Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

The Collective Trust Game: un adattamento di gruppo online del gioco di fiducia basato sul paradigma HoneyComb

Published: October 20, 2022 doi: 10.3791/63600
Automatic Translation
1, *1, *1, 1, 1
1University of Goettingen
* These authors contributed equally

Summary

Il Collective Trust Game è un gioco di fiducia multi-agente basato su computer basato sul paradigma HoneyComb, che consente ai ricercatori di valutare l'emergere della fiducia collettiva e dei relativi costrutti, come equità, reciprocità o segnalazione in avanti. Il gioco consente osservazioni dettagliate dei processi di gruppo attraverso il comportamento del movimento nel gioco.

Abstract

La necessità di comprendere la fiducia nei gruppi in modo olistico ha portato a un'impennata di nuovi approcci per misurare la fiducia collettiva. Tuttavia, questo costrutto spesso non è pienamente catturato nelle sue qualità emergenti dai metodi di ricerca disponibili. In questo articolo viene presentato il Collective Trust Game (CTG), un gioco di fiducia multi-agente basato su computer basato sul paradigma HoneyComb, che consente ai ricercatori di valutare l'emergere della fiducia collettiva. Il CTG si basa su precedenti ricerche sulla fiducia interpersonale e adatta il noto Trust Game a un contesto di gruppo nel paradigma HoneyComb. I partecipanti assumono il ruolo di investitore o fiduciario; Entrambi i ruoli possono essere svolti da gruppi. Inizialmente, gli investitori e i fiduciari sono dotati di una somma di denaro. Quindi, gli investitori devono decidere quanto, se del caso, della loro dotazione vogliono inviare ai fiduciari. Comunicano le loro tendenze e la loro decisione finale muovendosi avanti e indietro su un campo di gioco che mostra possibili importi di investimento. Alla fine del loro tempo decisionale, l'importo concordato dagli investitori viene moltiplicato e inviato ai fiduciari. I fiduciari devono comunicare quanto di quell'investimento, se del caso, vogliono restituire agli investitori. Ancora una volta, lo fanno muovendosi sul campo di gioco. Questa procedura viene ripetuta per più round in modo che la fiducia collettiva possa emergere come un costrutto condiviso attraverso interazioni ripetute. Con questa procedura, il CTG offre l'opportunità di seguire l'emergere della fiducia collettiva in tempo reale attraverso la registrazione dei dati di movimento. Il CTG è altamente personalizzabile per domande di ricerca specifiche e può essere eseguito come esperimento online con piccole attrezzature a basso costo. Questo documento mostra che il CTG combina la ricchezza dei dati di interazione di gruppo con l'elevata validità interna e l'efficacia temporale dei giochi economici.

Introduction

Il Collective Trust Game (CTG) offre l'opportunità di misurare la fiducia collettiva online all'interno di un gruppo di esseri umani. Generalizza l'originale Trust Game di Berg, Dickhaut e McCabe1 (BDM) a livello di gruppo e può catturare e quantificare la fiducia collettiva nelle sue qualità emergenti 2,3,4, nonché concetti correlati come equità, reciprocità o segnalazione in avanti.

La ricerca precedente concettualizza principalmente la fiducia come un costrutto esclusivamente interpersonale, ad esempio, tra un leader e un seguace5,6, escludendo livelli più elevati di analisi. Soprattutto nei contesti organizzativi, questo potrebbe non essere sufficiente per comprendere la fiducia olisticamente, quindi c'è un grande bisogno di comprendere i processi attraverso i quali la fiducia si costruisce (e diminuisce) a livello di gruppo.

Recentemente, la ricerca sulla fiducia ha incorporato un pensiero più multilivello. Fulmer e Gelfand7 hanno esaminato una serie di studi sulla fiducia e li hanno classificati in base al livello di analisi indagato in ciascuno studio. I tre diversi livelli di analisi sono interpersonale (diadico), di gruppo e organizzativo. È importante sottolineare che Fulmer e Gelfand7 distinguono inoltre tra diversi referenti. I referenti sono quelle entità a cui è diretta la fiducia. Ciò significa che quando "A si fida di B a X", allora A (l'investitore nei giochi economici) è rappresentato dal livello (individuale, di gruppo, organizzativo) e B (il fiduciario) è rappresentato dal referente (individuo, gruppo, organizzativo). X rappresenta un dominio specifico a cui si riferisce trust. Ciò significa che X può essere qualsiasi cosa come un'inclinazione generalmente positiva, supporto attivo, affidabilità o scambi finanziari come nei giochi economici1.

Qui, la fiducia collettiva è definita sulla base della definizione di fiducia interpersonale di Rousseau e colleghi8, e simile a precedenti studi sulla fiducia collettiva 9,10,11,12,13,14; La fiducia collettiva comprende l'intenzione di un gruppo di accettare la vulnerabilità in base alle aspettative positive delle intenzioni o del comportamento di un altro individuo, gruppo o organizzazione. La fiducia collettiva è uno stato psicologico condiviso tra un gruppo di esseri umani e formato nell'interazione tra questo gruppo. L'aspetto cruciale della fiducia collettiva è quindi la condivisione all'interno di un gruppo.

Ciò significa che la ricerca sulla fiducia collettiva deve guardare oltre una semplice media dei processi individuali e concettualizzare la fiducia collettiva come un fenomeno emergente 2,3,4, poiché i nuovi sviluppi nella scienza di gruppo mostrano che i processi di gruppo sono fluidi, dinamici ed emergenti 2,15. Definiamo l'emergenza come un "processo attraverso il quale gli elementi del sistema di livello inferiore interagiscono e attraverso quelle dinamiche creano fenomeni che si manifestano a un livello superiore del sistema"16 (p. 335). Proposta, ciò dovrebbe valere anche per la fiducia collettiva.

La ricerca che riflette l'attenzione all'emergenza e alla dinamica dei processi di gruppo dovrebbe utilizzare metodologie appropriate17 per catturare queste qualità. Tuttavia, lo stato attuale della misurazione della fiducia collettiva sembra essere in ritardo. La maggior parte degli studi ha impiegato una semplice tecnica di calcolo della media tra i dati di ciascun individuo nel gruppo 9,10,12,13,18. Probabilmente, questo approccio ha solo poca validità predittiva2 in quanto ignora che i gruppi non sono semplicemente aggregazioni di individui ma entità di livello superiore con processi unici. Alcuni studi hanno cercato di affrontare questi inconvenienti: uno studio di Adams19 ha impiegato un approccio a variabili latenti, mentre Kim e colleghi10 hanno utilizzato vignette per stimare la fiducia collettiva. Questi approcci sono promettenti in quanto riconoscono la fiducia collettiva come un costrutto di livello superiore. Tuttavia, come notano Chetty e colleghi20, le misure basate su sondaggi mancano di incentivi per rispondere in modo veritiero, quindi la ricerca sulla fiducia ha adottato sempre più misure comportamentali o compatibili con gli incentivi21,22.

