Waiting
Procesando inicio de sesión ...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

The Collective Trust Game: una adaptación grupal en línea del juego Trust basado en el paradigma HoneyComb

Published: October 20, 2022 doi: 10.3791/63600
Automatic Translation
1, *1, *1, 1, 1
1University of Goettingen
* These authors contributed equally

Summary

El Juego de Confianza Colectiva es un juego de confianza multiagente basado en computadora basado en el paradigma HoneyComb, que permite a los investigadores evaluar el surgimiento de la confianza colectiva y las construcciones relacionadas, como la equidad, la reciprocidad o la señalización hacia adelante. El juego permite observaciones detalladas de los procesos grupales a través del comportamiento del movimiento en el juego.

Abstract

La necesidad de entender la confianza en los grupos de manera integral ha llevado a un aumento en los nuevos enfoques para medir la confianza colectiva. Sin embargo, esta construcción a menudo no es completamente capturada en sus cualidades emergentes por los métodos de investigación disponibles. En este artículo, se presenta el Juego de Confianza Colectiva (CTG), un juego de confianza multiagente basado en computadora basado en el paradigma HoneyComb, que permite a los investigadores evaluar el surgimiento de la confianza colectiva. El CTG se basa en investigaciones previas sobre la confianza interpersonal y adapta el ampliamente conocido Trust Game a un entorno grupal en el paradigma HoneyComb. Los participantes asumen el papel de inversionista o fideicomisario; Ambos roles pueden ser desempeñados por grupos. Inicialmente, los inversores y fideicomisarios están dotados con una suma de dinero. Luego, los inversionistas deben decidir cuánto, si alguno, de su dotación quieren enviar a los fideicomisarios. Comunican sus tendencias, así como su decisión final, moviéndose hacia adelante y hacia atrás en un campo de juego que muestra posibles cantidades de inversión. Al final de su tiempo de decisión, la cantidad que los inversores han acordado se multiplica y se envía a los fideicomisarios. Los fideicomisarios tienen que comunicar qué parte de esa inversión, si la hay, quieren devolver a los inversores. Una vez más, lo hacen moviéndose en el campo de juego. Este procedimiento se repite durante varias rondas para que la confianza colectiva pueda surgir como una construcción compartida a través de interacciones repetidas. Con este procedimiento, el CTG brinda la oportunidad de seguir el surgimiento de la confianza colectiva en tiempo real a través del registro de datos de movimiento. El CTG es altamente personalizable para preguntas de investigación específicas y se puede ejecutar como un experimento en línea con equipos pequeños y de bajo costo. Este documento muestra que el CTG combina la riqueza de los datos de interacción grupal con la alta validez interna y la efectividad temporal de los juegos económicos.

Introduction

El Juego de Confianza Colectiva (CTG) brinda la oportunidad de medir la confianza colectiva en línea dentro de un grupo de humanos. Generaliza el Trust Game original de Berg, Dickhaut y McCabe1 (BDM) a nivel grupal y puede capturar y cuantificar la confianza colectiva en sus cualidades emergentes 2,3,4, así como conceptos relacionados como equidad, reciprocidad o señalización hacia adelante.

Investigaciones anteriores conceptualizan principalmente la confianza como una construcción únicamente interpersonal, por ejemplo, entre un líder y un seguidor5,6, excluyendo niveles más altos de análisis. Especialmente en contextos organizacionales, esto podría no ser suficiente para comprender la confianza de manera integral, por lo que existe una gran necesidad de comprender los procesos por los cuales la confianza se construye (y disminuye) a nivel grupal.

Recientemente, la investigación de confianza ha incorporado más pensamiento multinivel. Fulmer y Gelfand7 revisaron una serie de estudios sobre confianza y los clasificaron de acuerdo con el nivel de análisis que se investiga en cada estudio. Los tres niveles diferentes de análisis son interpersonal (diádico), grupal y organizacional. Es importante destacar que Fulmer y Gelfand7 también distinguen entre diferentes referentes. Los referentes son aquellas entidades a las que se dirige la confianza. Esto significa que cuando "A confía B a X", entonces A (el inversor en juegos económicos) está representado por el nivel (individual, grupal, organizacional) y B (el fideicomisario) está representado por el referente (individuo, grupo, organización). X representa un dominio específico al que se refiere la confianza. Esto significa que X puede ser cualquier cosa, como una inclinación generalmente positiva, apoyo activo, confiabilidad o intercambios financieros como en los juegos económicos1.

Aquí, la confianza colectiva se define con base en la definición de confianza interpersonal de Rousseau y colegas8, y similar a estudios previos sobre confianza colectiva 9,10,11,12,13,14; La confianza colectiva comprende la intención de un grupo de aceptar la vulnerabilidad basada en expectativas positivas de las intenciones o el comportamiento de otro individuo, grupo u organización. La confianza colectiva es un estado psicológico compartido entre un grupo de humanos y formado en la interacción entre este grupo. El aspecto crucial de la confianza colectiva es, por lo tanto, la sombra dentro de un grupo.

Esto significa que la investigación sobre la confianza colectiva necesita mirar más allá de un simple promedio de procesos individuales y conceptualizar la confianza colectiva como un fenómeno emergente 2,3,4, ya que los nuevos desarrollos en la ciencia grupal muestran que los procesos grupales son fluidos, dinámicos y emergentes 2,15. Definimos la emergencia como un "proceso por el cual los elementos del sistema de nivel inferior interactúan y a través de esas dinámicas crean fenómenos que se manifiestan en un nivel superior del sistema"16 (p. 335). Según se propone, esto también debería aplicarse a la confianza colectiva.

La investigación que refleje el enfoque en la emergencia y la dinámica de los procesos grupales debe utilizar metodologías apropiadas17 para capturar estas cualidades. Sin embargo, el estado actual de la medición de la confianza colectiva parece quedarse atrás. La mayoría de los estudios han empleado una técnica de promedio simple a través de los datos de cada individuo en el grupo 9,10,12,13,18. Podría decirse que este enfoque tiene poca validez predictiva2, ya que ignora que los grupos no son simplemente agregaciones de individuos, sino entidades de nivel superior con procesos únicos. Algunos estudios han tratado de abordar estos inconvenientes: un estudio realizado por Adams19 empleó un enfoque de variable latente, mientras que Kim y sus colegas10 utilizaron viñetas para estimar la confianza colectiva. Estos enfoques son prometedores en el sentido de que reconocen la confianza colectiva como una construcción de nivel superior. Sin embargo, como señalan Chetty y colegas20, las medidas basadas en encuestas carecen de incentivos para responder con sinceridad, por lo que la investigación sobre la confianza ha adoptado cada vez más medidas de comportamiento o compatibles con incentivos21,22.

