objetivo. Dentro de cada um dos 40 grupos de dez pessoas, criaram-se dois subgrupos (uma minoria composta de dois indivíduos selecionados aleatoriamente e um grupo de maioria composta dos oito restantes), dando os seguintes níveis de informação. Os membros do grupo dois minoritário foram informados sobre a localização de um hexágono do prêmio de 2 euros e cinco euro-um prêmio hexágonos (Figura 9, à esquerda). Os oito membros do grupo de maioria não foram informados sobre o hexágono do prêmio de 2 euros e em vez disso, foram mostrados os locais das seis hexágonos igualmente recompensado um-euro gol (Figura 9, direita). Nenhum dos participantes disseram que havia diferentes subgrupos.
Nós projetamos nossas perguntas de estudo de acordo com Couzin et al' modelo de simulação de computador de23 s. Porque as únicas informações trocadas entre os jogadores eram suas habilidades para perceber o movimento de outros jogadores, tivemos como objetivo (i) ver se esta informação foi suficiente para o grupo informado/maior minoria recompensado coordenar os movimentos da desinformados ou para baixo recompensado o grupo majoritário e em caso afirmativo, (ii) como o prêmio duplo objetivo-informado grupo minoritário iria/poderia originar a maioria desinformada hexágono sua meta de dois euros. Como afirmado anteriormente, estamos restritos estas estudar projetos de dois parâmetros básicos do swarming comportamento, 1) alinhamento (membros do grupo se movendo em direção um hexágono objetivo) e 2) coesão (tendendo para mover-se como grupo de membros do grupo). Para o parâmetro de alinhamento, montamos os hexágonos de seis gol que concedida uma recompensa monetária. Para o parâmetro de coesão (isto é, escolhas de movimentos, que foram coordenados com move-se com os colegas participantes), concedemos participantes uma recompensa com base na quantidade de avatares no final que estavam no mesmo hexágono como seus próprios.
O playfield favo de mel contém 97 hexágonos. Avatares de todos os participantes começaram o jogo juntos no meio hexágono o honeycomb. Cada jogador foi concedido um movimento 15-contagem máxima. Todos eram restritos para mover seu avatar (através de um clique do mouse) apenas através de um dos seis lados do hexágono para um hexágono adjacente. O jogo terminou quando cada avatar estava em condições de pagamento, ou quando cada jogador tinha usado completamente seu movimento 15-contagem.
Um factor adicional de experimento foi implementado para responder a uma pergunta de estudo a terceiros: (iii) se o raio de percepção (global versus local condição) dos outros participantes afeta coordenação de movimento. A percepção de metade dos 40 grupos de dez pessoa estava restrita de forma aleatória, o que significava que vinte grupos (condição local) poderiam perceber o movimento de apenas os avatares adjacentes ao seu avatar. Os restantes vinte grupos de 10 pessoas (condição global) podem perceber dos todos os participantes locais de avatar e movimentos.
Para responder a pergunta (ii) [que as características do movimento de grupos minoritários levaram à mais sucesso (com sucesso, alcançando um campo objetivo como um grupo e, portanto, maior recompensa monetária)], nós definidos e analisados vários comportamentos de movimento, incluindo mover primeiro, caminhos de movimento compartilhado/direcções dos dois participantes de minoria, comprimentos de caminho, o tempo médio entre movimentos, ordem de movimento inicial entre os participantes, cinco grandes características de personalidade (extroversão, abertura, etc.) e computador alfabetização. O procedimento estatístico, um modelo finito de mistura com dois binômios e os resultados detalhados são publicados em Boos et al 1.
Nosso estudo demonstrou que em um grupo de seres humanos, avatares atribuídos em um favo de mel 2D jogar campo (movendo-se de acordo com os parâmetros acima descritos e condições), 20% deles (grupo minoritário de 2 pessoas) com base exclusivamente em seus movimentos com êxito pode levar os outros 80%, mesmo quando sua percepção foi restrita a apenas adjacentes avatares no playfield. Aqui, liderança de sucesso destes participantes do grupo 2-pessoa minoria implicou que seus colegas participantes fez movimentos iniciais semelhantes e que estes participantes minoritários 2 pessoas foram os primeiros a fazer um movimento inicial1 (vídeo 2). Para parâmetros detalhados do comportamento de movimento deste grupo, por favor consulte tabela 2. Uma análise aprofundada da dispersão do grupo ao longo do tempo é fornecida na Figura 10. Também encontramos, surpreendentemente, que variáveis de personalidade, nem computador alfabetização entre estes participantes minoritários desempenharam um papel crucial no seu sucesso.
