Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Gra zbiorowego zaufania: grupowa adaptacja gry zaufania online oparta na paradygmacie plastra miodu

2.6K wyświetleń

⸱

DOI:

10.3791/63600

⸱

20 października 2022

 ,  ,  ,  , 
1University of Goettingen

* These authors contributed equally

W tym artykule

Podsumowanie

Gra Zbiorowego Zaufania to komputerowa gra zaufania dla wielu agentów oparta na paradygmacie HoneyComb, która umożliwia badaczom ocenę pojawienia się zbiorowego zaufania i powiązanych konstruktów, takich jak uczciwość, wzajemność czy sygnalizacja przekazywania. Gra pozwala na szczegółową obserwację procesów grupowych poprzez zachowania ruchowe w grze.

Streszczenie

Potrzeba całościowego zrozumienia zaufania w grupach doprowadziła do gwałtownego wzrostu nowych podejść do pomiaru zbiorowego zaufania. Jednak konstrukt ten często nie jest w pełni uchwycony w swoich wyłaniających się cechach przez dostępne metody badawcze. W artykule przedstawiono Grę Zaufania Zbiorowego (CTG), komputerową, wieloagentową grę zaufania opartą na paradygmacie HoneyComb, która umożliwia badaczom ocenę powstania zaufania zbiorowego. KTG opiera się na wcześniejszych badaniach nad zaufaniem interpersonalnym i dostosowuje powszechnie znaną Grę Zaufania do ustawienia grupowego w paradygmacie HoneyComb. Uczestnicy przyjmują rolę inwestora lub powiernika; Obie role mogą być odgrywane przez grupy. Początkowo inwestorzy i powiernicy są obdarowani pewną sumą pieniędzy. Następnie inwestorzy muszą zdecydować, ile (jeśli w ogóle) swojego kapitału żelaznego chcą wysłać do powierników. Komunikują swoje tendencje, a także ostateczną decyzję, poruszając się tam iz powrotem po boisku, wyświetlając możliwe kwoty inwestycji. Pod koniec czasu na podjęcie decyzji kwota, na którą zgodzili się inwestorzy, jest mnożona i wysyłana do powierników. Powiernicy muszą poinformować inwestorów, jaką część tej inwestycji, jeśli w ogóle, chcą zwrócić. Ponownie robią to, poruszając się po boisku. Procedura ta jest powtarzana przez wiele rund, tak aby zbiorowe zaufanie mogło wyłonić się jako wspólny konstrukt poprzez powtarzające się interakcje. Dzięki tej procedurze CTG daje możliwość śledzenia powstawania zbiorowego zaufania w czasie rzeczywistym poprzez rejestrowanie danych o ruchu. KTG jest wysoce konfigurowalne do konkretnych pytań badawczych i może być przeprowadzone jako eksperyment online przy użyciu niewielkiego, taniego sprzętu. W artykule pokazano, że KTG łączy bogactwo danych o interakcjach grupowych z wysoką trafnością wewnętrzną i efektywnością czasową gier ekonomicznych.

Wprowadzenie

Gra Zbiorowego Zaufania (Collective Trust Game, CTG) umożliwia pomiar zaufania zbiorowego w sieci w obrębie grupy ludzi. Stanowi ona uogólnienie oryginalnej Gry Zaufania opracowanej przez Berga, Dickhauta i McCabe'a1 (BDM) na poziom grupowy i pozwala na uchwycenie oraz kwantyfikację zaufania zbiorowego w jego cechach emergentnych2,3,4, a także powiązanych z nim koncepcji, takich jak sprawiedliwość, wzajemność czy sygnalizacja przyszłych intencji (forward-signaling).

Poprzednie badania w większości konceptualizują zaufanie jako konstrukt wyłącznie interpersonalny, na przykład pomiędzy liderem a podwładnym5,6, wykluczając wyższe poziomy analizy. Szczególnie w kontekstach organizacyjnych może to być niewystarczające do holistycznego zrozumienia zaufania, dlatego istnieje ogromna potrzeba zrozumienia procesów, dzięki którym zaufanie buduje się (i zanika) na poziomie grupy.

W ostatnim czasie badania nad zaufaniem zaczęły w większym stopniu uwzględniać podejście wielopoziomowe. Fulmer i Gelfand7 przeanalizowali szereg badań dotyczących zaufania i podzielili je zgodnie z poziomem analizy badanym w każdej z publikacji. Trzema różnymi poziomami analizy są poziom interpersonalny (diadyczny), grupowy oraz organizacyjny. Co istotne, Fulmer i Gelfand7 dodatkowo rozróżniają poszczególne referenty. Referenty to podmioty, wobec których skierowane jest zaufanie. Oznacza to, że gdy „A ufa B w kwestii X”, to A (inwestor w grach ekonomicznych) jest reprezentowany przez poziom (indywiduum, grupa, organizacja), a B (powiernik) jest reprezentowany przez referent (indywiduum, grupa, organizacja). X reprezentuje konkretną domenę, której dotyczy zaufanie. Oznacza to, że X może być czymkolwiek, np. ogólną pozytywną skłonnością, aktywnym wsparciem, niezawodnością lub wymianą finansową, jak w przypadku gier ekonomicznych1.

