26 באוגוסט 2018
מאמר זה מתאר שיטה עבור ניסויים מרובת משתמשים על קבלת החלטות, ניווט באמצעות מעבדה מחשב מרושת.
שיטה זו יכולה לעזור לענות על שאלות מפתח בתחומי מדעי ההחלטות והקוגניציה המרחבית, כגון כיצד להשתמש במציאות מדומה שולחנית כדי לערוך מחקרי התמצאות עם מספר משתתפים. היתרון העיקרי של טכניקה זו הוא שחוקרים אחרים יכולים להתאים וליישם את פרוטוקול הניסוי על מנת להקים מעבדת מציאות מדומה שולחנית ברשת. ההשלכות של טכניקה זו משתרעות על מדעי ההתנהגות וקוגניציה מרחבית, מכיוון שהנסיינים יכולים לנטר ביעילות את התנהגות המשתתפים השקועים בו זמנית בסביבה וירטואלית שולחנית.
בדרך כלל אנשים חדשים בשיטה זו יתקשו מכיוון שמעבדה כזו דורשת תחזוקה ופרוטוקולים קפדניים לאיסוף נתונים בסביבה מבוקרת. ההדגמה החזותית של שיטה זו היא קריטית בגלל קשיים הקשורים לניסויי מציאות מדומה שולחניים מרובי משתמשים, כגון הגדרת הניסוי וניהול המשתתפים. מי שידגים את ההליך הזה יהיה אלווארו אינגולד, טכנאי מהמעבדה שלנו.
התחל בהדלקת השרת והאורות בחדר הבקרה במעבדה. הגדר את חדרי הבדיקה בהתאם למספר המשתתפים הנדרש. העתק את תוכנית הניסוי הניתנת להפעלה ואת קבצי התצורה המתאימים לה בכונן הרשת.
לאחר מכן פתח את סביבת ה- Scripting המשולבת של PowerShell בשולחן העבודה של Windows. במסוף PowerShell, ציין מערך של שמות מחשבים כדי ליצור אובייקט מאגר לקוחות. הקלד מאגר התחל-מאגר כדי להפעיל את מחשבי הלקוח, ומאגר רישום כדי לחבר את השרת למחשבי הלקוח.
לאחר מכן, הכן את המחשבים בצד הלקוח לפני הפעלת התוכנית. הקלד Invoke-Pool Mount-NetworkShare path} כדי להנחות את המחשבים להיכנס לנתיב התיקיה הנכון. לאחר מכן, בצע את הפונקציות המוכנות בשרת על ידי הקלדת Start-GameServer, והקלדה במחשב הלקוח Invoke-Pool Start-GameClient}ציין את כתובת ה-IP של השרת כפרמטר של הפונקציה.
המתן להודעה בצג השרת המציינת חיבור מוצלח. לבסוף, חלקו את טפסי ההסכמה והעטים בכל תא. ערבבו את חפיסת כרטיסי הישיבה המציינים את סידור הישיבה של המשתתפים.
חמש דקות לפני שעת ההתחלה הרשמית, התחילו לבדוק את תעודת הזהות של כל משתתף כדי לוודא שהם תואמים לרשימת המשתתפים הרשומים. לאחר מכן תנו למשתתפים לבחור כרטיס המציין את מספר המושב שלהם. בקשו מהמשתתפים ללכת לתא המתאים, לקרוא ולחתום על טפסי ההסכמה.
הרם אותם לפני ביצוע הניסוי. שדר את ההוראות עם מיקרופון לכל המשתתפים. הודע להם על הכללים הבסיסיים, כולל איסור תקשורת עם משתתפים אחרים, ואסור להכניס מכשירים אלקטרוניים אישיים.
בקשו מהמשתתפים להרים את ידיהם אם יש להם שאלות כלשהן בנוגע לניסוי. התחל את הניסוי בהצגת השאלון הדמוגרפי. פרוס את סצנת ההדרכה כדי ללמד את המשתתפים כיצד לתמרן בסביבה הווירטואלית ולעקוב אחר ההתקדמות על ידי התבוננות בצילומי מסך מכל המחשבים עד שכל המשתתפים סיימו את האימון.
לאחר האימון, התחל את שלב הבדיקה של הניסוי. ודא שיש תקופת המתנה קצרה לפני כל ניסיון כדי לטעון את הסצנה הבאה ולאפשר למשתתפים לקרוא את ההוראות. צפו בהתנהגויות המשתתפים מממשק ממעוף הציפור במחשב השרת.
לאחר השלמת הניסוי, סגור את השרת ואת תוכנית הלקוח על-ידי הקלדת Stop-GameClient ו- Stop-GameServer במסוף PowerShell. לאחר מכן, בקשו מהמשתתפים להישאר לשבת עד שהמספר שלהם ייקרא דרך המיקרופון. חלץ את הציונים הסופיים של המשתתפים מציון הקובץ.
txt בתיקיית הפרויקט במחשב השרת, ולהמיר את הציונים שלהם לתשלום כספי. העתק ושמור את נתוני הניסוי מהשרת לדיסק חיצוני לניתוח עתידי. לאחר מכן, התקשר למספרי התא אחד בכל פעם, ופגוש כל משתתף בדלפק הקבלה.
הודו למשתתף ותנו לו את התשלום המתאים. לבסוף, בדוק את התאים הריקים ואסוף את כל העטים או הטפסים שנותרו. כאן, הזמנים המקסימליים והמינימליים הם הזמנים הנדרשים על ידי המשתתפים המהירים והאיטיים ביותר כדי להגיע ליעד בכל ניסוי.
סטטיסטיקות תיאוריות אלה מצביעות על המידה שבה המשתתפים למדו להכיר את הסביבה במהלך הניסויים. הנתונים שהתקבלו מאפשרים גם הדמיה של מסלולים שנוצרו אך הקהל הווירטואלי בניסוי 1 ו-16. לאחר מכן ניתן להשתמש בסטטיסטיקה מרחבית כדי לנתח את השינויים במסלולים על פני ניסויים.
בעת ניסיון הליך זה, חשוב לזכור תמיד לעקוב אחר השלבים המחמירים של הניסויים המתוכננים בגלל העלות הכרוכה בכל מפגש ניסוי.
צפו בתמליל המלא וקבלו גישה לאלפי סרטונים מדעיים
מאמר זה מתאר שיטה לביצוע ניסויים רב-משתמשים על קבלת החלטות וניווט באמצעות מעבדה ממוחשבת מרושתת. הטכניקה מאפשרת לחוקרים לנטר ביעילות משתתפים השקועים בסביבה וירטואלית של שולחן עבודה.
פלטפורמות של מציאות מדומה מרובת-משתמשים מאפשרות חקירה מבוקרת של התנהגויות ניווט מרחבי וקבלת החלטות מתהוות תחת תנאים סטנדרטיים. גישה זו תומכת בהסרה מכניסטית של סיכונים בשלבי הגילוי המוקדמים, על ידי כימות האופן שבו משתנים הקשריים משפיעים על התנהגות קולקטיבית במערכות רלוונטיות למחלה. השיטה מספקת ערך ניבוי עבור תיקוף מטרות באמצעות פנוטיפיקה התנהגותית בעלת תפוקה גבוהה וניתנת לשחזור.
השיטה משתלבת ברצף הגילוי, החל מהבניית ההשערה ועד לזיהוי המולקולה המובילה, באמצעות אספקת מדדים התנהגותיים כמותיים התומכים בהפחתת סיכונים מכניסטיים.