Figura 1: Playfield do multi-agente baseado em computador jogo do favo de mel. Representação visual de jogadores humanos como avatares (pontos pretos) em um campo de jogo virtual de hexágono. Clique aqui para ver uma versão maior desta figura.
Figura 2: Local vs. perspectivas globais. Participantes com perspectivas locais só vejo avatares de outros jogadores dentro de seu alcance visual. Neste caso, o jogador marcado (vermelho) só é capaz de ver os jogadores co 4 de 9. Uma perspectiva global, se configurado, proporcionaria a visibilidade de todos os jogadores co. Clique aqui para ver uma versão maior desta figura.
Figura 3: incentivos monetários. Esta ilustração mostra os incentivos monetários como pode ser implementado dentro do jogo de favo de mel. Avatares marcados como cinza estão fora do raio de percepção local e são, portanto, invisível para o respectivo jogador. Dois pontos de vista diferentes são mostradas. (a) jogador informado: este jogador é dotado de um campo de objetivo maior recompensado, que está marcado como "€", jogador (b) desinformado: este jogador é fornecido seis campos de gol igualmente inferior-recompensado, que são marcados como "€". Clique aqui para ver uma versão maior desta figura.
Figura 4: experimento de avatar subgrupo. Neste cenário, dois subgrupos são criados pela coloração avatares dos participantes como azul e amarelo. Clique aqui para ver uma versão maior desta figura.
Figura 5: único vs. mista jogo. Esta ilustração mostra duas configurações diferentes de ponto de vista de um jogador, comparável ao de Belz et al 17 (1a/b) único jogo: co-jogadores são invisíveis e não pode ser encontrados no playfield virtual hexágono, game comum (2a/b): co-jogadores são visíveis, enquanto eles ficam dentro do raio de percepção local de outros jogadores. Clique aqui para ver uma versão maior desta figura.
Figura 6: configuração de servidor e cliente. Dez ou doze notebooks (clientes C1 C12) devem ser arranjados nas proximidades de (e ligados ao) do computador servidor. O uso de partições encerra a estação de trabalho de cada participante (indicada como linhas espessas) proíbe a comunicação visual com os outros fora do ambiente virtual. Recomenda-se a utilização de cabos de LAN, em vez de WLAN devido a menor latência e a taxa de transferência de dados mais confiável. Clique aqui para ver uma versão maior desta figura.
Figura 7: Configuração Contextual. Comunicação (sensorial, visual, auditiva) entre os participantes é restrita devido ao uso de paredes de divisória e tampões para os ouvidos. Clique aqui para ver uma versão maior desta figura.
Figura 8: interface gráfica no servidor. Para cada cliente conectado, há uma linha mostrando o IP e outros dados (por exemplo, o número de movimentos, posição, valor a ser pago para cada jogador). Clique aqui para ver uma versão maior desta figura.
Figura 9: liderança de sucesso. No lado esquerdo, a imagem mostra um jogador informado se aproximando de uma meta monetária de campo (ver também Figura 4), com sucesso, levando cinco outros jogadores ao seu campo de gol. No lado direito, um jogador desinformado perdeu de vista sua co-jogadores. Clique aqui para ver uma versão maior desta figura.
Figura 10: uma análise aprofundada da dispersão espacial ao longo do tempo de jogo (grupo 44). Quer dizer a distância entre os membros do grupo ao longo do tempo para todo o grupo (média de grupo), em comparação com os jogadores que foram informados sobre a localização do maior recompensado €€ objetivo-campo (1 informado, informou 2) e oito jogadores desinformados ( Desinformados). No final do jogo, um jogador desinformado havia perdido o grupo e chegou em um campo de gol € (jogador isolado). Clique aqui para ver uma versão maior desta figura.
Video 1: exemplo de movimento coletivo na perspectiva de um jogador desinformado (grupo 44). Por favor clique aqui para ver este vídeo. (Botão direito do mouse para fazer o download.)
