需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

基于HoneyComb范式的在线群体信任博弈：集体信任游戏

2.6K 次观看

⸱

DOI：

10.3791/63600

⸱

2022年10月20日

 ,  ,  ,  , 
1University of Goettingen

* These authors contributed equally

本文内容

摘要

集体信任博弈是一种基于计算机的多智能体信任博弈，其基础为HoneyComb范式，使研究人员能够评估集体信任及相关构念（如公平性、互惠性或前瞻性信号传递）的产生。该博弈通过游戏中参与者移动行为，实现对群体过程的详细观察。

摘要

全面理解群体中的信任需求，促使了测量集体信任的新方法不断涌现。然而，现有研究方法往往无法充分捕捉这一构念所具有的涌现性特征。本文介绍了集体信任游戏（Collective Trust Game, CTG），这是一种基于HoneyComb范式的计算机多智能体信任游戏，使研究者能够评估集体信任的形成过程。CTG建立在人际信任的前期研究基础之上，将广为人知的信任游戏在HoneyComb范式中拓展至群体情境。参与者被赋予投资者或受托者角色，且两种角色均可由群体担任。初始阶段，投资者和受托者均被赋予一定数额的资金。随后，投资者需决定是否将其部分资金发送给受托者。他们通过在一个显示可能投资金额的场地上来回移动，来表达其倾向及最终决策。在决策时间结束时，投资者达成一致的投资金额将被放大一定倍数后转移给受托者。受托者随后需沟通其愿意返还给投资者的资金数额（如有），同样通过在场地上移动实现。该过程将重复多个轮次，从而使集体信任通过反复互动逐步形成并体现为一种共享的构念。通过这一流程，CTG借助对移动数据的记录，提供了实时追踪集体信任生成过程的机会。CTG具有高度可定制性，可根据具体研究问题进行调整，并可使用极少且低成本的设备作为在线实验实施。本文表明，CTG将群体互动数据的丰富性与经济博弈实验的高度内部效度及时间效率有效结合。

引言

集体信任博弈（CTG）为在线测量人类群体中的集体信任提供了机会。该方法将Berg、Dickhaut和McCabe1（BDM）提出的原始信任博弈推广至群体层面，能够捕捉并量化集体信任的涌现特性2,3,4，以及公平性、互惠性或前瞻性信号传递等相关概念。

以往的研究大多将信任概念化为一种纯粹的人际间构念，例如领导者与追随者之间的信任5,6，而忽略了更高层次的分析。尤其在组织情境中，仅关注人际层面可能不足以全面理解信任，因此迫切需要了解信任在群体层面上形成（以及减弱）的过程。

近年来，信任研究逐渐引入了更多多层次的思考方式。Fulmer 和 Gelfand7 综述了多项关于信任的研究，并根据每项研究中所考察的分析层次对其进行分类。这三种不同的分析层次分别为人际（二元）、群体和组织。重要的是，Fulmer 和 Gelfand7 还进一步区分了不同的指向对象。所谓指向对象，是指信任所指向的实体。这意味着，在“A 信任 B 做 X”这一关系中，A（在经济博弈中的投资方）由分析层次（个体、群体、组织）表示，而 B（受托方）则由指向对象（个体、群体、组织）表示。X 代表信任所涉及的具体领域，可以是诸如普遍的积极倾向、主动支持、可靠性，或如经济博弈中的财务交换等任何内容1。

此处，集体信任的定义基于Rousseau及其同事对人际信任的定义8，并参考了以往关于集体信任的研究9,10,11,12,13,14；集体信任包含一个群体基于对另一个个体、群体或组织意图或行为的积极预期，而愿意接受脆弱性的共同意愿。集体信任是一种在群体成员之间通过互动形成并共享的心理状态。因此，集体信任的关键特征在于群体内部的共享性。

这意味着，对集体信任的研究需要超越个体过程的简单平均，将集体信任概念化为一种涌现现象2,3,4，因为群体科学的新进展表明，群体过程具有流动性、动态性和涌现性2,15。我们将涌现定义为“低层级系统要素通过相互作用，并经由这些动态过程产生在系统更高层级上显现的现象”16（第335页）。理论上，这一观点同样适用于集体信任。

反映群体过程涌现性与动态性的研究应采用适当的方法论17来捕捉这些特征。然而，目前集体信任的测量方法似乎相对滞后。大多数研究采用对群体中每个个体数据进行简单平均的方法9,10,12,13,18。可以认为，这种方法的预测效度较低2，因为它忽视了群体并非仅仅是个人的简单聚合，而是具有独特过程的高阶实体。一些研究试图弥补这些不足：Adams19的研究采用了潜在变量方法，而Kim及其同事10则使用情境描述（vignettes）来估计集体信任。这些方法的可取之处在于承认了集体信任是一种高阶构念。然而，正如Chetty及其同事20所指出的，基于问卷的测量方式缺乏激励被试真实作答的机制，因此关于信任的研究正越来越多地采用行为性或激励相容的测量方法21,22。