Questa preoccupazione è affrontata da una serie di studi che hanno adattato un metodo comportamentale, vale a dire il BDM1, per essere giocato dai gruppi23,24,25,26. Nel BDM, due parti agiscono come investitori (A) o fiduciari (B). In questo gioco economico sequenziale, sia A che B ricevono una dotazione iniziale (ad esempio, 10 euro). Quindi, A deve decidere quanto, se del caso, della loro dotazione vorrebbero inviare a B (ad esempio, 5 euro). Questo importo viene poi triplicato dallo sperimentatore, prima che B possa decidere quanto, se del caso, del denaro ricevuto (ad esempio, 15 euro) vorrebbe inviare ad A (ad esempio, 7,5 euro). La quantità di denaro che A invia a B è operazionalizzata per essere il livello di fiducia di A verso B, mentre l'importo che B restituisce può essere utilizzato per misurare l'affidabilità di B o il grado di equità nella diade di A e B. Un ampio corpo di ricerca ha studiato il comportamento nei giochi di fiducia diadica27. Il BDM può essere giocato sia come un cosiddetto gioco "one-shot", in cui i partecipanti giocano il gioco solo una volta con una persona specifica, sia in round ripetuti, in cui aspetti come la reciprocità28,29 e la segnalazione in avanti potrebbero svolgere un ruolo.

In molti studi che hanno adattato il BDM per i gruppi23,24,25,26, sia l'investitore, il fiduciario, o entrambi i ruoli sono stati svolti da gruppi. Tuttavia, nessuno di questi studi ha registrato processi di gruppo. La semplice sostituzione di individui con gruppi nei disegni di studio non soddisfa gli standard Kolbe e Boos17 o Kozlowski15 istituiti per le indagini sui fenomeni emergenti. Per colmare questa lacuna, è stato sviluppato il CTG.

L'obiettivo dello sviluppo del CTG era quello di creare un paradigma che combinasse il BDM1 ampiamente utilizzato con un approccio che catturasse la fiducia collettiva come un costrutto emergente basato sul comportamento condiviso tra un gruppo.

Il CTG si basa sul paradigma HoneyComb di Boos e colleghi30, che è stato anche pubblicato sul Journal of Visualized Experiments31 ed è stato ora adattato per l'uso nella ricerca sulla fiducia. Come descritto da Ritter e colleghi32, il paradigma HoneyComb è "una piattaforma di gioco virtuale basata su computer multi-agente che è stata progettata per eliminare tutti i canali sensoriali e di comunicazione tranne la percezione dei movimenti avatar assegnati ai partecipanti sul campo di gioco" (p. 3). Il paradigma HoneyComb è particolarmente adatto ai processi di gruppo di ricerca in quanto consente ai ricercatori di registrare il movimento dei membri di un gruppo reale con dati spazio-temporali. Si potrebbe sostenere che, accanto all'analisi dell'interazione di gruppo17, HoneyComb è uno dei pochi strumenti che consente ai ricercatori di seguire i processi di gruppo in grande dettaglio. A differenza dell'analisi di interazione di gruppo, l'analisi quantitativa dei dati spazio-temporali di HoneyComb richiede meno tempo. Inoltre, l'ambiente riduzionista e la possibilità di escludere tutte le comunicazioni interpersonali tra i partecipanti ad eccezione del movimento sul campo di gioco consente ai ricercatori di limitare i fattori confondenti (ad esempio, aspetto fisico, voce, espressioni facciali) e creare esperimenti con elevata validità interna. Mentre è difficile identificare tutti gli aspetti influenti di un processo di gruppo negli studi che impiegano progetti di discussione di gruppo33, l'attenzione ai principi di base dell'interazione di gruppo in un paradigma di movimento consente ai ricercatori di quantificare tutti gli aspetti del processo di gruppo in questo esperimento. Inoltre, ricerche precedenti hanno utilizzato il comportamento prossemico34 - quindi riducendo lo spazio tra se stessi e un altro individuo - per indagare sulla fiducia35,36.

Figure 1
Figura 1: Panoramica schematica del CTG. (A) Procedura schematica di un ciclo CTG. (B) Posizionamento iniziale degli avatar all'inizio del round. I tre investitori di colore blu sono in piedi sul campo iniziale "0". Il fiduciario giallo è in piedi sul campo iniziale "0". (C) Screenshot durante la fase di investimento che mostra tre investitori (avatar blu) nella metà inferiore del campo di gioco. Uno (grande avatar blu) è attualmente in piedi su "12", due investitori sono attualmente in piedi su "24". Due avatar hanno la coda (indicata da frecce arancioni). Le code indicano da quale direzione si sono spostati nel loro campo corrente (ad esempio, un investitore (grande avatar blu) è appena passato da "0" a "12"). L'avatar senza coda è rimasto su questo campo per almeno 4000 ms. (D) Screenshot durante la fase di ritorno che mostra un fiduciario (avatar giallo) e la metà superiore del campo di gioco. Il fiduciario è attualmente in piedi su "3/6" e si è recentemente trasferito lì da "2/6" come indicato dalla coda. Il numero blu sottostante (36) indica l'investimento effettuato dagli investitori. Il numero giallo, indicato dalla freccia, è il ritorno corrente (54) come raffigurato al centro del campo di gioco. Il rendimento è calcolato come segue: (investire (36 centesimi) x 3) x frazione di rendimento corrente (3/6) = 54 cent. (E) Finestra pop-up che fornisce un feedback ai partecipanti su quanto hanno guadagnato durante il round, visualizzata per 15 secondi dopo la scadenza del timeout del trustee. Fare clic qui per visualizzare una versione ingrandita di questa figura.

La procedura principale del CTG (Figura 1A) è strettamente basata sulla procedura del BDM1, al fine di rendere i risultati comparabili agli studi precedenti che utilizzano questo gioco economico. Poiché il paradigma HoneyComb si basa sul principio del movimento, i partecipanti indicano l'importo che vorrebbero investire o restituire spostando il loro avatar sul piccolo campo esagonale che indica una certa quantità di denaro o frazione da restituire (Figura 1C, D). Prima di ogni round, sia gli investitori che i fiduciari sono dotati di una certa quantità di denaro (ad esempio, 72 centesimi) con gli investitori collocati nella metà inferiore del campo di gioco e gli amministratori fiduciari collocati nella metà superiore del campo di gioco (Figura 1B). Nell'impostazione predefinita, gli investitori sono autorizzati a muoversi per primi, mentre i fiduciari rimangono fermi. Gli investitori si muovono attraverso il campo di gioco per indicare quanto, se del caso, della loro dotazione vorrebbero inviare al fiduciario (Figura 1C). Muovendosi avanti e indietro sul campo, i partecipanti possono anche comunicare ad altri investitori quanto vorrebbero inviare al fiduciario. A seconda della configurazione, i partecipanti devono raggiungere una decisione unanime su quanto vorrebbero investire convergendo su un campo di gioco quando viene raggiunto il timeout. Sono state necessarie decisioni unanimi per imporre che gli investitori debbano interagire tra loro, invece di giocare semplicemente l'uno accanto all'altro. Se gli investitori non raggiungono una decisione congiunta, una penale (ad esempio, 24 centesimi) viene detratta dal loro conto. Ciò è stato attuato per garantire che gli investitori fossero altamente motivati a raggiungere un livello condiviso di fiducia collettiva. Una volta scaduto il tempo degli investitori, il denaro investito viene moltiplicato e inviato ai fiduciari che sono quindi autorizzati a muoversi mentre gli investitori rimangono fermi. I fiduciari indicano attraverso il movimento quanto vorrebbero restituire agli investitori (Figura 1D). Le opzioni di rendimento disponibili vengono visualizzate come frazioni sul campo di gioco per mantenere relativamente basso il carico cognitivo sui fiduciari. Il campo di gioco su cui si trovano i fiduciari una volta scaduto il tempo assegnato indica quale frazione (ad esempio, 4/6) viene restituita agli investitori. Il round termina con un pop-up (Figura 1E) che riassume per ciascun partecipante quanto ha guadagnato durante quel round e qual è il saldo del conto corrente.

I round devono essere ripetuti più volte. I ricercatori dovrebbero far giocare ai partecipanti il CTG per almeno 10 o 15 round negli stessi ruoli. Ciò è necessario in quanto la fiducia collettiva è un costrutto emergente e deve svilupparsi durante le interazioni ripetute all'interno di un gruppo. Allo stesso modo, altri concetti come la segnalazione in avanti (cioè l'alternanza di alti rendimenti da parte di fiduciari con investimenti elevati nel prossimo round) emergeranno solo in interazioni ripetute. È fondamentale, tuttavia, che i partecipanti non siano consapevoli del numero esatto di round da giocare poiché è stato dimostrato che il comportamento può cambiare drasticamente quando i partecipanti sono consapevoli di giocare l'ultimo round (ad esempio, comportamenti più sleali o deviazioni nei giochi economici37,38).

In questo modo, il CTG fornisce informazioni sull'emergere della fiducia collettiva su più livelli. In primo luogo, il livello di fiducia collettiva esibito nella fase finale dovrebbe rappresentare da vicino il livello condiviso di fiducia che gli investitori detengono nei confronti del fiduciario o dei fiduciari. In secondo luogo, l'importo investito in ciascun round può servire come proxy per l'emergere della fiducia collettiva su interazioni ripetute. In terzo luogo, i dati sui movimenti fanno luce sul processo di gruppo che determina quanti soldi vengono investiti in ogni round.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

La raccolta e l'analisi dei dati in questo progetto sono state approvate dal comitato etico dell'Istituto di psicologia Georg-Elias-Müller dell'Università di Gottinga (proposta 289/2021); il protocollo segue le linee guida sulla ricerca umana dei comitati etici dell'Istituto di psicologia Georg-Elias-Müller. Il software CTG può essere scaricato dal progetto OSF (DOI 10.17605/OSF. IO/U24PX) sotto il link: https://s.gwdg.de/w88YNL.

1. Preparare la configurazione tecnica

  1. Preparare moduli di consenso e questionari online
    1. Preparare un modulo di consenso online in uno strumento di questionario online.
    2. Se applicabile, preparare un questionario online in uno strumento di questionario online.
      NOTA: È possibile includere un breve questionario all'interno del programma HoneyComb (vedere il punto 1.3.5). Per utilizzare questionari più lunghi, utilizzare invece uno strumento di questionario online separato. Esempi di strumenti per questionari online sono forniti nella tabella dei materiali.
  2. Preparare il server desktop remoto
    1. Installare un sistema operativo basato su Linux su un server remoto. Se possibile, chiedi agli assistenti tecnici informazioni sulle risorse disponibili presso l'istituzione. In caso contrario, seguire una linea guida di installazione39.
    2. Creare utenti diversi su questo server40.
      1. Creare un amministratore utente che disponga dei permessi di root e sia accessibile esclusivamente dal responsabile tecnico dell'esperimento.
      2. Creare uno sperimentatore utente che disponga delle autorizzazioni per creare cartelle condivise, importare ed esportare dati e sia accessibile a tutto il personale che raccoglie dati (inclusi studenti/assistenti di ricerca, ecc.).
      3. Creare più utenti denominati partecipante-1, partecipante-2, ecc.
        NOTA: I ricercatori saranno in grado di testare solo tanti partecipanti in una sessione sperimentale quanti utenti creati.
    3. Eseguire il comando java -version sull'utente amministratore per assicurarsi che sul server sia disponibile un ambiente di runtime Java. In caso contrario, installare la versione Java più recente prima di continuare e assicurarsi che tutti gli utenti possano accedervi.
    4. Installare il programma
      1. Scarica il programma.
        NOTA: Il programma può essere scaricato come file zip HC_CTG.zip contenente 1) l'HC.jar eseguibile, 2) tre file per la configurazione (hc_server.config, hc_panel.config e hc_client.config) e 3) due sottocartelle denominate intro e rawdata.
      2. Creare una cartella sull'utente sperimentatore e condividerla con gli altri utenti41. Estrarre i file dal file compresso HC_CTG.zip in questa cartella.
      3. Per ogni utente partecipante, accedere a questa cartella condivisa e verificare che l'utente possa accedere ai file.
  3. Aprire i tre file di configurazione.
    1. Modificare hc_server.config e salvare il file modificato.
      1. Configura il numero di giocatori impostando n_Pl sul numero desiderato. Ad esempio, immettere 4 dietro =.
      2. Configura il numero di round da giocare (playOrder) ripetendo il numero di gioco 54a (ad esempio, 54a, 54a, 54a, 54a per quattro round).
        NOTA: i54a sta per le istruzioni e non deve essere eliminato nel file di configurazione.
      3. Configurare se un questionario deve essere visualizzato in HoneyComb includendo 200 alla fine di playOrder. Eliminare 200 se viene utilizzato uno strumento di questionario online separato.
      4. Configurare la scala di investimento. Per configurare la scala per gli investitori (iscale), inserisci quali valori devono essere disponibili come fasi di investimento (ad esempio, 0, 12, 24, 36, 48, 60, 72). Usa numeri interi che sono multipli di tre in modo che anche i pagamenti siano interi.
        NOTA: questi valori configurati vengono visualizzati anche come possibili passaggi di investimento per gli investitori.
        1. Configura la scala di visualizzazione per i fiduciari (tlabel) scegliendo quali valori devono essere visualizzati come possibili ritorni sul campo di gioco (ad esempio, 0, 1/6, 2/6, 3/6, 4/6, 5/6, 1). NOTA: questa scala non influenza il calcolo dei pagamenti.
        2. Configurare la scala per i trustees (tscala) scegliendo quali valori restituiti devono essere possibili come restituisce (ad esempio, 0, 0,166666, 0,3333, 0,5, 0,6666, 0,833331, 1). Utilizzare solo valori digitali (cioè nessuna frazione).
          NOTA: Questi valori vengono utilizzati per calcolare i pagamenti e NON vengono visualizzati sul campo di gioco.
      5. Configura i time-in (timeInI per gli investitori, timeInT per i trustee) e i timeout (timeOutI per gli investitori, timeout per i trustees) in pochi secondi. Ad esempio, timeInI = 0, timeOutI = 30, timeInT = 30 e timeout = 45.
      6. Configura la quantità di denaro di cui gli investitori e gli amministratori sono dotati in ogni round in centesimi (r52).
      7. Configurare il fattore con cui l'investimento viene moltiplicato prima di essere inviato al trustee (f52).
      8. Configurare se il gruppo deve raggiungere una decisione unanime (impostare bUnanimità a vero) o meno (impostare unanime su falso)
      9. Configurare se il gruppo viene pagato in parti uguali (impostare bCommon su true) o in base a quanto ciascun investitore ha contribuito all'investimento (impostare bCommon a false).
      10. Se bUnanimous è impostato su true, configurare la penalità, ovvero la quantità di denaro detratta dagli investitori se non viene raggiunta una decisione unanime (p. 52).
    2. Se necessario, modificare hc_client.config. Assicurati di impostare ip_nr su localhost in modo che i client possano connettersi allo sperimentatore.
    3. Modificare hc_panel.config.
      1. Regolare la dimensione degli esagoni (raggio) in base alla risoluzione dello schermo. Testare l'esperimento su più schermate diverse per assicurarsi che l'esperimento sia visibile su un'ampia gamma di schermi.
      2. Regola il testo visualizzato sul campo di gioco sotto le etichette (ad esempio, il tuo ruolo è: investitore, saldo del conto, ecc.)
    4. Regolare e/o tradurre le istruzioni, se necessario. Per fare ciò, modificare e salvare i semplici file HTML (Figura 2A) nella cartella "intro" all'interno della cartella del programma HoneyComb.
    5. Se si desidera utilizzare il questionario all'interno del programma HoneyComb, regolare e/o tradurre il questionario nel file qq.txt e salvare il file.
    6. Mantieni costante questa configurazione in tutte le sessioni dell'esperimento (all'interno di una condizione dell'esperimento). Documentare tutte le configurazioni.

2. Reclutamento dei partecipanti

  1. Pubblicità online
    1. Recluta i partecipanti sui canali disponibili (ad esempio, social media, blog universitario, volantino con codice QR). Assegna un nome a informazioni importanti sull'esperimento, ad esempio lo scopo, la durata e il pagamento massimo calcolato in base al comportamento del gioco.
      NOTA: Il campione presentato qui è stato reclutato tramite un blog online per studenti di psicologia presso l'Università di Gottinga e pubblicità non pagate in gruppi di social media. Un esempio di volantino può essere visto nella Figura supplementare 1.
    2. Rendere consapevoli i potenziali partecipanti che la partecipazione richiederà l'utilizzo di laptop / PC personali con una connessione Internet stabile e in una zona tranquilla e appartata. Informare i partecipanti che potrebbe essere necessario installare un programma per stabilire la connessione Desktop remoto.
      NOTA: La partecipazione tramite telefoni cellulari o tablet non è possibile.
    3. Assicurati che i partecipanti soddisfino i criteri di inclusione dell'esperimento, come i requisiti linguistici o la visione dei colori.
    4. Assicurati che i partecipanti non abbiano preso parte a precedenti esperimenti sul CTG.
  2. Prenota sessioni sperimentali con i partecipanti
    1. Chiedere ai partecipanti di prenotare fasce orarie per la loro partecipazione.
    2. Utilizzare un software di gestione dei partecipanti per inviare e-mail automatiche di invito o promemoria.
    3. Overbook fasce orarie di almeno un partecipante per garantire la presenza di un numero sufficiente di partecipanti per eseguire l'esperimento.
  3. Inviare ai partecipanti un'e-mail di conferma con i seguenti dettagli: guida sulla configurazione del computer, installazione di Remote Desktop Connection Tool e stabilire la connessione a Remote Desktop. Assicurati di NON inviare ancora alcuna informazione di accesso, al fine di evitare problemi tecnici dovuti a accessi precedenti.
  4. Inviare ai partecipanti e-mail di promemoria circa 24 ore prima dell'esperimento, incluso il link alla piattaforma di videoconferenza. Includere le informazioni sull'installazione inviate nel messaggio di posta elettronica di conferma.

3. Configurazione sperimentale (prima di ogni sessione sperimentale)

  1. Preparare la piattaforma di videoconferenza (Figura 3)
    1. Assicurati che ai partecipanti sia impedito di condividere il microfono o la videocamera. Assicurati che i partecipanti non possano vedere i nomi degli altri.
    2. Condividere il microfono e la videocamera dello sperimentatore e condividere lo schermo con istruzioni minime sulla piattaforma di videoconferenza (Figura 3).
  2. Preparare il desktop remoto
    1. Sperimentatore utente
      1. Avviare una connessione desktop remoto con l'utente sperimentatore. Apri la cartella condivisa e avvia un terminale facendo clic con il pulsante destro del mouse nella directory e scegliendo Apri terminale qui.
      2. Avviare il programma server HC_Gui.jar digitando il comando java -jar HC_Gui.jar nel terminale e premendo INVIO.
    2. Utenti partecipante-1, partecipante-2, ecc.
      1. Stabilire una connessione desktop remoto con gli utenti partecipante-1, partecipante-2, .... Apri la cartella condivisa e avvia un terminale in questa cartella come prima.
      2. Avviare i programmi client per ciascun utente digitando il comando java -jar HC .jar nel terminale e premendo INVIO.
      3. Verificare se le connessioni sono state stabilite correttamente su tutti gli utenti partecipanti.
        NOTA: le schermate degli utenti partecipanti dovrebbero visualizzare il messaggio Attendere. Il computer si connette al server. Si consiglia di avere tanti portatili presenti quanti utenti (Figura 4).
    3. Sperimentatore utente
      1. Verificare che nella GUI del server venga visualizzata una riga che mostri l'indirizzo IP di ciascuno degli utenti partecipanti. Quando tutti gli utenti partecipanti sono connessi, verificare che nel programma server venga visualizzato il messaggio Tutti i client sono connessi. Pronto per iniziare?. Fare clic su OK.
      2. Verifica che le schermate degli utenti partecipanti visualizzino la schermata di benvenuto dell'esperimento (prima pagina delle istruzioni).
        NOTA: lo sperimentatore può preparare la sessione fino a questo punto.

4. Procedura sperimentale

  1. Ammettere i partecipanti alla videoconferenza nella fascia oraria dell'esperimento programmata. Benvenuto a tutti i partecipanti utilizzando un testo standardizzato. Spiegare la procedura tecnica ai partecipanti.
  2. Condividi il link al modulo di consenso online. Verificare che tutti i partecipanti abbiano dato il consenso scritto.
  3. Guida i partecipanti ad aprire lo strumento Connessione desktop remoto e inviare a ciascun partecipante i propri dati di accesso individuali tramite chat personale nella videoconferenza.
    NOTA: quando i partecipanti accedono agli utenti partecipanti, i blocchi appunti nel laboratorio perderanno la connessione con gli utenti partecipanti. Da qui in poi, l'esperimento viene eseguito automaticamente fino a quando i partecipanti raggiungono la pagina finale, istruendoli a tornare alla videoconferenza.
  4. Chiedi ai partecipanti di confermare di aver letto la prima pagina di istruzioni facendo clic su OK. Una volta che tutti i partecipanti hanno confermato, attendi fino a quando i partecipanti non hanno completato il gioco.
    NOTA: I partecipanti possono sfogliare le istruzioni al ritmo preferito. Una volta che tutti i partecipanti hanno confermato di aver letto le istruzioni, il CTG inizia automaticamente. Il gioco avanza automaticamente attraverso tutti i round indicati nel file server.config.
  5. Fase di collaudo
    1. Assegnare ai partecipanti uno dei due ruoli seguenti: investitore o fiduciario.
      NOTA: a più partecipanti può essere assegnato lo stesso ruolo.
    2. Chiedi agli investitori di iniziare dal campo più in basso (investimento indicato pari a 0) e ai fiduciari nel campo più in alto (che indica il rendimento di 0) (Figura 1B).
    3. Istruisci i partecipanti a spostare il loro avatar facendo clic con il pulsante sinistro del mouse in un campo esagonale adiacente. Indicare ai partecipanti che è possibile scegliere solo campi adiacenti e che i campi non possono essere ignorati. Istruire i partecipanti che il loro avatar visualizzerà una piccola coda per 4000 ms dopo ogni mossa che indica l'ultima direzione da cui si sono spostati al campo corrente (Figura 1C).
    4. Consentire agli investitori di muoversi dall'inizio (time-in = 0) per indicare attraverso il movimento quanto vorrebbero investire. Dopo un certo periodo di tempo, vietare il movimento degli investitori (time-out).
      NOTA: Il campo su cui si trovano indicherà quindi quanto è investito. Al centro del campo di gioco, un numero blu mostrerà inoltre l'importo inviato al fiduciario. Se l'esperimento è impostato per richiedere investimenti unanimi, gli investimenti saranno effettuati solo se tutti i partecipanti si trovano sullo stesso campo.
    5. Spiega nelle istruzioni che l'importo investito viene moltiplicato per un fattore (ad esempio, tre) e inviato agli amministratori. Limitare il movimento dei trustee per tutto il tempo in cui gli investitori si muovono impostando il time-in del trustee sulla durata del trustee timeout.
    6. Istruire i fiduciari a muoversi per indicare la frazione che vorrebbero restituire agli investitori. Una volta raggiunto il timeout del trustee, il campo su cui si trovano i trustee viene preso per indicare la frazione che viene restituita agli investitori. L'importo restituito è anche indicato al centro del campo di gioco da un numero giallo (Figura 1D).
    7. Fare in modo che la finestra popup mostri la quantità di denaro che la persona ha guadagnato alla fine del round (Figura 1E).
    8. Ripetere il round di gioco in base alle esigenze, come indicato nel file server.config.
    9. Una volta completati tutti i round, chiedi ai partecipanti di generare un codice univoco personale in modo che i guadagni di gioco possano essere collegati al loro nome mantenendo anonimi i dati comportamentali.
    10. Dopo che i partecipanti hanno generato il codice, visualizzare una schermata che indica ai partecipanti di tornare alla videoconferenza e chiudere la connessione Desktop remoto.
      NOTA: La procedura sperimentale (sezione 4 di questo protocollo con 15 round di gioco) richiede 35 minuti.
    11. Se problemi tecnici o fallimento di un partecipante richiedono l'interruzione della sessione dell'esperimento, astenersi dal riavviare l'esperimento con gli stessi partecipanti.
  6. Fase post-test
    1. Una volta completato il gioco, assicurati che tutti i partecipanti abbiano chiuso la connessione Desktop remoto. Chiedi ai partecipanti di compilare questionari come ritenuto opportuno per una specifica domanda di ricerca.
    2. Mentre i partecipanti stanno compilando i questionari, chiudere il programma server sull'utente sperimentatore facendo clic su Stop & Exit. Questo chiuderà anche il programma sugli utenti partecipanti.
    3. Ringrazia i partecipanti per il loro tempo e spiega come e quando i loro guadagni saranno trasferiti a loro. Assicurati che tutti i partecipanti abbiano lasciato la videoconferenza, soprattutto se un'altra fascia oraria dell'esperimento è programmata subito dopo.

5. Completamento dell'esperimento

  1. Trasferisci ed esegui il backup dei dati (ad esempio, nel cloud), sotto forma di un file *.csv e uno *.txt per gruppo e fascia oraria dell'esperimento, contrassegnati da un giorno e un'ora dell'esperimento.
  2. Chiudere tutte le connessioni Desktop remoto.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Questo documento presenta i risultati di uno studio pilota condotto con il CTG con 16 partecipanti (cinque uomini, 11 donne; Età: M = 21, SD = 2,07). Secondo Johanson e Brooks42, questa dimensione del campione è sufficiente in un esperimento pilota, specialmente se abbinata a un approccio qualitativo per raggiungere un'alta densità di informazioni sull'esperienza soggettiva dei partecipanti durante l'esperimento. Si raccomanda che ogni volta che i ricercatori intendono adattare il CTG alla loro specifica idea di ricerca, ad esempio, personalizzando il numero di partecipanti all'interno di ciascun gruppo, uno studio pilota simile dovrebbe essere eseguito prima della raccolta dei dati principali al fine di garantire un'elevata qualità dei dati.

Sulla base dei dati pilota, questo documento fornisce sia un'illustrazione dei possibili metodi di analisi dei dati CTG sia una prima convalida della configurazione CTG. I risultati qui riportati includono i dati sui movimenti e sugli investimenti dello studio pilota CTG (l'esempio di output di un gruppo può essere visto in Supplementary Data 1 e Supplementary Data 2 e un esempio di script di pre-elaborazione dei dati può essere visto nel progetto OSF: https://s.gwdg.de/Cwx3ex) così come i dati del questionario sull'esperienza soggettiva dei partecipanti durante l'esperimento e le osservazioni sul gioco.

Per questa pubblicazione, i dati pilota (N = 16) vengono utilizzati al fine di dimostrare come le ipotesi scientifiche potrebbero essere testate con il CTG quando è stata raggiunta una dimensione sufficiente del campione. Va notato che, di solito, sono necessarie dimensioni del campione molto più grandi per raggiungere una potenza sufficiente per le analisi statistiche. I risultati qui riportati dovrebbero servire solo come illustrazioni per possibili analisi e visualizzazioni (Figura 5). Il CTG è particolarmente adatto per indagare i processi di fiducia collettiva e come emerge o diminuisce a seconda del comportamento degli altri membri del gruppo o del fiduciario.

In primo luogo, sono state studiate le qualità della fiducia collettiva come fenomeno emergente. Si ipotizza che gli investimenti nel gioco della fiducia collettiva cambino nel tempo (cioè emergano). Ciò significa che gli investimenti medi nel primo, medio (cioè settimo) e quindicesimi dovrebbero essere significativamente diversi l'uno dall'altro. Questa ipotesi è stata testata con t-test campione accoppiati (Bonferroni corretto). A causa delle piccole dimensioni del campione (N = 16 in quattro gruppi), non è stato possibile trovare differenze significative nei dati pilota tra il primo (M = 27,0, SD = 20,49), il settimo (M = 39, SD = 30,0; differenza rispetto al round 1: t(3) = -0,511, p = 1) e il quindicesimo round (M = 42, SD = 31,75; differenza rispetto al round 1: t(3) = -0,678, p = 1; Differenza rispetto al round 7: t(3) = -0,397, p = 1). I dati sono stati rianalizzati utilizzando solo gli investimenti che erano stati effettuati all'unanimità. Non sono state riscontrate differenze significative tra i round, probabilmente dovute anche al piccolo campione (M 1 = 24, SD1 = 24; M 7 = 52, SD7 = 18,33; M 15 = 56, SD15 = 18,33). I dati di accompagnamento possono essere visti nella figura 5A. Negli studi con dimensioni del campione sufficienti, una differenza significativa tra i round e un continuo aumento o diminuzione degli investimenti nel corso dei round indicherebbe l'emergere di fiducia collettiva nell'esperimento in quanto gli investitori del gruppo possono interagire ripetutamente e, quindi, stabilire un livello condiviso di fiducia.

Inoltre, l'emergere della fiducia collettiva può anche essere studiato utilizzando i dati di movimento, come si può vedere nella Figura 5B, che mostra tre indicatori comportamentali del processo decisionale: (a) tempo di decisione (rosso; tempo fino all'ultima mossa degli investitori; M = 12,25, SD = 7,05) come operazionalizzazione della lunghezza del processo, (b) lunghezza del movimento (verde; tempo medio tra due mosse: M = 2,42, SD = 2,16) come operazionalizzazione della deliberazione e (c) cambi di direzione (blu; numero di volte in cui una direzione di movimento è stata cambiata; M = 0,25, SD = 0,66) come operazionalizzazione dell'aggiustamento ad altri investitori durante una decisione. Se la fiducia collettiva emerge nel corso dei round, il processo quantificato dai tre indicatori comportamentali dovrebbe diventare meno complesso nel tempo poiché la fiducia collettiva dovrebbe essere la base per la decisione di investimento del gruppo. Ciò significa che se la fiducia collettiva è un costrutto emergente, dovremmo vedere i gruppi impiegare più tempo per le decisioni di investimento nei round precedenti, poiché non è ancora emerso alcun livello condiviso di fiducia (cioè la fiducia collettiva). Nel corso delle interazioni, le decisioni di investimento dovrebbero diventare più brevi (misurate dal tempo decisionale) e più facili (misurate dai cambiamenti di lunghezza e direzione del movimento) poiché si è sviluppato un livello condiviso di fiducia collettiva e sono necessarie meno interazioni o coordinamento per determinare un investimento di gruppo. Pertanto, i ricercatori dovrebbero utilizzare un campione più ampio per modellare la progressione dei marcatori comportamentali nei round. Una pendenza negativa potrebbe indicare l'emergere della fiducia collettiva come base per le decisioni di investimento del gruppo.

In secondo luogo, sono stati analizzati il comportamento del trustee e le dipendenze del comportamento dei trustee e degli investitori. È stato ipotizzato che i fiduciari restituirebbero una somma di denaro diversa da zero agli investitori, come è stato trovato nella ricerca sui singoli giochi di fiducia 1,43. Un test t di un campione ha infatti mostrato che i fiduciari hanno reso significativamente più di zero (M = 43,89, SD = 35,38) agli investitori; t(59) = 9,608, p < 0,001. Ciò è stato ancora più pronunciato quando sono stati inclusi solo i rendimenti preceduti da investimenti diversi da zero (M = 62,70, SD = 24,36; t(46) = 16,677, p < 0,001). La figura 5C mostra che i fiduciari hanno spesso scelto di restituire 4/6 dell'investimento.

Inoltre, è stato esaminato se i rendimenti dei fiduciari sono basati sulla reciprocità, in quanto un investimento più elevato in un round è correlato a frazioni di rendimento più elevate (cioè 0/6, 1/6, 2/6, ...) nello stesso round. Sembra esserci una correlazione significativa tra investimenti e rendimenti, come si può vedere nella Figura 5D, pannello di sinistra; t(58) = 9,446, p < 0,001, r = 0,78. Ciò indica che i fiduciari potrebbero aver ricambiato investimenti elevati con rendimenti elevati. Tuttavia, ciò potrebbe essere guidato dai round in cui gli investitori hanno investito zero o non hanno raggiunto una decisione unanime in modo che il fiduciario non avesse un'opzione per restituire nulla. Infine, è stato analizzato se le frazioni di rendimento più elevate sono percepite come segnali forward dagli investitori, in modo che le frazioni di rendimento più elevate nel round t siano correlate con investimenti elevati nel round t + 1. Come si può vedere nella Figura 5D, pannello di destra, questo non è stato corroborato dai dati; t(54) = 0,207, p = .837, r = .028.

Per riassumere, i dati quantitativi del CTG sono costituiti da dati sia di movimento che di investimento di ciascun partecipante a ciascun round. Mentre i dati sugli investimenti forniscono parallelismi con le precedenti applicazioni del gioco di fiducia individuale, i dati sui movimenti consentono ai ricercatori di osservare il processo di fiducia collettiva. Va notato che i dati vengono raccolti in gruppi effettivi, il che aumenta la validità esterna, ma richiede che venga considerata la struttura dei dati nidificata. Ciò non è stato fatto per le analisi riportate poiché le piccole dimensioni del campione dei dati pilota limitano l'applicazione di modelli lineari a effetti misti.

Inoltre, i dati sull'esperienza soggettiva sono stati raccolti nel campione pilota con un questionario post-esperimento (file supplementare 1) che includeva 13 elementi in totale, di cui 11 erano domande aperte. Oltre all'esperienza soggettiva durante l'esperimento, gli elementi hanno chiesto aspetti specifici del CTG che potrebbero influenzare la qualità dei dati, come i principi soggettivi di comportamento dei partecipanti durante il gioco, l'intenzione presunta dell'esperimento o la chiarezza delle istruzioni. Due domande in formato chiuso hanno valutato su una scala Likert a cinque punti se i partecipanti percepivano l'investimento attraverso il movimento come intuitivo (da -2: "per niente" a +2: "molto") e se il tempo dato ai partecipanti per muoversi nel gioco sembrava sufficiente (-2: "troppo breve"; 0: "circa giusto"; +2: "troppo lungo").

In generale, i partecipanti hanno riportato esperienze soggettive in linea con l'intenzione dell'esperimento e la facilità di seguire le istruzioni, mostrando anche sufficiente ingenuità dell'intenzione dello studio. I partecipanti in media hanno riferito che il gioco era "abbastanza intuitivo" (M = 0,69, SD = 0,79) e hanno percepito il tempo come "giusto" (M = -0,31, SD = 0,79).

Le risposte dei partecipanti alle domande aperte sono state analizzate qualitativamente secondo Mayring44. Nel complesso, i partecipanti sono stati soddisfatti del processo di reclutamento e della procedura online, della conservazione dell'anonimato nell'esperimento, della chiarezza delle istruzioni e delle informazioni fornite e della logica del gioco. La maggior parte dei partecipanti era soddisfatta del design degli avatar in quanto potevano essere distinti facilmente. Tuttavia, solo la metà dei partecipanti ha riferito di sentirsi rappresentata dal proprio avatar e ha osservato che simboli o volti di animali avrebbero potuto essere più interessanti. A causa di questi risultati, i ricercatori dovrebbero prendere in considerazione l'inclusione di una misura dell'incarnazione dei partecipanti nelle applicazioni del CTG per controllare questa esperienza, pur mantenendo un design sperimentale minimalista.

La maggior parte dei partecipanti ha osservato di aver sperimentato l'impulso di convergere nel mezzo del campo di gioco (cioè, all'opzione di investimento più alta). I partecipanti che hanno sperimentato questo hanno riferito che l'impulso a convergere nel mezzo coincideva con la loro volontà di investire importi elevati. Inoltre, alcuni partecipanti hanno riferito che invece di sentirsi attratti dal centro sentivano di dover tirare i co-giocatori verso il centro. A causa dei vincoli pratici dell'esperimento e dei potenziali compromessi con l'intuitività, è stato mantenuto il progetto iniziale in cui investimenti e rendimenti elevati convergono nel mezzo.