Video 2: exemplo de movimento coletivo das perspectivas dos dois jogadores informados no mesmo jogo como Video 1 (grupo 44) . Por favor clique aqui para ver este vídeo. (Botão direito do mouse para fazer o download.)
| GNR | tempo | PID | S1 | S2 | ||
| ... | ||||||
| 5 | 14:56:42, 281 | 5 | 2 | 2 | ||
| 5 | 14:56:42, 500 | 2 | 3 | 5 | ||
| ... | ||||||
| 5 | 14:56:44, 593 | 0 | 3 | 6 | NNug = 2 | not_moved |
| 5 | 14:56:44, 578 | 3 | 2 | 2 | ||
| 5 | 14:56:44, 796 | 7 | 3 | 3 | ||
| 5 | 14:56:45, 125 | 6 | -5 | -3 | ||
| 5 | 14:56:46, 109 | 1 | 2 | 2 | ||
| 5 | 14:56:46, 281 | 5 | 2 | 2 | not_moved | |
| 5 | 14:56:46, 765 | 3 | 3 | 3 | ||
| 5 | 14:56:47, 531 | 4 | 2 | 3 | not_moved | |
| 5 | 14:56:48, 187 | 9 | 3 | 6 | NNug = 2 | not_moved |
| 5 | 14:56:48, 625 | 2 | 3 | 6 | NNug = 2 | not_moved |
| 5 | 14:56:48, 625 | 8 | 3 | 2 | not_moved | |
| 5 | 14:56:48, 640 | 6 | -6 | -3 | NNug = 1 | |
| 5 | 14:56:48, 640 | 4 | 3 | 4 | ||
| 5 | 14:56:48, 953 | 7 | 3 | 3 | not_moved | |
| 5 | 14:56:49, 390 | 5 | 3 | 3 | ||
| ... | ||||||
| 5 | 14:56:52, 671 | 4 | 3 | 4 | not_moved | |
| 5 | 14:56:52, 687 | 6 | -6 | -3 | NNug = 1 | not_moved |
Tabela 1: Formato de dados. Do cada participante movimentos e timestamps associado sobre o playfield virtual do hexágono são registrados como coordenadas hexagonais em linhas separadas, permitindo o uso de hierárquico/misto de modelagem. A tabela mostra um trecho do conjunto de dados gerado por um grupo composto por 10 jogadores (grupo 44).
| Grupo 44 (exemplo de) |
∑ SOBRE Move-se |
Rank de 1st mover-se |
Latência | Pagamento | Final distância |
Distância €€-campo |
Tempo | % de campo exploradas |
| (a) variáveis de nível Individual | ||||||||
| Jogador ID01 | 6 | 1 | 1,73 | 18 | 0,67 | 0 | - | - |
| Jogador ID1 | 6 | 10 | 3,74 | 9 | 0,67 | 0 | - | - |
| Jogador ID2 | 6 | 3 | 2,19 | 9 | 0,67 | 0 | - | - |
| Jogador ID3 | 7 | 9 | 2,68 | 9 | 0,67 | 0 | - | - |
| Jogador ID4 | 6 | 7 | 4,38 | 9 | 0,67 | 0 | - | - |
| Jogador ID5 | 9 | 8 | 3,98 | 9 | 0,67 | 0 | - | - |
| Jogador ID6 | 12 | 5 | 2,70 | 1 | 6,00 | 6 | - | - |
| Jogador ID71 | 6 | 6 | 4,96 | 18 | 0,67 | 0 | - | - |
| Jogador ID8 | 9 | 4 | 4,03 | 9 | 0,67 | 0 | - | - |
| Jogador ID9 | 6 | 2 | 2,45 | 9 | 0,67 | 0 | - | - |
| (b) variáveis de nível de grupo | ||||||||
| Desinformados | 7,63 | 5,88 | 3,27 | 8 | 1,33 | 0,75 | - | - |
| Informado | 6,00 | 4,00 | 3,35 | 18 | 0,67 | 0,00 | - | - |
| Todo o grupo | 7,30 | - | 3,28 | 10 | 1,20 | 0,60 | 39,02 | 27,84 |
Tabela 2: detalhado de resultados de análise de comportamento de movimento de grupo (grupo 44). Os resultados são listados (um) para o nível individual e (b) para o nível de grupo. A nível de grupo, calcularam-se meios para a maioria de desinformados (oito jogadores), minoria informada (dois jogadores) e todo o grupo (10 jogadores). 1 Jogadores com IDs 0 e 7 foram aleatoriamente escolhidos para ser informado sobre a localização do maior recompensado €€ meta-campo; ∑ sobre movimentos = número total de movimentos; Classificação de 1stmover = rank de 1 movimentost em relação aos outros jogadores; Latência = latência média de movimento entre duas etapas no sec.; Payout = recompensa individual após a conclusão do jogo em €; Distância final = distância média de cada jogador para todos os jogadores restantes no final do jogo; Distância de campo €€ = distância ao objetivo-campo €€ no final do jogo; Tempo = duração total do jogo no sec.; % dos campos explorados = porcentagem do campo total (97 hexágonos) explorado pelo grupo. Por favor veja também Figura 10 para uma análise aprofundada da dispersão do grupo ao longo do tempo de jogo, Video 1 e Video 2 para o movimento coletivo do grupo e a tabela 1 para um trecho de dados de movimento.