已有若干研究通过调整一种行为学方法——即BDM1，使其可用于群体实验23,24,25,26，以应对这一问题。在BDM中，双方分别扮演投资者（A）或受托者（B）。这一顺序性经济博弈中，A和B均会获得一笔初始资金（例如10欧元）。随后，A需决定是否将部分资金（例如5欧元）发送给B。实验者会将该金额乘以三，然后由B决定是否将收到的部分资金（例如15欧元）返还给A（例如7.5欧元）。A发送给B的金额被操作化为A对B的信任水平，而B返还的金额则可用于衡量B的可信度，或A与B二人组之间的公平程度。大量研究已探讨了双人信任博弈中的行为表现27。BDM既可作为所谓的“一次性”博弈进行，即参与者仅与特定个体进行一次游戏，也可在多轮重复实验中进行，此时互惠性28,29以及前瞻性信号传递等因素可能发挥作用。

在许多采用信任博弈（BDM）研究群体行为的研究中23,24,25,26，投资者、受托者或两者均由群体担任。然而，这些研究均未记录群体内部的互动过程。简单地在实验设计中用群体替代个体，并不符合Kolbe和Boos17或Kozlowski15为研究涌现现象所设定的标准。为填补这一空白，研究者开发了群体信任博弈（CTG）。

开发CTG的目标是创建一种范式，将广泛使用的BDM1与一种捕捉集体信任的方法相结合，将集体信任视为一种在群体中共享的、基于行为的涌现性构念。

CTG 基于 Boos 及其同事提出的 HoneyComb 范式30，该范式此前已在《视觉化实验杂志》上发表31，现已被调整用于信任研究。根据 Ritter 及其同事的描述32，HoneyComb 范式是“一种基于多智能体的虚拟游戏平台，旨在消除所有感官和交流通道，仅保留参与者对游戏场中头像运动的感知”（第 3 页）。HoneyComb 范式特别适用于研究群体过程，因为它允许研究人员利用时空数据记录真实群体成员的运动。可以说，除了群体互动分析17之外，HoneyComb 是少数几种能够使研究人员详细追踪群体过程的工具之一。与群体互动分析相比，对 HoneyComb 时空数据的定量分析耗时更少。此外，该范式所具有的还原主义环境以及能够排除参与者之间除游戏场运动外的一切人际交流的特点，使研究人员能够限制混杂因素（例如外貌、声音、面部表情），从而设计出具有高内部效度的实验。尽管在采用群体讨论设计的研究中，很难识别群体过程中所有影响因素33，但在运动范式中聚焦于群体互动的基本原则，使研究人员能够在本实验中量化群体过程的各个方面。此外，先前研究已使用空间行为（proxemic behavior）34——即减少个体与他人之间的空间距离——来考察信任问题35,36。

捐赠投资过程示意图；信任博弈的步骤、决策与反馈分析。
图1：CTG的示意图概览。（A）一轮CTG的示意图流程。（B）回合开始时头像的初始位置。三个蓝色投资者站在起始格“0”上。黄色受托人站在起始格“0”上。（C）投资阶段的截图，显示三个投资者（蓝色头像）位于游戏区域的下半部分。其中一个（较大的蓝色头像）当前位于“12”格，另外两个投资者当前位于“24”格。两个头像带有尾迹（由橙色箭头指示）。尾迹表示它们从哪个方向移动到当前位置（例如，一个投资者（较大的蓝色头像）刚刚从“0”移动到“12”）。没有尾迹的头像已在该位置停留至少4000毫秒。（D）返还阶段的截图，显示一名受托人（黄色头像）和游戏区域的上半部分。受托人当前位于“3/6”格，并且如尾迹所示，最近从“2/6”格移动至此。下方的蓝色数字（36）表示投资者投入的金额。由箭头指示的黄色数字是当前返还额（54），显示在游戏区域中央。返还额的计算方式如下：（投资金额（36美分）×3）×当前返还比例（3/6）= 54美分。（E）弹出窗口向参与者反馈他们在本回合中赚取的金额，在受托人超时后显示15秒。请点击此处查看此图的放大版本。