W niniejszym opracowaniu zaufanie zbiorowe zdefiniowano w oparciu o definicję zaufania interpersonalnego sformułowaną przez Rousseau i współpracowników8, analogicznie do poprzednich badań nad zaufaniem zbiorowym9,10,11,12,13,14; zaufanie zbiorowe obejmuje intencję grupy do zaakceptowania podatności na zranienie w oparciu o pozytywne oczekiwania dotyczące intencji lub zachowań innej osoby, grupy bądź organizacji. Zaufanie zbiorowe jest stanem psychologicznym podzielanym przez grupę ludzi i kształtującym się w wyniku interakcji wewnątrz tej grupy. Kluczowym aspektem zaufania zbiorowego jest zatem jego wspólnotowy charakter w obrębie grupy.

Oznacza to, że badania nad zaufaniem zbiorowym powinny wykraczać poza prostą średnią z procesów indywidualnych i konceptualizować zaufanie zbiorowe jako zjawisko emergentne2,3,4, gdyż nowe odkrycia w nauce o grupach wykazują, że procesy grupowe są płynne, dynamiczne i emergentne2,15. Emergencję definiujemy jako „proces, w którym elementy systemu na niższym poziomie oddziałują na siebie i poprzez tę dynamikę tworzą zjawiska manifestujące się na wyższym poziomie systemu”16 (s. 335). Przypuszczalnie powinno to mieć zastosowanie również w przypadku zaufania zbiorowego.

Badania koncentrujące się na wyłanianiu i dynamice procesów grupowych powinny wykorzystywać odpowiednie metodologie17, aby uchwycić te cechy. Jednak obecny stan pomiaru zaufania zbiorowego wydaje się pozostawać w tyle. Większość badań stosowała prostą technikę uśredniania danych każdego członka grupy9,10,12,13,18. Można argumentować, że podejście to ma niewielką wartość prognostyczną2, ponieważ pomija fakt, że grupy nie są jedynie agregatami jednostek, lecz bytami wyższego poziomu o unikalnych procesach. Niektóre badania próbowały rozwiązać te problemy: w badaniu przeprowadzonym przez Adamsa19 zastosowano podejście oparte na zmiennych latentnych, natomiast Kim i współpracownicy10 wykorzystali winiety do szacowania zaufania zbiorowego. Podejścia te są obiecujące, gdyż uznają zaufanie zbiorowe za konstrukt wyższego poziomu. Jednak, jak zauważają Chetty i współpracownicy20, pomiary oparte na ankietach nie zapewniają bodźców do szczerych odpowiedzi, dlatego w badaniach nad zaufaniem coraz częściej przyjmuje się mierniki behawioralne lub kompatybilne z zachętami21,22.

Kwestia ta została podjęta w szeregu badań, w których zaadaptowano metodę behawioralną, a mianowicie BDM1, do prowadzenia w grupach23,24,25,26. W BDM dwie strony występują odpowiednio jako inwestorzy (A) lub powiernicy (B). W tej sekwencyjnej grze ekonomicznej zarówno A, jak i B otrzymują początkowy kapitał (np. 10 Euro). Następnie A musi zdecydować, jaką kwotę ze swojego kapitału, o ile w ogóle, chce przekazać B (np. 5 Euro). Kwota ta zostaje następnie potrojona przez eksperymentatora, zanim B zdecyduje, jaką część otrzymanych pieniędzy (np. 15 Euro), o ile w ogóle, chce odesłać do A (np. 7,5 Euro). Kwota, którą A przesyła do B, jest operacjonalizowana jako poziom zaufania A do B, natomiast kwota, którą B odsyła, może służyć do pomiaru wiarygodności B lub stopnia sprawiedliwości w diadzie A i B. Szeroki zakres badań analizował zachowania w dyadycznych grach zaufania27. W BDM można grać zarówno w formie tak zwanej gry jednorazowej („one-shot”), w której uczestnicy grają tylko raz z konkretną osobą, jak i w rundach powtarzalnych, w których rolę mogą odgrywać takie aspekty jak wzajemność28,29 oraz sygnalizacja przyszłych działań.

W wielu badaniach, w których BDM dostosowano do pracy grupowej23,24,25,26, rolę inwestora, powiernika lub obie te role pełniły grupy. Żadne z tych badań nie rejestrowało jednak procesów grupowych. Proste zastąpienie jednostek grupami w schematach badawczych nie spełnia standardów ustanowionych przez Kolbe i Boos17 lub Kozlowskiego15 dla badań nad zjawiskami emergentnymi. Aby wypełnić tę lukę, opracowano CTG.

Celem opracowania CTG było stworzenie paradygmatu, który połączyłby powszechnie stosowany BDM1 z podejściem ujmującym zaufanie zbiorowe jako wyłaniający się konstrukt oparty na zachowaniach, dzielony przez grupę.