Discussion
Uma questão fundamental no uso de ambientes virtuais multi clientes como um paradigma de pesquisa para investigar o comportamento coletivo humano é se os resultados são aplicáveis aos cenários reais. Em outras palavras, é que a abordagem metodológica resultados com suficiente validade ecológica ou externa? Representando os participantes humanos como avatares em um playfield virtual e deixá-los passar através de cliques de mouse reduz sinais sociais. Além disso, mantendo a comunicação ao mínimo permite experimentadores investigar quais tácitas pistas comportamentais são transmitidas entre os seres humanos que podem afetar o comportamento de liderança e coordenação do grupo humano e sob qual affordance ambiental (, por exemplo, resgate, concorrência, evacuação) estes comportamentos são afetados por mais e em que medida. Enquanto houver aderência estrita para as duas fases de pré-testes no protocolo e procedimentos de teste, esta abordagem reducionista garante validade interna. Para permitir a transferência dos resultados para o grupo "real" e a dinâmica da multidão, as fases de instalação e teste experimentais podem ser gradualmente modificadas para se tornar mais complexo (por exemplo, permitindo a comunicação adicional além da mera transmissão/leitura de movimento comportamento, adicionando informações sobre características individuais incorporado semanticamente diversos cenários do mundo real, etc) e descrito no no ecrã instruções ler pelos participantes antes do jogo começar.
Para resolver o problema da validade externa, o playfield hexágono [escolhido inicialmente para padronizar os movimentos do jogador para padronizada, bidimensionais de coordenadas hexagonais devido à redução de fatores de confusão e usabilidade (previamente testada)] pode ser variado. Uma grade bidimensional com escolha livre circulação permitirá aos jogadores criar mais dados de movimento contínuo e complexo. Um ambiente tridimensional criado por unidade - ou Unreal-motor, por exemplo, também pode aumentar a validade ecológica/externo. No entanto, com cada passo para lessoning a restrição de movimento, surge um problema. Com a crescente complexidade da liberdade de movimento no cenário simulado, a influência de confundir fatores (por exemplo, interpessoais diferenças como experiência de computador, familiaridade com orientação espacial em jogos tridimensionais) aumenta, o que pode levar a resultados tendenciosos e reduz a validade interna.
A vantagem do método descrito no protocolo do favo de mel é que pode ser combinado com modelos de simulação de computador e usado como um paradigma para testar empiricamente se coletivo padrões encontrados nas simulações de computador também possuem comportamento em grupos de seres humanos. Para aumentar a validade externa de tais testes, participantes devem ser perguntados no questionário pós-teste fase se sentiu suficientemente e humanamente representados por seus avatares e se eles foram capazes de perceber os seus colegas jogadores como atores humanos. O protocolo especifica a presença física dos colegas jogadores sentados em estações de trabalho ao lado do outro (mesmo que os parâmetros de protocolo exclui sensorial comunicação visual ou auditiva) a fim de reforçar estes sentimentos de personificação humana.
Em suma, os métodos aplicados pela abordagem do favo de mel constantes do protocolo pré-teste, teste e pós-teste fases fornecem um novo paradigma para investigar os mecanismos básicos de fenômenos coletivos como a coordenação de grupo, liderança e intragrupo differentiation. Mais importante limitação do método é sua vulnerabilidade a erros humanos pelos recrutadores, particularmente se não forem suficientemente rigorosas no sentido de garantir que os participantes não se comunicar uns com os outros durante as fases de pré-teste e teste.