I partecipanti hanno riportato una moltitudine di supposizioni sullo scopo dello studio, come l'influenza del gruppo sulle proprie decisioni, la fiducia o il comportamento dei fiduciari. Mentre queste supposizioni sono tematicamente vicine all'emergere indagato della fiducia, i partecipanti hanno riportato strategie comportamentali come la massimizzazione del profitto o le intenzioni di influenzare il comportamento dei co-giocatori. Queste strategie si adattano bene al carattere economico del CTG e non contrastano i comportamenti che lo studio mirava a osservare.

Sulla base dei risultati dell'esperienza soggettiva, si potrebbe concludere che il CTG soddisfa criteri di validità interna. L'analisi quantitativa dei dati qui riportata dovrebbe servire semplicemente come illustrazione di come i dati raccolti con il CTG possono essere analizzati statisticamente.

Figure 2
Figura 2: Esempio di istruzioni di gioco . (A) Codice HTML preparato dallo sperimentatore. (B) File HTML visualizzato nel browser. (C) Istruzioni mostrate ai partecipanti durante l'esperimento. Nota i pulsanti in basso per navigare tra le istruzioni. Fare clic qui per visualizzare una versione ingrandita di questa figura.

Figure 3
Figura 3: Screenshot della piattaforma di videoconferenza. Lo sperimentatore ha condiviso la videocamera, il microfono e la presentazione con le informazioni di base sulla piattaforma di videoconferenza e sulla connessione Desktop remoto. Un partecipante ha già partecipato alla conferenza, ma non può condividere il microfono, lo schermo o la videocamera per mantenere l'anonimato. Fare clic qui per visualizzare una versione ingrandita di questa figura.

Figure 4
Figura 4: Setup in laboratorio. Prima dell'inizio dell'esperimento, lo sperimentatore avvierà una connessione Desktop remoto con tutti i portatili. Il blocco appunti 1 è connesso con l'utente dell'esperimento e rimane connesso per tutta la durata dell'esperimento. I quaderni da 2 a 5 vengono utilizzati per stabilire e verificare la connessione con gli utenti partecipanti ("partecipante-1" fino a "partecipante-4"). Quando i partecipanti stabiliscono la connessione agli utenti partecipanti tramite lo strumento Connessione desktop remoto, i notebook in laboratorio perderanno la connessione. Fare clic qui per visualizzare una versione ingrandita di questa figura.

Figure 5
Figura 5: Risultati basati su dati pilota (N = 16 in quattro gruppi). (A) Diagrammi di violino degli investimenti di gruppo (centesimi) nei round 1, 7 e 15. Le forme dei violini indicano la densità di probabilità degli investimenti, le linee in grassetto indicano la mediana, le caselle nei violini indicano l'intervallo interquartile e i baffi indicano 1,5 volte l'intervallo interquartile. A sinistra; tutti investono. A destra; Investimenti unanimi. (B) Tre diversi indicatori di dati di movimento che possono essere utilizzati per quantificare gli aspetti del processo decisionale di investimento nel gruppo. Rosso; tempo di decisione (tempo fino all'ultima mossa in secondi). Verde; media delle lunghezze di movimento (tempo da una mossa all'altra in secondi). Blu; numero di cambi di direzione nel modello di movimento (conteggio). (C) Frequenza (conteggio) grafico dei rendimenti. A sinistra; Vengono conteggiati tutti i ritorni (come frazioni di ritorno) nei round. A destra; Solo i rendimenti (come frazioni di rendimento) vengono conteggiati prima dei quali i fiduciari hanno ricevuto un investimento. (D) Grafici a dispersione degli investimenti (centesimi) e rendimenti (come frazioni di rendimento). La linea blu indica i valori previsti (utilizzando un modello lineare con formula: y ~ x), il nastro grigio indica l'errore standard delle previsioni. A sinistra; correlazione di reciprocità. Gli investimenti elevati sono correlati a rendimenti elevati nello stesso round? A destra; correlazione di segnalazione in avanti. I rendimenti elevati sono correlati a investimenti elevati nel round successivo? Fare clic qui per visualizzare una versione ingrandita di questa figura.

Figura supplementare 1: Esempio di pubblicità online tramite volantino pubblicato su un blog online. Questo volantino è un esempio di quali informazioni dovrebbero essere incluse nella pubblicità del volantino di reclutamento dei partecipanti e in che modo potrebbero essere presentate. Clicca qui per scaricare questo file.

Fascicolo supplementare 1: Questionario completo dello studio pilota. Il questionario completo utilizzato nello studio pilota è disponibile qui. Clicca qui per scaricare questo file.

Dati supplementari1: esempio di output di dati contenente i dati di investimento di un gruppo (cioè quattro partecipanti: tre investitori (pid 0-2) e un fiduciario (pid 4). Questo è un esempio di un file di dati grezzi contenente a) informazioni sull'ordine di gioco, b) l'elenco dei giocatori, c) le posizioni iniziali ("StartSicht") e finali ("ultimo campo da gioco comune") di tutti i giocatori, nonché d) il loro investimento, guadagni e saldo del conto ("Saldi: costo ricompensa saldo"). Clicca qui per scaricare questo file.

Dati supplementari 2: Esempio di output di dati contenente i dati di movimento di un gruppo (cioè quattro partecipanti: tre investitori (pid 0-2) e un trustee (pid 4). Questo è un esempio di un file di dati grezzi contenente coordinato ("sj") di ciascun giocatore ("pid") in un dato momento dell'esperimento. L'inizio di un nuovo round è indicato da un "-1" come "pid". Clicca qui per scaricare questo file.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Il CTG offre ai ricercatori l'opportunità di adattare il classico BDM1 per i gruppi e osservare in profondità i processi emergenti all'interno dei gruppi. Mentre altri lavori23,24,25,26 hanno già tentato di adattare il BDM1 alle impostazioni di gruppo, l'unico modo per accedere ai processi di gruppo in questi studi sono laboriose analisi di interazione di gruppo di discussioni videoregistrate. Poiché questo è spesso un compito noioso e dispendioso in termini di tempo17, gli studi regolarmente non riportano questi aspetti. Rispetto a questi metodi esistenti, il CTG è, a conoscenza degli autori, il primo paradigma che consente ai ricercatori di seguire la fiducia collettiva come fenomeno emergente in tempo reale attraverso i dati di movimento. Il CTG è, quindi, più efficiente in termini di tempo. Inoltre, l'utilizzo di analisi quantitative per acquisire processi di gruppo consente ai ricercatori di preregistrare le analisi dei processi, il che è spesso difficile con approcci più qualitativi.