CTG opiera się na paradygmacie HoneyComb opracowanym przez Boosa i współpracowników30, który został również opublikowany w Journal of Visualized Experiments31, a obecnie został dostosowany do zastosowania w badaniach nad zaufaniem. Jak opisali Ritter i współpracownicy32, paradygmat HoneyComb to „wieloagentowa, komputerowa platforma wirtualnych gier, zaprojektowana w celu wyeliminowania wszystkich kanałów sensorycznych i komunikacyjnych, z wyjątkiem percepcji ruchów przypisanych uczestnikom awatarów na polu gry” (s. 3). Paradygmat HoneyComb jest szczególnie odpowiedni do badania procesów grupowych, ponieważ pozwala badaczom rejestrować ruchy członków rzeczywistej grupy za pomocą danych czasoprzestrzennych. Można twierdzić, że obok analizy interakcji grupowych17, HoneyComb jest jednym z niewielu narzędzi umożliwiających badaczom śledzenie procesów grupowych w dużych szczegółach. W przeciwieństwie do analizy interakcji grupowych, ilościowa analiza danych czasoprzestrzennych z systemu HoneyComb jest mniej czasochłonna. Ponadto redukcjonistyczne środowisko oraz możliwość wykluczenia wszelkiej komunikacji interpersonalnej między uczestnikami, poza ruchem na polu gry, pozwala badaczom ograniczyć czynniki zakłócające (np. wygląd fizyczny, głos, mimika twarzy) i tworzyć eksperymenty o wysokiej trafności wewnętrznej. Podczas gdy w badaniach wykorzystujących projekty dyskusji grupowej33 trudno jest zidentyfikować wszystkie wpływowe aspekty procesu grupowego, skupienie się na podstawowych zasadach interakcji grupowej w paradygmacie ruchu pozwala badaczom ilościowo ocenić wszystkie aspekty procesu grupowego w tym eksperymencie. Ponadto w poprzednich badaniach wykorzystywano zachowania proksemiczne34 — czyli zmniejszanie odległości między sobą a drugą osobą — do badania zaufania35,36.

Schemat procesu inwestowania w fundusz powierniczy; etapy gry w zaufanie, decyzje i analiza informacji zwrotnej.
Rysunek 1: Schematyczny przegląd CTG. (A) Schematyczna procedura jednej rundy CTG. (B) Początkowe rozmieszczenie awatarów na początku rundy. Trzech inwestorów zaznaczonych kolorem niebieskim stoi na polu początkowym „0”. Żółty powiernik stoi na polu początkowym „0”. (C) Zrzut ekranu z fazy inwestowania przedstawiający trzech inwestorów (niebieskie awatary) w dolnej połowie pola gry. Jeden (duży niebieski awatar) stoi obecnie na „12”, dwaj inwestorzy stoją obecnie na „24”. Dwa awatary mają ogony (wskazane pomarańczowymi strzałkami). Ogony wskazują kierunek, z którego poruszyli się na obecne pole (np. jeden inwestor (duży niebieski awatar) właśnie przeniósł się z „0” na „12”). Awatar bez ogona stoi na tym polu od co najmniej 4000 ms. (D) Zrzut ekranu z fazy zwrotu przedstawiający jednego powiernika (żółty awatar) i górną połowę pola gry. Powiernik stoi obecnie na „3/6” i niedawno przeniósł się tam z „2/6”, co wskazuje ogon. Niebieska liczba poniżej (36) oznacza inwestycję dokonaną przez inwestorów. Żółta liczba, wskazana strzałką, to aktualny zwrot (54) przedstawiony na środku pola gry. Zwrot jest obliczany w następujący sposób: (inwestycja (36 centów) x 3) x aktualna frakcja zwrotu (3/6) = 54 centy. (E) Okno wyskakujące przekazujące uczestnikom informację zwrotną o tym, ile zarobili w trakcie rundy, wyświetlane przez 15 s po wygaśnięciu czasu powiernika. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Główna procedura CTG (Rysunek 1A) opiera się ściśle na procedurze BDM1, aby wyniki były porównywalne z poprzednimi badaniami wykorzystującymi tę grę ekonomiczną. Ponieważ paradygmat HoneyComb opiera się na zasadzie ruchu, uczestnicy wskazują kwotę, którą chcą zainwestować lub zwrócić, przesuwając swój awatar na małe pole sześciokątne, które wskazuje określoną kwotę pieniędzy lub ułamek do zwrotu (Rysunek 1C,D). Przed każdą rundą zarówno inwestorzy, jak i powiernicy otrzymują określoną kwotę pieniędzy (np. 72 centy), przy czym inwestorzy są umieszczani w dolnej połowie pola gry, a powiernicy w górnej połowie (Rysunek 1B). W ustawieniach domyślnych inwestorzy mogą poruszać się jako pierwsi, podczas gdy powiernicy pozostają w bezruchu. Inwestorzy przemieszczają się po polu gry, aby wskazać, jaką część swojego nadania, o ile w ogóle, chcieliby przesłać do powiernika (Rysunek 1C). Poprzez przemieszczanie się w przód i w tył po polu, uczestnicy mogą również komunikować innym inwestorom, ile chcieliby przesłać do powiernika. W zależności od konfiguracji uczestnicy muszą podjąć jednomyślną decyzję o tym, ile chcieliby zainwestować, zbiegając się w jednym polu gry po upływie czasu. Jednomyślne decyzje były wymagane, aby wymusić interakcję między inwestorami, zamiast zwykłej gry obok siebie. Jeśli inwestorzy nie osiągną wspólnej decyzji, z ich konta potrącana jest kara (np. 24 centy). Zostało to wprowadzone, aby zapewnić, że inwestorzy będą silnie zmotywowani do osiągnięcia wspólnego poziomu zbiorowego zaufania. Po zakończeniu czasu inwestorów, zainwestowane pieniądze są mnożone i przesyłane do powierników, którym następnie pozwalono się poruszać, podczas gdy inwestorzy pozostają w bezruchu. Powiernicy wskazują poprzez ruch, ile chcieliby zwrócić inwestorom (Rysunek 1D). Dostępne opcje zwrotu są wyświetlane jako ułamki na polu gry, aby utrzymać stosunkowo niskie obciążenie poznawcze powierników. Pole gry, na którym znajdują się powiernicy w momencie wygaśnięcia przydzielonego czasu, wskazuje, jaki ułamek (np. 4/6) zostaje zwrócony inwestorom. Runda kończy się wyskakującym okienkiem (Rysunek 1E), które podsumowuje dla każdego uczestnika, ile zarobił w tej rundzie i jaki jest jego aktualny stan konta.