Disclosures
Os autores não têm nada para divulgar.
Acknowledgments
Esta pesquisa foi financiada pela iniciativa de excelência alemão (estratégia institucional: https://www.uni-goettingen.de/en/32632.html). Agradecemos a Margarita Neff-Heinrich para a revisão de inglês.
Materials
| Name | Company | Catalog Number | Comments |
| Notebooks | |||
| Partition walls between work stations | |||
| Earplugs | |||
| Equipment for LAN installation |
References
- Boos, M., Pritz, J., Lange, S., Belz, M.
- Moussaid, M., Garnier, S., Theraulaz, G., Helbing, D. Collective information processing and pattern formation in swarms, flocks, and crowds. Topics in Cognitive Science. 1 (3), 469-497 (2009).
- Sumpter, D. J. T. Collective Animal Behavior. , Princeton University Press. Princeton. (2010).
- Krause, J., et al. Fish shoal composition: mechanisms and constraints. Proceedings - Royal Society. Biological Sciences. 267 (1456), 2011-2017 (2000).
- Camazine, S., et al. Self-Organization in Biological Systems. , Princeton University Press. Princeton. (2003).
- King, A. J., Sueur, C., Huchard, E., Cowlishaw, G. A rule-of-thumb based on social affiliation explains collective movements in desert baboons. Animal Behavior. 82 (6), 1337-1345 (2011).
- Fischer, J., Zinner, D. Communication and cognition in primate group movement. International Journal of Primatology. 32 (6), 1279-1295 (2011).
- Couzin, I. D., Krause, J. Self-organization and collective behavior in vertebrates. Advances in the Study of Behavior. 32, 1-75 (2003).
- Katz, Y., Tunstrøm, K., Ioannou, C. C., Huepe, C., Couzin, I. D. Inferring the structure and dynamics of interactions in schooling fish. Proceedings of the National Academy of Sciences of the United States of America. 108 (46), 18720-18725 (2011).
- Guy, S. J., Curtis, S., Lin, M. C., Manocha, D. Least-effort trajectories lead to emergent crowd behaviors. Physical Review E: Statistical, Nonlinear, and Soft Matter Physics. 85 (1), 016110 (2012).
- Shao, W., Terzopoulos, D.
- Reynolds, C. W. Flocks, herds and schools: A distributed behavioral model. Seminal Graphics. , ACM. 273-282 (1987).
- Pelechano, N., Allbeck, J. M., Badler, N. I. Controlling individual agents in high-density crowd simulation. Proceedings of the 2007 ACM SIGGRAPH/Eurographics Symposium on Computer Animation. , 99-108 (2007).
- Helbing, D., Molnár, P., Farkas, I. J., Bolay, K.
- Dyer, J. R. G., Johansson, A., Helbing, D., Couzin, I. D., Krause, J. Leadership, consensus decision making and collective behavior in humans. Philosophical Transactions - Royal Society. Biological Sciences. 364 (1518), 781-789 (2009).
- Moussaid, M., Schinazi, V. R., Kapadia, M., Thrash, T. Virtual Sensing and Virtual Reality: How New Technologies can Boost Research on Crowd Dynamics. Frontiers in Robotics and AI. , (2018).
- Belz, M., Pyritz, L. W., Boos, M.
- Boos, M., Franiel, X., Belz, M. Competition in human groups - Impact on group cohesion, perceived stress and outcome satisfaction. Behavioral Processes. 120, 64-68 (2015).
- Boos, M., Li, W., Pritz, J. Patterns of Group Movement on a Virtual Playfield: Empirical and Simulation Approaches. Social Network Analysis: Interdisciplinary Approaches and Case Studies. Fu, X., Luo, J. -D., Boos, M. , 197-223 (2017).
- Dyer, J. R. G., et al. Consensus decision making in human crowds. Animal Behavior. 75 (2), 461-470 (2008).
- Faria, J. J., Dyer, J. R. G., Tosh, C. R., Krause, J. Leadership and social information use in human crowds. Animal Behavior. 79 (4), 895-901 (2010).
- Conradt, L. Models in animal collective decision-making: information uncertainty and conflicting preferences. Interface Focus. 2 (2), 226-240 (2011).
- Couzin, I. D., Krause, J., Franks, N. R., Levin, S. A. Effective leadership and decision-making in animal groups on the move. Nature. 433, 513-516 (2005).
