Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

The Collective Trust Game: une adaptation de groupe en ligne du jeu de confiance basée sur le paradigme HoneyComb

2.6K vues

⸱

DOI :

10.3791/63600

⸱

20 octobre 2022

 ,  ,  ,  , 
1University of Goettingen

* These authors contributed equally

Dans cet article

Résumé

Le Collective Trust Game est un jeu de confiance multi-agents basé sur ordinateur basé sur le paradigme HoneyComb, qui permet aux chercheurs d’évaluer l’émergence de la confiance collective et des constructions connexes, telles que l’équité, la réciprocité ou la signalisation avancée. Le jeu permet des observations détaillées des processus de groupe à travers le comportement des mouvements dans le jeu.

Résumé

La nécessité de comprendre la confiance dans les groupes de manière holistique a conduit à une vague de nouvelles approches pour mesurer la confiance collective. Cependant, cette construction n’est souvent pas pleinement saisie dans ses qualités émergentes par les méthodes de recherche disponibles. Dans cet article, le Collective Trust Game (CTG) est présenté, un jeu de confiance multi-agents basé sur ordinateur basé sur le paradigme HoneyComb, qui permet aux chercheurs d’évaluer l’émergence de la confiance collective. Le CTG s’appuie sur des recherches antérieures sur la confiance interpersonnelle et adapte le jeu de confiance largement connu à un cadre de groupe dans le paradigme HoneyComb. Les participants assument le rôle d’investisseur ou de fiduciaire; Les deux rôles peuvent être joués par des groupes. Dans un premier temps, les investisseurs et les fiduciaires sont dotés d’une somme d’argent. Ensuite, les investisseurs doivent décider du montant, le cas échéant, de leur dotation qu’ils veulent envoyer aux fiduciaires. Ils communiquent leurs tendances ainsi que leur décision finale en se déplaçant d’avant en arrière sur un terrain de jeu affichant les montants d’investissement possibles. À la fin de leur temps de décision, le montant convenu par les investisseurs est multiplié et envoyé aux fiduciaires. Les fiduciaires doivent communiquer aux investisseurs la part de cet investissement, le cas échéant, qu’ils veulent rembourser. Encore une fois, ils le font en se déplaçant sur le terrain de jeu. Cette procédure est répétée pendant plusieurs cycles afin que la confiance collective puisse émerger en tant que construction partagée grâce à des interactions répétées. Avec cette procédure, le CTG offre la possibilité de suivre l’émergence de la confiance collective en temps réel grâce à l’enregistrement des données de mouvement. Le CTG est hautement personnalisable en fonction de questions de recherche spécifiques et peut être exécuté comme une expérience en ligne avec peu d’équipement à faible coût. Cet article montre que le CTG combine la richesse des données d’interaction de groupe avec la validité interne élevée et l’efficacité temporelle des jeux économiques.

Introduction

Le Collective Trust Game (CTG) offre la possibilité de mesurer la confiance collective en ligne au sein d’un groupe d’humains. Il généralise le jeu de confiance original de Berg, Dickhaut et McCabe1 (BDM) au niveau du groupe et peut capturer et quantifier la confiance collective dans ses qualités émergentes 2,3,4, ainsi que des concepts connexes tels que l’équité, la réciprocité ou la signalisation avant.

Les recherches antérieures conceptualisent principalement la confiance comme une construction uniquement interpersonnelle, par exemple, entre un leader et un suiveur5,6, excluant les niveaux d’analyse supérieurs. Surtout dans les contextes organisationnels, cela pourrait ne pas être suffisant pour comprendre la confiance de manière holistique, il est donc grand nécessaire de comprendre les processus par lesquels la confiance se construit (et diminue) au niveau du groupe.

Récemment, la recherche sur la confiance a incorporé une pensée plus multi-niveaux. Fulmer et Gelfand7 ont passé en revue un certain nombre d’études sur la confiance et les ont classées en fonction du niveau d’analyse étudié dans chaque étude. Les trois différents niveaux d’analyse sont interpersonnels (dyadique), de groupe et organisationnels. Il est important de noter que Fulmer et Gelfand7 distinguent en outre différents référents. Les référents sont les entités vers lesquelles la confiance est dirigée. Cela signifie que lorsque « A fait confiance à B à X », alors A (l’investisseur dans les jeux économiques) est représenté par le niveau (individuel, groupe, organisationnel) et B (le fiduciaire) est représenté par le référent (individuel, groupe, organisationnel). X représente un domaine spécifique auquel Trust fait référence. Cela signifie que X peut être quelque chose comme une inclination généralement positive, un soutien actif, une fiabilité ou des échanges financiers comme dans les jeux économiques1.