Rundy powinny być powtarzane wielokrotnie. Badacze powinni polecić uczestnikom rozegranie gry CTG przez co najmniej 10 lub 15 rund w tych samych rolach. Jest to konieczne, ponieważ zaufanie zbiorowe jest konstruktem wyłaniającym się, który musi rozwijać się podczas powtarzających się interakcji wewnątrz grupy. Podobnie inne koncepcje, takie jak sygnalizacja wyprzedzająca (forward-signaling, t.j. odwzajemnianie wysokich zwrotów od powierników wysokimi inwestycjami w kolejnej rundzie), pojawią się jedynie w przypadku powtarzanych interakcji. Kluczowe jest jednak, aby uczestnicy nie znali dokładnej liczby rund do rozegrania, ponieważ wykazano, że zachowanie może drastycznie ulec zmianie, gdy uczestnicy wiedzą, że grają ostatnią rundę (np. częstsze zachowania nieuczciwe lub odstępstwa w grach ekonomicznych37,38).

W ten sposób CTG dostarcza informacji o powstawaniu zaufania zbiorowego na wielu poziomach. Po pierwsze, poziom zaufania zbiorowego wykazany w ostatniej rundzie powinien być bliskim odwzorowaniem wspólnego poziomu zaufania, jakim inwestorzy darzą powiernika(ów). Po drugie, kwota zainwestowana w każdej rundzie może służyć jako wskaźnik powstawania zaufania zbiorowego w wyniku powtarzających się interakcji. Po trzecie, dane dotyczące ruchu rzucają światło na proces grupowy, który determinuje, jaka kwota pieniędzy jest inwestowana w każdej rundzie.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Gromadzenie danych i analiza danych w tym projekcie zostały zatwierdzone przez Komisję Etyki Instytutu Psychologii Georg-Elias-Müller Uniwersytetu w Getyndze (propozycja 289/2021); protokół jest zgodny z wytycznymi dotyczącymi badań na ludziach Komisji Etycznych Instytutu Psychologii Georg-Elias-Müller. Oprogramowanie KTG można pobrać ze strony projektu OSF (DOI 10.17605/OSF. IO/U24PX) pod linkiem: https://s.gwdg.de/w88YNL.

1. Przygotuj konfigurację techniczną

  1. Przygotuj formularze zgody i kwestionariusze online
    1. Przygotuj formularz zgody online w narzędziu do ankietowania online.
    2. W razie potrzeby przygotuj kwestionariusz online w internetowym narzędziu do wypełniania kwestionariuszy.
      UWAGA: Możliwe jest dołączenie krótkiego kwestionariusza do programu HoneyComb (patrz krok 1.3.5). Aby korzystać z dłuższych kwestionariuszy, użyj oddzielnego narzędzia do tworzenia kwestionariuszy online. Przykłady narzędzi do wypełniania kwestionariuszy online znajdują się w Tabeli Materiałów.
  2. Przygotowanie serwera pulpitu zdalnego
    1. Zainstaluj system operacyjny oparty na systemie Linux na serwerze zdalnym. Jeśli to możliwe, zapytaj asystentów technicznych o dostępne zasoby w instytucji. W przeciwnym razie postępuj zgodnie z instrukcją instalacji39.
    2. Utwórz różnych użytkowników na tym serwerze40.
      1. Utwórz użytkownika admin, który ma uprawnienia roota i do którego dostęp ma wyłącznie kierownik techniczny w eksperymencie.
      2. Utwórz eksperymentator użytkownika, który ma uprawnienia do tworzenia folderów współdzielonych, importowania i eksportowania danych i może być dostępny dla całego personelu zbierającego dane (w tym studentów/asystentów badawczych itp.).
      3. Utwórz wielu użytkowników o nazwach uczestnik-1, uczestnik-2 itp.
        UWAGA: Badacze będą mogli przetestować tylko tylu uczestników w jednej sesji eksperymentalnej, ilu użytkowników zostało utworzonych.
    3. Wykonaj polecenie java -version na użytkowniku administratora, aby upewnić się, że środowisko wykonawcze Java jest dostępne na serwerze. Jeśli nie, zainstaluj najnowszą wersję oprogramowania Java przed kontynuowaniem i upewnij się, że wszyscy użytkownicy mają do niej dostęp.
    4. Zainstaluj program
      1. Pobierz program.
        UWAGA: Program można pobrać jako plik zip HC_CTG.zip zawierający: 1) HC.jar uruchamialny, 2) trzy pliki konfiguracyjne (hc_server.config, hc_panel.config i hc_client.config) oraz 3) dwa podfoldery o nazwach intro i rawdata.
      2. Utwórz folder na użytkowniku eksperymentatora i udostępnij go innym użytkownikom41. Wyodrębnij pliki ze skompresowanego pliku HC_CTG.zip do tego folderu.
      3. Dla każdego uczestnika użytkownika uzyskaj dostęp do tego folderu udostępnionego i sprawdź, czy użytkownik może uzyskać dostęp do plików.
  3. Otwórz trzy pliki konfiguracyjne.
    1. Edytuj plik hc_server.config i zapisz edytowany plik.
      1. Skonfiguruj liczbę graczy, ustawiając n_Pl na żądaną liczbę. Na przykład wprowadź 4 za znakiem =.
      2. Skonfiguruj liczbę rund do rozegrania (playOrder), powtarzając grę o numerze 54a (np. 54a, 54a, 54a, 54a przez cztery rundy).
        UWAGA: i54a oznacza instrukcje i nie powinien być usuwany w pliku konfiguracyjnym.
      3. Skonfiguruj, czy kwestionariusz ma być wyświetlany w HoneyComb, dołączając liczbę 200 na końcu playOrder. Usuń 200, jeśli używane jest oddzielne narzędzie do wypełniania kwestionariuszy online.
      4. Skonfiguruj skalę inwestycji. Aby skonfigurować skalę dla inwestorów (iscale), należy wpisać, które wartości powinny być dostępne jako kroki inwestycji (np. 0, 12, 24, 36, 48, 60, 72). Używaj liczb całkowitych, które są wielokrotnościami trzech, aby wypłaty były również liczbami całkowitymi.
        UWAGA: Te skonfigurowane wartości są również wyświetlane inwestorom jako możliwe kroki inwestycyjne.
        1. Skonfiguruj skalę wyświetlania dla powierników (tlabel), wybierając, które wartości mają być wyświetlane jako możliwe zwroty na polu gry (np. 0, 1/6, 2/6, 3/6, 4/6, 5/6, 1). UWAGA: Ta skala nie ma wpływu na obliczanie wypłat.
        2. Skonfiguruj skalę dla powierników (tscala), wybierając, które wartości zwracane powinny być możliwe jako zwroty (np. 0, 0,166666, 0,3333, 0,5, 0,6666, 0,833331, 1). Używaj tylko wartości cyfrowych (tj. bez ułamków).
          UWAGA: Te wartości są używane do obliczania wypłat i NIE są wyświetlane na polu gry.
      5. Skonfiguruj limity czasu (timeInI dla inwestorów, timeInT dla powierników) i limity czasu (timeOutI dla inwestorów, limit czasu dla powierników) w sekundach. Na przykład timeInI = 0, timeOutI = 30, timeInT = 30 i timeout = 45.
      6. Skonfiguruj ilość pieniędzy, którymi inwestorzy i powiernicy są obdarowani w każdej rundzie, w centach (r52).
      7. Skonfiguruj współczynnik, przez który inwestycja jest mnożona przed wysłaniem do powiernika (f52).
      8. Określ, czy grupa ma podjąć jednomyślną decyzję (ustaw wartość bUnanimous na true), czy nie (ustaw wartość unjednomyślną na false)
      9. Skonfiguruj, czy grupa jest wypłacana w równych częściach (ustaw wartość bCommon na true), czy w zależności od tego, ile każdy inwestor wniósł do inwestycji (ustaw wartość bCommon na false).
      10. Jeśli parametr bUnanimous jest ustawiony na wartość true, skonfiguruj karę - kwotę pieniędzy potrącaną od inwestorów, jeśli nie zostanie podjęta jednomyślna decyzja (p52).
    2. W razie potrzeby edytuj plik hc_client.config. Upewnij się, że ustawiono ip_nr na localhost, aby klienci mogli łączyć się z eksperymentatorem.
    3. Edytuj plik hc_panel.config.
      1. Dostosuj rozmiar sześciokątów (promień) zgodnie z rozdzielczością ekranu. Przetestuj eksperyment na wielu różnych ekranach, aby upewnić się, że będzie on widoczny na wielu różnych ekranach.
      2. Dostosuj tekst, który jest wyświetlany na polu gry pod etykietami (np. Twoja rola to: inwestor, Saldo konta itp.)
    4. W razie potrzeby dostosuj i/lub przetłumacz instrukcje. Aby to zrobić, edytuj i zapisz proste pliki HTML (Rysunek 2A) w folderze "intro" w folderze programu HoneyComb.
    5. Jeśli chcesz użyć kwestionariusza w programie HoneyComb, dostosuj i/lub przetłumacz kwestionariusz w pliku qq.txt i zapisz plik.
    6. Utrzymuj tę konfigurację na stałym poziomie we wszystkich sesjach eksperymentu (w ramach jednego warunku eksperymentu). Udokumentuj wszystkie konfiguracje.

