August 26th, 2018
Questo documento descrive un metodo per condurre esperimenti di multi-utenti il processo decisionale e di navigazione utilizzando un laboratorio di computer in rete.
Questo metodo può aiutare a rispondere a domande chiave nel campo della scienza delle decisioni e della cognizione spaziale, ad esempio come utilizzare la realtà virtuale desktop per condurre studi di wayfinding con più partecipanti. Il vantaggio principale di questa tecnica è che il protocollo sperimentale può essere adattato e applicato da altri ricercatori al fine di allestire un laboratorio di realtà virtuale desktop in rete. Le implicazioni di questa tecnica si estendono alle scienze comportamentali e alla cognizione spaziale, perché gli sperimentatori possono monitorare in modo efficiente il comportamento dei partecipanti che sono contemporaneamente immersi in un ambiente virtuale desktop.
In generale, le persone che non conoscono questo metodo avranno difficoltà perché un laboratorio di questo tipo richiede manutenzione e protocolli rigorosi per raccogliere dati in un ambiente controllato. La dimostrazione visiva di questo metodo è fondamentale a causa delle difficoltà associate agli esperimenti di realtà virtuale desktop multiutente, come l'impostazione dell'esperimento e la gestione dei partecipanti. A dimostrare questa procedura sarà Alvaro Ingold, un tecnico del nostro laboratorio.
Inizia accendendo il server e le luci nella sala di controllo del laboratorio. Allestire le sale di prova in base al numero di partecipanti richiesto. Copiare il programma eseguibile dell'esperimento e i file di configurazione corrispondenti nell'unità di rete.
Aprire quindi l'ambiente di scripting integrato di PowerShell sul desktop di Windows. Nella console di PowerShell specificare una matrice di nomi di computer per creare un oggetto pool di client. Digitare Start-Pool pool per avviare i computer client e Register-Pool pool per connettere il server ai computer client.
Quindi, prepara i computer sul lato client prima di avviare il programma. Digitare Invoke-Pool Mount-NetworkShare path}per indirizzare i computer a immettere il percorso della cartella corretto. Quindi, esegui le funzioni preparate sul server digitando Start-GameServer e digitando sul computer del client Invoke-Pool Start-GameClient}Specifica l'indirizzo IP del server come parametro della funzione.
Attendi un messaggio sul monitor del server che indica una connessione riuscita. Infine, distribuisci i moduli di consenso e le penne in ogni cubicolo. Mescola il mazzo di schede dei posti a sedere che indicano la disposizione dei posti a sedere dei partecipanti.
Cinque minuti prima dell'orario di inizio ufficiale, inizia a controllare l'ID di ogni partecipante per assicurarti che corrisponda all'elenco dei partecipanti registrati. Quindi lascia che i partecipanti scelgano una carta che indichi il loro numero di posto. Chiedi ai partecipanti di recarsi al cubicolo corrispondente e di leggere e firmare i moduli di consenso.
Raccoglili prima di condurre l'esperimento. Trasmetti le istruzioni con un microfono a tutti i partecipanti. Informarli delle regole di base, tra cui l'impossibilità di comunicare con gli altri partecipanti e l'assenza di dispositivi elettronici personali.
Chiedi ai partecipanti di alzare la mano se hanno domande riguardanti l'esperimento. Inizia l'esperimento presentando il questionario demografico. Distribuisci la scena di formazione per insegnare ai partecipanti come destreggiarsi nell'ambiente virtuale e monitorare i progressi guardando gli screenshot di tutti i computer fino a quando tutti i partecipanti non hanno terminato la sessione di formazione.
Dopo la sessione di formazione, inizia la fase di test dell'esperimento. Assicurarsi che ci sia un breve periodo di attesa prima di ogni prova per caricare la scena successiva e consentire ai partecipanti di leggere le istruzioni. Osserva i comportamenti dei partecipanti dall'interfaccia a volo d'uccello sul computer server.
Al termine dell'esperimento, chiudere il server e il programma client digitando Stop-GameClient e Stop-GameServer nella console di PowerShell. Quindi, chiedi ai partecipanti di rimanere seduti fino a quando il loro numero non viene chiamato al microfono. Estrai i punteggi finali dei partecipanti dal punteggio del file.
txt nella cartella del progetto sul computer del server e convertire i loro punteggi in un pagamento monetario. Copiare e salvare i dati dell'esperimento dal server a un disco esterno per analisi future. Quindi, chiama i numeri del cubicolo uno alla volta e incontra ogni partecipante alla reception.
Ringrazia il partecipante e consegnagli il pagamento corrispondente. Infine, esamina i cubicoli vuoti e raccogli eventuali penne o moduli rimasti. Qui, i tempi massimo e minimo sono i tempi richiesti dai partecipanti più veloci e più lenti per raggiungere la destinazione in ogni prova.
Queste statistiche descrittive indicano la misura in cui i partecipanti hanno acquisito familiarità con l'ambiente nel corso delle prove. I dati ottenuti permettono anche la visualizzazione delle traiettorie generate dalla folla virtuale nella Prova 1 e nella Prova 16. Le statistiche spaziali possono quindi essere utilizzate per analizzare i cambiamenti nelle traiettorie durante le prove.
Quando si tenta questa procedura, è importante ricordare di seguire sempre i passaggi rigorosi degli esperimenti progettati a causa del costo associato a ciascuna sessione sperimentale.
View the full transcript and gain access to thousands of scientific videos
Questo documento descrive un metodo per condurre esperimenti multi-utente su processo decisionale e navigazione utilizzando un laboratorio informatico in rete. La tecnica permette ai ricercatori di monitorare efficacemente i partecipanti immersi in un ambiente virtuale desktop.
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.