Esta preocupación es abordada por una serie de estudios que han adaptado un método conductual, a saber, el BDM1, para ser jugado por los grupos23,24,25,26. En el BDM, dos partes actúan como inversores (A) o fideicomisarios (B). En este juego económico secuencial, tanto A como B reciben una dotación inicial (por ejemplo, 10 euros). Luego, A debe decidir cuánto, si lo hay, de su dotación le gustaría enviar a B (por ejemplo, 5 euros). Esta cantidad es triplicada por el experimentador, antes de que B pueda decidir cuánto, si alguno, del dinero recibido (por ejemplo, 15 euros) le gustaría enviar de vuelta a A (por ejemplo, 7,5 euros). La cantidad de dinero que A envía a B se operacionaliza para ser el nivel de confianza de A hacia B, mientras que la cantidad que B envía de vuelta se puede usar para medir la confiabilidad de B o el grado de equidad en la díada de A y B. Un gran cuerpo de investigación ha investigado el comportamiento en los juegos de confianza diádicos27. El BDM se puede jugar tanto como un juego llamado "one-shot", en el que los participantes juegan el juego solo una vez con una persona específica, como en rondas repetidas, en las que aspectos como la reciprocidad28,29 y la señalización hacia adelante podrían desempeñar un papel.

En muchos estudios que han adaptado el BDM para grupos23,24,25,26, el inversor, el fideicomisario o ambos roles fueron desempeñados por grupos. Sin embargo, ninguno de estos estudios registró procesos grupales. La simple sustitución de individuos por grupos en los diseños de estudio no cumple con los estándares que Kolbe y Boos17 o Kozlowski15 establecieron para las investigaciones de fenómenos emergentes. Para llenar este vacío, se desarrolló el CTG.

El objetivo de desarrollar el CTG era crear un paradigma que combinara el ampliamente utilizado BDM1 con un enfoque que capturara la confianza colectiva como una construcción emergente basada en el comportamiento que se comparte entre un grupo.

El CTG se basa en el paradigma HoneyComb de Boos y colegas30, que también se ha publicado en el Journal of Visualized Experiments31 y ahora se ha adaptado para su uso en la investigación de confianza. Como lo describen Ritter y sus colegas32, el paradigma HoneyComb es "una plataforma de juego virtual basada en computadora multiagente que fue diseñada para eliminar todos los canales sensoriales y de comunicación, excepto la percepción de los movimientos de avatar asignados por los participantes en el campo de juego" (p. 3). El paradigma HoneyComb es especialmente adecuado para procesos de grupos de investigación, ya que permite a los investigadores registrar el movimiento de los miembros de un grupo real con datos espacio-temporales. Se podría argumentar que, junto con el análisis de interacción grupal17, HoneyComb es una de las pocas herramientas que permite a los investigadores seguir los procesos grupales con gran detalle. En contraste con el análisis de interacción grupal, el análisis cuantitativo de los datos espacio-temporales de HoneyComb requiere menos tiempo. Además, el entorno reduccionista y la posibilidad de excluir toda la comunicación interpersonal entre los participantes, excepto el movimiento en el campo de juego, permite a los investigadores limitar los factores de confusión (por ejemplo, apariencia física, voz, expresiones faciales) y crear experimentos con alta validez interna. Si bien es difícil identificar todos los aspectos influyentes de un proceso grupal en estudios que emplean diseños de discusión grupal33, el enfoque en los principios básicos de la interacción grupal en un paradigma de movimiento permite a los investigadores cuantificar todos los aspectos del proceso grupal en este experimento. Además, investigaciones anteriores han utilizado el comportamiento proxémico34 -por lo que reduce el espacio entre uno mismo y otro individuo- para investigar la confianza35,36.

Figure 1
Figura 1: Resumen esquemático del CTG. (A) Procedimiento esquemático de una ronda CTG. (B) Colocación inicial de avatares al comienzo de la ronda. Los tres inversores de color azul están parados en el campo inicial "0". El fideicomisario amarillo está parado en el campo inicial "0". (C) Captura de pantalla durante la fase de inversión que muestra a tres inversores (avatares azules) en la mitad inferior del campo de juego. Uno (gran avatar azul) está actualmente parado en "12", dos inversores están actualmente en "24". Dos avatares tienen colas (indicadas por flechas naranjas). Las colas indican desde qué dirección se movieron a su campo actual (por ejemplo, un inversor (gran avatar azul) acaba de pasar de "0" a "12"). El avatar sin cola ha estado parado en este campo durante al menos 4000 ms. (D) Captura de pantalla durante la fase de retorno que muestra un fideicomisario (avatar amarillo) y la mitad superior del campo de juego. El fideicomisario está actualmente de pie en "3/6" y recientemente se ha mudado allí desde "2/6" como lo indica la cola. El número azul debajo (36) indica la inversión realizada por los inversores. El número amarillo, indicado por la flecha, es el retorno actual (54) como se muestra en el centro del campo de juego. El rendimiento se calcula de la siguiente manera: (invertir (36 centavos) x 3) x fracción de rendimiento actual (3/6) = 54 centavos. (E) Ventana emergente que da retroalimentación a los participantes sobre cuánto han ganado durante la ronda, que se muestra durante 15 s después de que expire el tiempo de espera del fideicomisario. Haga clic aquí para ver una versión más grande de esta figura.

El procedimiento principal del CTG (Figura 1A) se basa estrechamente en el procedimiento del BDM1, con el fin de hacer que los resultados sean comparables a los estudios previos que utilizan este juego económico. Como el paradigma de HoneyComb se basa en el principio de movimiento, los participantes indican la cantidad que les gustaría invertir o devolver moviendo su avatar al pequeño campo hexagonal que indica una cierta cantidad de dinero o fracción a devolver (Figura 1C, D). Antes de cada ronda, tanto los inversionistas como los fideicomisarios están dotados con una cierta cantidad de dinero (por ejemplo, 72 centavos) con los inversionistas colocados en la mitad inferior del campo de juego y los fideicomisarios colocados en la mitad superior del campo de juego (Figura 1B). En la configuración predeterminada, los inversores pueden moverse primero, mientras que los fideicomisarios permanecen quietos. Los inversores se mueven a través del campo de juego para indicar cuánto, si alguno, de su dotación les gustaría enviar al fideicomisario (Figura 1C). Al moverse de un lado a otro en el campo, los participantes también pueden comunicar a otros inversores cuánto les gustaría enviar al fideicomisario. Dependiendo de la configuración, los participantes deben llegar a una decisión unánime sobre cuánto les gustaría invertir al converger en un campo de juego cuando se alcanza el tiempo de espera. Se requirieron decisiones unánimes para hacer cumplir que los inversores necesitan interactuar entre sí, en lugar de simplemente jugar unos con otros. Si los inversores no llegan a una decisión conjunta, se deduce una multa (por ejemplo, 24 centavos) de su cuenta. Esto se implementó para garantizar que los inversores estuvieran altamente motivados para alcanzar un nivel compartido de confianza colectiva. Una vez que se acaba el tiempo de los inversores, el dinero invertido se multiplica y se envía a los fideicomisarios, a quienes se les permite moverse mientras los inversores permanecen quietos. Los fideicomisarios indican a través del movimiento cuánto les gustaría devolver a los inversores (Figura 1D). Las opciones de retorno disponibles se muestran como fracciones en el campo de juego para mantener la carga cognitiva de los fideicomisarios comparativamente baja. El campo de juego en el que se encuentran los fideicomisarios una vez que se agota el tiempo asignado indica qué fracción (por ejemplo, 4/6) se devuelve a los inversores. La ronda termina con una ventana emergente (Figura 1E) que resume para cada participante cuánto ganó durante esa ronda y cuál es su saldo de cuenta corriente.

Las rondas deben repetirse varias veces. Los investigadores deben hacer que los participantes jueguen el CTG durante al menos 10 o 15 rondas en los mismos roles. Esto es necesario ya que la confianza colectiva es una construcción emergente y necesita desarrollarse durante las interacciones repetidas dentro de un grupo. Del mismo modo, otros conceptos como la señalización a futuro (es decir, los altos rendimientos recíprocos de los fideicomisarios con altas inversiones en la próxima ronda) solo surgirán en interacciones repetidas. Sin embargo, es crucial que los participantes desconozcan el número exacto de rondas a jugar, ya que se ha demostrado que el comportamiento puede cambiar drásticamente cuando los participantes son conscientes de que están jugando la última ronda (es decir, comportamiento más injusto o desviaciones en juegos económicos37,38).

De esta manera, el CTG proporciona información sobre el surgimiento de la confianza colectiva en múltiples niveles. En primer lugar, el nivel de confianza colectiva exhibido en la ronda final debe ser una representación cercana del nivel compartido de confianza que los inversores tienen hacia el fideicomisario o fideicomisarios. En segundo lugar, la cantidad invertida en cada ronda puede servir como un indicador para el surgimiento de la confianza colectiva sobre las interacciones repetidas. En tercer lugar, los datos de movimiento arrojan luz sobre el proceso grupal que determina cuánto dinero se invierte en cada ronda.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

La recopilación y el análisis de datos en este proyecto han sido aprobados por el Comité de Ética del Instituto Georg-Elias-Müller de Psicología de la Universidad de Göttingen (propuesta 289/2021); el protocolo sigue las directrices sobre investigación humana de los Comités de Ética del Instituto Georg-Elias-Müller de Psicología. El software CTG se puede descargar del proyecto OSF (DOI 10.17605/OSF. IO/U24PX) bajo el enlace: https://s.gwdg.de/w88YNL.

1. Preparar la configuración técnica

  1. Preparar formularios de consentimiento y cuestionarios en línea
    1. Prepare un formulario de consentimiento en línea en una herramienta de cuestionario en línea.
    2. Si corresponde, prepare un cuestionario en línea en una herramienta de cuestionario en línea.
      NOTA: Es posible incluir un breve cuestionario dentro del programa HoneyComb (ver paso 1.3.5). Para usar cuestionarios más largos, use una herramienta de cuestionario en línea separada en su lugar. Los ejemplos de herramientas de cuestionario en línea se dan en la Tabla de materiales.
  2. Preparar el servidor de escritorio remoto
    1. Instale un sistema operativo basado en Linux en un servidor remoto. Si es posible, pregunte a los asistentes técnicos sobre los recursos disponibles en la institución. De lo contrario, siga una directriz de instalación39.
    2. Crear diferentes usuarios en este servidor40.
      1. Cree un administrador de usuario que tenga permisos de root y al que acceda únicamente el líder técnico del experimento.
      2. Cree un experimentador de usuario que tenga permisos para crear carpetas compartidas, importar y exportar datos, y que pueda ser accedido por todo el personal que recopila datos (incluidos estudiantes / asistentes de investigación, etc.).
      3. Cree varios usuarios llamados participante-1, participante-2, etc.
        NOTA: Los investigadores solo podrán probar tantos participantes en una sesión experimental como usuarios que se creen.
    3. Ejecute el comando java -version en el usuario administrador para asegurarse de que un entorno de ejecución Java está disponible en el servidor. Si no es así, instale la versión más reciente de Java antes de continuar y asegúrese de que todos los usuarios puedan acceder a ella.
    4. Instalar el programa
      1. Descargue el programa.
        NOTA: El programa se puede descargar como un archivo zip HC_CTG.zip que contiene 1) el HC.jar ejecutable, 2) tres archivos para configuración (hc_server.config, hc_panel.config y hc_client.config) y 3) dos subcarpetas llamadas intro y rawdata.
      2. Cree una carpeta sobre el usuario experimentador y compártala con los otros usuarios41. Extraiga los archivos del archivo comprimido HC_CTG.zip en esta carpeta.
      3. Para cada usuario participante, acceda a esta carpeta compartida y compruebe que el usuario puede acceder a los archivos.
  3. Abra los tres archivos de configuración.
    1. Edite hc_server.config y guarde el archivo editado.
      1. Configure el número de jugadores estableciendo n_Pl en el número deseado. Por ejemplo, escriba 4 detrás de =.
      2. Configure el número de rondas a jugar (playOrder) repitiendo el número de juego 54a (por ejemplo, 54a, 54a, 54a, 54a para cuatro rondas).
        NOTA: i54a significa las instrucciones y no debe eliminarse en el archivo de configuración.
      3. Configure si un cuestionario debe mostrarse en HoneyComb incluyendo 200 al final de playOrder. Elimine 200 si se utiliza una herramienta de cuestionario en línea separada.
      4. Configure la escala de inversión. Para configurar la escala para inversores (iscale), introduzca qué valores deben estar disponibles como pasos de inversión (por ejemplo, 0, 12, 24, 36, 48, 60, 72). Utilice enteros que sean múltiplos de tres para que los pagos también sean enteros.
        NOTA: Estos valores configurados también se muestran como posibles pasos de inversión para los inversores.
        1. Configure la escala de visualización para fideicomisarios (tlabel) eligiendo qué valores deben mostrarse como posibles rendimientos en el campo de juego (por ejemplo, 0, 1/6, 2/6, 3/6, 4/6, 5/6, 1). NOTA: Esta escala no influye en el cálculo de los pagos.
        2. Configure la escala para fideicomisarios (tscala) eligiendo qué valores devueltos deben ser posibles como retornos (por ejemplo, 0, 0.166666, 0.3333, 0.5, 0.6666, 0.833331, 1). Utilice solo valores digitales (es decir, sin fracciones).
          NOTA: Estos valores se utilizan para calcular los pagos y NO se muestran en el campo de juego.
      5. Configure los tiempos de espera (timeInI para inversores, timeInT para fideicomisarios) y tiempos de espera (timeOutI para inversores, tiempo de espera para fideicomisarios) en segundos. Por ejemplo, timeInI = 0, timeOutI = 30, timeInT = 30 y timeout = 45.
      6. Configure la cantidad de dinero con la que los inversores y fideicomisarios están dotados en cada ronda en centavos (r52).
      7. Configure el factor con el que se multiplica la inversión antes de ser enviada al fideicomisario (f52).
      8. Configurar si el grupo tiene que llegar a una decisión unánime (establecer bUnanimous a true) o no (establecer unanimous a false)
      9. Configure si el grupo se paga en partes iguales (establezca bCommon en true) o de acuerdo con cuánto ha contribuido cada inversor a la inversión (establezca bCommon en false).
      10. Si bUnunanimous se establece en true, configure la penalización: la cantidad de dinero deducida de los inversores si no se llega a una decisión unánime (p52).
    2. Edite hc_client.config si es necesario. Asegúrese de establecer ip_nr en localhost para que los clientes puedan conectarse al experimentador.
    3. Edite hc_panel.config.
      1. Ajuste el tamaño de los hexágonos (radio) según la resolución de pantalla. Pruebe el experimento en varias pantallas diferentes para asegurarse de que el experimento será visible en una amplia variedad de pantallas.
      2. Ajuste el texto que se muestra en el campo de juego bajo etiquetas (por ejemplo, Su función es: inversor, Saldo de cuenta, etc.)
    4. Ajuste y/o traduzca las instrucciones, si es necesario. Para hacerlo, edite y guarde los archivos HTML simples (Figura 2A) en la carpeta "intro" dentro de la carpeta del programa HoneyComb.
    5. Si desea utilizar el cuestionario dentro del programa HoneyComb, ajuste y/o traduzca el cuestionario en el archivo qq.txt y guarde el archivo.
    6. Mantenga esta configuración constante en todas las sesiones de experimento (dentro de una condición de experimento). Documente todas las configuraciones.

2. Reclutamiento de participantes

  1. Publicidad en línea
    1. Reclute participantes a través de los canales disponibles (por ejemplo, redes sociales, blog universitario, folleto con código QR). Nombra información importante sobre el experimento, como su propósito, duración y pago máximo calculado según el comportamiento del juego.
      NOTA: La muestra presentada aquí fue reclutada a través de un blog en línea para estudiantes de psicología en la Universidad de Göttingen, así como anuncios no pagados en grupos de redes sociales. Un folleto de ejemplo se puede ver en la Figura suplementaria 1.
    2. Haga que los participantes potenciales sean conscientes de que la participación requerirá el uso de computadoras portátiles / PC personales con una conexión a Internet estable y en un área tranquila y aislada. Informar a los participantes de que es posible que necesiten instalar un programa para establecer la conexión a Escritorio remoto.
      NOTA: La participación a través de teléfonos móviles o tabletas no es posible.
    3. Asegúrese de que los participantes cumplan con los criterios de inclusión del experimento, como los requisitos de idioma o la visión del color.
    4. Asegúrese de que los participantes no hayan participado en experimentos previos sobre el CTG.
  2. Reservar sesiones experimentales con los participantes
    1. Pida a los participantes que reserven franjas horarias para su participación.
    2. Utilice un software de gestión de participantes para enviar correos electrónicos automatizados de invitación o recordatorio.
    3. Sobrereserve franjas horarias por al menos un participante para asegurarse de que haya suficientes participantes presentes para ejecutar el experimento.
  3. Envíe a los participantes un correo electrónico de confirmación con los siguientes detalles: guía sobre la configuración del equipo, la instalación de la Herramienta de conexión a Escritorio remoto y el establecimiento de la conexión a Escritorio remoto. Asegúrese de NO enviar ninguna información de inicio de sesión todavía, para evitar problemas técnicos debido a un inicio de sesión anterior.
  4. Envíe a los participantes correos electrónicos recordatorios aproximadamente 24 horas antes del experimento, incluido el enlace a la plataforma de videoconferencia. Incluya la información sobre la instalación que se envió en el correo electrónico de confirmación.

3. Configuración experimental (antes de cada sesión experimental)

  1. Preparar la plataforma de videoconferencia (Figura 3)
    1. Asegúrese de que los participantes no puedan compartir su micrófono o cámara. Asegúrese de que los participantes no puedan ver los nombres de los demás.
    2. Comparta el micrófono y la cámara del experimentador, y comparta la pantalla con instrucciones mínimas en la plataforma de videoconferencia (Figura 3).
  2. Preparar el escritorio remoto
    1. Experimentador de usuario
      1. Inicie una conexión de escritorio remoto con el usuario del experimentador. Abra la carpeta compartida e inicie un terminal haciendo clic derecho en el directorio y seleccionando Abrir terminal aquí.
      2. Inicie el programa del servidor HC_Gui.jar escribiendo el comando java -jar HC_Gui.jar en el terminal y presionando ENTRAR.
    2. Usuarios participante-1, participante-2, etc.
      1. Establecer una conexión de escritorio remoto con los usuarios participante-1, participante-2, .... Abra la carpeta compartida e inicie un terminal en esta carpeta como antes.
      2. Inicie los programas cliente para cada usuario escribiendo el comando java -jar HC.jar en el terminal y presionando ENTER.
      3. Compruebe si las conexiones están establecidas correctamente en todos los usuarios participantes.
        NOTA: Las pantallas de los usuarios participantes deben mostrar el mensaje Por favor, espere. El equipo se está conectando al servidor. Se recomienda tener tantas computadoras portátiles presentes como usuarios (Figura 4).
    3. Experimentador de usuario
      1. Compruebe que aparece una línea en la GUI del servidor, mostrando la dirección IP de cada uno de los usuarios participantes. Cuando todos los usuarios participantes estén conectados, compruebe que el programa servidor muestra el mensaje Todos los clientes están conectados. ¿Listo para empezar?. Haga clic en Aceptar.
      2. Compruebe que las pantallas de los usuarios participantes muestran la pantalla de bienvenida del experimento (primera página de instrucciones).
        NOTA: El experimentador puede preparar la sesión hasta este punto.