2. Rekrutacja uczestników

  1. Reklama w Internecie
    1. Rekrutuj uczestników za pośrednictwem dostępnych kanałów (np. media społecznościowe, blog uniwersytecki, ulotka z kodem QR). Podaj ważne informacje o eksperymencie, takie jak jego cel, czas trwania i maksymalna płatność obliczona na podstawie zachowania w grze.
      UWAGA: Przedstawiona tutaj próbka została zrekrutowana za pośrednictwem bloga internetowego dla studentów psychologii na Uniwersytecie w Getyndze, a także za pośrednictwem bezpłatnych reklam w grupach w mediach społecznościowych. Przykładowa ulotka znajduje się na rysunku uzupełniającym 1.
    2. Uświadom potencjalnym uczestnikom, że udział będzie wymagał korzystania z osobistych laptopów/komputerów PC ze stabilnym łączem internetowym i w cichym, ustronnym miejscu. Poinformuj uczestników, że może być konieczne zainstalowanie programu w celu nawiązania połączenia z pulpitem zdalnym.
      UWAGA: Uczestnictwo za pośrednictwem telefonów komórkowych lub tabletów nie jest możliwe.
    3. Upewnij się, że uczestnicy spełniają kryteria włączenia do eksperymentu, takie jak wymagania językowe lub widoczność kolorów.
    4. Upewnij się, że uczestnicy nie brali udziału w poprzednich eksperymentach z KTG.
  2. Zarezerwuj sesje eksperymentalne z uczestnikami
    1. Poproś uczestników, aby zarezerwowali przedziały czasowe na swój udział.
    2. Użyj oprogramowania do zarządzania uczestnikami, aby wysyłać automatyczne zaproszenia lub przypomnienia e-mail.
    3. Zarezerwuj przedziały czasowe przez co najmniej jednego uczestnika, aby upewnić się, że obecna jest wystarczająca liczba uczestników do przeprowadzenia eksperymentu.
  3. Wyślij uczestnikom wiadomość e-mail z potwierdzeniem z następującymi szczegółami: przewodnikiem po konfiguracji komputera, instalacją narzędzia do podłączania pulpitu zdalnego i nawiązywaniem połączenia z pulpitem zdalnym. Upewnij się, że NIE wysyłasz jeszcze żadnych danych logowania, aby uniknąć problemów technicznych spowodowanych wcześniejszym logowaniem.
  4. Na około 24 godziny przed eksperymentem wyślij uczestnikom e-maile z przypomnieniem, w tym link do platformy wideokonferencyjnej. Dołącz informacje o instalacji, które zostały wysłane w wiadomości e-mail z potwierdzeniem.

3. Konfiguracja eksperymentalna (przed każdą sesją eksperymentalną)

  1. Przygotuj platformę do wideokonferencji (Rysunek 3)
    1. Upewnij się, że uczestnicy nie mogą udostępniać swojego mikrofonu lub kamery. Upewnij się, że uczestnicy nie widzą nawzajem swoich imion i nazwisk.
    2. Udostępnij mikrofon i kamerę eksperymentatora i udostępnij ekran z minimalnymi instrukcjami na platformie wideokonferencyjnej (Rysunek 3).
  2. Przygotowywanie pulpitu zdalnego
    1. Eksperymentator użytkownika
      1. Rozpocznij połączenie pulpitu zdalnego z użytkownikiem eksperymentatora. Otwórz folder współdzielony i uruchom terminal, klikając prawym przyciskiem myszy w katalogu i wybierając Otwórz terminal tutaj.
      2. Uruchom program serwera HC_Gui.jar, wpisując polecenie java -jar HC_Gui.jar w terminalu i naciskając ENTER.
    2. Użytkownicy uczestnik-1, uczestnik-2 itd.
      1. Nawiąż połączenie pulpitu zdalnego z użytkownikami participant-1, participant-2, .... Otwórz folder współdzielony i uruchom terminal w tym folderze, tak jak poprzednio.
      2. Uruchom programy klienckie dla każdego użytkownika, wpisując polecenie java -jar HC.jar w terminalu i naciskając ENTER.
      3. Sprawdź, czy połączenia są nawiązywane poprawnie na wszystkich użytkownikach uczestniczących.
        UWAGA: Na ekranach uczestników powinien pojawić się komunikat Proszę czekać. Komputer łączy się z serwerem. Zaleca się, aby na komputerze znajdowała się tylu laptopów, ilu użytkowników (Rysunek 4).
    3. Eksperymentator użytkownika
      1. Sprawdź, czy w graficznym interfejsie użytkownika serwera pojawia się wiersz wyświetlający adres IP każdego z uczestniczących użytkowników. Gdy wszyscy użytkownicy uczestniczący są połączeni, sprawdź, czy program serwera wyświetla komunikat Wszyscy klienci są połączeni. Gotowy do startu?. Kliknij OK.
      2. Sprawdź, czy na ekranach użytkowników uczestniczących w eksperymencie wyświetlany jest ekran powitalny (pierwsza strona z instrukcjami).
        UWAGA: Eksperymentator może przygotować sesję do tego momentu.

4. Procedura eksperymentalna

  1. Wpuść uczestników na wideokonferencję w zaplanowanym czasie eksperymentu. Powitaj wszystkich uczestników za pomocą ustandaryzowanego tekstu. Wyjaśnij uczestnikom procedurę techniczną.
  2. Udostępnij link do formularza zgody online. Sprawdź, czy wszyscy uczestnicy wyrazili pisemną zgodę.
  3. Poprowadź uczestników, aby otworzyli narzędzie Podłączanie pulpitu zdalnego i wysłali każdemu uczestnikowi swoje indywidualne dane logowania za pośrednictwem osobistego czatu podczas wideokonferencji.
    UWAGA: Gdy uczestnicy zalogują się do użytkowników uczestniczących, notebooki w laboratorium utracą połączenie z użytkownikami uczestniczącymi. Od tego momentu eksperyment przebiega automatycznie, dopóki uczestnicy nie dotrą do ostatniej strony, która poinstruuje ich, aby wrócili do wideokonferencji.
  4. Poproś uczestników, aby potwierdzili, że przeczytali pierwszą stronę z instrukcjami, klikając OK. Gdy wszyscy uczestnicy potwierdzą, poczekaj, aż uczestnicy ukończą grę.
    UWAGA: Uczestnicy mogą przeglądać instrukcje w preferowanym przez siebie tempie. Gdy wszyscy uczestnicy potwierdzą, że przeczytali instrukcje, automatycznie rozpoczyna się KTG. Gra przechodzi automatycznie przez tyle rund, ile wskazano w pliku server.config.
  5. Faza testowania
    1. Przypisz uczestników do jednej z dwóch ról: inwestora lub powiernika.
      UWAGA: Tej samej roli można przypisać wielu uczestnikom.
    2. Niech inwestorzy zaczną od najniższego pola (wskazana inwestycja wynosi 0), a powiernicy od najwyższego pola (wskazującego zwrot 0) (Rysunek 1B).
    3. Poinstruuj uczestników, aby przenieśli swojego awatara poprzez kliknięcie lewym przyciskiem myszy na sąsiednie pole sześciokątne. Poinstruuj uczestników, że można wybrać tylko sąsiadujące ze sobą pola i nie można ich pominąć. Poinstruuj uczestników, że ich awatar będzie wyświetlał mały ogonek przez 4000 ms po każdym ruchu, który wskazuje ostatni kierunek, z którego się przesunęli, do bieżącego pola (Rysunek 1C).
    4. Pozwól inwestorom poruszać się od początku (time-in = 0), aby wskazać poprzez ruch, ile chcieliby zainwestować. Po upływie określonego czasu zabroń inwestorom przemieszczania się (time-out).
      UWAGA: Pole, na którym stoją, wskaże wtedy, ile zostało zainwestowane. Na środku pola gry niebieska liczba będzie dodatkowo pokazywać kwotę wysłaną do powiernika. Jeśli eksperyment jest skonfigurowany tak, aby wymagał jednomyślnych inwestycji, inwestycje zostaną dokonane tylko wtedy, gdy wszyscy uczestnicy staną na tym samym polu.
    5. Wyjaśnij w instrukcjach, że zainwestowana kwota jest mnożona przez współczynnik (np. trzy) i wysyłana do powierników. Ogranicz możliwość poruszania się powierników tak długo, jak długo inwestorzy się przemieszczają, ustawiając czas rozpoczęcia pracy powiernika na długość limitu czasu powiernika.
    6. Poinstruuj powierników, aby przesunęli się w celu wskazania frakcji, którą chcieliby zwrócić inwestorom. Po osiągnięciu limitu czasu powiernika, pole, na którym stoją powiernicy, jest brane pod uwagę, aby wskazać ułamek, który jest zwracany inwestorom. Zwrócona kwota jest również oznaczona na środku pola gry żółtą liczbą (Rysunek 1D).
    7. Niech wyskakujące okienko wyświetli kwotę pieniędzy, którą dana osoba zarobiła na koniec rundy (Rysunek 1E).
    8. Powtórz rundę gry w razie potrzeby (tj. zgodnie ze wskazaniami w pliku server.config).
    9. Po zakończeniu wszystkich rund poproś uczestników o wygenerowanie osobistego, unikalnego kodu, aby zarobki w grze można było powiązać z ich imieniem i nazwiskiem, zachowując anonimowość danych behawioralnych.
    10. Po wygenerowaniu kodu przez uczestników wyświetl ekran z instrukcją powrotu do wideokonferencji i zamknięcia połączenia z pulpitem zdalnym.
      UWAGA: Procedura eksperymentalna (sekcja 4 w tym protokole z 15 rundami gry) trwa 35 minut.
    11. Jeśli problemy techniczne lub awaria uczestnika wymagają przerwania sesji eksperymentu, powstrzymaj się od ponownego rozpoczynania eksperymentu z tymi samymi uczestnikami.
  6. Faza po testach
    1. Po zakończeniu gry upewnij się, że wszyscy uczestnicy zamknęli połączenie z pulpitem zdalnym. Poproś uczestników, aby wypełnili kwestionariusze według własnego uznania dla konkretnego pytania badawczego.
    2. Podczas gdy uczestnicy wypełniają kwestionariusze, zamknij program serwera na użytkowniku eksperymentatora, klikając Stop & Exit. Spowoduje to również zamknięcie programu na użytkownikach uczestniczących.
    3. Podziękuj uczestnikom za poświęcony czas i wyjaśnij, w jaki sposób i kiedy ich zarobki zostaną im przekazane. Upewnij się, że wszyscy uczestnicy opuścili wideokonferencję, zwłaszcza jeśli bezpośrednio po jej zakończeniu zaplanowano kolejny przedział czasowy eksperymentu.

5. Zakończenie eksperymentu

  1. Przesyłaj i twórz kopie zapasowe danych (np. w chmurze) w postaci jednego pliku *.csv i jednego pliku *.txt na grupę i przedział czasowy eksperymentu, oznaczony znacznikiem dnia i czasu eksperymentu.
  2. Zamknij wszystkie połączenia pulpitu zdalnego.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Niniejsza praca przedstawia wyniki badania pilotażowego przeprowadzonego z wykorzystaniem CTG z udziałem 16 uczestników (pięciu mężczyzn, 11 kobiet; Wiek: M = 21, SD = 2,07). Zgodnie z opinią Johansona i Brooksa42, taka wielkość próby jest wystarczająca w eksperymencie pilotażowym, szczególnie gdy zostanie połączona z podejściem jakościowym, aby uzyskać wysoką gęstość informacji na temat subiektywnych doświadczeń uczestników podczas eksperymentu. Zaleca się, aby w każdym przypadk...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

KTG daje naukowcom możliwość adaptacji klasycznego BDM1 dla grup i dogłębnej obserwacji pojawiających się procesów w grupach. Podczas gdy inne prace 23,24,25,26 próbowały już dostosować BDM 1 do ustawień grupowych, jedynym sposobem na dostęp do procesów grupowych w tych badaniach są pracochłonne analizy interakcji grupowych w dyskusjach nagranych na wideo.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Podziękowania

To badanie nie otrzymało żadnego zewnętrznego finansowania.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Oprogramowanie i pakiety do analizy danychRwersja 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 Podstawy Obliczeń Statystycznych. Wiedeń, Austria. (2020).
Oprogramowanie i pakiety do analizy danychR Studiow wersji 2022.2.3.492 "Prairie Trillium"RStudio Team RStudio: Zintegrowane środowisko programistyczne dla R. pod adresem [http://www.rstudio.com/]. RStudio, PBC. Boston, Massachusetts. (2020).
Oprogramowanie i pakiety do analizy danychggplot2wersja 3.3.6Wickham, H. ggplot2: Elegancka grafika do analizy danych. w [https://ggplot2.tidyverse.org]. Springer-Verlag Nowy Jork. (2016).
Oprogramowanie i pakiety do analizy danychcowplotw wersji 1.1.1Wilke, C.O. cowplot: Usprawniony motyw działki i adnotacje do wykresu dla " ggplot2." w [https://CRAN.R-project.org/package=cowplot]. (2020).
Narzędzie OnlineQuestionnaireToolLimeSurveyCommunity Edition Wersja 3.28.16+220621 Można użyć dowolnego preferowanego narzędzia do wypełniania kwestionariuszy online. Zalecane są LimeSurvey lub SoSciSurvey.
Notebooki lub komputery PCDELLLatitude 7400Można użyć dowolnego laptopa, który jest w stanie ustanowić stabilne połączenie z pulpitem zdalnym.
Oprogramowanie do zarządzania uczestnikamiORSEEw wersji 3.1.0Zaleca się korzystanie z ORSEE (Greiner, B. [2015]. Procedury rekrutacji do puli podmiotów: Organizowanie eksperymentów z ORSEE. Czasopismo Towarzystwa Nauk Ekonomicznych, 1, 114–125. https://doi.org/10.1007/s40881-015-0004-4), ale mogą być dostępne inne opcje oprogramowania.
Program do otwierania połączeniapulpitu zdalnego Podłączanie pulpitu zdalnego (program dystrybuowany z każdą instalacją systemu Windows 10).Zalecane są następujące narzędzia: RemoteDesktopConnection (dla systemu Windows), Remmina (dla systemu Linux) lub Microsoft Remote Desktop (dla systemu Mac OS).
Serwer do uruchamiania środowiska RemoteDesktopŚrodowisko VMware vSphere oparte na vSphere ESXiw wersji 6.5Idealnie dostarczane przez dział IT uczelni/instytucji.
Platforma wideokonferencyjnaBigBlueButtonw wersji 2.3Zaleca się korzystanie z platformy takiej jak BigBlueButton lub innego bezpłatnego oprogramowania, które nie zapisuje danych uczestników na zewnętrznym serwerze. Platforma powinna zapewniać następujące funkcje: 1) możliwość ograniczenia dostępu do mikrofonu i kamery dla uczestników, 2) ukrywanie imion i nazwisk uczestników przed innymi uczestnikami, 3) możliwość wysyłania do uczestników prywatnej wiadomości na czacie.
Maszyna wirtualna z instalacją LinuksaXubuntuw wersji 20.04 "Focal Fossa"Możliwe będą również inne systemy oparte na Linuksie.

Bibliografia

  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).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Zaufanie grupowegry ekonomiczneeksperyment onlinerole inwestora i powiernikastrategie behawioralnezachowanie anonimowo cidane dotycz ce interakcji grupowych
Gra zbiorowego zaufania: grupowa adaptacja gry zaufania online oparta na paradygmacie plastra miodu
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.