Affinché il paradigma produca dati di alta qualità, è fondamentale seguire da vicino il protocollo. I seguenti cinque passaggi critici meritano un'attenzione particolare da parte dei ricercatori. In primo luogo, le configurazioni fatte nel gioco devono essere mantenute costanti in tutte le sessioni di esperimento e devono essere documentate. In secondo luogo, i partecipanti che hanno già partecipato a studi simili (cioè studi che utilizzano qualsiasi versione del gioco di fiducia) dovrebbero essere esclusi nella fase di reclutamento in quanto ciò potrebbe creare pregiudizi nel comportamento e ridurre le dimensioni degli effetti45. In terzo luogo, i ricercatori devono garantire che i partecipanti siano anonimi vietando ai partecipanti di condividere il microfono, la videocamera e il nome completo durante la videoconferenza, poiché è stato dimostrato che il livello di anonimato influisce sul comportamento nei giochi economici27. In quarto luogo, durante l'avvio del gioco, i ricercatori devono verificare attentamente che venga stabilita una connessione corretta tra l'utente partecipante e l'utente dell'esperimento, assicurandosi che l'utente partecipante sia elencato nella GUI dello sperimentatore. In quinto luogo, gli assistenti di ricerca che raccolgono i dati devono essere ampiamente formati per essere in grado di risolvere le sfide tecniche con i partecipanti. Nel caso in cui i partecipanti riscontrino problemi a stabilire la connessione Desktop remoto, gli assistenti di ricerca devono essere in grado di fornire supporto per mantenere i partecipanti nel gruppo. Se una persona abbandona a causa di difficoltà tecniche, tutti i partecipanti all'interno della fascia oraria dell'esperimento potrebbero dover essere riprogrammati, con conseguenti costi monetari aggiuntivi e perdita di tempo.

Se si verificano difficoltà tecniche durante l'avvio del gioco, assicurarsi che (a) un ambiente di runtime Java corrente sia installato sul computer Desktop remoto, (b) tutti gli utenti possano accedere ed eseguire i file nelle cartelle condivise, (c) tutti gli utenti eseguano i comandi nella stessa directory e (d) tutti i PC/laptop che accedono alla connessione Desktop remoto dispongano di una connessione Internet stabile. Per la risoluzione dei problemi durante la sessione sperimentale, verificare che (a) tutti i partecipanti e i ricercatori dispongano di una connessione Internet stabile, (b) i partecipanti abbiano ricevuto le informazioni di accesso corrette per Connessione desktop remoto e (c) il server che esegue Connessione desktop remoto disponga di risorse sufficienti (ad esempio, controllare l'utilizzo della CPU) durante la sessione sperimentale.

Il CTG è altamente adattabile a diverse domande di ricerca che consente una vasta gamma di possibili applicazioni nella ricerca. A seconda dello scopo di uno studio, è possibile personalizzare una moltitudine di parametri, come il numero di giocatori, il requisito di decisioni unanimi, l'aspetto visivo, i tempi e i parametri monetari del BDM. Mentre la flessibilità di questo paradigma è un vantaggio, è importante tenere presente che gli adattamenti del paradigma dovrebbero sempre essere rigorosamente fondati sulla teoria e pilotati. Al di là delle configurazioni che i ricercatori possono fare nei file *.config, il gioco può essere regolato solo attraverso il codice sorgente programmato da Johannes Pritz, che non è ancora disponibile online. Sebbene siano possibili molti adattamenti, la struttura della piattaforma HoneyComb limita le possibili applicazioni alle attività di movimento e alle opzioni di investimento discrete.

Nelle future applicazioni del CTG, la quantità di frazioni di ritorno potrebbe essere aumentata (ad esempio, 1/10, 2/10, 3/10, ...) al fine di fornire una risoluzione più elevata sul comportamento di ritorno. In questo modo, sia il lato degli investitori che quello dei fiduciari possono essere giocati da individui o gruppi, consentendo indagini di diversi livelli e referenti di fiducia come è stato proposto da Fulmer e Gelfand7. Le future applicazioni di questo protocollo potrebbero anche combinare la procedura online di questo metodo con altri esperimenti della piattaforma HoneyComb 30,32,46,47 o includere altre forme di comunicazione come una chat o anche un'interazione faccia a faccia tra investitori e / o fiduciari in un esperimento in loco come presentato da Boos e colleghi 31 . In questo modo, anche altri segnali che influenzano l'emergere della fiducia collettiva, come la comunicazione non verbale, potrebbero essere studiati utilizzando questo paradigma.

Nel complesso, il CTG combina i vantaggi dei giochi economici - elevata validità interna e semplicità - con ricchi dati di processo di gruppo. In questo modo, il CTG può servire come trampolino di lancio nella ricerca di gruppo sui processi di fiducia ed equità.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Gli autori non hanno nulla da rivelare.

Acknowledgments

Questa ricerca non ha ricevuto alcun finanziamento esterno.

Materials

Name Company Catalog Number Comments
Data Analysis Software and Packages R version 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 Foundation for Statistical Computing. Vienna, Austria. (2020).
Data Analysis Software and Packages R Studio version 2022.2.3.492 "Prairie Trillium" RStudio Team RStudio: Integrated Development Environment for R. at [http://www.rstudio.com/]. RStudio, PBC. Boston, MA. (2020).
Data Analysis Software and Packages ggplot2 version 3.3.6 Wickham, H. ggplot2: Elegant Graphics for Data Analysis. at [https://ggplot2.tidyverse.org]. Springer-Verlag New York. (2016).
Data Analysis Software and Packages cowplot version 1.1.1 Wilke, C.O. cowplot: Streamlined Plot Theme and Plot Annotations for “ggplot2.” at [https://CRAN.R-project.org/package=cowplot]. (2020).
OnlineQuestionnaireTool LimeSurvey Community Edition Version 3.28.16+220621  Any preferred online questionnaire tool can be used. LimeSurvey or SoSciSurvey are recommended.
Notebooks or PCs DELL Latitude 7400 Any laptop that is able to establish a stable Remote Desktop Connection can be used.
Participant Management Software ORSEE version 3.1.0 It is recommended to use ORSEE (Greiner, B. [2015]. Subject pool recruitment procedures: Organizing experiments with ORSEE. Journal of the Economic Science Association, 1, 114–125. https://doi.org/10.1007/s40881-015-0004-4), but other software options might be available.
Program to Open RemoteDesktop Connection Remote Desktop Connection (Program distributed with each Windows 10 installation.) The following tools are recommended: RemoteDesktopConnection (for Windows), Remmina (for Linux), or Microsoft Remote Desktop (for Mac OS).
Server to run RemoteDesktop Environment VMware vSphere environment based on vSphere ESXi version 6.5 Ideally provided by IT department of university/institution.
VideoConference Platform BigBlueButton Version 2.3 It is recommend to use a platform such as BigBlueButton or other free software that does not record participant data on an external server. The platform should provide the following functions: 1) possibility to restrict access to microphone and camera for participants, 2) hide participant names from other participants, 3) possibility to send private chat message to participants.
Virtual Machine running Linux-Installation Xubuntu version 20.04 "Focal Fossa" Other Linux-based systems will also be possible.

DOWNLOAD MATERIALS LIST

References

  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).

Tags

Comportamento numero 188
The Collective Trust Game: un adattamento di gruppo online del gioco di fiducia basato sul paradigma HoneyComb
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Ritter, M., Kroll, C. F., Voigt, H., … More

Ritter, M., Kroll, C. F., Voigt, H., Pritz, J., Boos, M. The Collective Trust Game: An Online Group Adaptation of the Trust Game Based on the HoneyComb Paradigm. J. Vis. Exp. (188), e63600, doi:10.3791/63600 (2022).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter