Summary
Her presenterer vi datamaskin, multi-agent spillet HoneyComb, som gjør at eksperimentelle undersøkelser av kollektiv menneskelig bevegelse atferd via svart-dot-avatarer på en virtuell 2D Sekskantet playfield. Forskjellige eksperimentelle forhold, som variabel insentiver på mål felt eller visjon radius, kan angis, og deres effekter på menneskelig bevegelser oppførsel kan undersøkes.
Abstract
Kollektive menneskelig atferd som gruppe bevegelse viser ofte overraskende mønstre og sammenhenger, som fremveksten av lederskap. Litteraturen har avdekket at disse mønstrene, ofte synlige på det globale nivået av gruppen, er basert på Self-organisert, individuelle atferd som følger flere enkle lokale parametere. Forstå dynamikken i menneskelig kollektive atferden kan bidra til å forbedre koordinering og ledelse i gruppen og mengden scenarier, for eksempel identifisere ideell plassering og antall nødutganger i bygninger.
I denne artikkelen presenterer vi eksperimentelle paradigmet HoneyComb, hvilke kan brukes å systematisk undersøke forhold og effekter av menneskelig kollektive atferd. Dette paradigme bruker en datamaskin multi-user plattform, gir en innstilling som kan være formet og tilpasset ulike problemstillinger. Situasjonsforståelse forhold (f.eks kost-nytte forholdstall for bestemt atferd, monetære incentiver og ressurser, ulike grader av usikkerhet) kan angis av eksperimentelle, avhengig av problemet. Hver deltakers bevegelser registreres av serveren som Sekskantet koordinater med tidsstempler på nøyaktighet 50 ms og individuelle IDer. Dermed en beregning kan defineres i playfield, og bevegelse parametere (f.eks avstander, hastighet, klynger, etc.) deltakere kan måles over tid. Bevegelse data kan i sin tur kombineres med ikke-datastyrt data fra spørreskjemaer fått innenfor samme eksperimentoppsettet.
HoneyComb paradigmet er baner vei for nye typer menneskelig bevegelse eksperimenter. Vi viser her at disse eksperimentene kan gjengi resultater med tilstrekkelig intern validitet meningsfullt utdype vår forståelse av menneskelig kollektive atferd.
Introduction
Datamaskin multi-agent spillet HoneyComb1 tilbyr et metodisk paradigme eksperimentelt undersøke hvordan kollektive menneskelige bevegelse mønstre og gruppe strukturer befolkningsmessig individuell atferd. Menneskelige deltakere er visuelt representert som avatarer (svarte prikker) på et Sekskantet virtuelle playfield ligner en honeycomb (figur 1). Deltakerne bevege deres avatarer via museklikk å nå målet rutene, bruke Flytt ressurser (Video 1), og maksimere deres monetære belønninger ved å bygge sammenhengende grupper (Video 2). Romlige forhold (f.eks visjon radius), belønning strukturer (f.eks pengepolitiske målet felt) og kommunikasjonskanaler kan manipuleres for å oppdage som og i hvilken grad disse tilstand reglene påvirke koordinering og ledelse i kollektiv bevegelse.
Spillets prosedyremessige/tilstand regler, mål og belønning motivatorer har blitt designet av sosial psykologer undersøke menneskelige kollektiv bevegelse. I dyr svermer samt menneskelige folkemengder, kan man observere emergent fenomen (dvs. globale mønstre) transpiring fra personlige atferd som følger lokale regler. For eksempel synes fiskestimer og flokker av fugler å flytte som sammenhengende enheter mot en romlig mål2,3,4, til tross for stor gruppe størrelser som reduserer deres evne til global eller Inter-individuelle kommunikasjon. Empirisk forskning5,6,7, atferdsmessige modellering8,9,10og datamaskinen simuleringer11,12, 13 har vist at i ulike arter, inkludert mennesker14,15,16, komplekse mønstre på gruppenivå fremstå uten internkontroll eller eksterne tilsyn. Lokale individuelle bevegelse og ofte, enkle regler på mikroskopisk nivå er tilstrekkelig til å generere ryddig bevegelse på makroskopisk nivå. Slike eksperimenter bidrar til økende bevis2,6 at ikke bare store svermer, men også små grupper (menneskelige grupper samt andre dyr grupper) koordineres av lokale samhandling regler1.
Våre romanen tilnærming med datamaskin multi-user avatar spill viser en Hovedfordelen i forskning dynamisk menneskelige kollektive fenomener. Bruker HoneyComb avatar plattform1,17,18,19, spatio-temporale data personlige bevegelse atferd (bevegelse styrt av faktiske personer) kan fullt hentes av serveren, og utvikling av atferdsmønster og kollektive konstruksjoner kan analyseres med en nøyaktighet på 50 ms (tabell 1). Som visuelle og auditive sensoriske kommunikasjonen kan begrenses krever kan deltakerne til å bruke ørepropper og encasing deres arbeidsstasjoner med partisjon vegger, sverme og andre mengden atferd forhold tilnærmes eksperimentelt. I flere eksperimenter1,17,18,19manipulert vi visjon radius (global vs lokale, figur 2), monetære incentiver (figur 3a, b ), undergrupper (Figur 4), og co-tilstedeværelse til andre spillere (figur 5) for å teste effekten av disse variablene for framveksten av kollektive atferdsmønster som menneskelige strømmer atferd17, ledelse 1og konkurranse18. Et oppsett av ti-tolv bærbare og én server ble brukt for å samle data, (figur 6).
Self-organisert samordning av individuelle aktiviteter i gruppe-levende arter har tiltrukket mye vitenskapelig oppmerksomhet, spesielt i det siste tiåret. Undersøkelser er omfattende, fra enkle stien dannelse og banen utvalg i maur til komplekse fremveksten av vortex strukturer i fisk shoals og selv segregering av toveis flyt av fotgjengere2.
Med våre HoneyComb paradigme bidra vi en metodisk tilnærming empirisk undersøke virkningen av variert situasjonsforståelse alternativer/begrensninger, mangfoldig atferdsmessige regler og individuelle egenskaper på mikroskopisk nivå på fremveksten av makroskopisk atferdsmessige strukturer hos mennesker. En viktig fordel er at paradigmet tilbyr strengt kontrollerbar eksperimentelle innstillinger som er definert av eksperimentelle, gjør det mulig for manipulasjon å måle resultatene av et enkelt eksperiment eller sammenligne flere eksperimenter. Virtuelle playfield kan konfigureres i henhold til kravene i studien design, og sensoriske kommunikasjonskanaler mellom deltakerne kan eliminert eller redusert i henhold til parameterne eksperiment. I tillegg kan miljømessige affordances formes (f.eks konkurransedyktig, ikke-konkurrerende konsensus og redning innstillinger). Dermed vår plattform håndhever intern validitet (dvs. som matchet studien design så nært som mulig til problemstillingene) ved å tilby muligheten til å manipulere/kontroll variabler som er relevante for bestemte problemstillingen, bruker menneske-styrt bevegelse data å undersøke menneskelig bevegelse. Felteksperimenter gjengi fordeler i form av ekstern validitet (generalizability) resultater15,20,21 til den virkelige verden, fordi de ikke til hinder for effekten av ukjent ukontrollerbare/insuppressible sosiale signaler så vel som ikke - og para-verbal atferd i mennesker1.
Datamaskin multi-agent spillet HoneyComb har tjent til å undersøke fremveksten av koordinering og ledelse mønstre av menneskelige spillere flytte sine avatarer i virtuelle playfield. Deltakerne ble bare gitt lokal informasjon om monetære incentiver oppnåelig på målet rutene, som inkluderte incitament for gruppen samhold basert på multiplikasjon av monetære belønninger på antall co spillere som også endte opp på samme mål sekskant. I vår første rekke studier, vi begrenset eksperimentoppsettet til to enkle parametere av krydde atferd (justering og samhold) og redusert gjensidig informasjonsoverføringen til "lese/overføring" bare bevegelse virkemåten til de andre deltakerne. Vi så variert skue radius av andre deltaker bevegelser oppførsel enten global eller lokal utsikt over virtuelle playfield, som består av 97 mindre SEKSKANTER, og begrenset unnværes bevegelse ressursene (mulig trekk) spillere.
Figuren og elementene i den virtuelle plattformen og parameterne eksperimentator definert av spill kan spilles på sa plattformen kan bli utformet bestemt problemstillingene. Avhengig av forskning målet, kan du endre størrelsen på spillefeltet; farger, figurer og betydningene av avatarer kan tilpasses; ressurser kan implementeres; og belønning struktur og innhold kan varieres. Mer eller mindre kan informasjon, usikkerhet og motstridende innstillinger også være implementert22. Varierende globale spiller-Vis informasjon og kontroll er også mulig. Derfor kan via eksperimentelle instruksjoner, de miljømessige affordances av eksperimentet være endret (f.eks konsensus vs escape scenario). I neste avsnitt, vil vi avklare hvordan disse variablene kan brukes ved å beskrive en virkelig studie som brukte noen av disse parameterne svare konkret studiespørsmål.
Protocol
Datainnsamling og dataanalyse i dette prosjektet er godkjent av den etiske komiteen ved Georg-Elias-Müller Institutt for psykologi i Göttingen (forslag 039/2012).
1. eksperimentelle oppsett
- Velg en plassering fra en høy trafikk område, som i en datamaskin lab eller andre angitt område med personlige arbeidsstasjoner som kan konfigureres som et LAN (lokalnett).
- Ordne for 10 til 12 bærbare av samme type som skal brukes for eksperimentet, samt en datamaskin for å fungere som server (figur 6). Serverprogrammet samt klientprogrammer trenger en JAVA runtime environment, som er tilgjengelig på alle vanlige operativsystemer (en bringebær Pi som klient kan nok).
- Utstyr konfigurering
- Ordne notatblokkene på individuelle arbeidsstasjon bord med stoler som vist i figur 7.
- Koble bærbare PCer til serveren datamaskinen via Ethernet-kabler og en nettverkssvitsj opprette et lokalnett.
- Installere partisjon veggene mellom personlige arbeidsstasjoner å hindre visuell sensoriske kommunikasjon (øyekontakt, håndbevegelser, ansiktsuttrykk, etc.) mellom nærliggende deltakere.
- Kjøpe ørepropper (for engangsbruk) å bli distribuert til alle deltakerne å hindre hørbar kommunikasjon mellom deltakerne.
2. deltakerne rekruttering
- Velg en rekruttering plassering der det er en stor mengde mennesker som hallen i et auditorium.
- Adresse potensielle rekrutter standardisert tekst som forklarer hensikten og bakgrunn av eksperimentet, eksperimentets varighet, maksimal betaling beregnes i henhold til ytelse og forutsetning for deltagelse i et flerspillerspill på institusjon-eide bærbare.
- Kontroller at deltakerne kan forstå engelsk og tysk og spørreskjemaer knyttet til eksperimenter.
- Hvis eksperimentell design inkluderer bruk av farger, sørge for at deltakerne er noen fargeblindhet som kan hindre dem i å skille fargene brukes.
- Ikke rekruttere tidligere deltakere, som deltakere skal være naivt å eksperimentet.
- Føre villig rekrutterer til et venterom fra rekruttere området. Vennlige forespørsel at de venter på ferdigstillelse av gruppen rekruttering uten å snakke til hverandre. Forklar at denne begrensningen er knyttet til integritet av eksperimentelle resultatene.
- Når 10 til 12 deltakerne har blitt rekruttert, føre dem inn i pre-arrangerte datalab eller angitte området der eksperimentet finner sted.
- Før deltakerne ta sin plass i deling-innkapslet arbeidsstasjonene, må deltakerne registrere et skjema angi samtykke.
- Distribuere hygieniske, engangs bruke ørepropper til alle deltakerne. Informere dem at audiovisuell kommunikasjon med andre deltakere er forbudt. Bruk av ørepropper og partisjon-innkapslet arbeidsstasjoner er derfor obligatorisk.
- Har deltakerne ta sin plass i deling-innkapslet arbeidsstasjonene.
3. eksperimentelle prosedyren
Merk: I denne eksperimentelle prosedyren spillet brukes av Boos et al. 1 er beskrevet som et eksempel.
- Forberedelsesfasen
- Selve programmet er formatert som en zip-filen HC.zip som inneholder 1) på runnables HC.jar, 2) tre filer for konfigurasjon, nemlig hc_server.config, hc_panel.config, og hc_client.config og 3) to undermapper navngitt intro og rawdata.
- Opprette en delt mappe på serveren og pakk HC.zip i denne mappen.
- På hver klient, montere og få tilgang til denne delte mappen og åpne en terminal (Linux, Mac OS X: spotlight | søk | terminal) eller en ledetekst (Windows: søk "cmd"), henholdsvis. Bruk kommandoen "dir" eller "ls" slik at pakket ut filene vises på hver terminal.
- Utføre kommandoen "java-versjon" på hver terminal å sikre at en java runtime environment er tilgjengelig. Hvis ikke, installerer java før du fortsetter.
- Søk i tre konfigurere filer.
- Rediger hc_server.configure for å konfigurere 1) antall spillere, 2) minimum tall og maksimalt antall trekk hver spiller kan gjøre, 3) verdier av såkalte nuggets og 4) oppfatning radius tilstand (lokal eller global).
Merk: To oppfatning forholdene er globale tilstanden (spilleren kan se plasseringen av avatarer av alle deltakerne) og lokale tilstand (spilleren kan se bare disse avatarene ved sin avatar, se figur 3) - Rediger hc_client.configure for å fortelle kundene serverens IP.
- I hc_panel.config, kan du justere størrelsen på sekskantene ifølge i skjermoppløsningen.
- Rediger hc_server.configure for å konfigurere 1) antall spillere, 2) minimum tall og maksimalt antall trekk hver spiller kan gjøre, 3) verdier av såkalte nuggets og 4) oppfatning radius tilstand (lokal eller global).
- Først starte serverprogrammet HC_Gui.jar (figur 8) ved hjelp av kommandoen "java-jar HC_Gui.jar". Deretter starter klientprogrammer på hver arbeidsstasjon kommandoen "java-jar HC_ClientAppl.jar".
Merk: Kundenes skjermer bør vise meldingen, "Vennligst vent. Datamaskinen kobler til serveren." I server GUI vises en linje med IP-adressen til hver av klientene. Når alle klienter er koblet, serverprogrammet viser meldingen, "alle kunder er tilkoblet. Klar til å begynne?"
Merk: Eksperimentator kan forberede økten opp til dette punktet. - Når alle deltakerne har tatt sin plass, gir de endelige instruksjonene før de setter ørepropper.
- Klikk "OK" for å starte økten. Heretter, kontrolleres eksperimentet bare av instruksjonene på skjermbildene som vises til deltakere. Instruksjoner for ett enkelt eksperiment krever flere skjermen sider, og lese gjøres mulig av deltakerne paginerer og tilbake etter behov.
Merk: Hver deltaker viser, ved å klikke en angitt på skjermen, at han/hun har lest instruksjonene. Eksperimentet kan ikke starte før alle deltakerne er ferdig med å lese instruksjonene.
- Testfasen
- Observere om deltakerne er musen-kontrollere deres avatar prikk (dobbelt så stor som synlige avatar prikker av de andre deltakerne) på HoneyComb virtuelle 97-sekskant playfield (se figur 1).
- Har deltakerne starte testfasen i midten av feltet, og deretter flytte på HoneyComb virtuelle playfield i henhold til tidligere følger instruksjonene på skjermen.
- Alle instruksjoner om hvordan spillet plasseres som redigerbare html-filene i programmappen i HoneyComb spillet. Se undermapper intro/de og intro/en tysk og engelsk instruksjoner, henholdsvis.
- Har spillere venstreklikk i tilstøtende liten sekskanten selvvalgt flytte sin avatar dot. Bare tilstøtende felt kan velges for innledende og etterfølgende flytter.
Merk: Etter hvert trekk vises en liten hale for 4000 ms for hver deltaker, som angir den siste retningen som han stammet.
- At hver deltaker å delta bare én gang for å unngå mulig biases.
Merk: Spillet beskrives her krever 5-10 min, inkludert lesing av instruksjoner. Samlet, 400 deltakere i 40 ti person grupper ble testet av Boos et al. 1. - Ikke hvile eksperimentet med samme deltakerne hvis det er en teknisk sammenbrudd eller hvis en deltaker ikke.
4. etter testing fase
- Når spillet er ferdig, må deltakerne fylle ut spørreskjemaer vurdere demografiske data, Big Five personlighet faktorer, oppfattede nivåer av stress eller ro og betaler tilfredshet (som skal betales ved ferdigstillelse av eksperimentet). Disse spørreskjemaer kan tilbys som frittstående html-filer.
- Mens deltakerne fylle ut spørreskjemaer, forberede anonym konvolutter med riktig mengde penger tjent i HoneyComb spillet nettopp fullført. Spillets HoneyComb-beregnet beløp til hver spiller er fastsatt på serveren skjermen.
- Distribuere opptjent betalingene til deltakerne som de kommer ut av testområde.
- Lukk serverprogrammet, deretter lukker klientprogrammer når serverprogrammet er ferdig avsluttende.
- Overføre dataene, i form av 2 tekstfiler merket av dagen - og tidsstempel for eksperimentet, til en USB-pinne.
Representative Results
Et første eksperiment med HoneyComb paradigme vist at mennesker viste grunnleggende tegn på strømmer opptreden, som søker i nærheten av andre, uten å bli belønnet17. Senere vi behandlet spørsmålet hvordan enkelte mennesker kan være behaviorally koordinert å nå det samme fysiske/målet også undersøkt av Boos et al. 1, fokuserer ikke bare på uspesifikke strømmer atferd, men også gruppe koordinering og ledelse atferd. Med de ovenfor beskrevet eksperiment-definerte parameterne, målet sekskant steder ble definert, og en monetær belønning alternativet ble brukt til å undersøke felles mål basert på delte insentiver, samt motivasjon mot gruppen samhold. Motivasjon til å oppnå gruppe samhold ble forbedret ved å fastsette et ekstra belønning basert på hvor mange andre deltakere havnet i samme målet hex. Innenfor hver av de 40 ti person, ble to undergrupper (en minoritetsgruppe består av to tilfeldig utvalgte personer og en fleste gruppe består av de resterende åtte) opprettet ved å gi følgende typer informasjon. To minoritet gruppemedlemmene ble informert om plasseringen av en to-euro premie sekskant og fem 1 euro premie Sekskanter (figur 9, venstre). Åtte medlemmer av gruppen flertallet ikke ble informert om to-euro premie sekskanten og stedet ble vist plassering av seks like belønnet 1 euro målet rutene (figur 9, høyre). Ingen av deltakerne ble fortalt at det var forskjellige undergruppene.
Vi designet vår studiespørsmål etter Couzin et al.' s23 datamaskinen simuleringsmodell. Fordi den eneste informasjonen som utveksles mellom spillerne var deres evner å oppfatte bevegelse av andre spillere, vi som mål å se (i) om denne informasjonen var tilstrekkelig for informert/høyere belønnet minoritetsgruppe å koordinere bevegelsene til de uinformert små belønnet flertallet-gruppen, og (ii) Hvordan doble prisen målet informert minoritetsgruppe vil/kan føre uinformert flertallet til sine to-euro mål sekskant. Som nevnt tidligere, vi begrenset disse studere design til to grunnleggende parametere for krydde atferd, 1) justering (gruppemedlemmene går mot en mål sekskant) og 2) samhold (gruppemedlemmer tenderer mot flytte som gruppe). For parameteren justering satt vi opp seks mål sekskantene som gitt en monetær payoff. For parameteren samhold (dvs. gjøre flytte valg som ble koordinert med flytter med andre deltakere), vi gitt deltakerne belønning basert på beløpet av avatarer på slutten var i samme sekskanten som sine egne.
