August 26th, 2018
Cet article décrit une méthode pour mener des expériences sur la prise de décisions et de la navigation à l’aide d’un laboratoire d’informatique en réseau multi-utilisateurs.
Cette méthode peut aider à répondre à des questions clés dans les domaines de la science de la décision et de la cognition spatiale, telles que la façon d’utiliser la réalité virtuelle de bureau pour mener des études d’orientation avec plusieurs participants. Le principal avantage de cette technique est que le protocole expérimental peut être adapté et appliqué par d’autres chercheurs afin de mettre en place un laboratoire de réalité virtuelle de bureau en réseau. Les implications de cette technique s’étendent à la science comportementale et à la cognition spatiale, car les expérimentateurs peuvent surveiller efficacement le comportement des participants qui sont simultanément immergés dans un environnement virtuel de bureau.
En général, les personnes qui ne connaissent pas cette méthode auront du mal à le faire, car un tel laboratoire nécessite une maintenance et des protocoles stricts pour collecter les données dans un cadre contrôlé. La démonstration visuelle de cette méthode est essentielle en raison des difficultés associées aux expériences de réalité virtuelle de bureau multi-utilisateurs, telles que la mise en place de l’expérience et la gestion des participants. La démonstration de cette procédure sera assurée par Alvaro Ingold, un technicien de notre laboratoire.
Commencez par allumer le serveur et les lumières de la salle de contrôle du laboratoire. Aménagez les salles de test en fonction du nombre requis de participants. Copiez le programme d’expérimentation exécutable et ses fichiers de configuration correspondants sur le lecteur réseau.
Ouvrez ensuite l’environnement de script intégré PowerShell sur le bureau Windows. Dans la console PowerShell, spécifiez un tableau de noms d’ordinateurs pour créer un objet de pool client. Tapez Start-Pool pool pour démarrer les ordinateurs clients et Register-Pool pool pour connecter le serveur aux ordinateurs clients.
Ensuite, préparez les ordinateurs côté client avant de lancer le programme. Tapez Invoke-Pool Mount-NetworkShare path} pour indiquer aux ordinateurs d’entrer le chemin d’accès au bon dossier. Ensuite, exécutez les fonctions préparées sur le serveur en tapant Start-GameServer, et en tapant sur l’ordinateur du client Invoke-Pool Start-GameClient}Spécifiez l’adresse IP du serveur comme paramètre de la fonction.
Attendez qu’un message s’affiche sur le moniteur du serveur indiquant que la connexion a réussi. Enfin, distribuez les formulaires de consentement et les stylos dans chaque cabine. Mélangez le jeu de cartes de sièges qui indiquent la disposition des sièges des participants.
Cinq minutes avant l’heure officielle de départ, commencez à vérifier l’identité de chaque participant pour vous assurer qu’il correspond à la liste des participants inscrits. Laissez ensuite les participants choisir une carte qui indique leur numéro de siège. Demandez aux participants de marcher jusqu’au cubicule correspondant, et de lire et signer les formulaires de consentement.
Prenez-les avant de mener l’expérience. Diffusez les instructions avec un microphone à tous les participants. Informez-les des règles de base, y compris l’interdiction de communiquer avec d’autres participants et l’interdiction d’utiliser des appareils électroniques personnels.
Demandez aux participants de lever la main s’ils ont des questions concernant l’expérience. Commencez l’expérience en présentant le questionnaire démographique. Déployez la scène de formation pour apprendre aux participants à manœuvrer dans l’environnement virtuel et surveillez la progression en regardant les captures d’écran de tous les ordinateurs jusqu’à ce que tous les participants aient terminé la session de formation.
Après la séance de formation, commencez la phase de test de l’expérience. Assurez-vous qu’il y a une courte période d’attente avant chaque essai pour charger la scène suivante et permettre aux participants de lire les instructions. Observez le comportement des participants à partir de l’interface à vol d’oiseau sur l’ordinateur serveur.
Une fois l’expérience terminée, fermez le serveur et le programme client en tapant Stop-GameClient et Stop-GameServer dans la console PowerShell. Ensuite, demandez aux participants de rester assis jusqu’à ce que leur numéro soit appelé par le microphone. Extrayez les scores finaux des participants à partir du score du fichier.
txt dans le dossier du projet sur l’ordinateur du serveur, et convertissez leurs scores en un paiement monétaire. Copiez et enregistrez les données de l’expérience du serveur sur un disque externe pour une analyse ultérieure. Ensuite, appelez les numéros de cabine un par un et rencontrez chaque participant à la réception.
Remerciez le participant et donnez-lui le paiement correspondant. Enfin, examinez les cabines vides et récupérez les stylos ou formulaires restants. Ici, les temps maximum et minimum sont les temps nécessaires aux participants les plus rapides et les plus lents pour atteindre la destination lors de chaque essai.
Ces statistiques descriptives indiquent dans quelle mesure les participants se sont familiarisés avec l’environnement au cours des essais. Les données obtenues permettent également de visualiser les trajectoires générées par la foule virtuelle dans l’essai 1 et l’essai 16. Les statistiques spatiales peuvent ensuite être utilisées pour analyser les changements de trajectoires au cours des essais.
Lors de la tentative de cette procédure, il est important de se rappeler de toujours suivre les étapes strictes des expériences conçues en raison du coût associé à chaque session expérimentale.
View the full transcript and gain access to thousands of scientific videos
Cet article décrit une méthode pour mener des expériences multi-utilisateurs sur la prise de décision et la navigation en utilisant un laboratoire informatique en réseau. La technique permet aux chercheurs de surveiller efficacement les participants immergés dans un environnement virtuel de bureau.
Multi-user virtual reality platforms enable controlled investigation of emergent decision-making and spatial navigation behaviors under standardized conditions. This approach supports mechanistic de-risking in early discovery by quantifying how contextual variables influence collective behavior in disease-relevant systems. The method provides predictive value for target validation through reproducible, high-throughput behavioral phenotyping.
The method integrates into the discovery continuum from hypothesis generation through lead identification by providing quantifiable behavioral readouts that support mechanistic de-risking.