Uma instalação em rede de realidade Virtual Desktop para ciência de decisão e as experiências de navegação com vários participantes
August 26th, 2018
Este documento descreve um método para a realização de experimentos de vários usuários na tomada de decisões e a navegação usando um laboratório de computadores em rede.
Esse método pode ajudar a responder a questões-chave nos campos da ciência da decisão e da cognição espacial, como usar a realidade virtual de desktop para conduzir estudos de orientação com vários participantes. A principal vantagem desta técnica é que o protocolo experimental pode ser adaptado e aplicado por outros pesquisadores para montar um laboratório de realidade virtual desktop em rede. As implicações dessa técnica se estendem à ciência comportamental e à cognição espacial, porque os experimentadores podem monitorar com eficiência o comportamento dos participantes que estão simultaneamente imersos em um ambiente virtual de desktop.
Geralmente, indivíduos novos nesse método terão dificuldades porque esse laboratório requer manutenção e protocolos rígidos para coletar dados em um ambiente controlado. A demonstração visual desse método é crítica devido às dificuldades associadas aos experimentos de realidade virtual de desktop multiusuário, como configurar o experimento e gerenciar participantes. Demonstrando este procedimento estará Alvaro Ingold, um técnico do nosso laboratório.
Comece ligando o servidor e as luzes da sala de controle do laboratório. Configure as salas de teste de acordo com o número necessário de participantes. Copie o programa experimental executável e seus arquivos de configuração correspondentes na unidade de rede.
Em seguida, abra o Ambiente de Script Integrado do PowerShell na área de trabalho do Windows. No console do PowerShell, especifique uma matriz de nomes de computador para criar um objeto de pool de clientes. Digite Start-Pool pool para iniciar os computadores cliente e Register-Pool pool para conectar o servidor aos computadores cliente.
Em seguida, prepare os computadores do lado do cliente antes de iniciar o programa. Digite Invoke-Pool Mount-NetworkShare path}para direcionar os computadores a inserir o caminho correto da pasta. Em seguida, execute as funções preparadas no servidor digitando Start-GameServer e digitando no computador do cliente Invoke-Pool Start-GameClient}Especifique o endereço IP do servidor como parâmetro da função.
Aguarde uma mensagem no monitor do servidor que indica uma conexão bem-sucedida. Por fim, distribua os formulários de consentimento e canetas em cada cubículo. Embaralhe o baralho de cartas de assentos que indicam a disposição dos assentos dos participantes.
Cinco minutos antes do horário oficial de início, comece a verificar a identificação de cada participante para garantir que eles correspondam à lista de participantes registrados. Em seguida, deixe os participantes escolherem um cartão que indique o número do assento. Peça aos participantes que caminhem até o cubículo correspondente e leiam e assinem os formulários de consentimento.
Pegue-os antes de realizar o experimento. Transmita as instruções com um microfone para todos os participantes. Informe-os sobre as regras básicas, incluindo nenhuma comunicação com outros participantes e nenhum dispositivo eletrônico pessoal permitido.
Peça aos participantes que levantem a mão se tiverem alguma dúvida sobre o experimento. Comece o experimento apresentando o questionário demográfico. Implante a cena de treinamento para ensinar os participantes a manobrar pelo ambiente virtual e monitorar o progresso observando as capturas de tela de todos os computadores até que todos os participantes tenham terminado a sessão de treinamento.
Após a sessão de treinamento, comece a fase de teste do experimento. Certifique-se de que haja um curto período de espera antes de cada tentativa para carregar a próxima cena e permitir que os participantes leiam as instruções. Observe os comportamentos dos participantes na interface panorâmica do computador servidor.
Após a conclusão do experimento, feche o servidor e o programa cliente digitando Stop-GameClient e Stop-GameServer no console do PowerShell. Em seguida, peça aos participantes que permaneçam sentados até que seu número seja chamado pelo microfone. Extraia as pontuações finais dos participantes da pontuação do arquivo.
txt na pasta do projeto no computador do servidor e converta suas pontuações em um pagamento monetário. Copie e salve os dados do experimento do servidor em um disco externo para análise futura. Em seguida, ligue para os números do cubículo um de cada vez e encontre cada participante na recepção.
Agradeça ao participante e entregue-lhe o pagamento correspondente. Finalmente, examine os cubículos vazios e colete quaisquer canetas ou formulários restantes. Aqui, os tempos máximo e mínimo são os tempos exigidos pelos participantes mais rápidos e mais lentos para chegar ao destino em cada tentativa.
Essas estatísticas descritivas indicam até que ponto os participantes se familiarizaram com o ambiente durante os ensaios. Os dados obtidos também permitem a visualização das trajetórias geradas pela multidão virtual na Prova 1 e na Prova 16. A estatística espacial pode então ser usada para analisar as mudanças nas trajetórias ao longo dos ensaios.
Ao tentar este procedimento, é importante lembrar de sempre seguir as etapas estritas dos experimentos projetados devido ao custo associado a cada sessão experimental.
View the full transcript and gain access to thousands of scientific videos
Visão Geral
Este artigo descreve um método para conduzir experimentos multi-usuário sobre tomada de decisões e navegação usando um laboratório de computadores em rede. A técnica permite que os pesquisadores monitorem eficientemente os participantes imersos em um ambiente virtual de desktop.
Componentes Principais do Estudo
Área da Ciência
- Ciência da Decisão
- Cognição Espacial
- Ciência Comportamental
Fundo
- Experimentos de realidade virtual de desktop multi-usuário apresentam desafios únicos.
- Manter protocolos rigorosos é essencial para a coleta de dados.
- Demonstrações visuais são críticas para entender o método.
- Participantes podem ser monitorados simultaneamente em um ambiente controlado.
Propósito do Estudo
- Desenvolver um protocolo para conduzir estudos de orientação com múltiplos participantes.
- Adaptar a configuração experimental para uso por outros pesquisadores.
- Explorar implicações para ciência comportamental e cognição espacial.
Métodos Utilizados
- Configuração de laboratório de computadores em rede.
- Realidade virtual de desktop para experiências imersivas.
- Monitoramento do comportamento do participante durante os experimentos.
- Demonstrações visuais para auxiliar na compreensão do método.
Principais Resultados
- Adaptação bem-sucedida do protocolo experimental para configurações multi-usuário.
- Melhoria na compreensão dos processos de tomada de decisão e navegação.
- Identificação de desafios na gestão de participantes em ambientes virtuais.
- Demonstração da aplicabilidade do método em pesquisa comportamental.
Conclusões
- O método fornece uma ferramenta valiosa para pesquisadores em ciência da decisão.
- Facilita o estudo da cognição espacial em um ambiente controlado.
- Pesquisas futuras podem se basear neste protocolo para várias aplicações.
Perguntas Frequentes
Executive Industry Relevance
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.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses through standardized measurement of navigation and decision trajectories in multi-agent systems.
- Operational Value: Supports biological de-risking by isolating independent variables such as stress or cooperative incentives in controlled virtual environments.
- Predictive Value: Generates quantitative dependent variables (e.g., traversal time, path deviation) that correlate with cognitive load and inform target confidence.
Screening & Assay Development
- Assay Readiness: Prepares validated biological surrogates (human decision-making networks) for compound screening by establishing baseline behavioral outputs.
- Reproducibility: Ensures standardized data collection across sessions via strict protocols, enabling reliable compound evaluation in phenotypic screening.
- Scalability: Accommodates up to 36 simultaneous participants, supporting platform reuse for dose-response or genetic variant screening.
Translational & Preclinical Research
- Translational Continuity: Bridges discovery and preclinical work by aligning virtual navigation metrics with real-world spatial cognition endpoints.
- Risk-Adjusted Advancement: Provides trajectory and hesitation data to inform go/no-go decisions based on behavioral consistency across trials.
- Biomarker Alignment: Enables extraction of spatial statistics (e.g., path entropy, dwell time) as translational biomarkers for neuropsychiatric target validation.
Pipeline & Workflow Integration
The method integrates into the discovery continuum from hypothesis generation through lead identification by providing quantifiable behavioral readouts that support mechanistic de-risking.
- Discovery Biology: Facilitates pathway clarification by monitoring how environmental manipulations alter group decision patterns in real time.
- Screening: Delivers assay-ready outputs including final scores and trajectory visualizations for compound effect comparison.
- Analytics: Yields descriptive statistics (min/max completion times) and spatial analytics to quantify learning curves and behavioral adaptation.
- Translational Research: Connects to preclinical validation through transferable navigation metrics that reflect hippocampal-dependent spatial processing.
- Enterprise Reuse: Functions as a reusable capability for longitudinal behavioral monitoring across multiple experimental campaigns.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target validation by reducing ambiguity in social decision-making mechanisms.
- Operational Value: Ensures reproducibility through standardized setup, PowerShell-driven orchestration, and centralized data extraction.
- Strategic Value: Improves capital efficiency by enabling high-n behavioral assays without field-based logistics.
- Portfolio Impact: Supports risk-adjusted prioritization via objective thresholds (e.g., time-to-target, path consistency) for go/no-go decisions.
Implementation Considerations
- Requires expertise in network configuration, virtual environment scripting, and behavioral experiment design.
- Depends on Windows-based infrastructure, PowerShell automation, and synchronized client-server communication.
- Necessitates cross-team standardization of consent procedures, seating protocols, and instruction delivery to minimize confounding.
- Involves adaptation considerations when transferring scenarios (e.g., evacuation, search tasks) to disease-model contexts.
- Limited by the need for controlled laboratory settings and strict adherence to temporal protocols to ensure data integrity.