HoneyComb playfield inneholder 97 sekskantene. Alle avatarer begynte spillet sammen i honeycomb's midten sekskant. Hver spiller fikk en maksimum 15 flyttinger. Alle var begrenset til å flytte sin avatar (via et museklikk) bare over en sekskants seks sider til en tilstøtende sekskant. Spillet avsluttes når hver avatar var på et utbytte, eller når hver spiller hadde helt brukt sine 15 flyttinger.
En ytterligere eksperiment faktor ble gjennomført for å svare på et tredje studie spørsmål: (iii) om oppfatning radius (global vs lokale tilstand) av de andre deltakerne påvirker bevegelse koordinering. Oppfatningen av halvparten av 40 ti person gruppene var begrenset tilfeldig, noe som betydde at 20 grupper (lokale tilstand) oppfatter bevegelse av bare de avatarene ved sin avatar. De resterende 20 10 personer gruppene (global tilstand) oppfatter alle avatar steder og bevegelser.
Svaret spørsmålet (ii) [som bevegelse kjennetegner minoritetsgrupper førte til mer suksess (klarer å nå et mål-felt som en gruppe og derfor større økonomisk belønning)], vi definert og analysert ulike bevegelse atferd inkludert første mover, delte bevegelse baner/veibeskrivelse to minoritet deltakere, banen lengder, gjennomsnittlig tid mellom trekk, første-trekk for deltakerne, Big Five personlighet egenskaper (Introversjon, åpenhet, etc.) og edb. Statistikkprosedyren, endelig blanding modell med to kvadratsetninger og detaljerte resultater er publisert i Boos et al. 1.
Vår studie viste at i en gruppe mennesker, tildelte avatarer i en 2D HoneyComb spille felt (Ifølge ovenfor beskrevet parametere og forhold), 20% av dem (2 personer-minoritetsgruppe) basert utelukkende på deres bevegelser føre vellykket de andre 80%, selv om deres oppfatning var begrenset til bare tilstøtende avatarer på spillefeltet. Her, innebar vellykket ledelse av disse 2 person minoritet gruppe deltakere som deres andre deltakerne gjorde lignende første trekk og at disse 2 person minoritet deltakerne var først å lage en første trekk1 (Video 2). For detaljerte parametere av gruppens bevegelser oppførsel, se tabell 2. En detaljert analyse av konsernets spredning over tid finnes i Figur 10. Vi fant også, overraskende, at verken personlighet variabler eller computer literacy blant disse minoritet deltakere spilte en avgjørende rolle i deres suksess.
Figur 1: Playfield datamaskin multi-agent spillet HoneyComb. Visuell representasjon av menneskelige spillere som avatarer (svarte prikker) på en sekskant virtuelle playfield. Klikk her for å se en større versjon av dette tallet.
Figur 2: lokale vs globale perspektiver. Deltakerne med lokale perspektiver kan bare se andre spilleres avatarer i deres synsfelt. I dette tilfellet er den markerte spilleren (rød) bare se 4 av 9 co-spillere. Et globalt perspektiv, vil hvis konfigurert, gi synligheten av alle co-spillere. Klikk her for å se en større versjon av dette tallet.
Figur 3: monetære incentiver. Denne illustrasjonen viser hvordan monetære incentiver kan implementeres i HoneyComb spillet. Avatarer merket som grå utenfor lokale oppfatning radius og dermed usynlig for den respektive utøveren. To ulike synspunkter vises. (a) informert spiller: denne spilleren er utstyrt med en høyere-belønnet mål-feltet, som er merket som "€€", (b) uinformert spiller: denne spilleren finnes seks like lavere-belønnet mål felt som er merket som "€". Klikk her for å se en større versjon av dette tallet.
Figur 4: undergruppe avatar eksperimentet. I dette scenariet opprettes to undergrupper av deltakernes avatarer som blå og gul. Klikk her for å se en større versjon av dette tallet.
Figur 5: enkelt vs felles spillet. Denne illustrasjonen viser to forskjellige innstillinger fra én spillerens synspunkt, sammenlignes med Belz et al. 17 (1a /b) enkelt spill: co-spillere er usynlig og kan ikke bli funnet på sekskant virtuelle playfield, (2a/b) felles spillet: co-spillere er synlig så lenge de oppholder seg innenfor lokale oppfatning radiusen til andre spillere. Klikk her for å se en større versjon av dette tallet.
Figur 6: Server og klient konfigurasjon. Ti-tolv bærbare (klienter C1 til C-12) bør være ordnet i vicinity av (og koblet til) serverdatamaskinen. Bruk av partisjoner encasing hver deltakers arbeidsstasjon (angitt som tykke linjer) forbyr visuell kommunikasjon med andre utenfor det virtuelle miljøet. Bruk av LAN-kabler i stedet for WLAN anbefales mindre ventetid og mer pålitelig datagjennomstrømming. Klikk her for å se en større versjon av dette tallet.
Figur 7: innholdsrettet innstillingen. Kommunikasjon (sensoriske, visuell, auditiv) blant deltakerne er begrenset på grunn av bruk av skillevegger og ørepropper. Klikk her for å se en større versjon av dette tallet.
Figur 8: grafisk grensesnitt på serveren. For hver tilkoblet klient er det en linje som viser IP og andre data (f.eks antall trekk, posisjon, beløpet skal betales til hver spiller). Klikk her for å se en større versjon av dette tallet.
Figur 9: vellykket ledelse. På venstre side, skjermbilde viser en informert spiller nærmer seg penge mål feltet (se også Figur 4, vellykket ledende fem andre spillere til sine mål-feltet). På høyre side, en uinformert spilleren mistet synet av sin co-spillere. Klikk her for å se en større versjon av dette tallet.
Figur 10: dybdeanalyse av romlige spredning over gaming tid (gruppe 44). At avstanden mellom medlemmer over tid for hele gruppen (gruppe betyr), sammenlignet med både som var informert om plasseringen av høyere-belønnet €€ mål-feltet (informert 1, informert 2) og åtte uinformert spillere ( Uinformert). Ved slutten av spillet, hadde en uinformert spiller mistet gruppen og kom på en € mål-feltet (isolert spilleren). Klikk her for å se en større versjon av dette tallet.
Video 1: eksempel på kollektiv bevegelse fra perspektivet til en uinformert spiller (gruppe 44). Vennligst klikk her å se denne videoen. (Høyreklikk for å laste ned.)
Video 2: eksempel på kollektiv bevegelse fra perspektiver av de to informerte spillerne i det samme spillet som Video 1 (gruppe 44) . Vennligst klikk her å se denne videoen. (Høyreklikk for å laste ned.)
| GNR | tid | PID | S1 | S2 | ||
| ... | ||||||
| 5 | 14:56:42, 281 | 5 | 2 | 2 | ||
| 5 | 14:56:42, 500 | 2 | 3 | 5 | ||
| ... | ||||||
| 5 | 14:56:44, 593 | 0 | 3 | 6 | NNug = 2 | not_moved |
| 5 | 14:56:44, 578 | 3 | 2 | 2 | ||
| 5 | 14:56:44, 796 | 7 | 3 | 3 | ||
| 5 | 14:56:45, 125 | 6 | -5 | -3 | ||
| 5 | 14:56:46: 109 | 1 | 2 | 2 | ||
| 5 | 14:56:46: 281 | 5 | 2 | 2 | not_moved | |
| 5 | 14:56:46, 765 | 3 | 3 | 3 | ||
| 5 | 14:56:47, 531 | 4 | 2 | 3 | not_moved | |
| 5 | 14:56:48, 187 | 9 | 3 | 6 | NNug = 2 | not_moved |
| 5 | 14:56:48, 625 | 2 | 3 | 6 | NNug = 2 | not_moved |
| 5 | 14:56:48, 625 | 8 | 3 | 2 | not_moved | |
| 5 | 14:56:48, 640 | 6 | -6 | -3 | NNug = 1 | |
| 5 | 14:56:48, 640 | 4 | 3 | 4 | ||
| 5 | 14:56:48, 953 | 7 | 3 | 3 | not_moved | |
| 5 | 14:56:49, 390 | 5 | 3 | 3 | ||
| ... | ||||||
| 5 | 14:56:52, 671 | 4 | 3 | 4 | not_moved | |
| 5 | 14:56:52, 687 | 6 | -6 | -3 | NNug = 1 | not_moved |
Tabell 1: Dataformat. Hver deltakers trekk og tilknyttede tidsstempler på sekskant virtuelle playfield registreres som Sekskantet koordinater i separate rader, bruk av hierarkiske/blandet modellering. Tabellen viser et utdrag av datasettet generert av en gruppe som består av 10 spillere (gruppe 44).
| Gruppe 44 (eksempel) |
∑ Trekk |
Graden av 1st flytte |
Ventetid | Utbetaling | Siste avstand |
Avstand €€-feltet |
Tid | % av feltet utforsket |
| (a) individuelle nivå variabler | ||||||||
| Spiller ID01 | 6 | 1 | 1,73 | 18 | 0,67 | 0 | - | - |
| Spilleren ID1 | 6 | 10 | 3,74 | 9 | 0,67 | 0 | - | - |
| Spilleren ID2 | 6 | 3 | 2,19 | 9 | 0,67 | 0 | - | - |
| Spilleren ID3 | 7 | 9 | 2,68 | 9 | 0,67 | 0 | - | - |
| Spilleren ID4 | 6 | 7 | 4,38 | 9 | 0,67 | 0 | - | - |
| Spilleren ID5 | 9 | 8 | 3,98 | 9 | 0,67 | 0 | - | - |
| Spilleren ID6 | 12 | 5 | 2,70 | 1 | 6,00 | 6 | - | - |
| Spiller ID71 | 6 | 6 | 4,96 | 18 | 0,67 | 0 | - | - |
| Spilleren ID8 | 9 | 4 | 4,03 | 9 | 0,67 | 0 | - | - |
| Spilleren ID9 | 6 | 2 | 2,45 | 9 | 0,67 | 0 | - | - |
| (b) gruppe nivå variabler | ||||||||
| Uinformert | 7,63 | 5,88 | 3,27 | 8 | 1,33 | 0,75 | - | - |
| Informert | 6,00 | 4,00 | 3,35 | 18 | 0,67 | 0,00 | - | - |
| Hele gruppen | 7,30 | - | 3,28 | 10 | 1,20 | 0,60 | 39,02 | 27,84 |
Tabell 2: detaljerte resultatene av bevegelsen opptreden analyse (gruppe 44). Resultater vises (a) for individnivå, og (b) for gruppenivået. På gruppenivået, ble betyr beregnet for uinformert flertallet (åtte spillere), informert minoritet (to spillere) og hele gruppen (10 spillere). 1 Spillere med IDer 0 og 7 var tilfeldig valgt å være informert om plasseringen av høyere-belønnet €€ mål-feltet. ∑ Trekk = totalt antall trekk; Rangering av 1stflytte = plassering av 1st Flytt i forhold til de andre spillerne; Ventetid = mener bevegelse ventetid mellom to trinn i sek.; Utbetaling = personlige belønning etter ferdigstillelse av spillet €; Siste distansen = gjennomsnittlig avstand fra hver spiller til alle spillerne på slutten av spillet; Avstand til €€-feltet = avstand til €€ mål-feltet ved slutten av spillet; Tid = total varighet av spillet i sek.; % av feltene utforsket = prosent av (97 Sekskanter) utforsket av gruppen. Vennligst se også Figur 10 for en grundig analyse av konsernets spredning over spill tid, Video 1 og Video 2 for kollektiv bevegelse av gruppen og tabell 1 for et utdrag av bevegelsen data.
Discussion
Et grunnleggende spørsmål ved Multi-Client virtuelle miljøer som en forskning paradigme undersøke menneskelige kollektive atferden er om resultatene blir gjeldende faktiske scenarier. Med andre ord, er metodisk tilnærming gir resultater med tilstrekkelig økologiske eller ekstern gyldighet? Representerer menneskelige deltakere som avatarer i en virtuell playfield og la dem flytte via museklikk-reduserer sosiale signaler. I tillegg holder kommunikasjon til minimum lar forskere å undersøke hvilke stilltiende atferdsmessige signaler overføres blant mennesker som kan påvirke human gruppe koordinering og ledelse atferd og under hvilke miljømessige affordance (f.eks redning, konkurranse, evakuering) disse atferd påvirkes av mer og i hvilken grad. Så lenge det er strenge overholdelse av to pre testing fasene i protokollen og testprosedyrer, garanterer denne reduksjonistiske intern validitet. For å tillate overføring av resultater til "ekte" gruppe og mengden dynamikk, de eksperimentelle oppsett og testfasen kan gradvis endres for å bli mer komplekse (f.eks muliggjør ytterligere kommunikasjon utover bare overføring/lese bevegelse atferd, legge til informasjon på individuelle egenskaper innebygd semantisk i ulike reelle scenarier, etc.) og beskrevet i det på skjermen instruksjoner lese deltakerne før spillet starter.
For å løse saken av ekstern validitet, kan sekskant playfield [opprinnelig valgt å standardisere spillerens bevegelser til standardisert, todimensjonal Sekskantet koordinater (pre-testet) brukervennlighet og reduksjon av confounding faktorer] varieres. En todimensjonal rutenett med frie valg vil gjøre det mulig for spillerne å lage mer sammenhengende og komplekse bevegelse data. Et tredimensjonalt miljø skapt av enhet - eller Unreal-motor, for eksempel kan også øke økologiske/ekstern gyldighet. Men med hvert skritt mot lessoning begrensning av bevegelse, oppstår et problem. Med økende kompleksitet av frihet av bevegelsen i simulert scenario, påvirkning av confounding faktorer (f.eks mellommenneskelige forskjeller som computer erfaring, kjennskap romlig orientering i tredimensjonale spill) øker, som kan føre til forutinntatte resultater og redusere intern validitet.
Fordelen med metoden skissert i HoneyComb-protokollen er at den kan kombineres med simulering datamodeller og brukt som et paradigme empirisk teste om kollektive mønstre som finnes i datasimulering holder for oppførsel i grupper av mennesker. For å forbedre eksterne gyldigheten av slike tester, bør deltakerne bli spurt i post testfasen spørreskjemaet hvis de følte seg tilstrekkelig og menneskelig representert ved deres avatarer, og om de var i stand til å oppfatte sine co spillere som menneskelige skuespillere. Protokollen angir den fysiske tilstedeværelsen av co spillerne sitter i arbeidsstasjoner ved siden av hverandre (selv om parameterne protokoll til hinder sensoriske auditiv eller visuell kommunikasjon) for å forbedre disse følelsene av menneskelig legemliggjøring.
I sum, metodene brukes av HoneyComb tilnærming i protokollen pre-test, test og post-test faser gir en roman paradigmet for å undersøke grunnleggende mekanismer av kollektive fenomener som gruppe koordinering, ledelse og intra gruppe differentiation. Metodens viktigste begrensningen er sin sårbarhet for menneskelige feil av rekrutterere, spesielt hvis de ikke er strenge nok å sikre at deltakerne ikke kommuniserer med hverandre i pre-test og test faser.
Disclosures
Forfatterne ikke avsløre.
Acknowledgments
Denne forskningen ble finansiert av tysk initiativ of Excellence (institusjonelle strategi: https://www.uni-goettingen.de/en/32632.html). Vi takker Margarita Neff-Heinrich for hennes engelsk korrektur.
Materials
| Name | Company | Catalog Number | Comments |
| Notebooks | |||
| Partition walls between work stations | |||
| Earplugs | |||
| Equipment for LAN installation |
References
- Boos, M., Pritz, J., Lange, S., Belz, M.
- Moussaid, M., Garnier, S., Theraulaz, G., Helbing, D. Collective information processing and pattern formation in swarms, flocks, and crowds. Topics in Cognitive Science. 1 (3), 469-497 (2009).
- Sumpter, D. J. T. Collective Animal Behavior. , Princeton University Press. Princeton. (2010).
- Krause, J., et al. Fish shoal composition: mechanisms and constraints. Proceedings - Royal Society. Biological Sciences. 267 (1456), 2011-2017 (2000).
- Camazine, S., et al. Self-Organization in Biological Systems. , Princeton University Press. Princeton. (2003).
- King, A. J., Sueur, C., Huchard, E., Cowlishaw, G. A rule-of-thumb based on social affiliation explains collective movements in desert baboons. Animal Behavior. 82 (6), 1337-1345 (2011).
- Fischer, J., Zinner, D. Communication and cognition in primate group movement. International Journal of Primatology. 32 (6), 1279-1295 (2011).
- Couzin, I. D., Krause, J. Self-organization and collective behavior in vertebrates. Advances in the Study of Behavior. 32, 1-75 (2003).
- Katz, Y., Tunstrøm, K., Ioannou, C. C., Huepe, C., Couzin, I. D. Inferring the structure and dynamics of interactions in schooling fish. Proceedings of the National Academy of Sciences of the United States of America. 108 (46), 18720-18725 (2011).
- Guy, S. J., Curtis, S., Lin, M. C., Manocha, D. Least-effort trajectories lead to emergent crowd behaviors. Physical Review E: Statistical, Nonlinear, and Soft Matter Physics. 85 (1), 016110 (2012).
- Shao, W., Terzopoulos, D.
- Reynolds, C. W. Flocks, herds and schools: A distributed behavioral model. Seminal Graphics. , ACM. 273-282 (1987).
- Pelechano, N., Allbeck, J. M., Badler, N. I. Controlling individual agents in high-density crowd simulation. Proceedings of the 2007 ACM SIGGRAPH/Eurographics Symposium on Computer Animation. , 99-108 (2007).
- Helbing, D., Molnár, P., Farkas, I. J., Bolay, K.
- Dyer, J. R. G., Johansson, A., Helbing, D., Couzin, I. D., Krause, J. Leadership, consensus decision making and collective behavior in humans. Philosophical Transactions - Royal Society. Biological Sciences. 364 (1518), 781-789 (2009).
- Moussaid, M., Schinazi, V. R., Kapadia, M., Thrash, T. Virtual Sensing and Virtual Reality: How New Technologies can Boost Research on Crowd Dynamics. Frontiers in Robotics and AI. , (2018).
- Belz, M., Pyritz, L. W., Boos, M.
- Boos, M., Franiel, X., Belz, M. Competition in human groups - Impact on group cohesion, perceived stress and outcome satisfaction. Behavioral Processes. 120, 64-68 (2015).
- Boos, M., Li, W., Pritz, J. Patterns of Group Movement on a Virtual Playfield: Empirical and Simulation Approaches. Social Network Analysis: Interdisciplinary Approaches and Case Studies. Fu, X., Luo, J. -D., Boos, M. , 197-223 (2017).
- Dyer, J. R. G., et al. Consensus decision making in human crowds. Animal Behavior. 75 (2), 461-470 (2008).
- Faria, J. J., Dyer, J. R. G., Tosh, C. R., Krause, J. Leadership and social information use in human crowds. Animal Behavior. 79 (4), 895-901 (2010).
- Conradt, L. Models in animal collective decision-making: information uncertainty and conflicting preferences. Interface Focus. 2 (2), 226-240 (2011).
- Couzin, I. D., Krause, J., Franks, N. R., Levin, S. A. Effective leadership and decision-making in animal groups on the move. Nature. 433, 513-516 (2005).