4. Procedimiento experimental

  1. Admita a los participantes a la videoconferencia en el intervalo de tiempo programado del experimento. Dar la bienvenida a todos los participantes utilizando un texto estandarizado. Explique el procedimiento técnico a los participantes.
  2. Comparta el enlace al formulario de consentimiento en línea. Verifique que todos los participantes hayan dado su consentimiento por escrito.
  3. Guíe a los participantes para que abran la herramienta Conexión a Escritorio remoto y envíe a cada participante sus datos de inicio de sesión individuales a través del chat personal en la videoconferencia.
    NOTA: Cuando los participantes inicien sesión con los usuarios participantes, los cuadernos del laboratorio perderán la conexión con los usuarios participantes. A partir de aquí, el experimento se ejecuta automáticamente hasta que los participantes llegan a la página final, indicándoles que regresen a la videoconferencia.
  4. Haga que los participantes confirmen que han leído la primera página de instrucciones haciendo clic en Aceptar. Una vez que todos los participantes hayan confirmado, espere hasta que los participantes hayan completado el juego.
    NOTA: Los participantes pueden hojear las instrucciones a su ritmo preferido. Una vez que todos los participantes han confirmado que han leído las instrucciones, el CTG comienza automáticamente. El juego progresa automáticamente a través de tantas rondas como se indica en el archivo server.config.
  5. Fase de prueba
    1. Asigne a los participantes uno de dos roles: inversor o fideicomisario.
      NOTA: A varios participantes se les puede asignar el mismo rol.
    2. Haga que los inversores comiencen en el campo más bajo (inversión indicada de 0) y los fideicomisarios en el campo más alto (que indique un rendimiento de 0) (Figura 1B).
    3. Indique a los participantes que muevan su avatar haciendo clic izquierdo en un campo hexagonal adyacente. Indique a los participantes que solo se pueden elegir campos adyacentes y que no se pueden omitir campos. Indique a los participantes que su avatar mostrará una pequeña cola durante 4000 ms después de cada movimiento que indica la última dirección desde la que se movieron al campo actual (Figura 1C).
    4. Permita que los inversores se muevan desde el principio (tiempo de entrada = 0) para indicar a través del movimiento cuánto les gustaría invertir. Después de un cierto período de tiempo, prohíba el movimiento de los inversores (tiempo de espera).
      NOTA: El campo en el que se encuentran indicará cuánto se invierte. En el centro del campo de juego, un número azul también mostrará la cantidad enviada al fideicomisario. Si el experimento está configurado para requerir inversiones unánimes, las inversiones solo se realizarán si todos los participantes se encuentran en el mismo campo.
    5. Explique en las instrucciones que la cantidad invertida se multiplica por un factor (por ejemplo, tres) y se envía a los fideicomisarios. Restrinja el movimiento de los fideicomisarios durante el tiempo que los inversores se muden estableciendo el tiempo de entrada del fideicomisario a la duración del tiempo de espera del fideicomisario.
    6. Instruya a los fideicomisarios para que se muevan para indicar la fracción que les gustaría devolver a los inversores. Una vez que se alcanza el tiempo de espera del fideicomisario, se toma el campo en el que se encuentran los fideicomisarios para indicar la fracción que se devuelve a los inversores. La cantidad devuelta también se indica en el centro del campo de juego con un número amarillo (Figura 1D).
    7. Haga que la ventana emergente muestre la cantidad de dinero que la persona ha ganado al final de la ronda (Figura 1E).
    8. Repita la ronda de juego según sea necesario (es decir, como se indica en el archivo server.config).
    9. Una vez que se completen todas las rondas, pida a los participantes que generen un código personal único para que las ganancias en el juego puedan conectarse a su nombre mientras mantienen los datos de comportamiento anónimos.
    10. Después de que los participantes hayan generado el código, muestre una pantalla que indique a los participantes que regresen a la videoconferencia y cierren la conexión a Escritorio remoto.
      NOTA: El procedimiento experimental (sección 4 en este protocolo con 15 rondas de juego) dura 35 minutos.
    11. Si los problemas técnicos o el fallo de un participante requieren que se aborte la sesión del experimento, absténgase de reiniciar el experimento con los mismos participantes.
  6. Fase posterior a la prueba
    1. Una vez completado el juego, asegúrese de que todos los participantes hayan cerrado la conexión a Escritorio remoto. Haga que los participantes completen cuestionarios como mejor se considere adecuado para una pregunta de investigación específica.
    2. Mientras los participantes completan los cuestionarios, cierre el programa servidor en el usuario experimentador haciendo clic en Stop & Exit. Esto también cerrará el programa en los usuarios participantes.
    3. Agradezca a los participantes por su tiempo y explique cómo y cuándo se les transferirán sus ganancias. Asegúrese de que todos los participantes hayan abandonado la videoconferencia, especialmente si se programa otro intervalo de tiempo del experimento directamente después.

5. Terminar el experimento

  1. Transfiera y haga una copia de seguridad de los datos (por ejemplo, en la nube), en forma de un archivo *.csv y un *.txt por grupo y intervalo de tiempo del experimento, marcado por una marca de día y hora del experimento.
  2. Cierre todas las conexiones a Escritorio remoto.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Este artículo presenta los resultados de un estudio piloto realizado con el CTG con 16 participantes (cinco hombres, 11 mujeres; Edad: M = 21, SD = 2,07). Según Johanson y Brooks42, este tamaño de muestra es suficiente en un experimento piloto, especialmente cuando se combina con un enfoque cualitativo para alcanzar una alta densidad de información sobre la experiencia subjetiva de los participantes durante el experimento. Se recomienda que siempre que los investigadores tengan la intención de adaptar el CTG a su idea de investigación específica, por ejemplo, personalizando el número de participantes dentro de cada grupo, se realice un estudio piloto similar antes de la recopilación de datos principales para garantizar una alta calidad de los datos.

Sobre la base de los datos piloto, este documento proporciona tanto una ilustración de los posibles métodos de análisis de los datos de CTG como una primera validación de la configuración de CTG. Los resultados reportados aquí incluyen datos de movimiento e inversión del estudio piloto CTG (el resultado del ejemplo de un grupo se puede ver en Datos Suplementarios 1 y Datos Suplementarios 2 y un script de preprocesamiento de datos de ejemplo se puede ver en el proyecto OSF: https://s.gwdg.de/Cwx3ex), así como datos de cuestionarios sobre la experiencia subjetiva de los participantes durante el experimento y comentarios sobre el juego.

Para esta publicación, se utilizan datos piloto (N = 16) para demostrar cómo se pueden probar hipótesis científicas con el CTG cuando se ha alcanzado un tamaño de muestra suficiente. Cabe señalar que, por lo general, se necesitan tamaños de muestra mucho más grandes para alcanzar la potencia suficiente para los análisis estadísticos. Los resultados reportados aquí deben servir simplemente como ilustraciones para posibles análisis y visualizaciones (Figura 5). El CTG es especialmente adecuado para investigar procesos de confianza colectiva, y cómo surge o disminuye dependiendo del comportamiento de otros miembros del grupo o del fideicomisario.

En primer lugar, se investigaron las cualidades de la confianza colectiva como fenómeno emergente. Se plantea la hipótesis de que las inversiones en el juego de confianza colectiva cambian con el tiempo (es decir, emergen). Esto significa que las inversiones medias en la primera, media (es decir, séptima) y decimoquinta ronda deben ser significativamente diferentes entre sí. Esta hipótesis se probó con pruebas t de muestras pareadas (Bonferroni corregido). Debido al pequeño tamaño de la muestra (N = 16 en cuatro grupos), no se pudieron encontrar diferencias significativas en los datos piloto entre la primera (M = 27.0, SD = 20.49), la séptima (M = 39, SD = 30.0; diferencia con la ronda 1: t(3) = -0.511, p = 1) y la decimoquinta ronda (M = 42, SD = 31.75; diferencia con la ronda 1: t(3) = -0.678, p = 1; diferencia con la ronda 7: t(3) = -0,397, p = 1). Los datos se volvieron a analizar utilizando solo aquellas inversiones que se habían realizado por unanimidad. No se encontraron diferencias significativas entre las rondas, probablemente debido también a la muestra pequeña (M 1 = 24, SD1 = 24; M 7 = 52, SD7 = 18,33; M 15 = 56, SD15 = 18,33). Los datos adjuntos se pueden ver en la Figura 5A. En estudios con tamaños de muestra suficientes, una diferencia significativa entre rondas y un aumento o disminución continua de las inversiones sobre rondas indicaría la aparición de confianza colectiva en el experimento, ya que los inversores del grupo pueden interactuar repetidamente y, por lo tanto, establecer un nivel compartido de confianza.

Además, el surgimiento de la confianza colectiva también se puede investigar utilizando datos de movimiento, como se puede ver en la Figura 5B, que muestra tres marcadores de comportamiento del proceso de decisión: (a) tiempo de decisión (rojo; tiempo hasta el último movimiento de los inversores; M = 12.25, SD = 7.05) como una operacionalización de la longitud del proceso, (b) longitud del movimiento (verde; tiempo promedio entre dos movimientos: M = 2.42, SD = 2.16) como operacionalización de la deliberación, y (c) cambios de dirección (azul; número de veces que se cambió la dirección de un movimiento; M = 0,25, SD = 0,66) como una operacionalización del ajuste a otros inversores durante una decisión. Si la confianza colectiva surge a lo largo de las rondas, el proceso cuantificado por los tres marcadores de comportamiento debería volverse menos complejo con el tiempo, ya que la confianza colectiva debería ser la base de la decisión de inversión del grupo. Esto significa que si la confianza colectiva es una construcción emergente, deberíamos ver que los grupos tardan más en tomar decisiones de inversión en rondas anteriores, ya que aún no ha surgido un nivel compartido de confianza (es decir, confianza colectiva). A lo largo de las interacciones, las decisiones de inversión deben ser más cortas (medidas por el tiempo de decisión) y más fáciles (medidas por la longitud del movimiento y los cambios de dirección) a medida que se ha desarrollado un nivel compartido de confianza colectiva y se necesita menos interacción o coordinación para determinar una inversión grupal. Por lo tanto, los investigadores deben usar una muestra más grande para modelar la progresión de los marcadores de comportamiento a lo largo de las rondas. Una pendiente negativa podría indicar la aparición de la confianza colectiva como base para las decisiones de inversión grupales.

En segundo lugar, se analizó el comportamiento del fideicomisario y las dependencias del comportamiento de los fideicomisarios e inversores. Se planteó la hipótesis de que los fideicomisarios devolverían una cantidad de dinero distinta de cero a los inversores, como se ha encontrado en la investigación sobre juegos de fideicomiso individuales 1,43. Una prueba t de una muestra mostró que los fideicomisarios devolvieron significativamente más de cero (M = 43.89, SD = 35.38) a los inversores; t(59) = 9,608, p < ,001. Esto fue aún más pronunciado cuando solo se incluyeron aquellos rendimientos que fueron precedidos por inversiones distintas de cero (M = 62.70, SD = 24.36; t(46) = 16.677, p < .001). La Figura 5C muestra que los fideicomisarios con mayor frecuencia optaron por devolver 4/6 de la inversión.

Además, se investigó si los rendimientos de los fideicomisarios se basan en la reciprocidad, en el sentido de que una mayor inversión en una ronda se correlaciona con fracciones de rendimiento más altas (es decir, 0/6, 1/6, 2/6, ...) en la misma ronda. Parece haber una correlación significativa entre las inversiones y los rendimientos, como se puede ver en la Figura 5D, panel izquierdo; t(58) = 9.446, p < .001, r = .78. Esto indica que los fideicomisarios podrían haber correspondido altas inversiones con altos rendimientos. Sin embargo, esto podría ser impulsado por las rondas en las que los inversores invirtieron cero o no llegaron a una decisión unánime, de modo que el fideicomisario no tuvo la opción de devolver nada. Por último, se analizó si las fracciones de mayor rentabilidad son percibidas como señales a plazo por los inversores, de modo que las fracciones de mayor rentabilidad en la ronda t se correlacionan con altas inversiones en la ronda t+1. Como se puede ver en la Figura 5D, panel derecho, esto no fue corroborado por los datos; t(54) = 0,207, p = ,837, r = 0,028.

En resumen, los datos cuantitativos del CTG consisten en datos de movimiento e inversión de cada participante en cada ronda. Mientras que los datos de inversión proporcionan paralelismos con aplicaciones anteriores del juego de confianza individual, los datos de movimiento permiten a los investigadores observar el proceso de confianza colectiva. Cabe señalar que los datos se recopilan en grupos reales, lo que aumenta la validez externa, pero requiere que se considere la estructura de datos anidada. Esto no se hizo para los análisis informados ya que el pequeño tamaño de la muestra de los datos piloto restringe la aplicación de modelos lineales de efectos mixtos.

Además, los datos sobre la experiencia subjetiva se recopilaron en la muestra piloto con un cuestionario posterior al experimento (Archivo Suplementario 1) que incluía 13 ítems en total, de los cuales 11 eran preguntas abiertas. Junto a la experiencia subjetiva durante el experimento, los ítems preguntaron sobre aspectos específicos del CTG que podrían influir en la calidad de los datos, como los principios subjetivos de comportamiento de los participantes durante el juego, la intención creída del experimento o la claridad de las instrucciones. Dos preguntas de formato cerrado evaluaron en una escala Likert de cinco puntos si los participantes percibían que la inversión a través del movimiento era intuitiva (-2: "nada" a +2: "muy") y si el tiempo dado a los participantes para moverse en el juego parecía suficiente (-2: "demasiado corto"; 0: "más o menos"; +2: "demasiado largo").

En general, los participantes informaron experiencias subjetivas en línea con la intención del experimento y la facilidad de seguir instrucciones, al tiempo que mostraron suficiente ingenuidad de la intención del estudio. Los participantes en promedio informaron que el juego era "bastante intuitivo" (M = 0.69, SD = 0.79) y percibieron que el tiempo era "correcto" (M = -0.31, SD = 0.79).

Las respuestas de los participantes a las preguntas abiertas se analizaron cualitativamente de acuerdo con Mayring44. En general, los participantes estaban satisfechos con el proceso de reclutamiento y el procedimiento en línea, la preservación del anonimato en el experimento, la claridad de las instrucciones y la información proporcionada, y la lógica del juego. La mayoría de los participantes estaban satisfechos con el diseño de los avatares en el sentido de que podían distinguirse fácilmente. Sin embargo, solo la mitad de los participantes informaron que se sentían representados por su avatar y comentaron que los símbolos o las caras de los animales podrían haber sido más interesantes. Debido a estos resultados, los investigadores deben considerar incluir una medida de la encarnación de los participantes en las aplicaciones del CTG para controlar esta experiencia mientras se mantiene un diseño experimental minimalista.

La mayoría de los participantes comentaron que experimentaron la necesidad de converger en el medio del campo de juego (es decir, en la opción de inversión más alta). Los participantes que experimentaron esto informaron que la necesidad de converger en el medio coincidió con su disposición a invertir grandes cantidades. Además, algunos participantes informaron que en lugar de sentirse atraídos por el medio, sintieron que tenían que tirar de sus compañeros hacia el medio. Debido a las limitaciones prácticas del experimento y las posibles compensaciones con la intuición, se mantuvo el diseño inicial en el que las altas inversiones y los rendimientos convergen en el medio.

Los participantes informaron una multitud de suposiciones sobre el objetivo del estudio, como la influencia del grupo en las propias decisiones, la confianza o el comportamiento de los fideicomisarios. Si bien esas suposiciones son temáticamente cercanas a la aparición investigada de la confianza, los participantes informaron estrategias de comportamiento como la maximización de ganancias o las intenciones de influir en el comportamiento de los cojugadores. Estas estrategias encajan bien con el carácter de juego económico del CTG y no contrarrestan los comportamientos que el estudio pretendía observar.

Sobre la base de los resultados de la experiencia subjetiva, podría concluirse que el CTG satisface criterios de validez interna. El análisis de datos cuantitativos reportado aquí debe servir simplemente como una ilustración de cómo los datos recopilados con el CTG pueden analizarse estadísticamente.

Figure 2
Figura 2: Ejemplo de instrucciones del juego . (A) Código HTML preparado por el experimentador. (B) Archivo HTML mostrado en el navegador. (C) Instrucciones mostradas a los participantes durante el experimento. Tenga en cuenta los botones en la parte inferior para navegar a través de las instrucciones. Haga clic aquí para ver una versión más grande de esta figura.

Figure 3
Figura 3: Captura de pantalla de la plataforma de videoconferencia. El experimentador ha compartido su cámara, micrófono y presentación con información básica sobre la plataforma de videoconferencia y la conexión a Escritorio remoto. Un participante ya se ha unido a la conferencia, pero tiene prohibido compartir su micrófono, pantalla o cámara para mantener el anonimato. Haga clic aquí para ver una versión más grande de esta figura.

Figure 4
Figura 4: Configuración en laboratorio. Antes de que comience el experimento, el experimentador iniciará una conexión de Escritorio remoto con todos los equipos portátiles. El bloc de notas 1 está conectado con el usuario del experimento y permanece conectado durante todo el experimento. Los cuadernos 2 a 5 se utilizan para establecer y verificar la conexión con los usuarios participantes ("participante-1" a "participante-4"). Cuando los participantes establecen una conexión con los usuarios participantes a través de la herramienta Conexión a Escritorio remoto, los blocs de notas en el laboratorio perderán la conexión. Haga clic aquí para ver una versión más grande de esta figura.

Figure 5
Figura 5: Resultados basados en datos piloto (N = 16 en cuatro grupos). (A) Diagramas de violín de las inversiones del grupo (centavos) en las rondas 1, 7 y 15. Las formas de violín indican la densidad de probabilidad de las inversiones, las líneas en negrita indican la mediana, las cajas en los violines indican el rango intercuartil y los bigotes indican 1,5 veces el rango intercuartílico. Izquierda; todo invierte. Derecha; Invierte por unanimidad. (B) Tres marcadores diferentes de datos de movimiento que pueden utilizarse para cuantificar aspectos del proceso de decisión de inversión en el grupo. Rojo; Tiempo de decisión (tiempo hasta el último movimiento en segundos). Verde; Media de longitudes de movimiento (tiempo de un movimiento al siguiente en segundos). Azul; Número de cambios de dirección en el patrón de movimiento (recuento). (C) Gráfico de frecuencia (recuento) de los retornos. Izquierda; Se cuentan todas las devoluciones (como fracciones de retorno) en todas las rondas. Derecha; Solo aquellos rendimientos (como fracciones de retorno) se cuentan antes de que los fideicomisarios recibieran una inversión. (D) Diagramas de dispersión de inversiones (centavos) y rendimientos (como fracciones de rendimiento). La línea azul indica los valores pronosticados (usando un modelo lineal con fórmula: y ~ x), la cinta gris indica el error estándar de las predicciones. Izquierda; Correlación de reciprocidad. ¿Las altas inversiones se correlacionan con altos rendimientos en la misma ronda? Derecha; Correlación de señalización directa. ¿Los altos rendimientos se correlacionan con las altas inversiones en la ronda posterior? Haga clic aquí para ver una versión más grande de esta figura.

Figura complementaria 1: Ejemplo de publicidad en línea a través de un folleto que se publicó en un blog en línea. Este folleto es un ejemplo de qué información debe incluirse en el anuncio del folleto de reclutamiento de participantes y de qué manera podría presentarse. Haga clic aquí para descargar este archivo.

Archivo complementario 1: Cuestionario completo del estudio piloto. El cuestionario completo utilizado en el estudio piloto se puede encontrar aquí. Haga clic aquí para descargar este archivo.

Datos complementarios1: Ejemplo de datos que contienen datos de inversión de un grupo (es decir, cuatro participantes: tres inversores (pid 0-2) y un fideicomisario (pid 4). Este es un ejemplo de un archivo de datos sin procesar que contiene a) información del orden de juego, b) la lista de jugadores, c) las posiciones iniciales ("StartSicht") y finales ("último patio de recreo común") de todos los jugadores, así como d) su inversión, ganancias y saldo de cuenta ("Saldos: costo recompensa saldo"). Haga clic aquí para descargar este archivo.

Datos suplementarios 2: Ejemplo de salida de datos que contienen datos de movimiento de un grupo (es decir, cuatro participantes: tres inversores (pid 0-2) y un fideicomisario (pid 4). Este es un ejemplo de un archivo de datos sin procesar que contiene coordinado ("sj") de cada jugador ("pid") en un momento dado del experimento. El comienzo de una nueva ronda se indica con un "-1" como el "pid". Haga clic aquí para descargar este archivo.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

El CTG ofrece a los investigadores la oportunidad de adaptar el clásico BDM1 para grupos y observar en profundidad los procesos emergentes dentro de los grupos. Mientras que otros trabajos23,24,25,26 ya han intentado adaptar el BDM1 a entornos grupales, la única forma de acceder a los procesos grupales en estos estudios son los laboriosos análisis de interacción grupal de discusiones grabadas en video. Como esta es a menudo una tarea tediosa ylenta 17, los estudios regularmente no reportan estos aspectos. Con respecto a estos métodos existentes, el CTG es, según el conocimiento de los autores, el primer paradigma que permite a los investigadores seguir la confianza colectiva como un fenómeno emergente en tiempo real a través de datos de movimiento. El CTG es, por lo tanto, más eficiente en el tiempo. Además, el uso de análisis cuantitativos para capturar procesos grupales permite a los investigadores preregistrar análisis de procesos, lo que a menudo es difícil con enfoques más cualitativos.

Para que el paradigma produzca datos de alta calidad, es crucial seguir de cerca el protocolo. Los siguientes cinco pasos críticos merecen la atención especial de los investigadores. Primero, las configuraciones realizadas en el juego deben mantenerse constantes en todas las sesiones de experimento y deben documentarse. En segundo lugar, los participantes que ya han participado en estudios similares (es decir, estudios que utilizan cualquier versión de juego de confianza) deben ser excluidos en la etapa de reclutamiento, ya que esto podría crear sesgos en el comportamiento y reducir el tamaño del efecto45. En tercer lugar, los investigadores deben asegurarse de que los participantes sean anónimos prohibiendo a los participantes compartir su micrófono, cámara y nombre completo durante la videoconferencia, ya que se ha demostrado que el nivel de anonimato afecta el comportamiento en los juegos económicos27. En cuarto lugar, durante el inicio del juego, los investigadores deben verificar minuciosamente que se establezca una conexión correcta entre el usuario participante y el usuario del experimento asegurándose de que el usuario participante aparezca en la GUI del experimentador. En quinto lugar, los asistentes de investigación que recopilan los datos deben recibir una amplia capacitación para poder solucionar los desafíos técnicos con los participantes. En caso de que los participantes experimenten problemas para establecer la conexión de Escritorio remoto, los asistentes de investigación deben poder brindar apoyo para retener a los participantes en el grupo. Si una persona abandona debido a dificultades técnicas, todos los participantes dentro del intervalo de tiempo del experimento podrían tener que ser reprogramados, lo que resultaría en costos monetarios adicionales y pérdida de tiempo.

Si se producen dificultades técnicas durante el inicio del juego, asegúrese de que (a) un entorno de ejecución Java actual esté instalado en su máquina de Escritorio remoto, (b) todos los usuarios puedan acceder y ejecutar los archivos en las carpetas compartidas, (c) todos los usuarios estén ejecutando los comandos en el mismo directorio y (d) todos los PC/portátiles que accedan a la conexión a Escritorio remoto tengan una conexión a Internet estable. Para la resolución de problemas durante la sesión experimental, verifique que (a) todos los participantes y los investigadores tengan una conexión a Internet estable, (b) los participantes hayan recibido la información de inicio de sesión correcta para la conexión a Escritorio remoto y (c) el servidor que ejecuta la Conexión a Escritorio remoto tenga recursos suficientes (por ejemplo, verifique la utilización de la CPU) durante la sesión experimental.

El CTG es altamente adaptable a diferentes preguntas de investigación, lo que permite una amplia gama de posibles aplicaciones en investigación. Dependiendo del objetivo de un estudio, se pueden personalizar multitud de parámetros, como el número de jugadores, el requisito de decisiones unánimes, la apariencia visual, el tiempo y los parámetros monetarios del BDM. Si bien la flexibilidad de este paradigma es una ventaja, es importante tener en cuenta que las adaptaciones del paradigma siempre deben basarse rigurosamente en teoría y pilotarse. Más allá de las configuraciones que los investigadores pueden hacer en los archivos *.config, el juego solo se puede ajustar a través del código fuente programado por Johannes Pritz, que aún no está disponible en línea. Si bien muchas adaptaciones son posibles, el marco de la plataforma HoneyComb restringe las posibles aplicaciones a las tareas de movimiento y a las opciones de inversión discretas.

En futuras aplicaciones del CTG, la cantidad de fracciones de retorno podría aumentarse (por ejemplo, 1/10, 2/10, 3/10, ...) para proporcionar una mayor resolución sobre el comportamiento de retorno. De esta manera, tanto el lado de los inversores como el de los fideicomisarios pueden ser jugados por individuos o grupos, permitiendo la investigación de diferentes niveles y referentes de confianza como fue propuesto por Fulmer y Gelfand7. Las futuras aplicaciones de este protocolo también podrían combinar el procedimiento en línea de este método con otros experimentos de la plataforma HoneyComb 30,32,46,47 o incluir otras formas de comunicación, como un chat o incluso una interacción cara a cara entre inversores y / o fideicomisarios en un experimento in situ como lo presentan Boos y colegas 31 . De esta manera, otras señales que influyen en el surgimiento de la confianza colectiva, como la comunicación no verbal, también podrían estudiarse utilizando este paradigma.

En general, el CTG combina las ventajas de los juegos económicos (alta validez interna y simplicidad) con ricos datos de procesos grupales. De esta manera, el CTG puede servir como un trampolín en la investigación grupal sobre procesos de confianza y equidad.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Los autores no tienen nada que revelar.

Acknowledgments

Esta investigación no recibió financiación externa.

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.

DOWNLOAD MATERIALS LIST

References

  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).

Tags

Comportamiento Número 188
The Collective Trust Game: una adaptación grupal en línea del juego Trust basado en el paradigma HoneyComb
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Ritter, M., Kroll, C. F., Voigt, H., … More

Ritter, M., Kroll, C. F., Voigt, H., Pritz, J., Boos, M. The Collective Trust Game: An Online Group Adaptation of the Trust Game Based on the HoneyComb Paradigm. J. Vis. Exp. (188), e63600, doi:10.3791/63600 (2022).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter