Name: Paradygmat plastra miodu w badaniach nad zbiorowymi zachowaniami ludzkimi (Wideo) | JoVE Journal
Uploaded: 2019-01-19T14:00:00.000+00:00
Duration: 6 min 48 s
Description: Poznaj paradygmat HoneyComb do badania koordynacji ruchów i dynamiki przywództwa w grupach ludzkich. Ta metoda pozwala zbierać dane przestrzenno-czasowe i analizować zachowania zbiorowe bez komunikacji między uczestnikami.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

To badanie zostało sfinansowane przez Niemiecką Inicjatywę Doskonałości (Strategia Instytucjonalna: https://www.uni-goettingen.de/en/32632.html). Dziękujemy Margaricie Neff-Heinrich za korektę tekstu w języku angielskim.

Gromadzenie danych i analiza danych w tym projekcie zostały zatwierdzone przez Komisję Etyki Instytutu Psychologii Georg-Elias-Müller Uniwersytetu w Getyndze (propozycja 039/2012).
1. Konfiguracja eksperymentalna
<ol>
	<li>Wybierz lokalizację, która znajduje się z dala od obszaru o dużym natężeniu ruchu, na przykład w pracowni komputerowej lub innym określonym obszarze z indywidualnymi stacjami roboczymi, które można skonfigurować jako sieć LAN (sieć lokalna).</li>
	<li>Zorganizuj od 10 do 12 notebooków tego samego typu, które będą używane w eksperymencie, a także jeden komputer, który będzie działał jako serwer (Rysunek 6). Zarówno program serwerowy, jak i programy klienckie wymagają środowiska uruchomieniowego JAVA, które jest dostępne we wszystkich popularnych systemach operacyjnych (wystarczy Raspberry Pi jako klient).</li>
	<li>Konfiguracja sprzętu
	<ol>
		<li>Ułóż zeszyty na indywidualnych stołach stanowisk pracy z krzesłami, jak pokazano na <silna klasa="xfig">Rysunek 7.</li>
		<li>Podłącz notebooki do komputera serwera za pomocą Ethernet i przełącznika sieciowego, aby utworzyć sieć lokalną.</li>
		<li>Zainstaluj ścianki działowe między poszczególnymi stanowiskami pracy, aby zapobiec wizualnej komunikacji sensorycznej (kontakt wzrokowy, gesty rąk, mimika twarzy itp.) między sąsiednimi uczestnikami.</li>
		<li>Zaopatrz się w zatyczki do uszu (do jednorazowego użytku), które zostaną rozdane wszystkim uczestnikom, aby zapobiec słyszalnej komunikacji między uczestnikami.</li>
	</ol>
	</li>
</ol>
2. Rekrutacja uczestników
<ol>
	<li>Wybierz miejsce rekrutacji, w którym znajduje się duża liczba osób, np. hol wejściowy audytorium.</li>
	<li>Zwracaj się do potencjalnych rekrutów, korzystając ze standardowego tekstu, który wyjaśnia cel i tło eksperymentu, czas trwania eksperymentu, maksymalną wypłatę obliczoną na podstawie wyników oraz wymóg udziału w grze wieloosobowej na laptopach należących do instytucji.</li>
	<li>Upewnij się, że uczestnicy rozumieją instrukcje i kwestionariusze w języku angielskim i niemieckim związane z eksperymentami.</li>
	<li>Jeśli projekt eksperymentalny obejmuje użycie kolorów, upewnij się, że uczestnicy są wolni od ślepoty barw, która może uniemożliwić im rozróżnienie użytych kolorów.</li>
	<li>Nie rekrutuj poprzednich uczestników, ponieważ uczestnicy powinni być naiwni w stosunku do eksperymentu.</li>
	<li>Zaprowadź chętnych rekrutów do poczekalni z dala od obszaru rekrutacji. Uprzejmie prosimy, aby poczekali na zakończenie rekrutacji grupowej bez rozmawiania ze sobą. Wyjaśnij, że to ograniczenie jest związane z integralnością wyników eksperymentu.</li>
	<li>Po zrekrutowaniu od 10 do 12 uczestników zaprowadź ich do wcześniej przygotowanej pracowni komputerowej lub określonego obszaru, w którym odbędzie się eksperyment.</li>
	<li>Zanim uczestnicy zajmą miejsca na stanowiskach pracy otoczonych przegrodami, poproś ich o podpisanie formularza potwierdzającego świadomą zgodę.</li>
	<li>Rozdaj higieniczne, jednorazowe zatyczki do uszu wszystkim uczestnikom. Poinformuj ich, że komunikacja audiowizualna z innymi uczestnikami jest zabroniona. Dlatego stosowanie zatyczek do uszu i stacji roboczych z przegrodami jest obowiązkowe.</li>
	<li>Poproś uczestników, aby zajęli miejsca na stacjach roboczych otoczonych przegrodami.</li>
</ol>
3. Procedura eksperymentalna
UWAGA: W tej eksperymentalnej procedurze, gra używana przez Boosa i wsp.1 jest opisany jako przykład zastosowania.
<ol>
	<li>Faza przygotowawcza
	<ol>
		<li>Sam program jest sformatowany jako plik zip HC.zip zawierający 1) HC.jar runnables, 2) trzy pliki do konfiguracji, a mianowicie hc_server.config, hc_panel.config i hc_client.config oraz 3) dwa podfoldery o nazwach intro i rawdata.</li>
		<li>Utwórz folder udostępniony na serwerze i rozpakuj HC.zip do tego folderu.</li>
		<li>Na każdym komputerze klienckim zamontuj i uzyskaj dostęp do tego folderu współdzielonego, a następnie otwórz odpowiednio terminal (Linux, Mac OS X: spotlight | search | terminal) lub monit (Windows: wyszukaj "cmd"). Użyj polecenia "dir" lub "ls", aby rozpakowane pliki pojawiły się na każdym terminalu.</li>