Ici, la confiance collective est définie en fonction de la définition de la confiance interpersonnelle de Rousseau et ses collègues8, et semblable aux études antérieures sur la confiance collective 9,10,11,12,13,14; La confiance collective comprend l’intention d’un groupe d’accepter la vulnérabilité en fonction des attentes positives des intentions ou du comportement d’un autre individu, groupe ou organisation. La confiance collective est un état psychologique partagé entre un groupe d’humains et formé en interaction avec ce groupe. L’aspect crucial de la confiance collective est donc le partage au sein d’un groupe.

Cela signifie que la recherche sur la confiance collective doit aller au-delà d’une simple moyenne de processus individuels et conceptualiser la confiance collective comme un phénomène émergent 2,3,4, car les nouveaux développements de la science de groupe montrent que les processus de groupe sont fluides, dynamiques et émergents 2,15. Nous définissons l’émergence comme un « processus par lequel les éléments du système de niveau inférieur interagissent et, grâce à cette dynamique, créent des phénomènes qui se manifestent à un niveau supérieur du système »16 (p. 335). Proposé, cela devrait également s’appliquer à la confiance collective.

La recherche qui reflète l’accent mis sur l’émergence et la dynamique des processus de groupe devrait utiliser des méthodologies appropriées17 pour saisir ces qualités. Cependant, l’état actuel de la mesure de la confiance collective semble être à la traîne. La plupart des études ont utilisé une technique simple de calcul de la moyenne à travers les données de chaque individu du groupe 9,10,12,13,18. On peut soutenir que cette approche n’a que peu de validité prédictive2 car elle ne tient pas compte du fait que les groupes ne sont pas simplement des agrégations d’individus, mais des entités de niveau supérieur avec des processus uniques. Certaines études ont tenté de remédier à ces inconvénients: une étude d’Adams19 a utilisé une approche de variable latente, tandis que Kim et ses collègues10 ont utilisé des vignettes pour estimer la confiance collective. Ces approches sont prometteuses en ce sens qu’elles reconnaissent la confiance collective comme une construction de niveau supérieur. Pourtant, comme le notent Chetty et ses collègues20, les mesures basées sur des enquêtes manquent d’incitations à répondre honnêtement, de sorte que la recherche sur la confiance a de plus en plus adopté des mesures comportementales ou compatibles avec les incitations21,22.

Cette préoccupation est abordée par un certain nombre d’études qui ont adapté une méthode comportementale, à savoir le BDM1, pour être joué par les groupes23,24,25,26. Dans le BDM, deux parties agissent soit en tant qu’investisseurs (A), soit en tant que fiduciaires (B). Dans ce jeu économique séquentiel, A et B reçoivent une dotation initiale (par exemple, 10 euros). Ensuite, A doit décider du montant, le cas échéant, de sa dotation qu’il souhaite envoyer à B (par exemple, 5 euros). Ce montant est ensuite triplé par l’expérimentateur, avant que B puisse décider combien, le cas échéant, de l’argent reçu (par exemple, 15 euros) il souhaite renvoyer à A (par exemple, 7,5 euros). Le montant d’argent que A envoie à B est opérationnalisé pour être le niveau de confiance de A envers B, tandis que le montant que B renvoie peut être utilisé pour mesurer la fiabilité de B ou le degré d’équité dans la dyade de A et B. Un grand nombre de recherches ont étudié le comportement dans les jeux de confiance dyadique27. Le BDM peut être joué à la fois comme un jeu dit « one-shot », dans lequel les participants ne jouent le jeu qu’une seule fois avec une personne spécifique, et dans des tours répétés, dans lesquels des aspects tels que la réciprocité28,29 ainsi que la signalisation avancée peuvent jouer un rôle.

Dans de nombreuses études qui ont adapté le BDM pour les groupes23,24,25,26, l’investisseur, le fiduciaire ou les deux rôles ont été joués par des groupes. Cependant, aucune de ces études n’a enregistré de processus de groupe. Le simple fait de remplacer des individus par des groupes dans les plans d’étude ne répond pas aux normes Kolbe et Boos17 ou Kozlowski15 établies pour les enquêtes sur les phénomènes émergents. Pour combler cette lacune, le CTG a été développé.

L’objectif du développement du CTG était de créer un paradigme qui combinerait le BDM1 largement utilisé avec une approche qui capture la confiance collective comme une construction émergente basée sur le comportement qui est partagée au sein d’un groupe.

Le CTG est basé sur le paradigme HoneyComb de Boos et ses collègues30, qui a également été publié dans le Journal of Visualized Experiments31 et a maintenant été adapté pour être utilisé dans la recherche sur la confiance. Comme décrit par Ritter et ses collègues32, le paradigme HoneyComb est « une plate-forme de jeu virtuel informatisée multi-agents qui a été conçue pour éliminer tous les canaux sensoriels et de communication, à l’exception de la perception des mouvements d’avatar assignés par les participants sur le terrain de jeu » (p. 3). Le paradigme HoneyComb est particulièrement adapté aux processus de groupe de recherche car il permet aux chercheurs d’enregistrer le mouvement des membres d’un groupe réel avec des données spatio-temporelles. On pourrait soutenir que, après l’analyse des interactions de groupe17, HoneyComb est l’un des rares outils qui permet aux chercheurs de suivre les processus de groupe en détail. Contrairement à l’analyse des interactions de groupe, l’analyse quantitative des données spatio-temporelles de HoneyComb prend moins de temps. De plus, l’environnement réductionniste et la possibilité d’exclure toute communication interpersonnelle entre les participants, à l’exception du mouvement sur le terrain de jeu, permettent aux chercheurs de limiter les facteurs de confusion (p. ex., l’apparence physique, la voix, les expressions faciales) et de créer des expériences à validité interne élevée. Bien qu’il soit difficile d’identifier tous les aspects influents d’un processus de groupe dans les études utilisant des modèles de discussion de groupe33, l’accent mis sur les principes de base de l’interaction de groupe dans un paradigme de mouvement permet aux chercheurs de quantifier tous les aspects du processus de groupe dans cette expérience. De plus, des recherches antérieures ont utilisé le comportement proxémique34 - réduisant ainsi l’espace entre soi et un autre individu - pour étudier la confiance35,36.

figure-introduction-1
Figure 1 : Vue d’ensemble schématique du GEC. A) Procédure schématique d’un cycle de GEC. (B) Placement initial des avatars au début du tour. Les trois investisseurs de couleur bleue se tiennent sur le champ initial « 0 ». Le syndic jaune se tient sur le champ initial « 0 ». (C) Capture d’écran pendant la phase d’investissement montrant trois investisseurs (avatars bleus) sur la moitié inférieure du terrain de jeu. Un (grand avatar bleu) se tient actuellement sur « 12 », deux investisseurs sont actuellement debout sur « 24 ». Deux avatars ont des queues (indiquées par des flèches orange). Les queues indiquent de quelle direction ils se sont déplacés vers leur champ actuel (par exemple, un investisseur (grand avatar bleu) vient de passer de « 0 » à « 12 »). L’avatar sans queue se tient sur ce terrain depuis au moins 4000 ms. (D) Capture d’écran pendant la phase de retour montrant un administrateur (avatar jaune) et la moitié supérieure du terrain de jeu. Le syndic est actuellement debout sur « 3/6 » et y a récemment déménagé de « 2/6 » comme indiqué par la queue. Le chiffre bleu ci-dessous (36) indique l’investissement réalisé par les investisseurs. Le chiffre jaune, indiqué par la flèche, est le retour actuel (54) tel qu’il est représenté au milieu du terrain de jeu. Le rendement est calculé comme suit : (investir (36 cents) x 3) x fraction de rendement actuel (3/6) = 54 cents. (E) Fenêtre contextuelle donnant aux participants un retour sur le montant qu’ils ont gagné pendant la ronde, affichée pendant 15 s après l’expiration du délai d’absence du syndic. Veuillez cliquer ici pour voir une version agrandie de cette figure.

La procédure principale du CTG (Figure 1A) est étroitement basée sur la procédure du BDM1, afin de rendre les résultats comparables aux études précédentes utilisant ce jeu économique. Comme le paradigme HoneyComb est basé sur le principe du mouvement, les participants indiquent le montant qu’ils aimeraient investir ou retourner en déplaçant leur avatar sur le petit champ hexagonal qui indique une certaine somme d’argent ou fraction à retourner (Figure 1C,D). Avant chaque tour, les investisseurs et les fiduciaires reçoivent une certaine somme d’argent (p. ex., 72 cents), les investisseurs étant placés dans la moitié inférieure du terrain de jeu et les fiduciaires dans la moitié supérieure du terrain de jeu (figure 1B). Dans le cadre de défaut, les investisseurs sont autorisés à se déplacer en premier, tandis que les fiduciaires restent immobiles. Les investisseurs se déplacent à travers le terrain de jeu pour indiquer le montant, le cas échéant, de leur dotation qu’ils aimeraient envoyer au fiduciaire (figure 1C). En faisant des allers-retours sur le terrain, les participants peuvent également communiquer à d’autres investisseurs le montant qu’ils aimeraient envoyer au fiduciaire. Selon la configuration, les participants doivent décider à l’unanimité du montant qu’ils souhaitent investir en convergeant vers un terrain de jeu lorsque le temps mort est atteint. Des décisions unanimes ont été nécessaires pour faire respecter le fait que les investisseurs doivent interagir les uns avec les autres, au lieu de simplement jouer côte à côte. Si les investisseurs ne parviennent pas à une décision commune, une pénalité (par exemple, 24 cents) est déduite de leur compte. Cela a été mis en œuvre pour s’assurer que les investisseurs seraient très motivés à atteindre un niveau partagé de confiance collective. Une fois le temps des investisseurs écoulé, l’argent investi est multiplié et envoyé aux fiduciaires qui sont ensuite autorisés à se déplacer pendant que les investisseurs restent immobiles. Les fiduciaires indiquent par mouvement combien ils aimeraient retourner aux investisseurs (figure 1D). Les options de rendement disponibles sont affichées sous forme de fractions sur le terrain de jeu pour maintenir la charge cognitive des fiduciaires relativement faible. Le terrain de jeu sur lequel les fiduciaires se tiennent une fois le temps alloué écoulé indique quelle fraction (par exemple, 4/6) est retournée aux investisseurs. Le tour se termine par une fenêtre contextuelle (Figure 1E) qui résume pour chaque participant combien il a gagné au cours de cette ronde et quel est le solde de son compte courant.

Les rondes doivent être répétées plusieurs fois. Les chercheurs devraient demander aux participants de jouer au CTG pendant au moins 10 ou 15 tours dans les mêmes rôles. Cela est nécessaire car la confiance collective est une construction émergente et doit se développer lors d’interactions répétées au sein d’un groupe. De même, d’autres concepts tels que la signalisation prospective (c.-à-d. les rendements élevés réciproques des fiduciaires ayant des investissements élevés au prochain tour) n’émergeront que lors d’interactions répétées. Il est toutefois crucial que les participants ne soient pas conscients du nombre exact de tours à jouer, car il a été démontré que le comportement peut changer radicalement lorsque les participants sont conscients qu’ils jouent le dernier tour (c’est-à-dire un comportement plus injuste ou des détournements dans les jeux économiques37,38).

Le CTG fournit ainsi des informations sur l’émergence de la confiance collective à plusieurs niveaux. Premièrement, le niveau de confiance collective démontré lors de la ronde finale devrait représenter fidèlement le niveau partagé de confiance des investisseurs envers le ou les fiduciaires. Deuxièmement, le montant investi à chaque tour peut servir d’indicateur de l’émergence d’une confiance collective au fil des interactions répétées. Troisièmement, les données de mouvement mettent en lumière le processus de groupe qui détermine combien d’argent est investi dans chaque tour.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

La collecte et l’analyse des données dans ce projet ont été approuvées par le comité d’éthique de l’Institut de psychologie Georg-Elias-Müller de l’Université de Göttingen (proposition 289/2021); le protocole suit les lignes directrices sur la recherche humaine des comités d’éthique de l’Institut Georg-Elias-Müller de psychologie. Le logiciel CTG peut être téléchargé à partir du projet OSF (DOI 10.17605/OSF. IO/U24PX) sous le lien: https://s.gwdg.de/w88YNL.

1. Préparer la configuration technique

  1. Préparer des formulaires de consentement et des questionnaires en ligne
    1. Préparez un formulaire de consentement en ligne dans un outil de questionnaire en ligne.
    2. S’il y a lieu, préparez un questionnaire en ligne dans un outil de questionnaire en ligne.
      REMARQUE : Il est possible d’inclure un court questionnaire dans le programme HoneyComb (voir l’étape 1.3.5). Pour utiliser des questionnaires plus longs, utilisez plutôt un outil de questionnaire en ligne distinct. Des exemples d’outils de questionnaire en ligne sont donnés dans le tableau des matériaux.
  2. Préparer le serveur de bureau à distance
    1. Installez un système d’exploitation Linux sur un serveur distant. Si possible, renseignez-vous auprès des assistants techniques sur les ressources disponibles dans l’établissement. Sinon, suivez les directives d’installation39.
    2. Créez différents utilisateurs sur ce serveur40.
      1. Créez un administrateur utilisateur qui dispose des autorisations root et auquel seul le responsable technique de l’expérience accède.
      2. Créez un utilisateur expérimentateur qui a les autorisations de créer des dossiers partagés, d’importer et d’exporter des données, et qui peut être consulté par tout le personnel collectant des données (y compris les étudiants / assistants de recherche, etc.).
      3. Créez plusieurs utilisateurs nommés participant-1, participant-2, etc.
        REMARQUE : Les chercheurs ne pourront tester qu’autant de participants au cours d’une session expérimentale que d’utilisateurs créés.
    3. Exécutez la commande java -version sur l’utilisateur admin pour vous assurer qu’un environnement d’exécution Java est disponible sur le serveur. Si ce n’est pas le cas, installez la version Java la plus récente avant de continuer et assurez-vous que tous les utilisateurs peuvent y accéder.
    4. Installer le programme
      1. Téléchargez le programme.
        REMARQUE: Le programme peut être téléchargé sous forme de fichier zip HC_CTG.zip contenant 1) le HC.jar exécutable, 2) trois fichiers pour la configuration (hc_server.config, hc_panel.config et hc_client.config), et 3) deux sous-dossiers nommés intro et rawdata.
      2. Créez un dossier sur l’utilisateur expérimentateur et partagez-le avec les autres utilisateurs41. Extrayez les fichiers du fichier compressé HC_CTG.zip dans ce dossier.
      3. Pour chaque utilisateur participant, accédez à ce dossier partagé et vérifiez que l’utilisateur peut accéder aux fichiers.
  3. Ouvrez les trois fichiers de configuration.
    1. Modifiez hc_server.config et enregistrez le fichier modifié.
      1. Configurez le nombre de joueurs en n_Pl définissant sur le nombre souhaité. Par exemple, entrez 4 derrière le =.
      2. Configurez le nombre de tours à jouer (playOrder) en répétant le numéro de jeu 54a (par exemple, 54a, 54a, 54a, 54a pendant quatre tours).
        REMARQUE: i54a représente les instructions et ne doit pas être supprimé dans le fichier de configuration.
      3. Configurez si un questionnaire doit être affiché dans HoneyComb en incluant 200 à la fin de playOrder. Supprimer 200 si un outil de questionnaire en ligne distinct est utilisé.
      4. Configurez l’échelle d’investissement. Pour configurer l’échelle pour les investisseurs (iscale), entrez les valeurs qui doivent être disponibles en tant qu’étapes d’investissement (par exemple, 0, 12, 24, 36, 48, 60, 72). Utilisez des entiers qui sont des multiples de trois pour que les paiements soient également des entiers.
        REMARQUE: Ces valeurs configurées sont également affichées comme étapes d’investissement possibles pour les investisseurs.
        1. Configurez l’échelle d’affichage pour les fiduciaires (tlabel) en choisissant les valeurs qui doivent être affichées comme rendements possibles sur le terrain de jeu (par exemple, 0, 1/6, 2/6, 3/6, 4/6, 5/6, 1). REMARQUE: Cette échelle n’influence pas le calcul des paiements.
        2. Configurez l’échelle pour les fiduciaires (tscala) en choisissant les valeurs de rendement qui doivent être possibles comme rendements (par exemple, 0, 0,166666, 0,3333, 0,5, 0,6666, 0,833331, 1). Utilisez uniquement des valeurs numériques (c.-à-d. pas de fractions).
          REMARQUE: Ces valeurs sont utilisées pour calculer les paiements et ne sont PAS affichées sur le terrain de jeu.
      5. Configurez les time-ins (timeInI pour les investisseurs, timeInT pour les fiduciaires) et les délais d’expiration (timeOutI pour les investisseurs, timeout pour les fiduciaires) en secondes. Par exemple, timeInI = 0, timeOutI = 30, timeInT = 30 et timeout = 45.
      6. Configurez le montant d’argent dont les investisseurs et les fiduciaires sont dotés à chaque tour en cents (r52).
      7. Configurez le facteur avec lequel l’investissement est multiplié avant d’être envoyé au fiduciaire (f52).
      8. Configurer si le groupe doit parvenir à une décision unanime (définir bUnanimité sur vrai) ou non (définir l’unanimité sur faux)
      9. Configurez si le groupe est payé à parts égales (définissez bCommon sur true) ou en fonction de la contribution de chaque investisseur à l’investissement (définissez bCommon sur false).
      10. Si bUnanimité est réglé sur true, configurez la pénalité - le montant d’argent déduit des investisseurs si une décision unanime n’est pas prise (p52).
    2. Modifiez hc_client.config si nécessaire. Veillez à définir ip_nr sur localhost afin que les clients puissent se connecter à l’expérimentateur.
    3. Modifiez hc_panel.config.
      1. Ajustez la taille des hexagones (rayon) en fonction de la résolution de l’écran. Testez l’expérience sur plusieurs écrans différents pour vous assurer qu’elle sera visible sur une grande variété d’écrans.
      2. Ajustez le texte affiché sur le terrain de jeu sous les étiquettes (par exemple, Votre rôle est : investisseur, Solde du compte, etc.)
    4. Ajustez et/ou traduisez les instructions, si nécessaire. Pour ce faire, modifiez et enregistrez les fichiers HTML simples (Figure 2A) dans le dossier « intro » du dossier du programme HoneyComb.
    5. Si vous souhaitez utiliser le questionnaire dans le programme HoneyComb, ajustez et/ou traduisez le questionnaire dans le fichier qq.txt et enregistrez le fichier.
    6. Gardez cette configuration constante sur toutes les sessions d’expérience (dans une condition d’expérience). Documentez toutes les configurations.

2. Recrutement des participants

  1. Publicité en ligne
    1. Recrutez des participants sur les canaux disponibles (p. ex., médias sociaux, blogue universitaire, dépliant avec code QR). Nommez des informations importantes sur l’expérience, telles que son objectif, sa durée et le paiement maximum calculé en fonction du comportement du jeu.
      NOTE: L’échantillon présenté ici a été recruté via un blog en ligne pour les étudiants en psychologie de l’Université de Göttingen ainsi que des annonces non rémunérées dans des groupes de médias sociaux. Un exemple de dépliant peut être vu dans la figure supplémentaire 1.
    2. Informez les participants potentiels que la participation nécessitera l’utilisation d’ordinateurs portables personnels avec une connexion Internet stable et dans un endroit calme et isolé. Informez les participants qu’ils peuvent avoir besoin d’installer un programme pour établir la connexion Bureau à distance.
      REMARQUE: La participation via des téléphones mobiles ou des tablettes n’est pas possible.
    3. Assurez-vous que les participants répondent aux critères d’inclusion de l’expérience tels que les exigences linguistiques ou la vision des couleurs.
    4. Assurez-vous que les participants n’ont pas participé à des expériences précédentes sur le CTG.
  2. Réserver des sessions expérimentales avec les participants
    1. Demandez aux participants de réserver des créneaux horaires pour leur participation.
    2. Utilisez un logiciel de gestion des participants pour envoyer des courriels automatisés d’invitation ou de rappel.
    3. Surbookez les plages horaires d’au moins un participant pour s’assurer qu’un nombre suffisant de participants sont présents pour mener l’expérience.
  3. Envoyez aux participants un e-mail de confirmation contenant les informations suivantes : guide sur la configuration de l’ordinateur, installation de l’outil Connexion Bureau à distance et établissement de la connexion au Bureau à distance. Assurez-vous de NE PAS envoyer d’informations de connexion pour le moment, afin d’éviter les problèmes techniques dus à une connexion antérieure.
  4. Envoyez aux participants des courriels de rappel environ 24 heures avant l’expérience, y compris le lien vers la plateforme de vidéoconférence. Incluez les informations sur l’installation qui ont été envoyées dans l’e-mail de confirmation.

3. Configuration expérimentale (avant chaque session expérimentale)

  1. Préparation de la plateforme de visioconférence (Figure 3)
    1. Assurez-vous que les participants ne peuvent pas partager leur microphone ou leur caméra. Assurez-vous que les participants ne peuvent pas voir les noms des autres.
    2. Partagez le microphone et la caméra de l’expérimentateur, et partagez l’écran avec un minimum d’instructions sur la plate-forme de visioconférence (Figure 3).
  2. Préparer le poste de travail distant
    1. Utilisateur expérimentateur
      1. Démarrez une connexion Bureau à distance avec l’utilisateur expérimentateur. Ouvrez le dossier partagé et démarrez un terminal en cliquant avec le bouton droit de la souris dans le répertoire et en choisissant Ouvrir le terminal ici.
      2. Démarrez le programme serveur HC_Gui.jar en tapant la commande java -jar HC_Gui.jar dans le terminal et en appuyant sur ENTRÉE.
    2. Utilisateurs participant-1, participant-2, etc.
      1. Établissez une connexion de bureau à distance avec les utilisateurs participant-1, participant-2, .... Ouvrez le dossier partagé et démarrez un terminal dans ce dossier comme précédemment.
      2. Démarrez les programmes clients pour chaque utilisateur en tapant la commande java -jar HC.jar dans le terminal et en appuyant sur ENTRÉE.
      3. Vérifiez si les connexions sont correctement établies sur tous les utilisateurs participants.
        REMARQUE: Les écrans des utilisateurs participants doivent afficher le message Veuillez patienter. L’ordinateur se connecte au serveur. Il est recommandé d’avoir autant d’ordinateurs portables présents que d’utilisateurs (Figure 4).
    3. Utilisateur expérimentateur
      1. Vérifiez qu’une ligne apparaît dans l’interface graphique du serveur, affichant l’adresse IP de chacun des utilisateurs participants. Lorsque tous les utilisateurs participants sont connectés, vérifiez que le programme serveur affiche le message Tous les clients sont connectés. Prêt à commencer?. Cliquez sur OK.
      2. Vérifiez que les écrans des utilisateurs participants affichent l’écran d’accueil de l’expérience (première page d’instructions).
        REMARQUE: L’expérimentateur peut préparer la session jusqu’à ce point.

4. Procédure expérimentale

  1. Admettre les participants à la vidéoconférence au créneau horaire prévu pour l’expérience. Accueillez tous les participants à l’aide d’un texte standardisé. Expliquer la procédure technique aux participants.
  2. Partagez le lien vers le formulaire de consentement en ligne. Vérifiez que tous les participants ont donné leur consentement écrit.
  3. Guidez les participants pour ouvrir l’outil Connexion Bureau à distance et envoyez à chaque participant leurs données de connexion individuelles via le chat personnel lors de la vidéoconférence.
    REMARQUE: Lorsque les participants se connectent aux utilisateurs participants, les blocs-notes du laboratoire perdent la connexion aux utilisateurs participants. À partir de là, l’expérience se déroule automatiquement jusqu’à ce que les participants atteignent la dernière page, leur demandant de retourner à la vidéoconférence.
  4. Demandez aux participants de confirmer qu’ils ont lu la première page d’instructions en cliquant sur OK. Une fois que tous les participants ont confirmé, attendez que les participants aient terminé le jeu.
    REMARQUE: Les participants peuvent parcourir les instructions au rythme de leur choix. Une fois que tous les participants ont confirmé qu’ils ont lu les instructions, le CTG commence automatiquement. Le jeu progresse automatiquement à travers autant de tours que indiqué dans le fichier server.config.
  5. Phase de test
    1. Assignez les participants à l’un des deux rôles suivants : investisseur ou fiduciaire.
      REMARQUE : le même rôle peut être attribué à plusieurs participants.
    2. Demandez aux investisseurs de commencer par le champ le plus bas (investissement indiqué de 0) et aux fiduciaires sur le champ le plus haut (indiquant un rendement de 0) (figure 1B).
    3. Demandez aux participants de déplacer leur avatar en cliquant avec le bouton gauche de la souris dans un champ hexagonal adjacent. Indiquez aux participants que seuls les champs adjacents peuvent être choisis et que les champs ne peuvent pas être ignorés. Indiquez aux participants que leur avatar affichera une petite queue pendant 4000 ms après chaque mouvement qui indique la dernière direction à partir de laquelle ils se sont déplacés vers le champ actuel (Figure 1C).
    4. Permettez aux investisseurs de bouger dès le début (time-in = 0) pour indiquer par le mouvement combien ils aimeraient investir. Après un certain temps, interdire le mouvement des investisseurs (time-out).
      REMARQUE: Le champ sur lequel ils se trouvent indiquera alors combien est investi. Au milieu du terrain de jeu, un numéro bleu indiquera également le montant envoyé au syndic. Si l’expérience est mise en place pour exiger des investissements unanimes, les investissements ne seront faits que si tous les participants se tiennent sur le même terrain.
    5. Expliquez dans les instructions que le montant investi est multiplié par un facteur (p. ex., trois) et envoyé aux fiduciaires. Empêchez les fiduciaires de déménager aussi longtemps que les investisseurs déménagent en fixant le temps d’intervention du fiduciaire à la durée du délai d’attente du fiduciaire.
    6. Demandez aux fiduciaires d’indiquer la fraction qu’ils souhaitent retourner aux investisseurs. Une fois que le délai d’attente du fiduciaire est atteint, le champ sur lequel les fiduciaires se tiennent est pris pour indiquer la fraction qui est retournée aux investisseurs. Le montant restitué est également indiqué au milieu du terrain de jeu par un chiffre jaune (Figure 1D).
    7. Demandez à la fenêtre contextuelle d’afficher le montant d’argent que la personne a gagné à la fin de la ronde (Figure 1E).
    8. Répétez le tour de jeu si nécessaire (c’est-à-dire comme indiqué dans le fichier server.config).
    9. Une fois tous les tours terminés, demandez aux participants de générer un code personnel unique afin que les gains du jeu puissent être connectés à leur nom tout en gardant les données comportementales anonymes.
    10. Une fois que les participants ont généré le code, affichez un écran qui leur demande de revenir à la vidéoconférence et de fermer la connexion Bureau à distance.
      NOTE: La procédure expérimentale (section 4 de ce protocole avec 15 tours de jeu) dure 35 minutes.
    11. Si des problèmes techniques ou une défaillance d’un participant nécessitent l’interruption de la session d’expérience, évitez de recommencer l’expérience avec les mêmes participants.
  6. Phase post-test
    1. Une fois le jeu terminé, assurez-vous que tous les participants ont fermé la connexion Bureau à distance. Demandez aux participants de remplir les questionnaires comme bon leur semble pour une question de recherche spécifique.
    2. Pendant que les participants remplissent les questionnaires, fermez le programme serveur sur l’utilisateur expérimentateur en cliquant sur Stop & Quitter. Cela fermera également le programme sur les utilisateurs participants.
    3. Remerciez les participants pour leur temps et expliquez comment et quand leurs gains leur seront transférés. Assurez-vous que tous les participants ont quitté la vidéoconférence, surtout si un autre créneau horaire d’expérience est prévu directement après.

5. Terminer l’expérience

  1. Transférez et sauvegardez les données (par exemple, dans le cloud), sous la forme d’un fichier *.csv et d’un fichier *.txt par groupe et par créneau horaire de l’expérience, marqué par un jour et une heure de l’expérience.
  2. Fermez toutes les connexions Bureau à distance.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Cet article présente les résultats d’une étude pilote menée avec le CTG auprès de 16 participants (cinq hommes, 11 femmes; Âge : M = 21, ET = 2,07). Selon Johanson et Brooks42, cette taille d’échantillon est suffisante dans une expérience pilote, en particulier lorsqu’elle est associée à une approche qualitative pour atteindre une densité d’information élevée sur l’expérience subjective des participants pendant l’expérience. Il est recommandé que chaque fois que les chercheurs on...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Le CTG offre aux chercheurs la possibilité d’adapter le BDM1 classique aux groupes et d’observer en profondeur les processus émergents au sein des groupes. Alors que d’autres travaux23,24,25,26 ont déjà tenté d’adapter le BDM1 aux paramètres de groupe, la seule façon d’accéder aux processus de groupe dans ces études sont des analyses laborieuses des intera...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs n’ont rien à divulguer.

Remerciements

Cette recherche n’a reçu aucun financement externe.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Logiciels et progiciels d’analyse de donnéesRversion 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 Fondation pour l’informatique statistique. Vienne, Autriche. (2020).
Logiciels et progiciels d’analyse de donnéesR Studioversion 2022.2.3.492 « Prairie Trillium"RStudio Team RStudio : Environnement de développement intégré pour R. à [http://www.rstudio.com/]. RStudio, PBC. Boston, Massachusetts. (2020).
Logiciels et packages d’analyse de donnéesggplot2version 3.3.6Wickham, H. ggplot2 : Graphiques élégants pour l’analyse de données. à [https://ggplot2.tidyverse.org]. Springer-Verlag, New York. (2016).
Logiciel et packages d’analyse de donnéescowplotversion 1.1.1Wilke, C.O. cowplot : Thème de parcelle simplifié et annotations de parcelle pour " ggplot2. à [https://CRAN.R-project.org/package=cowplot]. (2020).
OnlineQuestionnaireToolLimeSurveyCommunity Edition Version 3.28.16+220621  ;Vous pouvez utiliser n’importe quel outil de questionnaire en ligne préféré. LimeSurvey ou SoSciSurvey sont recommandés.
Ordinateurs portables ou PCDELLLatitude 7400Tout ordinateur portable capable d’établir une connexion stable au bureau à distance peut être utilisé.
Logiciel de gestion des participantsORSEEversion 3.1.0Il est recommandé d’utiliser ORSEE (Greiner, B. [2015]. Procédures de recrutement des viviers de sujets : Organisation d’expériences avec ORSEE. Journal de l’Association des sciences économiques, 1, 114-125. https://doi.org/10.1007/s40881-015-0004-4), mais d’autres options logicielles peuvent être disponibles.
Programme d’ouverture de RemoteDesktop ConnectionConnexion de bureau à distance (Programme distribué avec chaque installation de Windows 10.)Les outils suivants sont recommandés : RemoteDesktopConnection (pour Windows), Remmina (pour Linux) ou Microsoft Remote Desktop (pour Mac OS).
Serveur pour exécuter l’environnement RemoteDesktop EnvironnementVMware vSphere basé sur vSphere ESXiversion 6.5Idéalement fourni par le service informatique de l’université/de l’établissement.
Plateforme de vidéoconférenceBigBlueButtonVersion 2.3Il est recommandé d’utiliser une plateforme telle que BigBlueButton ou un autre logiciel gratuit qui n’enregistre pas les données des participants sur un serveur externe. La plate-forme doit fournir les fonctions suivantes : 1) possibilité de restreindre l’accès au microphone et à la caméra pour les participants, 2) masquer les noms des participants aux autres participants, 3) possibilité d’envoyer un message de chat privé aux participants.
Machine virtuelle fonctionnant sous Linux-InstallationXubuntuversion 20.04 « Focal Fossa"D’autressystèmes basés sur Linux seront également possibles.

Références

  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).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Étiquettes

Confiance de groupejeux conomiquesexp rience en ligner les d investisseur et de fiduciairestrat gies comportementalespr servation de l anonymatdonn es d interaction de groupe
The Collective Trust Game: une adaptation de groupe en ligne du jeu de confiance basée sur le paradigme HoneyComb
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.