CTG 的主要流程（图1A）在很大程度上参照了 BDM1 的流程，以确保本研究结果可与以往使用该经济博弈的研究进行比较。由于 HoneyComb 范式基于运动原理，参与者通过将他们的头像移动到代表特定金额或返还比例的小六边形区域上来表示其愿意投资或返还的金额（图1C、D）。在每一轮开始前，投资者和受托人均会被赋予一定数量的资金（例如 72 美分），其中投资者被放置在游戏区域的下半部分，而受托人则被放置在游戏区域的上半部分（图1B）。在默认设置下，由投资者首先移动，而受托人保持静止。投资者在游戏区域内移动，以表示他们愿意将多少资金（如有）发送给受托人（图1C）。通过在游戏区域内来回移动，参与者还可以向其他投资者传达他们希望发送给受托人的金额。根据实验配置，当时间耗尽时，参与者必须通过聚集到同一个游戏区域来达成一致的投资金额决策。要求达成一致决策是为了确保投资者之间必须相互互动，而不仅仅是各自独立进行游戏。如果投资者未能达成共同决策，则会从其账户中扣除一定罚金（例如 24 美分）。这一机制的设置旨在确保投资者有强烈动机达成一个共享的集体信任水平。当投资者的时间结束后，所投资的资金将被乘以一定倍数并转移给受托人，随后受托人获得移动权限，而投资者则保持静止。受托人通过移动来表示其愿意返还给投资者的金额（图1D）。游戏区域上以分数形式显示可用的返还选项，以相对降低受托人的认知负荷。当受托人分配的时间结束时，其所处的游戏区域即决定返还给投资者的比例（例如 4/6）。每一轮以弹出窗口结束（图1E），向每位参与者总结其在该轮中获得的金额及其当前账户余额。

应重复进行多轮实验。研究人员应让参与者以相同角色至少完成10至15轮的信任博弈（CTG）。这是因为集体信任是一种在群体内反复互动过程中逐渐形成的涌现性构念。同样，其他概念（如前向信号传递，即受托人给予较高回报后，委托人在下一轮中相应提高投资额）也仅会在重复互动中显现。然而，至关重要的是，参与者必须不知道实验的确切轮数，因为已有研究表明，当参与者意识到正在进行最后一轮时，其行为可能发生显著变化（例如在经济博弈中表现出更多不公平行为或偏离合作倾向37,38）。

通过这种方式，CTG 可在多个层面上提供有关集体信任形成的信息。首先，最后一轮所表现出的集体信任水平应能较好地反映投资者对受托人所持信任的共有程度。其次，每一轮的投资金额可作为衡量在重复互动过程中集体信任逐步形成情况的代理指标。第三，群体行为数据有助于揭示决定每轮投资金额的群体决策过程。

访问受限。请登录或开始试用以查看此内容。

方案

本项目的数据收集与数据分析已获得哥廷根大学乔治·埃利亚斯·米勒心理学研究所伦理委员会的批准（提案编号 289/2021）；本研究方案遵循该研究所伦理委员会关于人类研究的指导方针。CTG 软件可从 OSF 项目（DOI 10.17605/OSF.IO/U24PX）下载，链接为： https://s.gwdg.de/w88YNL。

1. 准备技术设备

  1. 准备在线知情同意书和问卷
    1. 使用在线问卷工具创建一份在线知情同意书。
    2. 如适用，使用在线问卷工具准备一份在线问卷。
      注意：可在 HoneyComb 程序中嵌入简短问卷（见步骤 1.3.5）。若需使用较长的问卷，请改用独立的在线问卷工具。材料表中提供了在线问卷工具的示例。
  2. 准备远程桌面服务器
    1. 在远程服务器上安装基于 Linux 的操作系统。如有可能，请向机构的技术助理咨询可用资源。否则，请遵循安装指南39。
    2. 在该服务器上创建不同用户40。
      1. 创建一个名为 admin 的用户，该用户具有 root 权限，且仅由实验的技术负责人访问。
      2. 创建一个名为 experimenter 的用户，该用户具有创建共享文件夹、导入和导出数据的权限，并可供所有数据收集人员（包括学生/研究助理等）访问。
      3. 创建多个名为 participant-1, participant-2 等的用户。
        注意：研究人员在一次实验会话中能够测试的参与者数量，受限于所创建的用户数量。
    3. 在 admin 用户下执行命令 java -version，以确认服务器上已安装 Java 运行环境。若未安装，请在继续操作前安装最新版本的 Java，并确保所有用户均可访问。
    4. 安装程序
      1. 下载程序。
        注意：程序可作为压缩文件 HC_CTG.zip 下载，其中包含：1）可运行的 HC.jar 文件，2）三个配置文件（hc_server.config, hc_panel.config 和 hc_client.config），以及 3）两个名为 intro 和 rawdata 的子文件夹。
      2. 在 experimenter 用户下创建一个文件夹，并与其他用户共享41。将压缩文件 HC_CTG.zip 中的内容解压至该文件夹。
      3. 对每个参与者用户，访问该共享文件夹，并确认其能够访问文件。
  3. 打开三个配置文件。
    1. 编辑 hc_server.config 并保存修改后的文件。
      1. 通过将 n_Pl 设置为所需数值来配置玩家数量。例如，在 = 后输入 4。
      2. 通过重复游戏编号 54a 来配置游戏轮数（playOrder）（例如，进行四轮时输入 54a, 54a, 54a, 54a ）。
        注意：i54a 表示说明部分，不应在配置文件中删除。
      3. 若希望在 HoneyComb 中显示问卷，请在 playOrder 末尾添加 200。若使用独立的在线问卷工具，则删除 200 。
      4. 配置投资刻度。为投资者配置刻度（iscale）时，输入可用作投资步长的数值（例如，0, 12, 24, 36, 48, 60, 72）。请使用 3 的整数倍，以确保收益也为整数。
        注意：这些配置值将作为可能的投资步长显示给投资者。
        1. 为受托人配置显示刻度（tlabel），选择在游戏界面上显示为可能回报的数值（例如，0, 1/6, 2/6, 3/6, 4/6, 5/6, 1）。注意：此刻度不影响收益计算。
        2. 为受托人配置实际刻度（tscala），选择可作为回报的实际数值（例如，0, 0.166666, 0.3333, 0.5, 0.6666, 0.833331, 1）。仅使用数字形式（即不可使用分数）。
          注意：这些数值用于计算收益，不会在游戏界面上显示。
      5. 配置投资者（timeInI）和受托人（timeInT ）的进入时间，以及投资者（timeOutI ）和受托人（timeout）的超时时间（单位为秒）。例如，timeInI = 0, timeOutI = 30, timeInT = 30, timeout = 45。
      6. 配置每轮中投资者和受托人初始拥有的金额（单位为分，r52）。
      7. 配置投资金额在发送给受托人前的乘数因子（f52）。
      8. 配置小组是否需要达成一致决定（将 bUnanimous 设为 true）或不需要（将 unanimous 设为 false）。
      9. 配置小组收益是否平均分配（将 bCommon 设为 true）或根据每位投资者的投资贡献比例分配（将 bCommon 设为 false）。
      10. 若 bUnanimous 设为 true，请配置未达成一致决定时对投资者扣除的惩罚金额（p52）。
    2. 如有必要，编辑 hc_client.config。请确保将 ip_nr 设置为 localhost ，以便客户端能够连接到实验者。
    3. 编辑 hc_panel.config。
      1. 根据屏幕分辨率调整六边形的大小（radius）。在多种不同屏幕上测试实验，以确保实验内容在各种屏幕上均清晰可见。
      2. 在 labels 下调整游戏界面上显示的文本（例如，您的角色是：投资者，账户余额 等）。
    4. 如有必要，调整和/或翻译说明文本。为此，请编辑并保存 HoneyComb 程序文件夹内 "intro" 文件夹中的简单 HTML 文件（图 2A）。
    5. 若希望在 HoneyComb 程序中使用问卷，请调整和/或翻译 qq.txt 文件中的问卷内容，并保存文件。
    6. 在所有实验会话中（在同一实验条件下）保持此设置不变。记录所有配置信息。

2. 受试者招募

  1. 在线广告
    1. 通过现有渠道招募参与者（例如社交媒体、大学博客、带有二维码的传单）。说明实验的重要信息，例如实验目的、持续时间，以及根据游戏行为计算的最高报酬。
      ​注意：此处展示的样本为招募而来 通过 哥廷根大学心理学专业学生的一个在线博客，以及社交媒体群组中的免费广告。示例传单见于 补充图1.
    2. 让潜在参与者知晓，参与实验需要使用配备稳定网络连接的个人笔记本电脑或台式电脑，并处于安静、私密的环境中。同时需告知参与者，他们可能需要安装一个程序以建立远程桌面连接。
      注意：参与 通过 无法使用手机或平板电脑。
    3. 确保参与者符合实验的纳入标准，例如语言要求或色觉正常。
    4. 确保参与者此前未参加过关于CTG的实验。
  2. 预约参与者的实验时段
    1. 请让参与者预约其参与的时间段。
    2. 使用受试者管理软件发送自动邀请或提醒电子邮件。
    3. 至少多安排一名参与者以确保有足够数量的参与者到场进行实验。
  3. 向参与者发送一封确认邮件，内容包括以下细节：计算机设置指南、远程桌面连接工具的安装，以及建立远程桌面连接的方法。注意切勿提前发送任何登录信息，以避免因过早登录而导致的技术问题。
  4. 在实验开始前约24小时，向参与者发送提醒电子邮件，包含视频会议平台的链接，并附上确认邮件中已发送的安装相关信息。

3. 实验设置（每次实验开始前）

  1. 准备视频会议平台（图3）
    1. 确保参与者无法共享其麦克风或摄像头。确保参与者无法看到彼此的姓名。
    2. 共享实验者的麦克风和摄像头，并在视频会议平台上共享屏幕，仅显示最少的操作说明（图3）。
  2. 准备远程桌面
    1. 用户 experimenter
      1. 使用 experimenter 用户启动远程桌面连接。打开共享文件夹，通过在目录中右键单击并选择在此处打开终端来启动终端。
      2. 在终端中输入命令 java -jar HC_Gui.jar 并按 ENTER 键，以启动服务器程序 HC_Gui.jar。
    2. 用户 participant-1, participant-2 等
      1. 使用用户 participant-1、participant-2, ... 建立远程桌面连接。像之前一样打开共享文件夹，并在此文件夹中启动终端。
      2. 在终端中输入命令 java -jar HC.jar 并按 ENTER 键，为每个用户启动客户端程序。
      3. 检查所有参与者用户是否均已正确建立连接。
        注：参与者用户的屏幕上应显示消息 请稍候。计算机正在连接至服务器。 建议准备与用户数量相等的笔记本电脑（图4）。
    3. 用户 experimenter
      1. 检查服务器图形界面（GUI）中是否出现一行信息，显示每位参与者用户的 IP 地址。当所有参与者用户均已连接后，确认服务器程序显示消息 所有客户端已连接。是否开始？，然后单击 OK。
      2. 检查参与者用户的屏幕是否显示实验的欢迎界面（第一项说明页面）。
        ​注：实验者可提前准备至此步骤。

4. 实验步骤

  1. 在预定的实验时间段内允许参与者加入视频会议。使用标准化文本欢迎所有参与者，并向参与者说明技术流程。
  2. 分享在线知情同意书的链接。确认所有参与者均已提供书面同意。
  3. 指导参与者打开远程桌面连接工具，并向每位参与者发送各自的登录信息 通过 视频会议中的私人聊天。
    注意：当参与者登录到参与用户界面时，实验室中的笔记本将与参与用户断开连接。此后，实验将自动运行，直至参与者到达最终页面，页面会指示他们返回视频会议。
  4. 让参与者通过点击确认已阅读第一页的说明 好的所有参与者确认后，等待其完成游戏。
    注意：参与者可按照自己的节奏翻阅说明。一旦所有参与者确认已阅读说明，CTG 将自动开始。游戏将根据 server.config 文件中指定的轮数自动进行相应轮次。
  5. 测试阶段
    1. 将参与者随机分配为两种角色之一：投资者或受托者。
      注意：可为多个参与者分配相同角色。
    2. 让投资者从最下方的格子开始（表示投资金额为0），受托人从最上方的格子开始（表示回报为0）图1B).
    3. 指导参与者通过移动其虚拟形象来 左键单击相邻的六边形区域. 指导参与者只能选择相邻的格子，不可跳过格子。指导参与者，每次移动后，其头像将显示一条持续4000毫秒的小尾巴，用以指示从哪个方向移动至当前格子图1C).
    4. 允许投资者从起点（进入时间 = 0）开始，通过移动来表示其希望投资的金额。在经过一定时间后，禁止投资者继续移动（退出时间）。
      注意：参与者所站立的区域将表示其投资金额。在游戏区域中央，一个蓝色数字将额外显示发送给受托人的金额。如果实验设置要求全体一致投资，则只有当所有参与者都站在同一区域时，投资才会生效。
    5. 在说明中指出，投资金额将乘以一个系数（例如三倍）后发送给受托人。通过将受托人的时间进入设定为与受托人超时时间相同，限制受托人在投资者仍在操作期间不得进行操作。
    6. 指示受托人移动至其希望返还给投资者的比例位置。当受托人的时间截止后，受托人所处的位置即表示返还给投资者的比例。返还金额也通过场地中央的黄色数字进行显示（图1D).
    7. 弹出窗口显示该人员在本轮结束时所获得的金额图1E).
    8. 根据 server.config 文件中的指示，必要时重复游戏回合。
    9. 所有轮次结束后，要求参与者生成一个个人唯一代码，以便将游戏中的收益与其姓名关联，同时保持行为数据的匿名性。
    10. 参与者生成代码后，显示一个屏幕，指示参与者返回视频会议并关闭远程桌面连接。
      ​注意：实验程序（本方案第4节，共15轮游戏）耗时35分钟。
    11. 如果因技术问题或参与者出现状况而需要中止实验会话，则不应让同一参与者重新开始实验。
  6. 测试后阶段
    1. 游戏结束后，确保所有参与者均已关闭远程桌面连接。根据具体研究问题的需要，让参与者填写相应的问卷。
    2. 当参与者填写问卷时，通过点击关闭实验者用户端的服务器程序 停止 & 退出这也将关闭参与者用户的程序。
    3. 感谢参与者投入的时间，并说明其报酬将如何以及何时转账给他们。确保所有参与者均已退出视频会议，尤其是当后续立即安排了其他实验时段时。

5. 完成实验

  1. 以每天和每个实验时间段为单位，将数据导出并备份（例如，存储至云端），每个组和实验时间段生成一个 *.csv 文件和一个 *.txt 文件，并以实验的日期和时间戳进行标记。
  2. 关闭所有远程桌面连接。

访问受限。请登录或开始试用以查看此内容。

结果

本文报告了一项使用CTG进行的预试验研究结果，共有16名参与者（5名男性，11名女性；年龄：M = 21，SD = 2.07）。根据Johanson和Brooks42的观点，在预试验中，该样本量已足够，尤其是当结合定性方法时，可获得关于参与者在实验过程中主观体验的高信息密度数据。建议研究者在将CTG应用于特定研究设想时（例如，自定义每组中的参与者数量），应在正式数据收集之前先开展类似的预试验，以确保数据质量。

根据试点数据，本文不仅展示了CTG数据可能的分析方法，还对CTG实验装置进行了初步验证。此处报告的结果包括来自CTG试点研究的运动和投资数据（一组的示例输出见补充数据1和补充数据2，示例数据预处理脚本见OSF项目：https://s.gwdg.de/Cwx3ex），以及关于参与者在实验期间主观体验和对游戏评价的问卷数据。

本研究使用初步数据（N = 16）来展示当样本量达...

访问受限。请登录或开始试用以查看此内容。

讨论

CTG 为研究人员提供了将经典的信任博弈实验（BDM）1 用于群体研究的机会，并能够深入观察群体内部涌现的过程。尽管已有其他研究23,24,25,26尝试将 BDM1 适应于群体情境，但这些研究中获取群体过程信息的唯一方式是对录像讨论进行繁琐的群体互动分析。由于这一过程通常枯燥且耗时17，相关研究往往不报告这些方面。就现有方法而言，据作者所知，CTG 是首个允许研究人员通过运动数据实时追踪集体信任作为一种涌现现象的实验范式。因此，CTG 更加节省时间。此外，使用定量分析方法来捕捉群体过程，使研究人员能够预先注册过程分析方案，而这一点在采用更多定性方法时往往难以实现。

为了确保该范式产生高...

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

本研究未获得任何外部资金支持。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
数据分析软件与程序包R版本 4.2.1 (2022-06-23 ucrt)R Core Team R：统计计算语言与环境。 可访问 [https://www.R-project.org/] 获取。R 统计计算基金会，奥地利维也纳。（2020）。
数据分析软件与程序包R Studio版本 2022.2.3.492 "Prairie Trillium"RStudio 团队 RStudio：R 的集成开发环境。 可访问 [http://www.rstudio.com/] 获取。RStudio, PBC，美国马萨诸塞州波士顿。（2020）。
数据分析软件与程序包ggplot2版本 3.3.6Wickham, H. ggplot2：用于数据分析的优雅图形系统。 可访问 [https://ggplot2.tidyverse.org] 获取。Springer-Verlag New York。（2016）。
数据分析软件与程序包cowplot版本 1.1.1Wilke, C.O. cowplot：为 “ggplot2” 提供的简化绘图主题与注释功能。可访问 [https://CRAN.R-project.org/package=cowplot] 获取。（2020）。
在线问卷工具LimeSurvey社区版 3.28.16+220621 可使用任意偏好的在线问卷工具。推荐使用 LimeSurvey 或 SoSciSurvey。
笔记本电脑或个人计算机DELLLatitude 7400任何能够建立稳定远程桌面连接的笔记本电脑均可使用。
被试管理软件ORSEE版本 3.1.0建议使用 ORSEE（Greiner, B. [2015]. 被试池招募流程：使用 ORSEE 组织实验。Journal of the Economic Science Association, 1, 114–125. https://doi.org/10.1007/s40881-015-0004-4），但也可选用其他软件。
用于建立远程桌面连接的程序远程桌面连接（随每个 Windows 10 安装版本分发的程序）推荐使用以下工具：Windows 系统使用远程桌面连接，Linux 系统使用 Remmina，Mac OS 系统使用 Microsoft 远程桌面。
用于运行远程桌面环境的服务器基于 vSphere ESXi 的 VMware vSphere 环境版本 6.5理想情况下由大学或机构的 IT 部门提供。
视频会议平台BigBlueButton版本 2.3建议使用 BigBlueButton 或其他不将被试数据记录在外部服务器上的自由软件平台。该平台应具备以下功能：1）能够限制被试的麦克风和摄像头访问权限；2）对其他被试隐藏被试姓名；3）能够向被试发送私聊消息。
运行 Linux 系统的虚拟机Xubuntu版本 20.04 "Focal Fossa"其他基于 Linux 的系统也可使用。

参考文献

  1. Berg, J., Dickhaut, J., McCabe, K. Trust, reciprocity, and social history. Games and Economic Behavior. 10 (1), 122-142 (1995).
  2. Costa, A. C., Fulmer, C. A., Anderson, N. R. Trust in work teams: An integrative review, multilevel model, and future directions. Journal of Organizational Behavior. 39 (2), 169-184 (2018).
  3. Kiffin-Petersen, S. Trust: A neglected variable in team effectiveness research. Journal of the Australian and New Zealand Academy of Management. 10 (1), 38-53 (2004).
  4. Grossman, R., Feitosa, J. Team trust over time: Modeling reciprocal and contextual influences in action teams. Human Resource Management Review. 28 (4), 395-410 (2018).
  5. Schoorman, F. D., Mayer, R. C., Davis, J. H. An integrative model of organizational trust: Past, present, and future. Academy of Management Review. 32 (2), 344-354 (2007).
  6. Shamir, B., Lapidot, Y. Trust in organizational superiors: Systemic and collective considerations. Organization Studies. 24 (3), 463-491 (2003).
  7. Fulmer, C. A., Gelfand, M. J. At what level (and in whom) we trust: Trust across multiple organizational levels. Journal of Management. 38 (4), 1167-1230 (2012).
  8. Rousseau, D. M., Sitkin, S. B., Burt, R. S., Camerer, C. Not so different after all: A cross-discipline view of trust. Academy of Management Review. 23 (3), 393-404 (1998).
  9. Dirks, K. T. Trust in leadership and team performance: Evidence from NCAA basketball. Journal of Applied Psychology. 85 (6), 1004-1012 (2000).
  10. Kim, P. H., Cooper, C. D., Dirks, K. T., Ferrin, D. L. Repairing trust with individuals vs. groups. Organizational Behavior and Human Decision Processes. 120 (1), 1-14 (2013).
  11. Forsyth, P. B., Barnes, L. L. B., Adams, C. M. Trust-effectiveness patterns in schools. Journal of Educational Administration. 44 (2), 122-141 (2006).
  12. Gray, J. Investigating the role of collective trust, collective efficacy, and enabling school structures on overall school effectiveness. Education Leadership Review. 17 (1), 114-128 (2016).
  13. Kramer, R. M. Collective trust within organizations: Conceptual foundations and empirical insights. Corporate Reputation Review. 13 (2), 82-97 (2010).
  14. Kramer, R. M. The sinister attribution error: Paranoid cognition and collective distrust in organizations. Motivation and Emotion. 18 (2), 199-230 (1994).
  15. Kozlowski, S. W. J. Advancing research on team process dynamics: Theoretical, methodological, and measurement considerations. Organizational Psychology Review. 5 (4), 270-299 (2015).
  16. Kozlowski, S. W. J., Chao, G. T. The dynamics of emergence: Cognition and cohesion in work teams. Managerial and Decision Economics. 33 (5-6), 335-354 (2012).
  17. Kolbe, M., Boos, M. Laborious but elaborate: The benefits of really studying team dynamics. Frontiers in Psychology. 10, 1478(2019).
  18. McEvily, B. J., Weber, R. A., Bicchieri, C., Ho, V. Can groups be trusted? An experimental study of collective trust. Handbook of Trust Research. , 52-67 (2002).
  19. Adams, C. M. Collective trust: A social indicator of instructional capacity. Journal of Educational Administration. 51 (3), 363-382 (2013).
  20. Chetty, R., Hofmeyr, A., Kincaid, H., Monroe, B. The trust game does not (only) measure trust: The risk-trust confound revisited. Journal of Behavioral and Experimental Economics. 90, 101520(2021).
  21. Harrison, G. W. Hypothetical bias over uncertain outcomes. Using Experimental Methods in Environmental and Resource Economics. , 41-69 (2006).
  22. Harrison, G. W. Real choices and hypothetical choices. Handbook of Choice Modelling. , Edward Elgar Publishing. 236-254 (2014).
  23. Holm, H. J., Nystedt, P. Collective trust behavior. The Scandinavian Journal of Economics. 112 (1), 25-53 (2010).
  24. Kugler, T., Kausel, E. E., Kocher, M. G. Are groups more rational than individuals? A review of interactive decision making in groups. WIREs Cognitive Science. 3 (4), 471-482 (2012).
  25. Cox, J. C. Trust, reciprocity, and other-regarding preferences: Groups vs. individuals and males vs. females. Experimental Business Research. Zwick, R., Rapoport, A. , Springer. Boston, MA. 331-350 (2002).
  26. Song, F. Intergroup trust and reciprocity in strategic interactions: Effects of group decision-making mechanisms. Organizational Behavior and Human Decision Processes. 108 (1), 164-173 (2009).
  27. Johnson, N. D., Mislin, A. A. Trust games: A meta-analysis. Journal of Economic Psychology. 32 (5), 865-889 (2011).
  28. Rosanas, J. M., Velilla, M. Loyalty and trust as the ethical bases of organizations. Journal of Business Ethics. 44, 49-59 (2003).
  29. Dunn, J. R., Schweitzer, M. E. Feeling and believing: The influence of emotion on trust. Journal of Personality and Social Psychology. 88 (5), 736-748 (2005).
  30. Boos, M., Pritz, J., Lange, S., Belz, M. Leadership in moving human groups. PLOS Computational Biology. 10 (4), 1003541(2014).
  31. Boos, M., Pritz, J., Belz, M. The HoneyComb paradigm for research on collective human behavior. Journal of Visualized Experiments. (143), e58719(2019).
  32. Ritter, M., Wang, M., Pritz, J., Menssen, O., Boos, M. How collective reward structure impedes group decision making: An experimental study using the HoneyComb paradigm. PLOS One. 16 (11), 0259963(2021).
  33. Kocher, M., Sutter, M. Individual versus group behavior and the role of the decision making process in gift-exchange experiments. Empirica. 34 (1), 63-88 (2007).
  34. Ickinger, W. J. A behavioral game methodology for the study of proxemic behavior. , Doctoral Dissertation (1985).
  35. Deligianis, C., Stanton, C. J., McGarty, C., Stevens, C. J. The impact of intergroup bias on trust and approach behaviour towards a humanoid robot. Journal of Human-Robot Interaction. 6 (3), 4-20 (2017).
  36. Haring, K. S., Matsumoto, Y., Watanabe, K. How do people perceive and trust a lifelike robot. Proceedings of the World Congress on Engineering and Computer Science. 1, 425-430 (2013).
  37. Gintis, H. Behavioral game theory and contemporary economic theory. Analyse & Kritik. 27 (1), 48-72 (2005).
  38. Weimann, J. Individual behaviour in a free riding experiment. Journal of Public Economics. 54 (2), 185-200 (1994).
  39. How to install Xrdp server (remote desktop) on Ubuntu 20.04. Linuxize. , Available from: https://linuxize.com/post/how-to-install-xrdp-on-ubuntu-20-04/ (2020).
  40. How to create users in Linux (useradd Command). Linuxize. , Available from: https://linuxize.com/post/how-to-create-users-in-linux-using-the-useradd-command/ (2018).
  41. How to create a shared folder between two local user in Linux. GeeksforGeeks. , Available from: https://www.geeksforgeeks.org/how-to-create-a-shared-folder-between-two-local-user-in-linux/ (2019).
  42. Johanson, G. A., Brooks, G. P. Initial scale development: Sample size for pilot studies. Educational and Psychological Measurement. 70 (3), 394-400 (2010).
  43. Glaeser, E. L., Laibson, D. I., Scheinkman, J. A., Soutter, C. L. Measuring trust. The Quarterly Journal of Economics. 115 (3), 811-846 (2000).
  44. Mayring, P. Qualitative Content Analysis: Theoretical Background and Procedures. Approaches to Qualitative Research in Mathematics Education: Examples of Methodology and Advances in Mathematics Education. Kikner-Ahsbahs, A., Knipping, C., Presmed, N. , Springer. Dordrecht. 365-380 (2015).
  45. Chandler, J., Paolacci, G., Peer, E., Mueller, P., Ratliff, K. A. Using nonnaive participants can reduce effect sizes. Psychological Science. 26 (7), 1131-1139 (2015).
  46. Belz, M., Pyritz, L. W., Boos, M. Spontaneous flocking in human groups. Behavioural Processes. 92, 6-14 (2013).
  47. Boos, M., Franiel, X., Belz, M. Competition in human groups-Impact on group cohesion, perceived stress and outcome satisfaction. Behavioural Processes. 120, 64-68 (2015).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

群体信任经济博弈在线实验投资者-受托人角色行为策略匿名性保护群体互动数据
基于HoneyComb范式的在线群体信任博弈：集体信任游戏
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。