		<li>Wykonaj polecenie "java -version" na każdym terminalu, aby upewnić się, że środowisko uruchomieniowe Java jest dostępne. Jeśli nie, zainstaluj Javę, zanim przejdziesz dalej.</li>
		<li>Spójrz na trzy pliki konfiguracyjne.
		<ol>
			<li>Edytuj hc_server.configure, aby skonfigurować 1) liczbę graczy, 2) minimalną liczbę i maksymalną liczbę ruchów, które każdy gracz może wykonać, 3) wartości tzw. samorodków oraz 4) warunek promienia percepcji (lokalny lub globalny). 
			UWAGA: Dwa warunki percepcji to warunek globalny (gracz może zobaczyć pozycje awatarów wszystkich uczestników) i stan lokalny (gracz widzi tylko te awatary, które sąsiadują z jego awatarem; patrz Rysunek 3)</li>
			<li>Edytuj hc_client.configure, aby poinformować klientów o adresie IP serwera.</li>
			<li>W pliku hc_panel.config dostosuj rozmiar sześciokątów zgodnie z rozdzielczością ekranu.</li>
		</ol>
		</li>
		<li>Najpierw uruchom program serwerowy HC_Gui.jar (Rysunek 8) za pomocą polecenia "java -jar HC_Gui.jar". Następnie uruchom programy klienckie na każdej stacji roboczej za pomocą polecenia "java -jar HC_ClientAppl.jar". 
		UWAGA: Na ekranach klientów powinien pojawić się komunikat "Proszę czekać. Komputer łączy się z serwerem." W graficznym interfejsie użytkownika serwera pojawi się wiersz wyświetlający adres IP każdego z klientów. Gdy wszyscy klienci są połączeni, program serwera wyświetla komunikat "Wszyscy klienci są połączeni. Gotowy do startu?" 
		UWAGA: Eksperymentator może przygotować sesję do tego momentu.</li>
		<li>Kiedy wszyscy uczestnicy zajmą swoje miejsca, udziel ostatecznych instrukcji, zanim włożą zatyczki do uszu.</li>
		<li>Kliknij "OK", aby rozpocząć sesję. W tym przypadku eksperyment jest kontrolowany tylko przez instrukcje wyświetlane na ekranach widocznych dla uczestników. Instrukcje do pojedynczego eksperymentu wymagają wielu stron ekranu, a czytanie jest możliwe dzięki temu, że uczestnicy przewijają się tam i z powrotem, jeśli to konieczne. 
		UWAGA: Każdy uczestnik zaznacza, poprzez kliknięcie w wyznaczony do tego przycisk na ekranie, że zapoznał się z instrukcją. Eksperyment nie może się rozpocząć, dopóki wszyscy uczestnicy nie skończą czytać instrukcji.</li>
	</ol>
	</li>
	<li>Faza testowania
	<ol>
		<li>Obserwuj, czy uczestnicy kontrolują za pomocą myszy kropkę awatara (dwa razy większą niż widoczne kropki awatara innych uczestników) na wirtualnym 97-sześciokątnym polu gry HoneyComb (patrz <silna klasa="xfig">Rysunek 1).</li>
		<li>Poproś uczestników, aby rozpoczęli fazę testowania na środku pola, a następnie poruszali się po wirtualnym polu gry HoneyComb zgodnie z wcześniej wyświetlanymi instrukcjami na ekranie.
		<ol>
			<li>Wszystkie instrukcje dotyczące gry są umieszczone jako edytowalne pliki html w folderze programu gry HoneyComb. Zobacz podfoldery intro/de i intro/en, aby uzyskać instrukcje odpowiednio w języku niemieckim i angielskim.</li>
			<li>Poproś graczy, aby kliknęli lewym przyciskiem myszy na sąsiedni mały sześciokąt, aby przesunąć kropkę swojego awatara. Tylko sąsiednie pola mogą być wybrane dla początkowego i kolejnych ruchów. 
			UWAGA: Po każdym ruchu na 4000 ms dla każdego uczestnika pojawia się mały ogonek, wskazujący ostatni kierunek, z którego się pojawił.</li>
		</ol>
		</li>
		<li>Pozwól każdemu uczestnikowi wziąć udział tylko raz, aby uniknąć ewentualnych uprzedzeń. 
		UWAGA: Opisana tutaj gra wymaga 5-10 minut, wliczając w to przeczytanie instrukcji. Ogółem 400 uczestników w 40 dziesięcioosobowych grupach zostało przetestowanych przez Boosa i wsp.1.</li>
		<li>Nie wznawiaj eksperymentu z tymi samymi uczestnikami, jeśli wystąpi awaria techniczna lub jeśli uczestnik nie powiedzie się.</li>
	</ol>
	</li>
</ol>
4. Faza po teście
<ol>
	<li>Po zakończeniu gry poproś uczestników, aby wypełnili kwestionariusze oceniające dane demograficzne, czynniki osobowości Wielkiej Piątki, postrzegany poziom stresu lub spokoju oraz satysfakcję z wynagrodzenia (płatną po zakończeniu eksperymentu). Kwestionariusze te mogą być oferowane jako samodzielne pliki html.</li>
	<li>Podczas gdy uczestnicy wypełniają kwestionariusze, przygotuj anonimowe koperty z odpowiednią kwotą pieniędzy zarobionych w ukończonej właśnie grze HoneyComb. Kwoty obliczone na podstawie plastra miodu, które mają zostać wypłacone każdemu graczowi, są określone na ekranie serwera.</li>
	<li>Rozdziel zarobione płatności między uczestników, gdy opuszczą obszar testowy.</li>
	<li>Zamknij program serwera, a następnie zamknij programy klienckie po zakończeniu zamykania programu serwera.</li>
	<li>Przenieś dane w postaci 2 plików tekstowych oznaczonych znacznikiem dnia i godziny eksperymentu na pamięć USB.</li>
</ol>

<ol><li>Boos, M., Pritz, J., Lange, S., Belz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Leadership+in+Moving+Human+Groups%5BTitle%5D)+AND+%22PLoS+Computational+Biology%22%5BJournal%5D)">Leadership in Moving Human Groups.</a> PLoS Computational Biology. 10 (4), e1003541(2014).</li>
<li>Moussaid, M., Garnier, S., Theraulaz, G., Helbing, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Collective+information+processing+and+pattern+formation+in+swarms%2C+flocks%2C+and+crowds%5BTitle%5D)+AND+%22Topics+in+Cognitive+Science%22%5BJournal%5D)">Collective information processing and pattern formation in swarms, flocks, and crowds.</a> Topics in Cognitive Science. 1 (3), 469-497 (2009).</li>
<li>Sumpter, D. J. T. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSumpter%2C+DJT+%22Collective+Animal+Behavior%22">Collective Animal Behavior</a>. , Princeton University Press. Princeton. (2010).</li>
<li>Krause, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fish+shoal+composition%3A+mechanisms+and+constraints%5BTitle%5D)+AND+%22Proceedings+-+Royal+Society.+Biological+Sciences%22%5BJournal%5D)">Fish shoal composition: mechanisms and constraints.</a> Proceedings - Royal Society. Biological Sciences. 267 (1456), 2011-2017 (2000).</li>
<li>Camazine, S., et al. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCamazine%2C+S+%22Self-Organization+in+Biological+Systems%22">Self-Organization in Biological Systems</a>. , Princeton University Press. Princeton. (2003).</li>
<li>King, A. J., Sueur, C., Huchard, E., Cowlishaw, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+rule-of-thumb+based+on+social+affiliation+explains+collective+movements+in+desert+baboons%5BTitle%5D)+AND+%22Animal+Behavior%22%5BJournal%5D)">A rule-of-thumb based on social affiliation explains collective movements in desert baboons.</a> Animal Behavior. 82 (6), 1337-1345 (2011).</li>
<li>Fischer, J., Zinner, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Communication+and+cognition+in+primate+group+movement%5BTitle%5D)+AND+%22International+Journal+of+Primatology%22%5BJournal%5D)">Communication and cognition in primate group movement.</a> International Journal of Primatology. 32 (6), 1279-1295 (2011).</li>
<li>Couzin, I. D., Krause, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Self-organization+and+collective+behavior+in+vertebrates%5BTitle%5D)+AND+%22Advances+in+the+Study+of+Behavior%22%5BJournal%5D)">Self-organization and collective behavior in vertebrates.</a> Advances in the Study of Behavior. 32, 1-75 (2003).</li>
<li>Katz, Y., Tunstrøm, K., Ioannou, C. C., Huepe, C., Couzin, I. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Inferring+the+structure+and+dynamics+of+interactions+in+schooling+fish%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences+of+the+United+States+of+America%22%5BJournal%5D)">Inferring the structure and dynamics of interactions in schooling fish.</a> Proceedings of the National Academy of Sciences of the United States of America. 108 (46), 18720-18725 (2011).</li>
<li>Guy, S. J., Curtis, S., Lin, M. C., Manocha, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Least-effort+trajectories+lead+to+emergent+crowd+behaviors%5BTitle%5D)+AND+%22Physical+Review+E%3A+Statistical%2C+Nonlinear%2C+and+Soft+Matter+Physics%22%5BJournal%5D)">Least-effort trajectories lead to emergent crowd behaviors.</a> Physical Review E: Statistical, Nonlinear, and Soft Matter Physics. 85 (1), 016110(2012).</li>
<li>Shao, W., Terzopoulos, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Autonomous+pedestrians%5BTitle%5D)+AND+%22Proceedings+of+the+2005+ACM+SIGGRAPH%2FEurographics+Symposium+on+Computer+Animation%22%5BJournal%5D)">Autonomous pedestrians.</a> Proceedings of the 2005 ACM SIGGRAPH/Eurographics Symposium on Computer Animation. , (2005).</li>
<li>Reynolds, C. W. Flocks, herds and schools: A distributed behavioral model. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aReynolds%2C+CW+%22Seminal+Graphics%22">Seminal Graphics</a>. , ACM. 273-282 (1987).</li>
<li>Pelechano, N., Allbeck, J. M., Badler, N. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Controlling+individual+agents+in+high-density+crowd+simulation%5BTitle%5D)+AND+%22Proceedings+of+the+2007+ACM+SIGGRAPH%2FEurographics+Symposium+on+Computer+Animation%22%5BJournal%5D)">Controlling individual agents in high-density crowd simulation.</a> Proceedings of the 2007 ACM SIGGRAPH/Eurographics Symposium on Computer Animation. , 99-108 (2007).</li>
<li>Helbing, D., Molnár, P., Farkas, I. J., Bolay, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Self-organizing+pedestrian+movement%5BTitle%5D)+AND+%22Environment+and+Planning+B%3A+Planning+and+Design%22%5BJournal%5D)">Self-organizing pedestrian movement.</a> Environment and Planning B: Planning and Design. 28 (3), 361-383 (2001).</li>
<li>Dyer, J. R. G., Johansson, A., Helbing, D., Couzin, I. D., Krause, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Leadership%2C+consensus+decision+making+and+collective+behavior+in+humans%5BTitle%5D)+AND+%22Philosophical+Transactions+-+Royal+Society.+Biological+Sciences%22%5BJournal%5D)">Leadership, consensus decision making and collective behavior in humans.</a> Philosophical Transactions - Royal Society. Biological Sciences. 364 (1518), 781-789 (2009).</li>
<li>Moussaid, M., Schinazi, V. R., Kapadia, M., Thrash, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Virtual+Sensing+and+Virtual+Reality%3A+How+New+Technologies+can+Boost+Research+on+Crowd+Dynamics%5BTitle%5D)+AND+%22Frontiers+in+Robotics+and+AI%22%5BJournal%5D)">Virtual Sensing and Virtual Reality: How New Technologies can Boost Research on Crowd Dynamics.</a> Frontiers in Robotics and AI. , (2018).</li>
<li>Belz, M., Pyritz, L. W., Boos, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spontaneous+flocking+in+human+groups%5BTitle%5D)+AND+%22Behavioral+Processes%22%5BJournal%5D)">Spontaneous flocking in human groups.</a> Behavioral Processes. 92, 6-14 (2013).</li>
<li>Boos, M., Franiel, X., Belz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Competition+in+human+groups+-+Impact+on+group+cohesion%2C+perceived+stress+and+outcome+satisfaction%5BTitle%5D)+AND+%22Behavioral+Processes%22%5BJournal%5D)">Competition in human groups - Impact on group cohesion, perceived stress and outcome satisfaction.</a> Behavioral Processes. 120, 64-68 (2015).</li>
<li>Boos, M., Li, W., Pritz, J. Patterns of Group Movement on a Virtual Playfield: Empirical and Simulation Approaches. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBoos%2C+M+%22Social+Network+Analysis%3A+Interdisciplinary+Approaches+and+Case+Studies%22">Social Network Analysis: Interdisciplinary Approaches and Case Studies</a>. Fu, X., Luo, J. -D., Boos, M. , 197-223 (2017).</li>
<li>Dyer, J. R. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Consensus+decision+making+in+human+crowds%5BTitle%5D)+AND+%22Animal+Behavior%22%5BJournal%5D)">Consensus decision making in human crowds.</a> Animal Behavior. 75 (2), 461-470 (2008).</li>
<li>Faria, J. J., Dyer, J. R. G., Tosh, C. R., Krause, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Leadership+and+social+information+use+in+human+crowds%5BTitle%5D)+AND+%22Animal+Behavior%22%5BJournal%5D)">Leadership and social information use in human crowds.</a> Animal Behavior. 79 (4), 895-901 (2010).</li>
<li>Conradt, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Models+in+animal+collective+decision-making%3A+information+uncertainty+and+conflicting+preferences%5BTitle%5D)+AND+%22Interface+Focus%22%5BJournal%5D)">Models in animal collective decision-making: information uncertainty and conflicting preferences.</a> Interface Focus. 2 (2), 226-240 (2011).</li>
<li>Couzin, I. D., Krause, J., Franks, N. R., Levin, S. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effective+leadership+and+decision-making+in+animal+groups+on+the+move%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Effective leadership and decision-making in animal groups on the move.</a> Nature. 433, 513-516 (2005).</li>
</ol>

Autorzy nie mają nic do ujawnienia.

Jednym z podstawowych pytań związanych z wykorzystaniem środowisk wirtualnych z wieloma klientami jako paradygmatu badawczego do badania zbiorowych zachowań ludzi jest to, czy wyniki można zastosować do rzeczywistych scenariuszy. Innymi słowy, czy podejście metodologiczne daje wyniki o wystarczającej trafności ekologicznej lub zewnętrznej? Przedstawianie ludzkich uczestników jako awatarów na wirtualnym polu gry i pozwalanie im na poruszanie się za pomocą kliknięć myszką zmniejsza sygnały społeczne. Dodatkowo, ograniczenie komunikacji do minimum pozwala eksperymentatorom zbadać, które ukryte sygnały behawioralne są przekazywane między ludźmi, które mogą wpływać na koordynację i zachowania przywódcze grupy ludzkiej oraz w ramach której afordancji środowiskowej (np. ratunek, rywalizacja, ewakuacja) na te zachowania wpływa więcej i w jakim stopniu. Tak długo, jak istnieje ścisłe przestrzeganie dwóch faz wstępnego testowania w protokole i procedurach testowych, to redukcjonistyczne podejście gwarantuje wewnętrzną ważność. Aby umożliwić przeniesienie wyników do "rzeczywistej" dynamiki grupy i tłumu, faza konfiguracji eksperymentalnej i testów może być stopniowo modyfikowana, aby stać się bardziej złożona (np. umożliwiając dodatkową komunikację poza zwykłym przekazywaniem/odczytywaniem zachowań ruchowych, dodawanie informacji o indywidualnych cechach osadzonych semantycznie w różnych scenariuszach świata rzeczywistego itp.) i opisana w instrukcjach wyświetlanych na ekranie czytanych przez uczestników przed rozpoczęciem gry.
Aby rozwiązać kwestię zewnętrznej trafności, sześciokątne pole gry [początkowo wybrane w celu standaryzacji ruchów gracza do ustandaryzowanych, dwuwymiarowych współrzędnych sześciokątnych ze względu na (wstępnie przetestowaną) użyteczność i redukcję czynników zakłócających] może być zróżnicowane. Dwuwymiarowa siatka z możliwością swobodnego ruchu umożliwiłaby graczom tworzenie bardziej ciągłych i złożonych danych o ruchu. Na przykład trójwymiarowe środowisko stworzone przez Unity lub Unreal-Engine może również zwiększyć ekologiczną/zewnętrzną ważność. Jednak z każdym krokiem w kierunku nauczenia się ograniczenia ruchu pojawia się problem. Wraz ze wzrostem złożoności swobody poruszania się w symulowanym scenariuszu, zwiększa się wpływ czynników zakłócających (np . różnic interpersonalnych, takich jak doświadczenie z komputerem, znajomość orientacji przestrzennej w grach trójwymiarowych), co może prowadzić do tendencyjnych wyników i zmniejszać trafność wewnętrzną.
Zaletą metody opisanej w protokole HoneyComb jest to, że można ją łączyć z modelami symulacji komputerowych i wykorzystywać jako paradygmat do empirycznego testowania, czy zbiorowe wzorce znalezione w symulacjach komputerowych odnoszą się również do zachowania w grupach ludzi. Aby zwiększyć zewnętrzną wiarygodność takich testów, uczestnicy powinni zostać zapytani w kwestionariuszu po fazie testowej, czy czują się wystarczająco i ludzko reprezentowani przez swoje awatary i czy są w stanie postrzegać swoich współgraczy jako ludzkich aktorów. Protokół określa fizyczną obecność współgraczy siedzących na stacjach roboczych obok siebie (nawet jeśli parametry protokołu wykluczają komunikację sensoryczną, słuchową lub wizualną) w celu wzmocnienia tych odczuć ludzkiego ucieleśnienia.
Podsumowując, metody zastosowane w podejściu HoneyComb nakreślone w fazach przedtestowej, testowej i potestowej protokołu zapewniają nowy paradygmat do badania podstawowych mechanizmów zjawisk zbiorowych, takich jak koordynacja grupy, przywództwo i zróżnicowanie wewnątrzgrupowe. Najważniejszym ograniczeniem metody jest jej podatność na błędy ludzkie przez rekruterów. w szczególności jeśli nie są wystarczająco rygorystyczne w zapewnieniu, że uczestnicy nie komunikują się ze sobą podczas fazy wstępnej i testowej.

Komputerowa gra wieloagentowa HoneyComb1 oferuje metodologiczny paradygmat do eksperymentalnego zbadania, w jaki sposób zbiorowe wzorce ruchów ludzkich i struktury grupowe wyłaniają się z indywidualnych zachowań. Ludzcy uczestnicy są wizualnie reprezentowani jako awatary (czarne kropki) na sześciokątnym wirtualnym polu gry przypominającym plaster miodu (<silna klasa = "xfig">Rysunek 1). Uczestnicy przesuwają swoje awatary za pomocą kliknięcia myszką, aby osiągnąć sześciokąty celu, wydać zasoby ruchu (Wideo 1) i zmaksymalizować swoje nagrody pieniężne, budując spójne grupy (Wideo 2). Warunkami przestrzennymi (np. promieniem widzenia), strukturami nagród (np. polami celów pieniężnych) i kanałami komunikacyjnymi można manipulować w celu odkrycia, które i w jakim stopniu te reguły warunków wpływają na koordynację i przywództwo w ruchu zbiorowym.
Zasady proceduralne/warunkowe, cele i motywatory nagród zostały zaprojektowane przez psychologów społecznych w celu zbadania zbiorowego ruchu ludzi. Zarówno w rojach zwierząt, jak i w ludzkich stadach, można zaobserwować zjawiska emergentne (tj. globalne wzorce) wynikające z indywidualnych zachowań, które są zgodne z lokalnymi regułami. Na przykład, ławice ryb i stada ptaków wydają się poruszać jako spójne jednostki w kierunku celu przestrzennego2,3,4, pomimo dużych rozmiarów grup, które zmniejszają ich zdolność do globalnej lub międzyindywidualnej komunikacji. Badania empiryczne5,6,7, modelowanie behawioralne8,9,10, oraz symulacje komputerowe11,12,13 wykazały, że u różnych gatunków, w tym ludzi14,15,16, złożone wzorce na poziomie grupy pojawiają się bez wewnętrznej kontroli i zewnętrznego nadzoru. Lokalne ruchy indywidualne i, często, proste zasady na poziomie mikroskopowym są wystarczające do wygenerowania uporządkowanego ruchu na poziomie makroskopowym. Takie eksperymenty przyczyniają się do zwiększenia liczby dowodów2,6 że nie tylko duże roje, ale także małe grupy (grupy ludzi, a także inne grupy zwierząt) są koordynowane przez lokalne zasady interakcji1.
Nasze nowatorskie podejście, wykorzystujące komputerowe gry z awatarami dla wielu użytkowników, pokazuje jedną z głównych zalet w badaniu dynamicznych ludzkich zjawisk zbiorowych. Korzystając z platformy awatarów HoneyComb1,17,18,19, dane czasoprzestrzenne dotyczące indywidualnych zachowań ruchowych (ruch regulowany przez rzeczywiste osoby) mogą być w pełni gromadzone przez serwer, a rozwój wzorców zachowań i struktur zbiorowych może być analizowany z dokładnością do 50 ms (Tabela 1). Ponieważ wizualna i słuchowa komunikacja sensoryczna może być ograniczona poprzez wymaganie od uczestników używania zatyczek do uszu i okrycie ich stanowisk pracy ściankami działowymi, rój i inne warunki zachowania tłumu można przybliżyć eksperymentalnie. W kilku eksperymentach1,17,18,19, manipulowaliśmy promieniem widzenia (globalny vs. lokalny, Rysunek 2), zachętami pieniężnymi (<silna klasa="xfig">Rysunek 3a,b), podgrupami (<silna klasa="xfig">Rysunek 4) oraz współobecnością innych graczy (<silna klasa="xfig">Rysunek 5) w celu zbadania wpływu tych zmiennych na pojawienie się zbiorowych wzorców zachowań, takich jak ludzkie zachowania stadne17, leadership1 i competition18. Do zebrania danych użyto konfiguracji od dziesięciu do dwunastu notebooków i jednego serwera (Rysunek 6).
Samoorganizująca się koordynacja indywidualnych działań u gatunków żyjących w grupie przyciągnęła wiele uwagi naukowej, szczególnie w ciągu ostatniej dekady. Badania są bardzo różnorodne, od prostego tworzenia szlaków i wyboru ścieżek u mrówek po złożone pojawianie się struktur wirowych w ławicach ryb, a nawet segregację dwukierunkowych przepływów pieszych2.
Dzięki naszemu paradygmatowi HoneyComb, przyczyniamy się do metodologicznego podejścia do empirycznego badania wpływu różnych opcji/ograniczeń sytuacyjnych, różnych reguł zachowania i indywidualnych cech na poziomie mikroskopowym na pojawienie się makroskopowych struktur behawioralnych u ludzi. Ważną zaletą jest to, że paradygmat oferuje ściśle kontrolowane ustawienia eksperymentalne zdefiniowane przez eksperymentatorów, dzięki czemu manipulacja umożliwia mierzenie wyników pojedynczego eksperymentu lub porównywanie wielu eksperymentów. Wirtualne pole gry można skonfigurować zgodnie z wymaganiami projektu badania, a kanały komunikacji sensorycznej między uczestnikami mogą zostać wyeliminowane lub ograniczone zgodnie z parametrami eksperymentu. Dodatkowo można kształtować afordancje środowiskowe (np. konkurencyjny, niekonkurencyjny konsensus i warunki ratunkowe). W ten sposób nasza platforma wymusza wewnętrzną trafność (tj. jak najściślejsze dopasowanie projektu badania do pytań badawczych), oferując możliwość manipulowania/kontrolowania zmiennych istotnych dla konkretnego pytania badawczego, wykorzystując dane o ruchu człowieka do badania ruchu człowieka. Eksperymenty terenowe przynoszą korzyści w zakresie zewnętrznej trafności (uogólnienia) wyników15,20,21 do świata rzeczywistego, ponieważ nie wykluczają skutków nieznanych, niekontrolowanych/nietłumionych sygnałów społecznych, a także zachowań nie- i parawerbalnych u ludzi1.
Komputerowa gra dla wielu agentów HoneyComb posłużyła do zbadania pojawienia się wzorców koordynacji i przywództwa u ludzkich graczy poruszających swoimi awatarami na wirtualnym polu gry. Uczestnikom przekazano jedynie lokalne informacje na temat zachęt pieniężnych możliwych do uzyskania na sześciokątach bramek, które obejmowały zachętę do spójności grupy opartą na pomnożeniu nagród pieniężnych przez liczbę współgraczy, którzy również znaleźli się na tym samym sześciokącie bramki. W naszej pierwszej serii badań ograniczyliśmy konfigurację eksperymentu do dwóch prostych parametrów zachowania roju (wyrównanie i spójność) i ograniczyliśmy wzajemny transfer informacji do "czytania/przekazywania" tylko zachowań ruchowych innych uczestników. Następnie zmieniliśmy promień widzenia zachowań innych uczestników do globalnego lub lokalnego widoku wirtualnego pola gry, które składa się z 97 mniejszych sześciokątów, i ograniczyliśmy możliwe do wykorzystania zasoby ruchu (możliwe ruchy) graczy.
Kształt i elementy platformy wirtualnej oraz zdefiniowane przez eksperymentatora parametry gier, w które można grać na tej platformie, mogą być zaprojektowane zgodnie z konkretnymi pytaniami badawczymi. W zależności od celu badawczego wielkość pola gry może ulec zmianie; Kolory, kształty i znaczenia awatarów można dostosowywać; zasoby mogą być wdrażane; A struktura i treść nagród mogą być różne. Mniej lub bardziej informacje, niepewność i sprzeczne preferencje mogą być również zaimplementowane22. Możliwe są również różne informacje o globalnym widoku gracza i sterowaniu. W związku z tym, za pomocą instrukcji eksperymentalnych, afordancje środowiskowe eksperymentu mogą zostać zmienione (np. scenariusz konsensusu vs. ucieczki). W następnej sekcji wyjaśnimy, w jaki sposób można zastosować te zmienne, opisując rzeczywiste badanie, w którym wykorzystano niektóre z tych parametrów w celu udzielenia odpowiedzi na konkretne pytania badawcze.

<table><tbody><tr><td>Notebooki</td><td></td><td></td><td></td></tr><tr><td>Ścianki działowe między stanowiskami</td><td></td><td></td><td></td>pracy</tr><tr><td>Zatyczki do uszu</td><td></td><td></td><td></td></tr><tr><td>Sprzęt do instalacji</td><td></td><td></td><td></td> LAN</tr></tbody></table>

paradygmat plastra miodu w badaniach nad zbiorowymi zachowaniami ludzkimi

The HoneyComb Paradigm for Research on Collective Human Behavior

Zbiorowe ludzkie zachowanie, takie jak ruch grupowy, często wykazuje zaskakujące wzorce i prawidłowości, takie jak pojawienie się przywództwa. Najnowsza literatura ujawniła, że te wzorce, często widoczne na poziomie globalnym grupy, opierają się na samoorganizujących się, indywidualnych zachowaniach, które podążają za kilkoma prostymi parametrami lokalnymi. Zrozumienie dynamiki zbiorowych zachowań ludzkich może pomóc w poprawie koordynacji i przywództwa w scenariuszach grupowych i grupowych, takich jak określenie idealnego rozmieszczenia i liczby wyjść ewakuacyjnych w budynkach.
W tym artykule prezentujemy eksperymentalny paradygmat HoneyComb, który może być używany do systematycznego badania warunków i skutków zbiorowego zachowania ludzi. Paradygmat ten wykorzystuje komputerową platformę dla wielu użytkowników, zapewniając otoczenie, które można kształtować i dostosowywać do różnych typów pytań badawczych. Warunki sytuacyjne (np. stosunek kosztów do korzyści dla określonego zachowania, zachęty pieniężne i zasoby, różne stopnie niepewności) mogą być ustalane przez eksperymentatorów, w zależności od pytania badawczego. Ruchy każdego uczestnika są rejestrowane przez serwer jako współrzędne sześciokątne ze znacznikami czasu z dokładnością do 50 ms i z indywidualnymi identyfikatorami. W ten sposób można zdefiniować metrykę na boisku, a parametry ruchu (np. odległości, prędkość, grupowanie itp.) uczestników mogą być mierzone w czasie. Dane o ruchu mogą być z kolei łączone z nieskomputeryzowanymi danymi z kwestionariuszy zebranych w tej samej konfiguracji eksperymentu.
Paradygmat HoneyComb toruje drogę dla nowych typów eksperymentów z ruchami ludzkimi. Pokazujemy tutaj, że te eksperymenty mogą dostarczyć wyników o wystarczającej wewnętrznej ważności, aby znacząco pogłębić nasze zrozumienie ludzkiego zbiorowego zachowania.

Tutaj prezentujemy komputerową, wieloagentową grę HoneyComb, która umożliwia eksperymentalne badanie zachowań zbiorowego ruchu człowieka za pomocą awatarów z czarnymi kropkami na wirtualnym sześciokątnym boisku 2D. Można ustawić różne warunki eksperymentalne, takie jak zmienne bodźce na polach bramkowych lub promieniu widzenia, a także zbadać ich wpływ na zachowanie ruchowe człowieka.

Paradygmat plastra miodu w badaniach nad zbiorowymi zachowaniami ludzkimi

Collective human behavior such as group movement frequently shows surprising patterns and regularities, such as the emergence of leadership. Recent ...

Komputerowa gra z wieloma agentami HoneyComb zapewnia eksperymentalny paradygmat do badania koordynacji ruchów człowieka, przywództwa i innych rodzajów zachowań zbiorowych. Korzystając z paradygmatu HoneyComb, można zbierać przestrzenne dane czasowe dotyczące indywidualnych zachowań ruchowych oraz analizować rozwój wzorców zachowań i struktur zbiorowych. Naszą wizją jest, aby HoneyComb zapewnił nowe strategie ochrony tłumów, na przykład może szybko reagować, identyfikować afektywne podejścia do prowadzenia tłumu w bezpieczne miejsce.Tak długo, jak stabilne środowiska uruchomieniowe LAN i Java są zainstalowane dla każdej stacji roboczej, nie powinno być żadnych problemów z obsługą oprogramowania na wszystkich komputerach stacji roboczych. Wizualna demonstracja gry HoneyComb, która umożliwi potencjalnym użytkownikom zapoznanie się z całym procesem instalacji i przeprowadzania eksperymentu aż do jego zakończenia. Procedurę zademonstruje Marie Ritter, doktorantka z mojego laboratorium.Wybierz lokalizację z dala od obszaru o dużym natężeniu ruchu, na przykład w pracowni komputerowej lub innym określonym obszarze z indywidualnymi stacjami roboczymi, które można skonfigurować jako sieć lokalną. Zorganizuj od 10 do 12 notebooków tego samego typu, które zostaną użyte do eksperymentu na indywidualnych stołach stanowiskowych z krzesłami. Z jednym centralnie zlokalizowanym komputerem, który będzie pełnił funkcję serwera.Podłącz notebooki do komputera serwera za pomocą Ethernet i przełącznika sieciowego, aby utworzyć sieć lokalną, jak pokazano na ilustracji. Program serwerowy i programy klienckie wymagają środowiska wykonawczego JAVA, które jest dostępne we wszystkich popularnych systemach operacyjnych. Zainstaluj ścianki działowe między poszczególnymi stanowiskami pracy, aby zapobiec wizualnej komunikacji sensorycznej między sąsiednimi uczestnikami.Zaopatrz się w jednorazowe zatyczki do uszu, które zostaną rozdane wszystkim uczestnikom, aby zapobiec słyszalnej komunikacji między uczestnikami. W dniu zabiegu przydziel uczestników do ich stanowisk pracy i udziel ostatecznych instrukcji, zanim uczestnicy włożą zatyczki do uszu. Kluczowe znaczenie dla eksperymentu ma to, aby uczestnicy nie rozmawiali ani w żaden inny sposób nie komunikowali się ze sobą podczas oczekiwania na wejście do pomieszczenia stanowiska pracy lub podczas grania w grę HoneyComb.Następnie kliknij OK, aby rozpocząć sesję. Eksperyment będzie teraz kontrolowany tylko za pomocą instrukcji wyświetlanych na ekranach widocznych dla uczestników. Gdy wszyscy uczestnicy klikną, aby wskazać, że zakończyli czytanie instrukcji, obserwuj, czy uczestnicy sterują kropkami awatara myszy na swoich wirtualnych 97 sześciokątnych polach gry HoneyComb.Poproś uczestników, aby rozpoczęli fazę testowania na środku pola, a następnie kliknęli lewym przyciskiem myszy na sąsiedni mały sześciokąt, który wybrali, aby przesunąć kropkę awatara na wirtualne pole gry HoneyComb zgodnie z wcześniej podanymi instrukcjami na ekranie. Można wybrać tylko sąsiadujące pola. Po każdym ruchu na 4000 milisekund pojawi się mały ogonek, wskazujący ostatni kierunek, z którego każdy uczestnik podążał za nim.Pozwól każdemu uczestnikowi wziąć udział w eksperymencie tylko raz, aby uniknąć ewentualnych uprzedzeń. Po zakończeniu gry poproś uczestników o wypełnienie kwestionariuszy oceniających ich status demograficzny. Wielka piątka czynników osobistych, odczuwany poziom stresu lub spokoju oraz satysfakcja z wynagrodzenia.Podczas gdy uczestnicy wypełniają swoje kwestionariusze, przygotuj anonimowe koperty z odpowiednią kwotą pieniędzy zarobionych w grze HoneyComb zgodnie z kwotami obliczonymi na ekranie serwera. Następnie rozdaj zarobione płatności uczestnikom, gdy opuszczają obszar testowy i zamykają program serwera. Gdy program serwera zakończy zamykanie, przenieś dane do dwóch plików tekstowych, oznaczonych datą i godziną eksperymentu, na dysk flash USB.W reprezentatywnym eksperymencie dwóch członków grupy mniejszościowej zostało poinformowanych o położeniu jednego, dwóch sześciokątów z nagrodą w wysokości euro i pięciu sześciokątów z jedną nagrodą w wysokości euro. Ośmiu członków grupy większościowej nie zostało poinformowanych o sześciokątach z nagrodą w wysokości dwóch euro, a zamiast tego pokazano im lokalizacje sześciu sześciokątów złotych o wartości jednego euro, które były jednakowo nagradzane. Żadnemu uczestnikowi nie powiedziano, że istnieją dwie różne podgrupy.W trakcie tego eksperymentu opierało się wyłącznie na ich ruchach bez komunikacji wizualnej lub dźwiękowej. Dwuosobowa grupa mniejszościowa z powodzeniem doprowadziła pozostałych 80% uczestników do nagrody w wysokości dwóch euro, mimo że percepcja uczestników ograniczała się tylko do sąsiednich awatarów na boisku. Co zaskakujące, ani zmienne osobiste, ani umiejętność obsługi komputera wśród uczestników mniejszości nie odegrały kluczowej roli w ich sukcesie.Oto główne odległości między członkami grupy w dogrywce dla całej grupy, w porównaniu do obu graczy, którzy zostali poinformowani o lokalizacji wysokiego pola do gry w złocie w Euro i ośmiu niedoinformowanych graczy. Pod koniec gry jeden z niedoinformowanych graczy przegrał grupę i przybył na jedno pole złota euro. Ważne jest, aby znaleźć miejsce, w którym jest wystarczająco dużo miejsca dla 10 do 12 uczestników i ich stanowisk pracy oraz pozwolić uczestnikom nie komunikować się podczas oczekiwania na grę lub w jej trakcie.Grę można modyfikować za pomocą informacji o środowisku, takich jak różne historie z okładki, różne awatary uczestników lub komunikacja za pomocą sygnalizacji w celu analizy zbiorowych zachowań w różnych ustawieniach. Nasze nowatorskie podejście do prowadzenia badań nad przywództwem może być wykorzystane do oceny, w jaki sposób wyłaniają się liderzy w grupie. I polegaj na naśladowaniu innych, aby odnieść sukces w przywództwie.

the-honeycomb-paradigm-for-research-on-collective-human-behavior

Research

JoVE Journal

Behavior

Zachowanie

W tym protokole pokazujemy, jak kondycjonować zaprzęgnięte pszczoły miodne do bodźców dotykowych i wprowadzamy technikę przechwytywania ruchu 2D do analizy kinematyki wzorca próbkowania anteny na małą skalę.

Kondycjonowanie dotykowe i analiza ruchu w strategiach pobierania próbek czułków u pszczół miodnych (Apis mellifera L.)

Protokół warunkowania Proboscis Extension Response (PER), opracowany dla pszczół miodnych (Apis mellifera), dostarcza ekologicznie istotnych i łatwo mierzalnych środków do badania kilku różnych mechanizmów uczenia się u wielu gatunków owadów.

Protokół odpowiedzi na wydłużenie trąby do badania plastyczności behawioralnej u owadów: zastosowanie do badań podstawowych, biomedycznych i rolniczych

Tutaj opisujemy nasz szczegółowy protokół przygotowania jednokohortowych kolonii pszczół miodnych - użyteczne narzędzie do analizy fizjologii pracowników związanych z rolą. Opisujemy również szczegółowe protokoły leczenia pracowników hormonem juwenilnym i ekdyzonem, aby ocenić udział tych hormonów w regulacji zachowania i/lub fizjologii pracowników.

Przygotowanie kolonii jednokohortowych i leczenie hormonalne robotnic pszczół miodnych w celu analizy fizjologii związanej z rolą i/lub układem hormonalnym

Ten manuskrypt opisuje kilka protokołów podawania środków farmakologicznych pszczołom miodnym, w tym proste nieinwazyjne metody dla pszczół swobodnie latających, a także bardziej inwazyjne warianty, które pozwalają na precyzyjne, miejscowe leczenie krępowanych pszczół.

Neurofarmakologiczna manipulacja skrępowanych i swobodnie latających pszczół miodnych, Apis mellifera

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.

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

Tutaj zgłaszany jest system do badania zbiorowych zachowań nicieni poprzez hodowlę ich masowo przy użyciu pożywki agarowej z karmą dla psów. System ten pozwala naukowcom na rozmnażanie dużej liczby robaków dauer i może być stosowany do Caenorhabditis elegans i innych pokrewnych gatunków.

Hodowla nicieni na dużą skalę w celu zbadania ich zbiorowych zachowań

Niniejszy film przedstawia paradygmat rezydent-intruz u szczurów. Test ten jest wystandaryzowaną metodą pomiaru agresji ofensywnej, zachowań obronnych oraz przemocy w warunkach półnaturalnych. Wyjaśniono również zastosowanie tego paradygmatu w eksperymentach dotyczących stresu społecznego.

Paradygmat rezydent-intruz: Standaryzowany test agresji, przemocy i stresu społecznego

Procedura imitacji wywołanej została ustanowiona w celu zbadania rozwoju pamięci pamięciowej w niemowlęctwie i wczesnym dzieciństwie. Procedura ta jest szeroko stosowana w celu ustanowienia solidnych podstaw natury pamięci przywoławczej w niemowlęctwie i wczesnym dzieciństwie.

Badanie pamięci przywoławczej w niemowlęctwie i wczesnym dzieciństwie przy użyciu paradygmatu wywołanego naśladownictwa

Modele ludzkiego bólu są cennymi narzędziami używanymi do oceny potencjału przeciwbólowego nowych związków i przewidywania ich skuteczności klinicznej, zwłaszcza gdy są używane w sposób zintegrowany. Chociaż implementacja tych modeli jest złożona, przy prawidłowym wykonaniu, modele bólu opisane w tym protokole mogą zapewnić przewidywalne i wiarygodne wyniki.

Określanie progów wykrywania bólu i tolerancji za pomocą zintegrowanej, multimodalnej baterii do zadań bólowych

Protokół paradygmatu odporności na pokusy został zaprojektowany tak, aby wywołać strategiczne zachowania kłamliwe u dzieci w wieku od 2 do 8 lat. Nagroda za wykroczenie miała być zbyt kusząca, aby się jej oprzeć, tak aby można było zaobserwować spontaniczne kłamstwo dzieci w obliczu nieodwracalnych dowodów wynikających z wykroczenia.

Zmodyfikowane zadanie odporności na pokusy: paradygmat wywołujący strategiczne kłamstwa u dzieci

Poznaj paradygmat HoneyComb do badania koordynacji ruchów i dynamiki przywództwa w grupach ludzkich. Ta metoda pozwala zbierać dane przestrzenno-czasowe i analizować zachowania zbiorowe bez komunikacji między uczestnikami.

Paradygmat plastra miodu w badaniach nad zbiorowymi zachowaniami ludzkimi

Przeglądaj więcej filmów