Summary
集団信託ゲームは、HoneyCombパラダイムに基づくコンピューターベースのマルチエージェント信頼ゲームであり、研究者は集団信頼の出現と、公平性、互恵性、前方シグナリングなどの関連構造を評価できます。このゲームでは、ゲーム内の動きの動作を通じてグループプロセスを詳細に観察できます。
Abstract
グループへの信頼を総合的に理解する必要性は、集団的信頼を測定するための新しいアプローチの急増につながりました。ただし、この構成は、利用可能な研究方法によって、その創発的な品質に完全に取り込まれていないことがよくあります。この論文では、研究者が集団的信頼の出現を評価することを可能にする、HoneyCombパラダイムに基づくコンピュータベースのマルチエージェント信頼ゲームである集団信託ゲーム(CTG)を紹介します。CTGは、対人信頼に関する以前の研究に基づいており、広く知られているトラストゲームをハニカムパラダイムのグループ設定に適応させます。参加者は、投資家または受託者のいずれかの役割を引き受けます。どちらの役割もグループで果たすことができます。当初、投資家と受託者は金額に恵まれています。次に、投資家は、もしあれば、受託者に送る寄付金の金額を決定する必要があります。彼らは、可能な投資額を表示するプレイフィールドを行ったり来たりすることで、傾向と最終決定を伝えます。決定時間の終わりに、投資家が合意した金額が乗算され、受託者に送られます。受託者は、もしあれば、その投資のどれだけを投資家に還元したいかを伝える必要があります。繰り返しますが、彼らはプレイフィールドを移動することによってそうします。この手順は複数回繰り返されるため、集合的な信頼は、繰り返しの相互作用を通じて共有構造として出現できます。この手順により、CTGは、移動データの記録を通じて、集団的信頼の出現をリアルタイムで追跡する機会を提供します。CTGは、特定の研究課題に合わせて高度にカスタマイズ可能であり、低コストの機器がほとんどないオンライン実験として実行できます。本稿では、CTGが集団相互作用データの豊富さと、経済ゲームの高い内部妥当性および時間効率を兼ね備えていることを示す。
Introduction
集団的信頼ゲーム(CTG)は、人間のグループ内の集団的信頼をオンラインで測定する機会を提供します。Berg、Dickhaut、McCabe1(BDM)によるオリジナルのトラストゲームをグループレベルに一般化し、その創発的な資質2,3,4、および公平性、相互主義、前方シグナリングなどの関連概念における集団的信頼を捉えて定量化することができます。
以前の研究では、信頼を、たとえばリーダーとフォロワー5,6の間の対人関係構造として概念化しており、より高いレベルの分析は除外されています。特に組織のコンテキストでは、信頼を全体的に理解するにはこれだけでは不十分な場合があるため、グループレベルで信頼が構築(および減少)するプロセスを理解する必要があります。
最近、信頼調査には、よりマルチレベルの思考が組み込まれています。FulmerとGelfand7 は、信頼に関する多くの研究をレビューし、各研究で調査された分析のレベルに従ってそれらを分類しました。分析の3つの異なるレベルは、対人関係(ダイアディック)、グループ、および組織です。重要なことに、フルマーとゲルファンド7 はさらに異なる指示対象を区別します。指示対象は、信頼が向けられるエンティティです。これは、「AがBをXに信頼する」場合、A(経済ゲームの投資家)はレベル(個人、グループ、組織)で表され、B(受託者)は指示対象(個人、グループ、組織)で表されることを意味します。X は、信頼が参照する特定のドメインを表します。これは、Xが経済ゲーム1のように、一般的に前向きな傾向、積極的なサポート、信頼性、または金融交換など、何でもあり得ることを意味します。
ここでは、集団的信頼は、ルソーらの対人的信頼の定義8に基づいて定義されており、集団的信頼に関する先行研究9,10,11,12,13,14と同様である。集団的信頼は、別の個人、グループ、または組織の意図または行動に対する前向きな期待に基づいて脆弱性を受け入れるグループの意図で構成されます。集団的信頼は、人間のグループ間で共有され、このグループ間の相互作用で形成される心理状態です。したがって、集団的信頼の重要な側面は、グループ内の共有性です。
これは、集団科学の新しい発展が集団プロセスが流動的で動的で創発的であることを示しているように、集団的信頼に関する研究は、個々のプロセスの単純な平均を超えて、集団的信頼を創発現象として概念化する必要があることを意味します2,3,42,15。私たちは、創発を「下位レベルのシステム要素が相互作用し、それらのダイナミクスを通じてシステムのより高いレベルで現れる現象を生み出すプロセス」と定義しています16(p.335)。提案すると、これは集団的信頼にも当てはまるはずです。
グループプロセスの出現とダイナミクスに焦点を当てた研究は、これらの資質を捉えるために適切な方法論17を使用する必要があります。しかし、集団的信託測定の現状は遅れているように思われます。ほとんどの研究では、グループ9、10、12、13、18の各個人のデータに対して単純な平均化手法を採用しています。おそらく、このアプローチは、グループが単なる個人の集合体ではなく、独自のプロセスを持つ上位レベルのエンティティであることを無視しているため、予測妥当性2はほとんどありません。いくつかの研究はこれらの欠点に対処しようとしました:Adams19による研究は潜在変数アプローチを採用しましたが、Kimと同僚10は集団的信頼を推定するためにビネットを使用しました。これらのアプローチは、集団的信頼をより高いレベルの構造として認識するという点で有望です。しかし、Chettyら20が指摘しているように、調査ベースの測定には正直に答えるインセンティブがないため、信頼に関する研究では、行動的またはインセンティブ互換の指標がますます採用されています21,22。
この懸念は、行動方法、すなわちBDM1をグループ23、24、25、26によって再生するように適応させた多くの研究によって対処されています。BDMでは、2つの当事者が投資家(A)または受託者(B)のいずれかとして機能します。このシーケンシャルな経済ゲームでは、AとBの両方が最初の寄付金(たとえば、10ユーロ)を受け取ります。次に、Aは、もしあれば、Bに送金したい寄付金の金額を決定する必要があります(たとえば、5ユーロ)。次に、実験者はこの金額を3倍にしてから、Bが受け取ったお金(たとえば、15ユーロ)の金額(たとえば、7.5ユーロ)をAに返送するかを決定します。AがBに送る金額は、Bに対するAの信頼のレベルとして運用され、Bが送り返す金額は、Bの信頼性またはAとBのダイアドの公平性の程度を測定するために使用できます。多くの研究がダイアディックトラストゲーム27の行動を調査しました。BDMは、参加者が特定の人と一度だけゲームをプレイする、いわゆる「ワンショット」ゲームとして、または相互関係28,29や前方シグナリングなどの側面が役割を果たす可能性のある繰り返しラウンドの両方でプレイできます。
BDMをグループ23、24、25、26に適応させた多くの研究では、投資家、受託者、またはその両方の役割のいずれかがグループによって演じられていました。しかし、これらの研究はいずれも集団プロセスを記録していなかった。研究デザインで個人をグループに置き換えるだけでは、KolbeとBoos17またはKozlowski15が創発現象の調査のために設定した基準を満たしていません。このギャップを埋めるために、CTGが開発されました。
CTGの開発の目的は、広く使用されているBDM1 と、グループ間で共有される創発的な行動ベースの構造として集団的信頼を捉えるアプローチを組み合わせたパラダイムを作成することでした。
CTGは、BoosらによるHoneyCombパラダイム30に基づいており、Journal of Visualized Experiment31にも掲載されており、現在は信頼研究での使用に適合しています。Ritterら32が説明したように、HoneyCombパラダイムは「プレイフィールドでの参加者が割り当てたアバターの動きの知覚を除くすべての感覚およびコミュニケーションチャネルを排除するように設計されたマルチエージェントコンピューターベースの仮想ゲームプラットフォーム」(p.3)。HoneyCombパラダイムは、研究者が時空間データを使用して実際のグループのメンバーの動きを記録できるため、研究グループのプロセスに特に適しています。グループ相互作用分析17の次に、HoneyCombは、研究者がグループプロセスを非常に詳細に追跡できる数少ないツールの1つであると主張することができます。グループ相互作用分析とは対照的に、HoneyCombの時空間データの定量分析は時間集約的ではありません。さらに、還元主義的な環境と、遊び場での動きを除いて、参加者間のすべての対人コミュニケーションを排除する可能性により、研究者は交絡因子(例えば、身体的外観、声、表情)を制限し、高い内部妥当性を持つ実験を作成することができます。グループディスカッションデザインを採用した研究では、グループプロセスの影響力のある側面をすべて特定することは困難ですが33、運動パラダイムにおけるグループ相互作用の基本原則に焦点を当てることで、研究者はこの実験でグループプロセスのすべての側面を定量化できます。さらに、以前の研究では、プロキシミック行動34を使用して、自分と別の個人との間のスペースを減らし、信頼を調査しました35,36。
図1:CTGの概略図。 (A)1回のCTGラウンドの概略手順。(B)ラウンド開始時のアバターの初期配置。3人の青い投資家は最初のフィールド「0」に立っています。黄色のトラスティは、最初のフィールド「0」に立っています。(C)プレイフィールドの下半分に3人の投資家(青いアバター)を示す投資フェーズ中のスクリーンショット。1人(大きな青いアバター)は現在「12」に立っており、2人の投資家は現在「24」に立っています。2つのアバターには尾があります(オレンジ色の矢印で示されています)。尾は、現在のフィールドに移動した方向を示しています(たとえば、1人の投資家(大きな青いアバター)が「0」から「12」に移動したばかりです)。尻尾のないアバターは、このフィールドに少なくとも4000ミリ秒立っています。 (D)1人のトラスティ(黄色のアバター)とプレイフィールドの上半分を示すリターンフェーズ中のスクリーンショット。受託者は現在「3/6」に立っており、尾で示されているように最近「2/6」からそこに移動しました。下の青い数字(36)は、投資家による投資を示しています。矢印で示されている黄色の数字は、プレイフィールドの中央に示されている現在のリターン(54)です。リターンは次のように計算されます:(投資(36セント)x 3)x現在のリターンの割合(3/6)= 54セント。(E) ラウンド中に獲得した金額を参加者にフィードバックするポップアップウィンドウで、受託者のタイムアウト後15秒間表示されます。 この図の拡大版を表示するには、ここをクリックしてください。
CTGの主な手順(図1A)は、この経済ゲームを使用した以前の研究に匹敵する結果を得るために、BDM1の手順に密接に基づいています。HoneyCombパラダイムは移動の原則に基づいているため、参加者は、特定の金額または端数を返すことを示す小さな六角形のフィールドにアバターを移動することにより、投資または返品する金額を示します(図1C、D)。各ラウンドの前に、投資家と受託者の両方に一定の金額(たとえば、72セント)が与えられ、投資家はプレイフィールドの下半分に配置され、受託者はプレイフィールドの上半分に配置されます(図1B)。デフォルト設定では、受託者は静止したまま、投資家は最初に移動することができます。投資家はプレイフィールドを横切って移動し、受託者に送金したい寄付がある場合はそれを示します(図1C)。参加者は、フィールドを行ったり来たりすることで、他の投資家に受託者に送金したい金額を伝えることもできます。構成に応じて、参加者は、タイムアウトに達したときに1つのプレイフィールドに収束することにより、投資する金額について全会一致で決定する必要があります。投資家が単に互いに一緒に遊ぶのではなく、互いに相互作用する必要があることを強制するために、全会一致の決定が必要でした。投資家が共同決定に達しない場合、ペナルティ(24セントなど)が口座から差し引かれます。これは、投資家が集団的信頼の共有レベルに到達するために高い意欲を持つことを保証するために実施されました。投資家の時間が経過すると、投資されたお金は乗算され、受託者に送られ、受託者は投資家が静止している間に移動が許可されます。受託者は、投資家にどれだけ還元したいかを移動を通じて示します(図1D)。利用可能なリターンオプションは、受託者の認知的負荷を比較的低く抑えるために、プレイフィールドに分数として表示されます。割り当てられた時間がなくなった後に受託者が立つプレイフィールドは、どの割合(たとえば、4/6)が投資家に返還されるかを示します。ラウンドは、各参加者について、そのラウンド中に獲得した金額と現在の口座残高を要約したポップアップ(図1E)で終了します。
ラウンドは複数回繰り返す必要があります。研究者は、参加者に同じ役割で少なくとも10ラウンドまたは15ラウンドCTGをプレイさせる必要があります。集団的信頼は創発的な構造であり、グループ内で繰り返される相互作用の間に発展する必要があるため、これは必要です。同様に、フォワードシグナリング(つまり、次のラウンドで高額の投資を行う受託者から高いリターンを往復させる)などの他の概念は、繰り返される相互作用でのみ現れます。ただし、参加者が最終ラウンドをプレイしていることに気づくと行動が大幅に変化する可能性があることが示されているため、参加者はプレイするラウンドの正確な数を認識していないことが重要です(つまり、経済ゲームでのより不公平な行動や偏向37,38)。
このようにして、CTGは、複数のレベルでの集団的信頼の出現に関する情報を提供します。第一に、最終ラウンドで示された集団的信頼のレベルは、投資家が受託者に対して保持する共有の信頼レベルを厳密に表している必要があります。第二に、各ラウンドに投資された金額は、繰り返される相互作用に対する集団的信頼の出現の代理として役立つ可能性があります。第三に、移動データは、各ラウンドにどれだけのお金が投資されるかを決定するグループプロセスに光を当てます。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
このプロジェクトでのデータ収集とデータ分析は、ゲッティンゲン大学のゲオルクエリアスミュラー心理学研究所の倫理委員会によって承認されています(提案289/2021)。プロトコルは、ゲオルク・エリアス・ミュラー心理学研究所の倫理委員会の人間研究に関するガイドラインに従います。CTGソフトウェアはOSFプロジェクト(DOI 10.17605/OSF.IO / U24PX)リンクの下:https://s.gwdg.de/w88YNL。
1.技術的なセットアップを準備します
- オンライン同意書とアンケートの準備
- オンラインアンケートツールでオンライン同意書を準備します。
- 該当する場合は、オンラインアンケートツールでオンラインアンケートを準備します。
注:HoneyCombプログラム内に短いアンケートを含めることができます(ステップ1.3.5を参照)。より長いアンケートを使用するには、代わりに別のオンラインアンケートツールを使用してください。オンラインアンケートツールの例は、 資料表に記載されています。
- リモート デスクトップ サーバーを準備する
- Linux ベースのオペレーティング システムをリモート サーバーにインストールします。可能であれば、機関で利用可能なリソースについてテクニカルアシスタントに尋ねてください。それ以外の場合は、インストールガイドライン39に従ってください。
- このサーバ40上に異なるユーザを作成する。
- ルート権限を持ち、実験のテクニカル リーダーのみがアクセスできるユーザー 管理者 を作成します。
- 共有フォルダの作成、データのインポートとエクスポートの権限を持ち、データを収集するすべての担当者(学生/研究アシスタントなどを含む)がアクセスできるユーザー 実験者 を作成します。
- 参加者 1、参加者 2 などという名前の複数のユーザーを作成します。
注:研究者は、作成されたユーザーと同じ数の参加者を1つの実験セッションでテストできます。
- 管理者ユーザーで コマンド java -version を実行して、サーバー上で Java ランタイム環境が使用可能であることを確認します。そうでない場合は、続行する前に最新のJavaバージョンをインストールし、すべてのユーザーがアクセスできることを確認してください。
- プログラムをインストールする
- プログラムをダウンロードします。
注: プログラムは、1) 実行可能な HC.jar、2) 構成用の 3 つのファイル (hc_server.config、hc_panel.config、および hc_client.config)、および 3) intro および rawdata という名前の 2 つのサブフォルダを含む zip ファイル HC_CTG.zipとしてダウンロードできます。 - 実験者ユーザ上にフォルダを作成し、それを他のユーザ41と共有する。圧縮ファイル HC_CTG.zip からこのフォルダーにファイルを抽出します。
- 参加者ユーザーごとに、この共有フォルダーにアクセスし、ユーザーがファイルにアクセスできることを確認します。
- プログラムをダウンロードします。
- 3 つの構成ファイルを開きます。
- hc_server.config を編集し、編集したファイルを保存します。
- n_Plを希望の数に設定して、プレーヤーの数を構成します。たとえば、= の後ろに 4 と入力します。
- ゲーム番号54aを繰り返すことによって、プレイするラウンド数(playOrder)を設定する(例えば、4ラウンドに対して54a、54a、54a、54a)。
注: i54a は指示を表しており、構成ファイルから削除しないでください。 - アンケートをハニカムに表示するかどうかを構成するには、playOrder の最後に 200 を含めます。別のオンラインアンケートツールを使用している場合は、200を削除します。
- 投資規模を設定します。投資家向けスケール(iscale)を設定するには、投資ステップとして使用できる値を入力します(例:0、12、24、36、48、60、72)。3 の倍数の整数を使用して、支払いも整数になるようにします。
注:これらの構成値は、投資家に可能な投資ステップとしても表示されます。- プレイフィールドで可能なリターンとして表示する値を選択して、トラスティの表示スケール(tlabel)を設定します(例:0、1 / 6、2 / 6、3 / 6、4 / 6、5 / 6、1)。注:このスケールは、支払いの計算には影響しません。
- リターンとして可能な戻り値を選択して、トラスティ(tscala)のスケールを構成します(例:0、0.166666、0.3333、0.5、0.6666、0.833331、1)。デジタル値のみを使用します(つまり、分数は使用できません)。
注:これらの値はペイアウトの計算に使用され、プレイフィールドには表示されません。
- タイムイン(投資家の場合はtimeInI 、受託者の 場合はtimeInT )とタイムアウト(投資家の場合はtimeOutI 、受託者の タイムアウト )を秒単位で構成します。たとえば、timeInI = 0、timeOutI = 30、timeInT = 30、タイムアウト = 45 のようになります。
- 各ラウンドで投資家と受託者に与えられる金額をセント(r52)で構成します。
- 受託者に送信される前に投資が乗算される係数を構成します(f52)。
- グループが全会一致の決定に達する必要があるかどうか ( 全会一致 を true に設定) または達成しない ( 全会一致 を false に設定) を構成します。
- グループに均等な部分で支払われるか ( bCommon を true に設定)、各投資家が投資に貢献した金額に応じて支払うか ( bCommon を false に設定) を構成します。
- bUnunimusがtrueに設定されている場合、全会一致の決定に達しなかった場合に投資家から差し引かれる金額であるペナルティを設定します(p52)。
- 必要に応じて hc_client.config を編集します。クライアントが実験ツールに接続できるように、 ip_nr を localhost に設定してください。
- hc_panel.configを編集します。
- 画面の解像度に応じて六角形のサイズ(半径)を調整します。複数の異なる画面で実験をテストして、さまざまな画面に実験が表示されることを確認します。
- プレイフィールドのラベルの下に表示されるテキストを調整します(例:あなたの役割は投資家、口座残高など)。
- 必要に応じて、指示を調整および/または翻訳します。これを行うには、単純なHTMLファイル(図2A)を編集して、HoneyCombプログラムフォルダ内の「intro」フォルダに保存します。
- HoneyCombプログラム内でアンケートを使用する場合は、ファイル qq のアンケートを調整および/または翻訳し.txtファイルを保存します。
- この設定は、すべての実験セッションで一定に保ちます(1 つの実験条件内)。すべての構成を文書化します。
- hc_server.config を編集し、編集したファイルを保存します。
2. 参加者募集
- オンライン広告
- 利用可能なチャネル(ソーシャルメディア、大学のブログ、QRコード付きのチラシなど)で参加者を募集します。テストの目的、期間、ゲームの動作に応じて計算された最大支払い額など、テストに関する重要な情報を挙げます。
注:ここで紹介するサンプルは、ゲッティンゲン大学の心理学の学生向けのオンラインブログと、ソーシャルメディアグループの無料広告 を通じて 募集されました。チラシの例は、 補足図1で見ることができます。 - 参加には、安定したインターネット接続を備え、静かで人里離れた場所で個人用のラップトップ/ PCを使用する必要があることを潜在的な参加者に認識させます。リモート デスクトップ接続を確立するためにプログラムをインストールする必要がある可能性があることを参加者に知らせます。
※携帯電話やタブレット での ご参加はできません。 - 参加者が、言語要件や色覚など、テストの選択基準を満たしていることを確認します。
- 参加者がCTGの以前の実験に参加していないことを確認してください。
- 利用可能なチャネル(ソーシャルメディア、大学のブログ、QRコード付きのチラシなど)で参加者を募集します。テストの目的、期間、ゲームの動作に応じて計算された最大支払い額など、テストに関する重要な情報を挙げます。
- 参加者との実験セッションを予約する
- 参加者に参加の時間帯を予約するように依頼します。
- 参加者管理ソフトウェアを使用して、自動招待またはリマインダー電子メールを送信します。
- 少なくとも 1 人の参加者がタイムスロットをオーバーブッキングして、実験を実行するのに十分な参加者がいることを確認します。
- 参加者に、コンピューターのセットアップ、リモート デスクトップ接続ツールのインストール、リモート デスクトップへの接続の確立に関するガイドの詳細を記載した確認メールを送信します。以前のログインによる技術的な問題を回避するために、まだログイン情報を送信しないようにしてください。
- 実験の約24時間前に、ビデオ会議プラットフォームへのリンクを含むリマインダーメールを参加者に送信します。確認メールに送信されたインストールに関する情報を含めます。
3. 実験セットアップ(各実験セッション前)
- ビデオ会議プラットフォームを準備する(図3)
- 参加者がマイクやカメラの共有をブロックされていることを確認します。参加者がお互いの名前を見ることができないことを確認してください。
- 実験者のマイクとカメラを共有し、ビデオ会議プラットフォームで最小限の指示で画面を共有します(図3)。
- リモート デスクトップを準備する
- ユーザー 実験ツール
- 実験ツールのユーザーとのリモート デスクトップ接続を開始します。共有フォルダを開き、ディレクトリを右クリックして[ ここでターミナルを開く]を選択してターミナルを起動します。
- サーバー・プログラム・HC_Gui.jarを開始するには、端末にコマンド java -jar HC_Gui.jar を入力し、 Enter キーを押します。
- ユーザー参加者- 1、参加者-2など
- ユーザー 参加者 1、参加者 2 などとのリモート デスクトップ接続を確立します。共有フォルダを開き、前と同じようにこのフォルダ内のターミナルを起動します。
- 端末でコマンド java -jar HC.jar を入力し、 Enter キーを押して、各ユーザーのクライアント・プログラムを開始します。
- すべての参加者ユーザで接続が正しく確立されているかどうかを確認します。
注: 参加ユーザーの画面に「 お待ちください」というメッセージが表示されます。 コンピューターはサーバーに接続しています。 ユーザーと同じ数のラップトップを用意することをお勧めします(図4)。
- ユーザー実験ツール
- サーバ GUI に、各参加ユーザの IP アドレスを示す行が表示されていることを確認します。すべての参加者ユーザーが接続したら、サーバー プログラムに "すべてのクライアントが接続されています" というメッセージが表示されることを確認します。始める準備はできましたか?OKをクリックします。
- 参加ユーザーの画面に、実験のようこそ画面 (最初の指示ページ) が表示されていることを確認します。
注: 実験者は、この時点までのセッションを準備できます。
- ユーザー 実験ツール
4. 実験手順
- スケジュールされた実験時間帯にビデオ会議への参加を許可します。標準化されたテキストを使用してすべての参加者を歓迎します。技術的な手順を参加者に説明します。
- オンライン同意フォームへのリンクを共有します。すべての参加者が書面による同意を与えていることを確認してください。
- リモートデスクトップ接続ツールを開き、ビデオ会議のパーソナルチャット を介して 各参加者に個別のログインデータを送信するように参加者をガイドします。
注:参加者が参加ユーザにログインすると、研究室のノートブックと参加者ユーザとの接続が失われます。これ以降、参加者が最終ページに到達するまでテストが自動的に実行され、ビデオ会議に戻るように指示されます。 - [ OK]をクリックして、参加者に最初の指示ページを読んだことを確認してもらいます。すべての参加者が確認したら、参加者がゲームを完了するまで待ちます。
注:参加者は、希望するペースで指示をページングできます。すべての参加者が指示を読んだことを確認すると、CTGが自動的に開始されます。ゲームは、server.config ファイルに示されているラウンド数で自動的に進行します。 - テストフェーズ
- 参加者を投資家または受託者の2つの役割のいずれかに割り当てます。
注: 複数の参加者に同じロールを割り当てることができます。 - 投資家に最下位のフィールド(0の投資を指示)から開始し、受託者に最上位のフィールド(リターン0を示す)から開始してもらいます(図1B)。
- 隣接する六角形のフィールドに左クリックしてアバターを移動するように参加者に指示します。隣接するフィールドのみを選択でき、フィールドはスキップできないことを参加者に指示します。各移動後、アバターが現在のフィールドに移動した最後の方向を示す小さなテールを4000ミリ秒表示することを参加者に指示します(図1C)。
- 投資家が最初から移動できるようにし(タイムイン= 0)、移動を通じて投資したい金額を示します。一定時間が経過したら、投資家の移動を禁止します(タイムアウト)。
注:彼らが立っているフィールドは、投資額を示します。プレイフィールドの中央には、受託者に送信された金額が青色の数字で追加で示されます。実験が全会一致の投資を必要とするように設定されている場合、すべての参加者が同じフィールドに立っている場合にのみ投資が行われます。 - 投資額に係数(3など)を掛けて受託者に送付することを指示で説明してください。受託者のタイムインを受託者のタイムアウトの長さに設定することにより、投資家が移動している限り、受託者の移動を制限します。
- 受託者に、投資家に返還したい割合を示すために動くように指示します。受託者のタイムアウトに達すると、受託者が立っているフィールドが投資家に返還される割合を示すために取られます。返される金額は、プレイフィールドの中央にも黄色の数字で示されます(図1D)。
- ポップアップウィンドウに、ラウンド終了時にその人が稼いだ金額を表示してもらいます(図1E)。
- 必要に応じて(つまり、server.configファイルに示されているように)ゲームラウンドを繰り返します。
- すべてのラウンドが完了したら、行動データを匿名に保ちながら、ゲーム内の収益を自分の名前に関連付けることができるように、参加者に個人的な一意のコードを生成するように依頼します。
- 参加者がコードを生成したら、ビデオ会議に戻ってリモート デスクトップ接続を閉じるように指示する画面を表示します。
注:実験手順(このプロトコルのセクション4、15ゲームラウンド)には35分かかります。 - 技術的な問題や参加者の失敗により実験セッションを中止する必要がある場合は、同じ参加者で実験を再開しないでください。
- 参加者を投資家または受託者の2つの役割のいずれかに割り当てます。
- テスト後のフェーズ
- ゲームが完了したら、すべての参加者がリモートデスクトップ接続を閉じていることを確認してください。参加者に、特定の研究質問に適していると思われるアンケートに記入してもらいます。
- 参加者がアンケートに記入している間に、 Stop & Exitをクリックして実験者ユーザーのサーバープログラムを閉じます。これにより、参加ユーザーのプログラムも閉じられます。
- 参加者に時間を割いてくれたことに感謝し、収益がいつどのように送金されるかを説明します。特に、その直後に別の実験時間帯がスケジュールされている場合は、すべての参加者がビデオ会議から退出したことを確認してください。
5. 実験の終了
- 実験の日とタイムスタンプでマークされた、グループおよび実験タイムスロットごとに1つの*.csvファイルと1つの*.txtファイルの形式でデータを転送およびバックアップします。
- すべてのリモート デスクトップ接続を閉じます。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
この論文は、16人の参加者(男性5人、女性11人;年齢: M = 21、 SD = 2.07)。JohansonとBrooks42によると、このサンプルサイズは、特に実験中の参加者の主観的経験について高い情報密度に到達するための定性的アプローチと組み合わせると、パイロット実験では十分です。研究者がCTGを特定の研究アイデアに適応させる場合は常に、たとえば、各グループ内の参加者数をカスタマイズすることにより、高いデータ品質を確保するために、メインデータ収集の前に同様のパイロット研究を実行することをお勧めします。
パイロットデータに基づいて、この論文はCTGデータの可能な分析方法の図とCTGセットアップの最初の検証の両方を提供します。ここで報告された結果には、CTGパイロットスタディからの動きと投資のデータ(1つのグループからの出力例は補足データ 1 と 補足データ2 で見ることができます、データ前処理スクリプトの例はOSFプロジェクトで見ることができます:https://s.gwdg.de/Cwx3ex)、実験中の参加者の主観的な経験とゲームに関するコメントに関するアンケートデータが含まれます。
この出版物では、十分なサンプルサイズに達したときにCTGで科学的仮説をどのようにテストできるかを示すために、パイロットデータ(N = 16)が使用されます。通常、統計分析に十分な検出力に達するには、はるかに大きなサンプルサイズが必要であることに注意してください。ここで報告された結果は、可能な分析と視覚化の実例としてのみ役立つはずです(図5)。CTGは、集団的信頼のプロセス、および他のグループメンバーまたは受託者の行動に応じてそれがどのように出現または衰退するかを調査するのに特に適しています。
まず、創発現象としての集団的信頼の質を調査した。集団信託ゲームへの投資は時間とともに変化する(すなわち、出現する)という仮説が立てられています。これは、第1ラウンド、中間ラウンド(つまり、第7ラウンド)、および第15ラウンドの平均投資は互いに大きく異なるはずであることを意味します。この仮説は、対応のあるサンプルt検定(ボンフェローニ補正)で検定されました。サンプルサイズが小さいため(4つのグループでN = 16)、第1ラウンド(M = 27.0、SD = 20.49)、第7ラウンド(M = 39、SD = 30.0、ラウンド1との差:t(3) = -0.511、p = 1)、および第15ラウンド(M = 42、 SD = 31.75、ラウンド1との差:t(3) = -0.678、 p = 1;ラウンド7との差:t(3)= -0.397、p = 1)。データは、全会一致で行われた投資のみを使用して再分析されました。おそらくサンプルが小さいため、ラウンド間に有意差は見られませんでした(M 1 = 24、SD1 = 24;M 7 = 52、SD7 = 18.33;M 15 = 56、SD15 = 18.33)。付随するデータを図5Aに示します。十分なサンプルサイズの研究では、ラウンド間の有意差とラウンド間の投資の継続的な増加または減少のいずれかは、グループの投資家が繰り返し相互作用できるため、共有レベルの信頼を確立できるため、実験に対する集団的信頼の出現を示します。
さらに、集団的信頼の出現は、意思決定プロセスの3つの行動マーカーを示す図5Bに見られるように、移動データを使用して調査することもできます。 M = 12.25, SD = 7.05)はプロセス長の運用化、(b)移動長(緑、2つの移動間の平均時間:M = 2.42、SD = 2.16)は審議の運用化として、(c)方向変更(青:移動方向が変更された回数;M = 0.25、SD = 0.66)は、決定中の他の投資家への調整の運用化として。集団的信頼がラウンドにわたって出現する場合、集団的信頼がグループ投資決定の基礎となるはずであるため、3つの行動マーカーによって定量化されたプロセスは時間の経過とともにそれほど複雑ではなくなるはずです。つまり、集団的信頼が創発的な構造である場合、共有レベルの信頼(すなわち集団的信頼)がまだ出現していないため、グループは以前のラウンドでの投資決定に時間がかかるはずです。相互作用よりも、集団的信頼の共有レベルが発達し、グループ投資を決定するために必要な相互作用や調整が少なくなるにつれて、投資決定は(決定時間で測定)短くなり、より簡単になります(移動の長さと方向の変更で測定)。したがって、研究者は、ラウンドにわたる行動マーカーの進行をモデル化するために、より大きなサンプルを使用する必要があります。負の傾きは、集団投資決定の基礎としての集団的信頼の出現を示している可能性があります。
第二に、受託者の行動と受託者と投資家の行動の依存関係を分析しました。受託者は、個々の信託ゲームに関する研究で見つかったように、投資家にゼロ以外の金額を返すという仮説が立てられました1,43。1サンプルのt検定は、受託者が投資家にゼロを大幅に上回る(M = 43.89、SD = 35.38)ことを実際に示しました。t(59) = 9.608, p < .001.これは、ゼロ以外の投資が先行するリターンのみが含まれている場合にさらに顕著でした(M = 62.70、SD = 24.36;t(46) = 16.677, p < .001)。図5Cは、受託者が投資の4/6を返還することを選択したことが最も多いことを示しています。
さらに、受託者のリターンが相互主義に基づいているかどうかが調査され、1ラウンドでのより高い投資は、同じラウンドでのより高いリターン率(すなわち、0/6、1/6、2/6など)と相関します。 図5Dの左パネルに見られるように、投資とリターンの間には有意な相関関係があるようです。 t(58) = 9.446, p < .001, r = 0.78.これは、受託者が高収益で高額の投資に返礼した可能性があることを示しています。ただし、これは、投資家がゼロを投資したか、全会一致の決定に達しなかったため、受託者が何も返還するオプションがなかったラウンドによって引き起こされる可能性があります。最後に、投資家がより高いリターン率をフォワードシグナルとして認識するかどうかを分析し、ラウンドtの高いリターン率とラウンドt+1の高い投資と相関させました。 図5Dの右パネルに見られるように、これはデータによって裏付けられませんでした。 t(54) = 0.207, p = .837, r = 0.028.
要約すると、CTGの定量データは、各ラウンドの各参加者の動きと投資データの両方で構成されています。投資データは、個々の信頼ゲームの以前のアプリケーションとの類似点を提供しますが、移動データにより、研究者は集団的信頼のプロセスを観察することができます。データは実際のグループで収集されるため、外部の有効性が向上しますが、ネストされたデータ構造を考慮する必要があります。パイロットデータのサンプルサイズが小さいため、混合効果線形モデルの適用が制限されるため、報告された分析ではこれは行われませんでした。
さらに、主観的経験に関するデータは、合計13項目を含む実験後質問票(補足ファイル1)とともにパイロットサンプルに収集され、そのうち11項目は自由形式の質問でした。実験中の主観的な経験の次に、ゲーム中の参加者の主観的な行動原理、実験の意図、指示の明確さなど、データ品質に影響を与える可能性のあるCTGの特定の側面について質問された項目。2つのクローズドフォーマットの質問は、参加者が動きによる投資を直感的に認識しているかどうか(-2:「まったくない」から+2:「非常に」)、および参加者がゲームで移動するために与えられた時間が十分であると思われるかどうか(-2:「短すぎる」、0:「ほぼ正しい」、+2:「長すぎる」)を評価しました。
一般的に、参加者は実験の意図に沿った主観的な経験を報告し、指示に従うことの容易さと同時に、研究の意図について十分な素朴さを示しました。参加者は平均して、ゲームが「非常に直感的」(M = 0.69、SD = 0.79)であると報告し、時間は「ほぼ適切」(M = -0.31、SD = 0.79)であると認識 しました。
自由回答形式の質問に対する参加者の回答は、Mayring44に従って定性的に分析されました。全体として、参加者は募集プロセスとオンライン手順、実験における匿名性の維持、提供された指示と情報の明確さ、およびゲームのロジックに満足していました。ほとんどの参加者は、アバターを簡単に区別できるという点でアバターのデザインに満足していました。しかし、参加者の半数だけが、アバターに代表されていると感じ、シンボルや動物の顔がもっと面白かったかもしれないと述べました。これらの結果のために、研究者は、最小限の実験デザインを維持しながら、この経験を制御するために、CTGのアプリケーションに参加者の実施形態の尺度を含めることを検討する必要があります。
ほとんどの参加者は、プレイフィールドの真ん中(つまり、最高の投資オプション)に収束したいという衝動を経験したと述べました。これを経験した参加者は、真ん中に収束したいという衝動が、高額を投資する意欲と一致したと報告しました。さらに、一部の参加者は、真ん中に引き寄せられるのではなく、協力者を真ん中に引き寄せる必要があると感じたと報告しました。実験の実際的な制約と直感性との潜在的なトレードオフのために、高い投資とリターンが真ん中に収束する初期設計が維持されました。
参加者は、自分の決定、信頼、または受託者の行動に対するグループの影響など、研究の目的に関する多数の仮定を報告しました。これらの仮定は、調査された信頼の出現にテーマ的に近いものですが、参加者は、利益の最大化や共同プレーヤーの行動に影響を与える意図などの行動戦略を報告しました。これらの戦略は、CTGの経済的ゲームの特徴によく適合し、研究が観察することを目的とした行動を打ち消すものではありません。
主観的経験の結果に基づいて、CTGは内部妥当性の基準を満たしていると結論付けることができます。ここで報告する定量的データ分析は、CTGで収集したデータを統計的に分析する方法の実例としてのみ役立つはずです。
図2:ゲーム命令の例 。 (A)実験者が作成したHTMLコード。(B) ブラウザに表示される HTML ファイル。(C)実験中に参加者に示された指示。下部にあるボタンに注目して、手順をナビゲートします。 この図の拡大版を表示するには、ここをクリックしてください。
図3:ビデオ会議プラットフォームのスクリーンショット。 実験者は、カメラ、マイク、プレゼンテーションを、ビデオ会議プラットフォームとリモートデスクトップ接続に関する基本情報と共有しました。1人の参加者はすでに会議に参加していますが、匿名性を保つためにマイク、画面、またはカメラを共有することは禁止されています。 この図の拡大版を表示するには、ここをクリックしてください。
図4:実験室でのセットアップ。 実験を開始する前に、実験担当者はすべてのラップトップとのリモート デスクトップ接続を開始します。ノートブック 1 は実験ユーザーと接続され、実験中は接続されたままになります。ノートブック 2 から 5 は、参加者ユーザー ("参加者 1" から "参加者-4") との接続を確立して確認するために使用されます。参加者がリモートデスクトップ接続ツール を介して 参加者ユーザーとの接続を確立すると、研究室のノートブックは接続を失います。 この図の拡大版を表示するには、ここをクリックしてください。
図5:パイロットデータに基づく結果(4つのグループでN = 16)。 (A)ラウンド1、7、および15のグループ投資(セント)のバイオリンプロット。バイオリンの形状は投資の確率密度を示し、太線は中央値を示し、バイオリンのボックスは四分位範囲を示し、ひげは1.5倍の四分位範囲を示します。左;すべてが投資します。右;全会一致で投資します。(B)グループ内の投資決定プロセスの側面を定量化するために使用できる移動データの3つの異なるマーカー。赤い;決定時間(秒単位の最後の移動までの時間)。緑;移動時間の平均 (ある移動から次の移動までの時間 (秒単位)。青い;移動パターンの方向変化の数(カウント)。(C)リターンの頻度(カウント)プロット。左;ラウンド間のすべてのリターン(リターンフラクションとして)がカウントされます。右;受託者が投資を受け取る前に、これらのリターン(リターンフラクションとして)のみがカウントされます。(D)投資(セント)とリターン(収益分数)の散布図。青い線は予測値(式:y~xの線形モデルを使用)を示し、灰色のリボンは予測の標準誤差を示します。左;相互主義の相関関係。高額投資は同じラウンドでの高収益と相関していますか?右;順方向シグナリング相関。高収益は、次のラウンドでの高投資と相関していますか? この図の拡大版を表示するには、ここをクリックしてください。
補足図1:オンラインブログに掲載されたチラシによるオンライン広告の例。 このチラシは、参加者募集チラシの広告にどのような情報を含めるべきか、そしてそれをどのような方法で提示できるかの例です。 このファイルをダウンロードするには、ここをクリックしてください。
補足ファイル1:パイロット研究の完全なアンケート。 パイロット調査で使用された完全なアンケートは見つけることができます 詳細を見る. このファイルをダウンロードするには、ここをクリックしてください。
補足データ1:1つのグループ(つまり、4人の参加者:3人の投資家(PID 0-2)と1人の受託者(PID 4))の投資データを含むデータ出力例。 これは、a)プレイオーダーの情報、b)プレーヤーのリスト、c)すべてのプレーヤーの開始(「StartSicht」)および最終位置(「最後の共通の遊び場」)、およびd)投資、収益、およびアカウント残高(「残高:コスト報酬サルド」)を含む生データファイルの例です。 このファイルをダウンロードするには、ここをクリックしてください。
補足データ2:1つのグループ(つまり、4人の参加者:3人の投資家(PID 0-2)と1人の受託者(PID 4))の動きデータを含むデータ出力例。 これは、実験の任意の時点での各プレーヤー(「pid」)の調整(「sj」)を含む生データファイルの例です。新しいラウンドの開始は、「pid」として「-1」で示されます。 このファイルをダウンロードするには、ここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
CTGは、研究者に古典的なBDM1をグループに適応させ、グループ内の創発的なプロセスを詳細に観察する機会を提供します。他の研究23,24,25,26はすでにBDM1をグループ設定に適応させようと試みているが、これらの研究でグループプロセスにアクセスする唯一の方法は、ビデオ録画された議論の骨の折れるグループ相互作用分析である。これはしばしば退屈で時間のかかる作業であるため17、研究は定期的にこれらの側面を報告していません。これらの既存の方法に関して、CTGは、著者の知る限り、研究者が運動データを通じて創発現象として集団的信頼をリアルタイムで追跡することを可能にする最初のパラダイムです。したがって、CTGはより時間効率が高くなります。さらに、定量分析を使用してグループプロセスをキャプチャすることで、研究者はプロセス分析を事前登録することができますが、これはより定性的なアプローチでは難しいことがよくあります。
パラダイムが高品質のデータを生成するためには、プロトコルに厳密に従うことが重要です。次の5つの重要なステップは、研究者の特別な注意を必要とします。まず、ゲームで行われた構成は、すべての実験セッションで一定に保たれ、文書化する必要があります。第二に、同様の研究(すなわち、任意のトラストゲームバージョンを使用した研究)にすでに参加している参加者は、行動に偏りを生み出し、効果サイズを低下させる可能性があるため、募集段階で除外する必要があります45。第三に、匿名性のレベルが経済ゲームの行動に影響を与えることが示されているため、研究者は、参加者がビデオ会議中にマイク、カメラ、およびフルネームを共有することを禁止することにより、参加者が匿名であることを確認する必要があります27。第四に、ゲームの起動時に、研究者は、参加者ユーザーが実験ツールGUIにリストされていることを確認することにより、参加者ユーザーと実験ユーザーの間に正しい接続が確立されていることを徹底的に確認する必要があります。第五に、データを収集するリサーチアシスタントは、参加者との技術的な課題をトラブルシューティングできるように、広範囲にわたるトレーニングを受ける必要があります。参加者がリモートデスクトップ接続の確立に問題が生じた場合、リサーチアシスタントは参加者をグループに維持するためにサポートを提供できる必要があります。技術的な問題により人が脱落した場合、実験タイムスロット内のすべての参加者のスケジュールを変更する必要があり、追加の金銭的コストと時間の損失が発生する可能性があります。
ゲームの起動中に技術的な問題が発生した場合は、(a)現在のJavaランタイム環境がリモートデスクトップマシンにインストールされていること、(b)すべてのユーザーが共有フォルダ内のファイルにアクセスして実行できること、(c)すべてのユーザーが同じディレクトリでコマンドを実行していること、(d)リモートデスクトップ接続にアクセスするすべてのPC/ラップトップが安定したインターネット接続を持っていることを確認してください。実験セッション中のトラブルシューティングについては、(a)すべての参加者と研究者が安定したインターネット接続を持っていること、(b)参加者がリモートデスクトップ接続の正しいログイン情報を受け取ったこと、および(c)リモートデスクトップ接続を実行しているサーバーに十分なリソースがあることを確認してください(例:CPU使用率の確認)実験セッション中。
CTGは、さまざまな研究課題に非常に適応性があり、研究における幅広い応用が可能です。調査の目的に応じて、プレーヤーの数、全会一致の決定の要件、外観、タイミング、BDMの金銭的パラメーターなど、多数のパラメーターをカスタマイズできます。このパラダイムの柔軟性は利点ですが、パラダイムの適応は常に理論的に厳密に確立され、パイロットされるべきであることを覚えておくことが重要です。研究者が* .configファイルで行うことができる構成を超えて、ゲームはヨハネスプリッツによってプログラムされたソースコードを介してのみ調整できますが、これはまだオンラインで入手できません。多くの適応が可能ですが、HoneyCombプラットフォームのフレームワークは、可能なアプリケーションを移動タスクと個別の投資オプションに制限します。
CTGの将来のアプリケーションでは、リターン動作の分解能を高めるために、リターンフラクションの量を増やすことができます(例:1/10、2/10、3/10など)。このようにして、投資家と受託者の両方を個人またはグループがプレイすることができ、FulmerとGelfand7によって提案されたように、さまざまなレベルと信頼の指示対象を調査することができます。このプロトコルの将来のアプリケーションは、この方法のオンライン手順をHoneyCombプラットフォームからの他の実験と組み合わせることも考えられます30,32,46,47、またはBoosおよび同僚によって提示されたオンサイト実験におけるチャットまたは投資家および/または受託者間の対面の相互作用などの他の形式のコミュニケーションを含む31.このようにして、非言語コミュニケーションなど、集団的信頼の出現に影響を与える他の手がかりも、このパラダイムを使用して研究することができます。
全体として、CTGは、経済的なゲームの利点(高い内部妥当性と単純さ)と豊富なグループプロセスデータを兼ね備えています。これにより、CTGは、信頼と公正のプロセスに関するグループ研究の足がかりとなる可能性があります。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者は開示するものは何もありません。
Acknowledgments
この研究は外部資金を受けていませんでした。
Materials
Name | Company | Catalog Number | Comments |
Data Analysis Software and Packages | R | version 4.2.1 (2022-06-23 ucrt) | R Core Team R: A Language and Environment for Statistical Computing. at [https://www.R-project.org/]. R Foundation for Statistical Computing. Vienna, Austria. (2020). |
Data Analysis Software and Packages | R Studio | version 2022.2.3.492 "Prairie Trillium" | RStudio Team RStudio: Integrated Development Environment for R. at [http://www.rstudio.com/]. RStudio, PBC. Boston, MA. (2020). |
Data Analysis Software and Packages | ggplot2 | version 3.3.6 | Wickham, H. ggplot2: Elegant Graphics for Data Analysis. at [https://ggplot2.tidyverse.org]. Springer-Verlag New York. (2016). |
Data Analysis Software and Packages | cowplot | version 1.1.1 | Wilke, C.O. cowplot: Streamlined Plot Theme and Plot Annotations for “ggplot2.” at [https://CRAN.R-project.org/package=cowplot]. (2020). |
OnlineQuestionnaireTool | LimeSurvey | Community Edition Version 3.28.16+220621 | Any preferred online questionnaire tool can be used. LimeSurvey or SoSciSurvey are recommended. |
Notebooks or PCs | DELL | Latitude 7400 | Any laptop that is able to establish a stable Remote Desktop Connection can be used. |
Participant Management Software | ORSEE | version 3.1.0 | It is recommended to use ORSEE (Greiner, B. [2015]. Subject pool recruitment procedures: Organizing experiments with ORSEE. Journal of the Economic Science Association, 1, 114–125. https://doi.org/10.1007/s40881-015-0004-4), but other software options might be available. |
Program to Open RemoteDesktop Connection | Remote Desktop Connection (Program distributed with each Windows 10 installation.) | The following tools are recommended: RemoteDesktopConnection (for Windows), Remmina (for Linux), or Microsoft Remote Desktop (for Mac OS). | |
Server to run RemoteDesktop Environment | VMware vSphere environment based on vSphere ESXi | version 6.5 | Ideally provided by IT department of university/institution. |
VideoConference Platform | BigBlueButton | Version 2.3 | It is recommend to use a platform such as BigBlueButton or other free software that does not record participant data on an external server. The platform should provide the following functions: 1) possibility to restrict access to microphone and camera for participants, 2) hide participant names from other participants, 3) possibility to send private chat message to participants. |
Virtual Machine running Linux-Installation | Xubuntu | version 20.04 "Focal Fossa" | Other Linux-based systems will also be possible. |
References
- Berg, J., Dickhaut, J., McCabe, K. Trust, reciprocity, and social history. Games and Economic Behavior. 10 (1), 122-142 (1995).
- 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).
- 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).
- 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).
- 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).
- Shamir, B., Lapidot, Y. Trust in organizational superiors: Systemic and collective considerations. Organization Studies. 24 (3), 463-491 (2003).
- 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).
- 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).
- Dirks, K. T. Trust in leadership and team performance: Evidence from NCAA basketball. Journal of Applied Psychology. 85 (6), 1004-1012 (2000).
- 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).
- Forsyth, P. B., Barnes, L. L. B., Adams, C. M.
Trust-effectiveness patterns in schools. Journal of Educational Administration. 44 (2), 122-141 (2006). - 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).
- Kramer, R. M. Collective trust within organizations: Conceptual foundations and empirical insights. Corporate Reputation Review. 13 (2), 82-97 (2010).
- Kramer, R. M. The sinister attribution error: Paranoid cognition and collective distrust in organizations. Motivation and Emotion. 18 (2), 199-230 (1994).
- Kozlowski, S. W. J. Advancing research on team process dynamics: Theoretical, methodological, and measurement considerations. Organizational Psychology Review. 5 (4), 270-299 (2015).
- 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).
- Kolbe, M., Boos, M. Laborious but elaborate: The benefits of really studying team dynamics. Frontiers in Psychology. 10, 1478 (2019).
- 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).
- Adams, C. M. Collective trust: A social indicator of instructional capacity. Journal of Educational Administration. 51 (3), 363-382 (2013).
- 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).
- Harrison, G. W.
Hypothetical bias over uncertain outcomes. Using Experimental Methods in Environmental and Resource Economics. , 41-69 (2006). - Harrison, G. W. Real choices and hypothetical choices. Handbook of Choice Modelling. , Edward Elgar Publishing. 236-254 (2014).
- Holm, H. J., Nystedt, P.
Collective trust behavior. The Scandinavian Journal of Economics. 112 (1), 25-53 (2010). - 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).
- 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).
- 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).
- Johnson, N. D., Mislin, A. A.
Trust games: A meta-analysis. Journal of Economic Psychology. 32 (5), 865-889 (2011). - Rosanas, J. M., Velilla, M. Loyalty and trust as the ethical bases of organizations. Journal of Business Ethics. 44, 49-59 (2003).
- 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).
- Boos, M., Pritz, J., Lange, S., Belz, M.
Leadership in moving human groups. PLOS Computational Biology. 10 (4), 1003541 (2014). - Boos, M., Pritz, J., Belz, M. The HoneyComb paradigm for research on collective human behavior. Journal of Visualized Experiments. (143), e58719 (2019).
- 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).
- 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).
- Ickinger, W. J. A behavioral game methodology for the study of proxemic behavior. , Doctoral Dissertation (1985).
- 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).
- 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).
- Gintis, H. Behavioral game theory and contemporary economic theory. Analyse & Kritik. 27 (1), 48-72 (2005).
- Weimann, J. Individual behaviour in a free riding experiment. Journal of Public Economics. 54 (2), 185-200 (1994).
- 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).
- 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).
- 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).
- Johanson, G. A., Brooks, G. P. Initial scale development: Sample size for pilot studies. Educational and Psychological Measurement. 70 (3), 394-400 (2010).
- Glaeser, E. L., Laibson, D. I., Scheinkman, J. A., Soutter, C. L.
Measuring trust. The Quarterly Journal of Economics. 115 (3), 811-846 (2000). - 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).
- 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).
- Belz, M., Pyritz, L. W., Boos, M.
Spontaneous flocking in human groups. Behavioural Processes. 92, 6-14 (2013). - 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).