Summary
집단 신뢰 게임은 HoneyComb 패러다임을 기반으로 하는 컴퓨터 기반의 다중 에이전트 신뢰 게임으로, 이를 통해 연구원은 집단 신뢰의 출현 및 공정성, 호혜성 또는 전방 신호와 같은 관련 구성을 평가할 수 있습니다. 이 게임은 게임에서 움직임 행동을 통해 그룹 프로세스를 자세히 관찰 할 수 있습니다.
Abstract
집단의 신뢰를 전체적으로 이해해야 할 필요성으로 인해 집단적 신뢰를 측정하는 새로운 접근 방식이 급증했습니다. 그러나이 구조는 종종 이용 가능한 연구 방법에 의해 창발적 인 특성으로 완전히 포착되지 않습니다. 이 논문에서는 HoneyComb 패러다임을 기반으로 하는 컴퓨터 기반 다중 에이전트 신뢰 게임인 집단 신뢰 게임(CTG)을 제시하여 연구자가 집단 신뢰의 출현을 평가할 수 있도록 합니다. CTG는 대인 신뢰에 대한 이전 연구를 기반으로하며 널리 알려진 신뢰 게임을 HoneyComb 패러다임의 그룹 설정에 적용합니다. 참가자는 투자자 또는 수탁자의 역할을 수행합니다. 두 역할 모두 그룹에서 수행 할 수 있습니다. 처음에는 투자자와 수탁자에게 많은 돈이 부여됩니다. 그런 다음 투자자는 수탁자에게 보낼 기부금의 금액을 결정해야합니다. 그들은 가능한 투자 금액을 표시하는 경기장에서 앞뒤로 이동하여 최종 결정뿐만 아니라 자신의 경향을 전달합니다. 결정 시간이 끝나면 투자자가 합의한 금액을 곱하여 수탁자에게 보냅니다. 수탁자는 투자자에게 반환하고자하는 투자의 양을 전달해야합니다. 다시 말하지만, 그들은 경기장으로 이동하여 그렇게합니다. 이 절차는 반복적 인 상호 작용을 통해 집단적 신뢰가 공유 구성으로 나타날 수 있도록 여러 라운드 동안 반복됩니다. 이 절차를 통해 CTG는 이동 데이터 기록을 통해 실시간으로 집단적 신뢰의 출현을 추적 할 수있는 기회를 제공합니다. CTG는 특정 연구 질문에 맞게 사용자 정의 할 수 있으며 적은 비용의 장비로 온라인 실험으로 실행할 수 있습니다. 이 논문은 CTG가 그룹 상호 작용 데이터의 풍부함과 경제 게임의 높은 내부 타당성 및 시간 효율성을 결합한다는 것을 보여줍니다.
Introduction
집단 신뢰 게임 (CTG)은 인간 그룹 내에서 온라인으로 집단 신뢰를 측정 할 수있는 기회를 제공합니다. Berg, Dickhaut 및 McCabe1 (BDM)의 원래 신뢰 게임을 그룹 수준으로 일반화하고 창발적 특성 2,3,4뿐만 아니라 공정성, 호혜성 또는 전방 신호와 같은 관련 개념에 대한 집단적 신뢰를 포착하고 정량화 할 수 있습니다.
이전 연구는 대부분 신뢰를 더 높은 수준의 분석을 제외하고 리더와 추종자 5,6 사이의 유일한 대인 관계 구성으로 개념화합니다. 특히 조직적 맥락에서는 신뢰를 전체적으로 이해하기에 충분하지 않을 수 있으므로 그룹 수준에서 신뢰가 구축(및 감소)되는 프로세스를 이해해야 합니다.
최근 신뢰 연구는보다 다단계적인 사고를 통합했습니다. Fulmer와 Gelfand7 은 신뢰에 대한 여러 연구를 검토하고 각 연구에서 조사되는 분석 수준에 따라 분류했습니다. 세 가지 분석 수준은 대인 관계(dyadic), 그룹 및 조직입니다. 중요한 것은 Fulmer와 Gelfand7 이 서로 다른 지시 대상을 추가로 구별한다는 것입니다. 지시 대상은 신뢰가 지시되는 엔티티입니다. 즉, "A가 B를 X로 신뢰"할 때 A (경제 게임 투자자)는 수준 (개인, 그룹, 조직)으로 표시되고 B (수탁자)는 지시 대상 (개인, 그룹, 조직)으로 표시됩니다. X는 신뢰가 참조하는 특정 도메인을 나타냅니다. 이것은 X가 경제 게임1에서와 같이 일반적으로 긍정적 인 성향, 적극적인 지원, 신뢰성 또는 금융 거래와 같은 모든 것이 될 수 있음을 의미합니다.
여기서 집단 신뢰는 루소와 동료들의 대인 관계 신뢰8에 대한 정의에 기초하여 정의되며, 집단 신뢰 9,10,11,12,13,14에 대한 이전 연구와 유사하다. 집단적 신뢰는 다른 개인, 그룹 또는 조직의 의도 또는 행동에 대한 긍정적 인 기대에 따라 취약성을 수용하려는 그룹의 의도로 구성됩니다. 집단적 신뢰는 인간 그룹 간에 공유되고 이 그룹 간의 상호 작용을 통해 형성되는 심리적 상태입니다. 따라서 집단적 신뢰의 중요한 측면은 그룹 내 공유성입니다.
즉, 집단 신뢰에 대한 연구는 집단 과학의 새로운 발전이 집단 과정이 유동적이고 역동적이며 창발적이라는 것을 보여주기 때문에 집단 신뢰의 단순한 평균을 넘어서 집단 신뢰를 창발적 현상으로 개념화해야 합니다.2,3,4. 우리는 출현을 "낮은 수준의 시스템 요소가 상호 작용하고 이러한 역학을 통해 시스템의 상위 수준에서 나타나는 현상을 생성하는 과정"16(p. 335)으로 정의합니다. 제안적으로, 이것은 집단적 신뢰에도 적용되어야합니다.
그룹 프로세스의 출현과 역학에 초점을 맞추는 연구는 이러한 특성을 포착하기 위해 적절한 방법론17을 사용해야합니다. 그러나 집단 신뢰 측정의 현재 상태는 뒤쳐져있는 것 같습니다. 대부분의 연구는그룹 9,10,12,13,18의 각 개인의 데이터에 대해 간단한 평균화 기술을 사용했습니다. 틀림없이, 이 접근법은 그룹이 단순히 개인의 집합체가 아니라 고유한 프로세스를 가진 상위 수준의 개체라는 점을 무시하기 때문에 예측 타당성2이 거의 없습니다. 일부 연구는 이러한 단점을 해결하려고 노력했습니다 : Adams19의 연구는 잠재 변수 접근법을 사용했으며 Kim과 동료10은 집단적 신뢰를 추정하기 위해 비 네트를 사용했습니다. 이러한 접근 방식은 집단적 신뢰를 더 높은 수준의 구성으로 인식한다는 점에서 유망합니다. 그러나 Chetty와 동료20이 지적했듯이 설문 조사 기반 측정에는 진실하게 대답 할 인센티브가 부족하므로 신뢰에 대한 연구는 행동 또는 인센티브 호환 조치21,22를 점점 더 많이 채택했습니다.
이 우려는 행동 방법, 즉 BDM1을 그룹23,24,25,26에 의해 수행하도록 채택한 여러 연구에 의해 해결됩니다. BDM에서 두 당사자는 투자자 (A) 또는 수탁자 (B)의 역할을합니다. 이 순차적 경제 게임에서 A와 B는 모두 초기 기부금(예: 10유로)을 받습니다. 그런 다음 A는 기부금의 금액 (예 : 5 유로)을 결정해야합니다. 이 금액은 실험자가 B가 A에게 다시 보낼 금액 (예 : 15 유로)을 결정하기 전에 3 배가됩니다. A가 B에게 보내는 금액은 B에 대한 A의 신뢰 수준으로 조작되는 반면, B가 보내는 금액은 B의 신뢰성 또는 A와 B의 공정성을 측정하는 데 사용할 수 있습니다. 많은 연구가 dyadic trust 게임27의 행동을 조사했습니다. BDM은 참가자가 특정 사람과 한 번만 게임을 하는 소위 '원샷' 게임과 호혜성28,29 및 전방 신호와 같은 측면이 역할을 할 수 있는 반복 라운드로 플레이할 수 있습니다.
BDM을 그룹23,24,25,26에 적용한 많은 연구에서 투자자, 수탁자 또는 두 역할 모두가 그룹에 의해 수행되었습니다. 그러나 이러한 연구 중 어느 것도 그룹 프로세스를 기록하지 않았습니다. 단순히 연구 설계에서 개인을 그룹으로 대체하는 것은 Kolbe 및 Boos17 또는 Kozlowski15가 창발적 현상을 조사하기 위해 설정 한 표준을 충족시키지 못합니다. 이 격차를 메우기 위해 CTG가 개발되었습니다.
CTG 개발의 목적은 널리 사용되는 BDM1 과 집단 간에 공유되는 창발적 행동 기반 구성으로 집단적 신뢰를 포착하는 접근 방식을 결합하는 패러다임을 만드는 것이었습니다.
CTG는 Boos와 동료30의 HoneyComb 패러다임을 기반으로하며, Journal of Visualized Experiments31에도 발표되었으며 현재 신뢰 연구에 사용하도록 조정되었습니다. Ritter와 동료32가 설명했듯이 HoneyComb 패러다임은 "경기장에서 참가자가 할당 한 아바타 움직임에 대한 인식을 제외한 모든 감각 및 의사 소통 채널을 제거하도록 설계된 다중 에이전트 컴퓨터 기반 가상 게임 플랫폼"(p. 3). HoneyComb 패러다임은 연구자가 시공간 데이터로 실제 그룹 구성원의 움직임을 기록 할 수 있기 때문에 연구 그룹 프로세스에 특히 적합합니다. 그룹 상호 작용 분석17 다음으로 HoneyComb은 연구자가 그룹 프로세스를 매우 자세하게 추적 할 수있는 몇 안되는 도구 중 하나라고 주장 할 수 있습니다. 그룹 상호 작용 분석과 달리 HoneyComb의 시공간 데이터의 정량적 분석은 시간이 덜 걸립니다. 또한 환원 주의적 환경과 경기장에서의 움직임을 제외한 참가자 간의 모든 대인 관계 의사 소통을 배제 할 수있는 가능성을 통해 연구자들은 교란 요인 (예 : 외모, 목소리, 표정)을 제한하고 높은 내부 타당성을 가진 실험을 만들 수 있습니다. 그룹 토론 설계33을 사용하는 연구에서 그룹 프로세스의 모든 영향력있는 측면을 식별하는 것은 어렵지만, 운동 패러다임에서 그룹 상호 작용의 기본 원칙에 초점을 맞추면 연구자가이 실험에서 그룹 프로세스의 모든 측면을 정량화 할 수 있습니다. 또한 이전 연구에서는 신뢰35,36을 조사하기 위해 자신과 다른 개인 사이의 공간을 줄이는 근접 행동34을 사용했습니다.
그림 1: CTG의 개략도 개요. (A) 한 CTG 라운드의 개략도 절차. (B) 라운드 시작시 아바타의 초기 배치. 세 명의 파란색 투자자는 초기 필드 "0"에 서 있습니다. 노란색 수탁자는 초기 필드 "0"에 서 있습니다. (C) 투자 단계 중 스크린샷은 경기장의 아래쪽 절반에 세 명의 투자자(파란색 아바타)를 보여줍니다. 한 명 (큰 파란색 아바타)은 현재 "12"에 서 있고 두 명의 투자자는 현재 "24"에 서 있습니다. 두 개의 아바타에는 꼬리가 있습니다 (주황색 화살표로 표시됨). 꼬리는 현재 필드로 이동 한 방향을 나타냅니다 (예 : 한 투자자 (큰 파란색 아바타)가 방금 "0"에서 "12"로 이동했습니다). 꼬리가 없는 아바타는 최소 4000ms 동안 이 필드에 서 있었습니다. (D) 복귀 단계 중 한 명의 수탁자(노란색 아바타)와 경기장의 위쪽 절반을 보여주는 스크린샷. 수탁자는 현재 "3/6"에 서 있으며 꼬리로 표시된 "2/6"에서 최근에 그곳으로 이동했습니다. 아래의 파란색 숫자 (36)는 투자자의 투자를 나타냅니다. 화살표로 표시된 노란색 숫자는 경기장 중앙에 표시된 현재 리턴(54)입니다. 수익률은 (투자 (36 센트) x 3) x 현재 수익률 분수 (3/6) = 54 센트로 계산됩니다. (E) 참가자에게 라운드 동안 벌어 들인 금액에 대한 피드백을 제공하는 팝업 창으로, 수탁자 시간 초과가 만료 된 후 15 초 동안 표시됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
CTG (그림 1A)의 주요 절차는이 경제 게임을 사용한 이전 연구와 비교할 수있는 결과를 만들기 위해 BDM1의 절차를 기반으로합니다. HoneyComb 패러다임은 이동 원리를 기반으로 하기 때문에 참가자는 아바타를 반환할 일정 금액 또는 분수를 나타내는 작은 육각형 필드로 이동하여 투자하거나 반환하려는 금액을 나타냅니다(그림 1C,D). 각 라운드 전에 투자자와 수탁자 모두 일정 금액 (예 : 72 센트)을 부여받으며 투자자는 경기장의 아래쪽 절반에 배치되고 수탁자는 경기장의 위쪽 절반에 배치됩니다 (그림 1B). 기본 설정에서 투자자는 먼저 이동할 수 있으며 수탁자는 그대로 유지됩니다. 투자자는 수탁자에게 보낼 기부금이 있는 경우 얼마를 표시하기 위해 경기장을 가로질러 이동합니다(그림 1C). 현장에서 앞뒤로 이동함으로써 참가자는 다른 투자자에게 수탁자에게 얼마를 보내고 싶은지 전달할 수도 있습니다. 구성에 따라 참가자는 시간 초과에 도달했을 때 하나의 경기장에 수렴하여 투자할 금액에 대한 만장일치 결정에 도달해야 합니다. 투자자들이 단순히 서로 나란히 플레이하는 대신 서로 상호 작용할 필요가 있음을 강제하기 위해서는 만장일치의 결정이 필요했습니다. 투자자가 공동 결정에 도달하지 않으면 벌금 (예 : 24 센트)이 계정에서 공제됩니다. 이는 투자자들이 집단적 신뢰의 공유 수준에 도달하도록 동기를 부여하기 위해 구현되었습니다. 투자자의 시간이 다되면 투자 한 돈을 곱하여 투자자가 가만히 있는 동안 움직일 수 있는 수탁자에게 보내집니다. 수탁자는 움직임을 통해 투자자에게 얼마나 반환하고 싶은지 나타냅니다 (그림 1D). 사용 가능한 반환 옵션은 수탁자에 대한 인지 부하를 비교적 낮게 유지하기 위해 경기장에 분수로 표시됩니다. 할당된 시간이 만료되면 수탁자가 서 있는 경기장은 투자자에게 반환되는 부분(예: 4/6)을 나타냅니다. 라운드는 각 참가자가 해당 라운드 동안 벌어 들인 금액과 현재 계정 잔액을 요약 한 팝업 (그림 1E)으로 끝납니다.
라운드는 여러 번 반복해야 합니다. 연구원은 참가자가 동일한 역할로 최소 10 라운드 또는 15 라운드 동안 CTG를 플레이하도록해야합니다. 이것은 집단적 신뢰가 창발적 구성물이며 그룹 내에서 반복되는 상호 작용 중에 발전해야하기 때문에 필요합니다. 마찬가지로, 포워드 시그널링(즉, 다음 라운드에서 높은 투자를 한 수탁자로부터 높은 수익을 보답하는 것)과 같은 다른 개념은 반복적인 상호 작용에서만 나타날 것입니다. 그러나 참가자가 마지막 라운드를 플레이하고 있다는 사실을 인식할 때 행동이 크게 바뀔 수 있다는 것이 나타났기 때문에 참가자가 플레이할 정확한 라운드 수를 알지 못하는 것이 중요합니다(즉, 경제 게임에서 더 불공정한 행동 또는 편향37,38).
이러한 방식으로 CTG는 여러 수준에서 집단적 신뢰의 출현에 대한 정보를 제공합니다. 첫째, 최종 라운드에서 보여지는 집단적 신뢰 수준은 투자자가 수탁자에 대해 보유한 신뢰의 공유 수준을 밀접하게 나타내야합니다. 둘째, 각 라운드에 투자 된 금액은 반복적 인 상호 작용에 대한 집단적 신뢰의 출현을위한 대리인 역할을 할 수 있습니다. 셋째, 이동 데이터는 각 라운드에 얼마나 많은 돈을 투자하는지 결정하는 그룹 프로세스를 조명합니다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
이 프로젝트의 데이터 수집 및 데이터 분석은 괴팅겐 대학의 게오르크-엘리아스-뮐러 심리학 연구소의 윤리 위원회의 승인을 받았습니다(제안 289/2021). 이 프로토콜은 Georg-Elias-Müller-Institute for Psychology의 윤리위원회의 인간 연구에 관한 지침을 따릅니다. CTG 소프트웨어는 OSF 프로젝트 (DOI 10.17605/OSF. IO/U24PX) 링크 아래: https://s.gwdg.de/w88YNL.
1. 기술 설정 준비
- 온라인 동의서 및 설문지 준비
- 온라인 설문지 도구에서 온라인 동의서를 준비하십시오.
- 해당되는 경우 온라인 설문지 도구로 온라인 설문지를 준비하십시오.
참고: HoneyComb 프로그램 내에 간단한 설문지를 포함할 수 있습니다(1.3.5단계 참조). 더 긴 설문지를 사용하려면 별도의 온라인 설문지 도구를 대신 사용하십시오. 온라인 설문지 도구의 예는 자료표에 나와 있습니다.
- 원격 데스크톱 서버 준비
- 원격 서버에 Linux 기반 운영 체제를 설치합니다. 가능하면 기술 보조원에게 기관에서 사용 가능한 리소스에 대해 문의하십시오. 그렇지 않으면 설치 지침39를 따르십시오.
- 이 서버에서 다른 사용자 만들기40.
- 루트 권한이 있고 실험의 기술 리더만 액세스할 수 있는 사용자 관리자를 만듭니다.
- 공유 폴더를 만들고, 데이터를 가져오고 내보낼 수 있는 권한이 있고 데이터를 수집하는 모든 직원(학생/연구 조교 등 포함)이 액세스할 수 있는 사용자 실험자를 만듭니다.
- 참가자-1, 참가자-2 등의 여러 사용자를 만듭니다.
참고: 연구원은 한 실험 세션에서 생성된 사용자만큼만 참가자를 테스트할 수 있습니다.
- 관리 사용자에서 java -version 명령을 실행하여 서버에서 Java 런타임 환경을 사용할 수 있는지 확인하십시오. 그렇지 않은 경우 계속하기 전에 최신 Java 버전을 설치하고 모든 사용자가 액세스할 수 있는지 확인합니다.
- 프로그램 설치
- 프로그램을 다운로드하십시오.
참고: 프로그램은 1) 실행 가능한 HC.jar, 2) 구성을 위한 세 개의 파일(hc_server.config, hc_panel.config 및 hc_client.config) 및 3) intro 및 rawdata라는 두 개의 하위 폴더가 포함된 zip 파일 HC_CTG.zip로 다운로드할 수 있습니다. - 실험자 사용자에 대한 폴더를 생성하고 다른 사용자와 공유41. 압축 파일에서 이 폴더로 HC_CTG.zip 파일의 압축을 풉니다.
- 각 참가자 사용자에 대해 이 공유 폴더에 액세스하고 사용자가 파일에 액세스할 수 있는지 확인합니다.
- 프로그램을 다운로드하십시오.
- 세 개의 구성 파일을 엽니다.
- hc_server.config를 편집하고 편집한 파일을 저장합니다.
- n_Pl 원하는 수로 설정하여 플레이어 수를 구성합니다. 예를 들어 = 뒤에 4를 입력합니다.
- 게임 번호 54a(예: 4라운드의 경우 54a, 54a, 54a, 54a)를 반복하여 플레이할 라운드 수(playOrder)를 구성합니다.
참고: i54a 는 지침을 나타내며 구성 파일에서 삭제해서는 안 됩니다. - playOrder의 끝에 200을 포함하여 HoneyComb에 설문지를 표시할지 여부를 구성합니다. 별도의 온라인 설문지 도구를 사용하는 경우 200을 삭제합니다.
- 투자 규모를 구성합니다. 투자자를 위한 척도(iscale)를 구성하려면 투자 단계로 사용할 수 있는 값(예: 0, 12, 24, 36, 48, 60, 72)을 입력합니다. 지급액도 정수가 되도록 3의 배수인 정수를 사용합니다.
참고: 이러한 구성된 값은 투자자에게 가능한 투자 단계로도 표시됩니다.- 플레이 필드에서 가능한 수익으로 표시해야 하는 값(예: 0, 1/6, 2/6, 3/6, 4/6, 5/6, 1)을 선택하여 수탁자(tlabel)에 대한 표시 척도를 구성합니다. 참고: 이 척도는 지불금 계산에 영향을 미치지 않습니다.
- 반환으로 사용할 수 있는 반환 값(예: 0, 0.166666, 0.3333, 0.5, 0.6666, 0.833331, 1)을 선택하여 트러스티에 대한 척도(tscala)를 구성합니다. 디지털 값만 사용합니다(즉, 분수 없음).
참고: 이 값은 지불금을 계산하는 데 사용되며 경기장에 표시되지 않습니다.
- 타임인(투자자의 경우 timeInI, 수탁자의 경우 timeInT) 및 타임아웃(투자자의 경우 timeOutI, 수탁자의 경우 타임아웃)을 초 단위로 구성합니다. 예를 들어 timeInI = 0, timeOutI = 30, timeInT = 30, 시간 제한 = 45입니다.
- 투자자와 수탁자가 각 라운드에서 부여받는 금액을 센트(r52)로 구성합니다.
- 수탁자에게 보내기 전에 투자를 곱하는 계수를 구성합니다(f52).
- 그룹이 만장일치 결정에 도달해야 하는지(만장일치를 true로 설정) 또는 그렇지 않아야 하는지(만장일치를 false로 설정) 구성
- 그룹이 동일한 부분으로 지급되는지( bCommon 을 true로 설정) 또는 각 투자자가 투자에 기여한 금액에 따라( bCommon 을 false로 설정) 구성합니다.
- 만장일치가 true로 설정된 경우 만장일치 결정에 도달하지 못할 경우 투자자로부터 공제되는 금액인 페널티를 구성합니다(p52).
- 필요한 경우 hc_client.config 를 편집합니다. 클라이언트가 실험자에 연결할 수 있도록 ip_nr localhost 로 설정해야 합니다.
- hc_panel.config를 편집합니다.
- 화면 해상도에 따라 육각형(반경)의 크기를 조정합니다. 여러 화면에서 실험을 테스트하여 실험이 다양한 화면에 표시되는지 확인합니다.
- 경기장의 레이블 아래에 표시되는 텍스트를 조정합니다(예: 귀하의 역할: 투자자, 계정 잔액 등).
- 필요한 경우 지침을 조정 및/또는 번역합니다. 이렇게 하려면 간단한 HTML 파일(그림 2A)을 편집하고 HoneyComb 프로그램 폴더 내의 "intro" 폴더에 저장합니다.
- HoneyComb 프로그램 내에서 설문지를 사용하려면 qq.txt 파일에서 설문지를 조정 및/또는 번역하고 파일을 저장합니다.
- 모든 실험 세션에서 이 설정을 일정하게 유지합니다(하나의 실험 조건 내에서). 모든 구성을 문서화합니다.
- hc_server.config를 편집하고 편집한 파일을 저장합니다.
2. 참가자 모집
- 온라인 광고
- 사용 가능한 채널(예: 소셜 미디어, 대학 블로그, QR 코드가 있는 전단지)을 통해 참가자를 모집합니다. 실험의 목적, 기간, 게임 행동에 따라 계산된 최대 지급액 등 실험에 대한 중요한 정보의 이름을 지정합니다.
참고 : 여기에 제시된 샘플은 괴팅겐 대학의 심리학 학생들을위한 온라인 블로그와 소셜 미디어 그룹의 무료 광고를 통해 모집되었습니다. 전단지의 예는 추가 그림 1에서 볼 수 있습니다. - 잠재적 인 참가자에게 안정적인 인터넷 연결과 조용하고 외딴 곳에서 개인 랩톱 / PC를 사용해야한다는 것을 알리십시오. 참가자에게 원격 데스크톱 연결을 설정하기 위해 프로그램을 설치해야 할 수도 있음을 알립니다.
참고: 휴대폰 또는 태블릿을 통한 참여는 불가능합니다. - 참가자가 언어 요구 사항 또는 색시와 같은 실험의 포함 기준을 충족하는지 확인합니다.
- 참가자가 CTG에 대한 이전 실험에 참여하지 않았는지 확인하십시오.
- 사용 가능한 채널(예: 소셜 미디어, 대학 블로그, QR 코드가 있는 전단지)을 통해 참가자를 모집합니다. 실험의 목적, 기간, 게임 행동에 따라 계산된 최대 지급액 등 실험에 대한 중요한 정보의 이름을 지정합니다.
- 참가자와 함께 실험 세션 예약
- 참가자들에게 참여를 위한 시간대를 예약하도록 요청하십시오.
- 참가자 관리 소프트웨어를 사용하여 자동 초대 또는 알림 이메일을 보냅니다.
- 실험을 실행하기에 충분한 참가자가 참석할 수 있도록 최소 한 명의 참가자가 시간 슬롯을 초과 예약합니다.
- 참가자에게 컴퓨터 설정 안내, 원격 데스크톱 연결 도구 설치 및 원격 데스크톱 연결 설정에 대한 세부 정보가 포함된 확인 전자 메일을 보냅니다. 이전 로그인으로 인한 기술적 문제를 방지하기 위해 아직 로그인 정보를 보내지 마십시오.
- 참가자에게 화상 회의 플랫폼에 대한 링크를 포함하여 실험 약 24시간 전에 알림 이메일을 보냅니다. 확인 전자 메일에 전송된 설치에 대한 정보를 포함합니다.
3. 실험 설정 (각 실험 세션 전)
- 화상 회의 플랫폼 준비(그림 3)
- 참가자가 마이크 또는 카메라를 공유하지 못하도록 차단되었는지 확인합니다. 참가자가 서로의 이름을 볼 수 없는지 확인합니다.
- 실험자의 마이크와 카메라를 공유하고 화상 회의 플랫폼에서 최소한의 지침으로 화면을 공유합니다(그림 3).
- 원격 데스크톱 준비
- 사용자 실험자
- 실험자 사용자와의 원격 데스크톱 연결을 시작합니다. 공유 폴더를 열고 디렉토리를 마우스 오른쪽 버튼으로 클릭하고 여기에서 터미널 열기를 선택하여 터미널을 시작합니다.
- 터미널에 java -jar HC_Gui.jar 명령을 입력하고 Enter 키를 눌러 서버 프로그램을 HC_Gui.jar 시작하십시오.
- 사용자 참가자 -1, 참가자-2 등
- 사용자 참가자-1, 참가자-2, ...와 원격 데스크톱 연결을 설정합니다. 공유 폴더를 열고 이전과 같이 이 폴더에서 터미널을 시작합니다.
- 터미널에 java -jar HC .jar 명령을 입력하고 ENTER를 눌러 각 사용자에 대한 클라이언트 프로그램을 시작하십시오.
- 모든 참가자 사용자에 대해 연결이 올바르게 설정되었는지 확인합니다.
참고: 참가자 사용자의 화면에 잠시 기다려 주십시오.라는 메시지가 표시되어야 합니다. 컴퓨터가 서버에 연결 중입니다. 사용자만큼 많은 랩톱을 사용하는 것이 좋습니다(그림 4).
- 사용자 실험자
- 서버 GUI에 각 참여자 사용자의 IP 주소를 표시하는 줄이 나타나는지 확인합니다. 모든 참여자 사용자가 연결되면 서버 프로그램에 모든 클라이언트가 연결됨 메시지가 표시되는지 확인합니다. 시작할 준비가 되셨습니까?. 확인을 클릭합니다.
- 참여 사용자의 화면에 실험의 시작 화면(첫 번째 지침 페이지)이 표시되는지 확인합니다.
참고: 실험자는 이 시점까지 세션을 준비할 수 있습니다.
- 사용자 실험자
4. 실험 절차
- 예정된 실험 시간대에 화상 회의에 참여하도록 허용합니다. 표준화 된 텍스트를 사용하여 모든 참가자를 환영합니다. 참가자들에게 기술적 절차를 설명하십시오.
- 온라인 동의 양식에 대한 링크를 공유합니다. 모든 참가자가 서면 동의를 했는지 확인합니다.
- 참가자가 원격 데스크톱 연결 도구를 열고 화상 회의에서 개인 채팅 을 통해 각 참가자에게 개별 로그인 데이터를 보내도록 안내합니다.
참고: 참가자가 참가자 사용자에게 로그인하면 랩의 노트북과 참가자 사용자의 연결이 끊어집니다. 여기서부터는 참가자가 최종 페이지에 도달할 때까지 실험이 자동으로 실행되어 화상 회의로 돌아가도록 지시합니다. - 참가자가 확인을 클릭하여 첫 번째 지침 페이지를 읽었는지 확인하게 합니다. 모든 참가자가 확인되면 참가자가 게임을 완료 할 때까지 기다리십시오.
참고: 참가자는 원하는 속도로 지침을 살펴볼 수 있습니다. 모든 참가자가 지침을 읽었음을 확인하면 CTG가 자동으로 시작됩니다. 게임은 server.config 파일에 표시된 만큼의 라운드를 통해 자동으로 진행됩니다. - 테스트 단계
- 참가자를 투자자 또는 수탁자의 두 가지 역할 중 하나에 할당합니다.
참고: 여러 참가자에게 동일한 역할을 할당할 수 있습니다. - 투자자는 맨 아래 필드(투자 0으로 표시)에서 시작하고 수탁자는 맨 위 필드(수익률 0을 나타냄)에서 시작하게 합니다(그림 1B).
- 참가자들에게 아바타를 마우스 왼쪽 버튼으로 클릭하여 인접한 육각형 필드로 이동하도록 지시합니다. 참가자에게 인접한 필드만 선택할 수 있고 필드는 건너뛸 수 없음을 지시합니다. 참가자들에게 아바타가 현재 필드로 이동한 마지막 방향을 나타내는 각 이동 후 4000ms 동안 작은 꼬리를 표시하도록 지시합니다(그림 1C).
- 투자자가 처음부터 (시간 = 0) 이동하여 움직임을 통해 투자 할 금액을 표시 할 수 있습니다. 일정 시간이 지나면 투자자의 이동을 금지합니다 (타임 아웃).
참고 : 그들이 서있는 필드는 투자 금액을 나타냅니다. 경기장 중앙에서 파란색 숫자는 수탁자에게 보낸 금액을 추가로 표시합니다. 실험이 만장일치 투자를 요구하도록 설정된 경우 모든 참가자가 같은 분야에 서있는 경우에만 투자가 이루어집니다. - 지침에서 투자 금액에 계수 (예 : 3)를 곱하여 수탁자에게 보낸다고 설명하십시오. 수탁자 시간 제한을 수탁자 시간 제한 기간으로 설정하여 투자자가 이동하는 동안 수탁자가 이동하지 못하도록 제한합니다.
- 수탁자에게 투자자에게 반환하고자하는 부분을 표시하도록 지시하십시오. 수탁자 시간 제한에 도달하면 수탁자가 서 있는 필드를 사용하여 투자자에게 반환되는 부분을 나타냅니다. 반환된 금액은 경기장 중앙에도 노란색 숫자로 표시됩니다(그림 1D).
- 팝업 창에 라운드가 끝날 때 벌어 들인 금액이 표시되도록합니다 (그림 1E).
- 필요에 따라 (즉, server.config 파일에 표시된대로) 게임 라운드를 반복하십시오.
- 모든 라운드가 완료되면 참가자에게 행동 데이터를 익명으로 유지하면서 게임 내 수입을 이름과 연결할 수 있도록 개인 고유 코드를 생성하도록 요청하십시오.
- 참가자가 코드를 생성한 후 참가자에게 화상 회의로 돌아가 원격 데스크톱 연결을 닫도록 지시하는 화면을 표시합니다.
참고: 실험 절차(이 프로토콜의 섹션 4, 게임 라운드 15회)는 35분이 소요됩니다. - 기술적 문제 또는 참여자의 실패로 인해 실험 세션을 중단해야 하는 경우 동일한 참여자로 실험을 다시 시작하지 마십시오.
- 참가자를 투자자 또는 수탁자의 두 가지 역할 중 하나에 할당합니다.
- 테스트 후 단계
- 게임이 완료되면 모든 참가자가 원격 데스크톱 연결을 닫았는지 확인합니다. 참가자들에게 특정 연구 질문에 적합하다고 생각되는 설문지를 작성하게하십시오.
- 참가자가 설문지를 작성하는 동안 Stop & Exit를 클릭하여 실험자 사용자의 서버 프로그램을 닫습니다. 이렇게 하면 참가자 사용자의 프로그램도 닫힙니다.
- 참가자들에게 시간을 내 주셔서 감사하고 수입이 언제 어떻게 이전되는지 설명하십시오. 특히 다른 실험 시간대가 바로 이후에 예약된 경우 모든 참여자가 화상 회의에서 나갔는지 확인하세요.
5. 실험 완료
- 그룹 및 실험 시간 슬롯당 하나의 *.csv 파일과 하나의 *.txt 파일 형태로 데이터(예: 클라우드에서)를 전송 및 백업하고 실험의 요일 및 타임스탬프로 표시합니다.
- 모든 원격 데스크톱 연결을 닫습니다.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
이 논문은 CTG와 함께 16 명의 참가자 (남성 5 명, 여성 11 명; 나이: M = 21, SD = 2.07). Johanson과 Brooks42에 따르면이 샘플 크기는 파일럿 실험에서 충분하며, 특히 실험 중 참가자의 주관적 경험에 대한 높은 정보 밀도에 도달하기위한 정 성적 접근 방식과 결합 될 때 충분합니다. 연구자가 CTG를 특정 연구 아이디어에 맞게 조정하려는 경우(예: 각 그룹 내의 참가자 수를 사용자 정의하여) 높은 데이터 품질을 보장하기 위해 주요 데이터 수집 전에 유사한 파일럿 연구를 실행하는 것이 좋습니다.
파일럿 데이터를 기반으로 이 백서에서는 CTG 데이터의 가능한 분석 방법에 대한 그림과 CTG 설정의 첫 번째 검증을 모두 제공합니다. 여기에 보고된 결과에는 CTG 파일럿 연구의 이동 및 투자 데이터(한 그룹의 예제 출력은 보충 데이터 1 및 보충 데이터 2에서 볼 수 있으며 예제 데이터 전처리 스크립트는 OSF 프로젝트에서 볼 수 있음: https://s.gwdg.de/Cwx3ex)와 실험 중 참가자의 주관적 경험에 대한 설문지 데이터 및 게임에 대한 발언이 포함됩니다.
이 간행물에서는 충분한 표본 크기에 도달했을 때 CTG로 과학적 가설을 테스트하는 방법을 보여주기 위해 파일럿 데이터 (N = 16)가 사용됩니다. 일반적으로 통계 분석에 충분한 검정력에 도달하려면 훨씬 더 큰 표본 크기가 필요하다는 점에 유의해야 합니다. 여기에 보고된 결과는 가능한 분석 및 시각화를 위한 예시로만 사용해야 합니다(그림 5). CTG는 집단 신뢰 프로세스와 다른 그룹 구성원이나 수탁자의 행동에 따라 어떻게 나타나거나 쇠퇴하는지 조사하는 데 특히 적합합니다.
첫째, 창발적 현상으로서의 집단적 신뢰의 자질을 조사했다. 집단 신뢰 게임에 대한 투자는 시간이 지남에 따라 변한다는 가설이 있습니다 (즉, 출현). 이는 1 라운드, 중간 (즉, 7 라운드) 및 15 라운드의 평균 투자가 서로 크게 달라야 함을 의미합니다. 이 가설은 쌍체 표본 t-검정(Bonferroni 수정)으로 테스트되었습니다. 표본 크기가 작기 때문에(4개 그룹의 N=16), 파일럿 데이터에서 첫 번째(M = 27.0, SD = 20.49), 일곱 번째(M = 39, SD = 30.0; 1라운드와의 차이: t(3) = -0.511, p = 1), 15번째 라운드(M = 42, SD = 31.75; 1라운드와의 차이: t(3) = -0.678, p = 1; 라운드 7과의 차이 : t (3) = -0.397, p = 1). 데이터는 만장일치로 이루어진 투자만을 사용하여 재분석되었습니다. 라운드 간에 유의미한 차이는 발견되지 않았으며, 아마도 작은 샘플 때문일 수도 있습니다(M 1 = 24, SD1 = 24; M 7 = 52, SD7 = 18.33; M 15 = 56, SD15 = 18.33). 첨부된 데이터는 도 5A에서 볼 수 있다. 표본 크기가 충분한 연구에서 라운드 간의 유의미한 차이와 라운드에 대한 투자의 지속적인 증가 또는 감소는 그룹의 투자자가 반복적으로 상호 작용할 수 있으므로 실험에 대한 집단적 신뢰의 출현을 나타내며 따라서 공유 신뢰 수준을 설정합니다.
부가적으로, 집단 신뢰의 출현은 또한 의사결정 과정의 세 가지 행동 마커들을 보여주는 도 5B에서 볼 수 있는 바와 같이, 이동 데이터를 사용하여 조사될 수 있다: (a) 결정 시간(적색; 투자자의 마지막 이동까지의 시간; M = 12.25, SD = 7.05)는 공정 길이의 조작화로서, (b) 이동 길이 (녹색; 두 이동 사이의 평균 시간 : M = 2.42, SD = 2.16)는 심의의 조작화로서, (c) 방향 변경 (파란색; 이동 방향이 변경된 횟수; M = 0.25, SD = 0.66)을 결정 중에 다른 투자자에 대한 조정의 조작화로 간주합니다. 집단 신뢰가 라운드에 걸쳐 나타나면 집단 신뢰가 그룹 투자 결정의 기초가되어야하므로 세 가지 행동 지표로 정량화 된 프로세스가 시간이 지남에 따라 덜 복잡해질 것입니다. 즉, 집단적 신뢰가 창발적 인 구성물이라면 공유 된 신뢰 수준 (즉, 집단적 신뢰)이 아직 나타나지 않았기 때문에 그룹이 초기 라운드에서 투자 결정에 더 오래 걸리는 것을 볼 수 있습니다. 상호 작용에 대해 투자 결정은 집단적 신뢰의 공유 수준이 발전하고 그룹 투자를 결정하는 데 필요한 상호 작용이나 조정이 줄어들면서 더 짧아지고 (결정 시간으로 측정) 쉬워 져야합니다 (이동 길이 및 방향 변경으로 측정). 따라서 연구자들은 더 큰 샘플을 사용하여 라운드에 걸친 행동 마커의 진행을 모델링해야합니다. 음의 기울기는 그룹 투자 결정의 기초로서 집단 신뢰의 출현을 나타낼 수 있습니다.
둘째, 수탁자의 행동과 수탁자 및 투자자의 행동의 의존성을 분석했다. 수탁자는 개인 신탁 게임 1,43에 대한 연구에서 발견 된 것처럼 투자자에게 0이 아닌 금액을 반환 할 것이라는 가설이 세워졌습니다. 1표본 t-검정은 실제로 수탁자가 투자자에게 0보다 훨씬 더 많은 수익을 올린 것으로 나타났습니다(M = 43.89, SD = 35.38). t(59) = 9.608, p < .001. 이는 0이 아닌 투자가 선행된 수익률만 포함했을 때 더욱 두드러졌습니다(M = 62.70, SD = 24.36; t(46) = 16.677, p < .001). 그림 5C는 수탁자가 투자의 4/6을 반환하기로 가장 자주 선택했음을 보여줍니다.
또한 한 라운드에서 더 높은 투자가 동일한 라운드에서 더 높은 수익 비율(즉, 0/6, 1/6, 2/6, ...)과 상관관계가 있다는 점에서 수탁자의 수익이 상호성을 기반으로 하는지 여부를 조사했습니다. 왼쪽 패널의 그림 5D에서 볼 수 있듯이 투자와 수익 사이에는 상당한 상관 관계가있는 것으로 보입니다. t(58) = 9.446, p < .001, r = .78. 이는 수탁자가 높은 투자에 높은 수익을 보답했을 수 있음을 나타냅니다. 그러나 이는 투자자가 0을 투자했거나 만장일치로 결정하지 않아 수탁자가 아무것도 반환할 수 있는 옵션이 없는 라운드에 의해 주도될 수 있습니다. 마지막으로, 더 높은 수익률 분율이 투자자에 의해 선도 신호로 인식되는지 여부를 분석하여 라운드 t의 더 높은 수익률 분율이 라운드 t+1의 높은 투자와 상관관계가 있는지 분석했습니다. 도 5D, 오른쪽 패널에서 볼 수 있듯이, 이것은 데이터에 의해 확증되지 않았다; t(54) = 0.207, p = .837, r = .028.
요약하면, CTG의 정량적 데이터는 각 라운드에서 각 참가자의 움직임과 투자 데이터로 구성됩니다. 투자 데이터는 개인 신뢰 게임의 이전 응용 프로그램과 유사하지만 운동 데이터를 통해 연구원은 집단 신뢰 프로세스를 관찰 할 수 있습니다. 데이터는 실제 그룹으로 수집되므로 외부 유효성이 증가하지만 중첩 된 데이터 구조를 고려해야합니다. 파일럿 데이터의 작은 표본 크기가 혼합 효과 선형 모델의 적용을 제한하기 때문에 보고된 분석에 대해서는 수행되지 않았습니다.
또한 주관적 경험에 대한 데이터는 총 13 개의 항목을 포함하는 실험 후 설문지 (보충 파일 1)를 사용하여 파일럿 샘플에서 수집되었으며 그 중 11 개는 개방형 질문이었습니다. 실험 중 주관적인 경험 다음으로 항목은 게임 중 참가자의 주관적인 행동 원칙, 실험의 의도 또는 지침의 명확성과 같이 데이터 품질에 영향을 미칠 수 있는 CTG의 특정 측면에 대해 질문했습니다. 참가자들이 움직임을 통한 투자를 직관적으로 인식했는지(-2: "전혀"에서 +2: "매우") 참가자가 게임에서 움직이도록 주어진 시간이 충분해 보이는지(-2: "너무 짧음"; 0: "약 오른쪽"; +2: "너무 길다").
일반적으로 참가자들은 실험의 의도와 지시를 따르는 용이성에 따라 주관적인 경험을보고하는 동시에 연구의 의도에 대한 충분한 순진함을 보여주었습니다. 참가자들은 평균적으로 게임이 "매우 직관적"(M = 0.69, SD = 0.79)이라고 보고했으며 시간이 "거의 적절하다"(M = -0.31, SD = 0.79)고 인식 했습니다.
개방형 질문에 대한 참가자의 답변은 Mayring44에 따라 질적으로 분석되었습니다. 전반적으로 참가자들은 채용 과정과 온라인 절차, 실험의 익명성 유지, 제공된 지침 및 정보의 명확성, 게임의 논리에 만족했습니다. 대부분의 참가자들은 쉽게 구별 할 수 있다는 점에서 아바타의 디자인에 만족했습니다. 그러나 참가자의 절반만이 아바타로 대표되는 느낌을 받았다고 보고했으며 상징이나 동물의 얼굴이 더 흥미로울 수 있다고 말했습니다. 이러한 결과로 인해 연구자들은 최소한의 실험 설계를 유지하면서 이러한 경험을 제어하기 위해 CTG 응용 프로그램에 참가자의 구체화 측정을 포함하는 것을 고려해야합니다.
대부분의 참가자들은 경기장 한가운데(즉, 가장 높은 투자 옵션에서) 수렴하려는 충동을 경험했다고 말했습니다. 이것을 경험 한 참가자들은 중간에 수렴하려는 충동이 많은 금액을 투자하려는 의지와 일치했다고보고했습니다. 또한 일부 참가자는 중간에 끌리는 대신 동료 플레이어를 가운데로 끌어 당겨야한다고 느꼈다고보고했습니다. 실험의 실질적인 제약과 직관성과의 잠재적 인 절충으로 인해 높은 투자와 수익이 중간에 수렴되는 초기 설계가 유지되었습니다.
참가자들은 자신의 결정, 신뢰 또는 수탁자의 행동에 대한 그룹 영향과 같은 연구 목적에 대한 많은 가정을보고했습니다. 이러한 가정은 조사 된 신뢰의 출현에 주제별로 가깝지만 참가자들은 이익 극대화 또는 공동 플레이어의 행동에 영향을 미치려는 의도와 같은 행동 전략을보고했습니다. 이러한 전략은 CTG의 경제적 게임 특성과 잘 맞으며 연구가 관찰하고자하는 행동을 방해하지 않습니다.
주관적인 경험에 대한 결과를 바탕으로 CTG가 내부 타당성 기준을 충족한다고 결론 지을 수 있습니다. 여기에 보고된 정량적 데이터 분석은 CTG로 수집된 데이터를 통계적으로 분석할 수 있는 방법을 보여주는 것일 뿐입니다.
그림 2: 게임 지침의 예 . (A) 실험자가 준비한 HTML 코드. (비) 브라우저에 표시되는 HTML 파일. (C) 실험 중 참가자에게 보여지는 지침. 아래쪽에 있는 단추를 기록하여 지침을 탐색합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 3: 화상 회의 플랫폼의 스크린샷. 실험자는 카메라, 마이크 및 프레젠테이션을 화상 회의 플랫폼 및 원격 데스크톱 연결에 대한 기본 정보와 공유했습니다. 한 참가자가 이미 회의에 참가했지만 익명성을 유지하기 위해 마이크, 화면 또는 카메라를 공유할 수 없습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 4: 실험실에서의 설정. 실험을 시작하기 전에 실험자는 모든 노트북과 원격 데스크톱 연결을 시작합니다. 노트북 1은 실험 사용자와 연결되며 실험 내내 연결된 상태로 유지됩니다. 노트북 2-5는 참가자 사용자("참가자-1" - "참가자-4")와의 연결을 설정하고 확인하는 데 사용됩니다. 참가자가 원격 데스크톱 연결 도구를 통해 참가자 사용자와 연결을 설정하면 실험실의 노트북의 연결이 끊어집니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 5: 파일럿 데이터를 기반으로 한 결과(4개 그룹에서 N = 16). (A) 1, 7, 15 라운드의 그룹 투자 (센트)의 바이올린 플롯. 바이올린 모양은 투자 확률 밀도를 나타내고, 굵은 선은 중앙값을, 바이올린의 상자는 사분위수 범위를 나타내고, 수염은 1.5배 사분위수 범위를 나타냅니다. 왼쪽; 모두 투자합니다. 오른쪽; 만장일치로 투자합니다. (B) 그룹의 투자 결정 프로세스의 측면을 정량화하는 데 사용할 수있는 이동 데이터의 세 가지 마커. 빨강; 결정 시간(마지막 이동까지의 시간(초)). 녹색; 이동 길이의 평균(한 이동에서 다음 이동까지의 시간(초)). 파랑; 이동 패턴의 방향 변화 횟수 (카운트). (C) 반환의 빈도 (카운트) 플롯. 왼쪽; 라운드의 모든 반환(반환 분수)이 계산됩니다. 오른쪽; 수탁자가 투자를 받기 전에 수익 (수익 분수)만 계산됩니다. (D) 투자(센트)와 수익(수익률 분수)의 산점도. 파란색 선은 예측 값 (공식이있는 선형 모델 사용 : y ~ x)을 나타내고 회색 리본은 예측의 표준 오차를 나타냅니다. 왼쪽; 호혜 상관 관계. 높은 투자는 같은 라운드에서 높은 수익과 상관 관계가 있습니까? 오른쪽; 순방향 신호 상관 관계. 높은 수익률은 후속 라운드에서 높은 투자와 상관 관계가 있습니까? 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
보충 그림 1: 온라인 블로그에 게시된 전단지를 통한 온라인 광고의 예. 이 전단지는 참가자 모집 전단지의 광고에 어떤 정보가 포함되어야 하고 어떤 방식으로 제공될 수 있는지에 대한 예입니다. 이 파일을 다운로드하려면 여기를 클릭하십시오.
보충 파일 1 : 파일럿 연구의 전체 설문지. 파일럿 연구에 사용된 전체 설문지는 여기에서 찾을 수 있습니다. 이 파일을 다운로드하려면 여기를 클릭하십시오.
보충 데이터1: 한 그룹(즉, 4명의 참가자: 투자자 3명(pid 0-2)과 수탁자 1명(pid 4))의 투자 데이터를 포함하는 예제 데이터 출력. 이것은 a) 플레이 순서 정보, b) 선수 목록, c) 모든 선수의 시작 ( "StartSicht") 및 최종 위치 ( "마지막 공통 놀이터")뿐만 아니라 d) 투자, 수입 및 계정 잔액 ( "잔액 : 비용 보상 살도"). 이 파일을 다운로드하려면 여기를 클릭하십시오.
보충 데이터 2: 한 그룹(즉, 4명의 참가자: 3명의 투자자(pid 0-2) 및 1명의 수탁자(pid 4))의 이동 데이터를 포함하는 예제 데이터 출력. 이것은 실험에서 주어진 시간에 각 플레이어("pid")의 좌표("sj")를 포함하는 원시 데이터 파일의 예입니다. 새 라운드의 시작은 "pid"로 "-1"로 표시됩니다. 이 파일을 다운로드하려면 여기를 클릭하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
CTG는 연구자에게 그룹에 대한 고전적인 BDM1을 적용하고 그룹 내의 창발적 프로세스를 심층적으로 관찰 할 수있는 기회를 제공합니다. 다른 작업23,24,25,26은 이미 BDM1을 그룹 설정에 적용하려고 시도했지만 이러한 연구에서 그룹 프로세스에 액세스하는 유일한 방법은 비디오 녹화 토론의 힘든 그룹 상호 작용 분석입니다. 이것은 종종 지루하고 시간이 많이 걸리는 작업이기 때문에 17, 연구는 정기적으로 이러한 측면을 보고하지 않습니다. 이러한 기존 방법과 관련하여 CTG는 저자가 아는 한 연구자가 운동 데이터를 통해 실시간으로 새로운 현상으로 집단적 신뢰를 따를 수있는 최초의 패러다임입니다. 따라서 CTG는 시간 효율적입니다. 또한 정량적 분석을 사용하여 그룹 프로세스를 캡처하면 연구원이 프로세스 분석을 사전 등록할 수 있으며, 이는 보다 정성적인 접근 방식으로는 어려운 경우가 많습니다.
패러다임이 고품질 데이터를 생성하려면 프로토콜을 면밀히 따르는 것이 중요합니다. 다음 다섯 가지 중요한 단계는 연구자의 특별한주의를 기울여야합니다. 첫째, 게임에서 이루어진 구성은 모든 실험 세션에서 일정하게 유지되어야 하며 문서화되어야 합니다. 둘째, 유사한 연구 (즉, 신뢰 게임 버전을 사용하는 연구)에 이미 참여한 참가자는 행동에 편향을 만들고 효과 크기를 줄일 수 있으므로 모집 단계에서 제외해야합니다45. 셋째, 연구자들은 익명 성이 경제 게임27의 행동에 영향을 미치는 것으로 나타 났기 때문에 화상 회의 중에 참가자가 마이크, 카메라 및 성명을 공유하는 것을 금지함으로써 참가자가 익명임을 보장해야합니다. 넷째, 게임을 시작하는 동안 연구원은 참가자 사용자가 실험자 GUI에 나열되어 있는지 확인하여 참가자 사용자와 실험 사용자 간의 올바른 연결이 설정되었는지 철저히 확인해야 합니다. 다섯째, 데이터를 수집하는 연구 보조원은 참가자와 함께 기술적 문제를 해결할 수 있도록 광범위하게 교육을 받아야합니다. 참가자가 원격 데스크톱 연결을 설정하는 데 문제가 있는 경우 연구 보조원이 그룹에 참가자를 유지하기 위해 지원을 제공할 수 있어야 합니다. 기술적 인 어려움으로 인해 탈락하는 경우 실험 시간 슬롯 내의 모든 참가자를 다시 예약해야 할 수 있으므로 추가 금전적 비용과 시간 손실이 발생할 수 있습니다.
게임 시작 시 기술적인 문제가 발생하는 경우 (a) 현재 Java 런타임 환경이 원격 데스크톱 컴퓨터에 설치되어 있는지, (b) 모든 사용자가 공유 폴더의 파일에 액세스하고 실행할 수 있는지, (c) 모든 사용자가 동일한 디렉터리에서 명령을 실행하고 있는지, (d) 원격 데스크톱 연결에 액세스하는 모든 PC/노트북이 안정적인 인터넷 연결을 가지고 있는지 확인하십시오. 실험 세션 중 문제 해결을 위해 (a) 모든 참가자와 연구원이 안정적인 인터넷 연결을 가지고 있는지, (b) 참가자가 원격 데스크톱 연결에 대한 올바른 로그인 정보를 받았는지, (c) 원격 데스크톱 연결을 실행하는 서버에 충분한 리소스가 있는지 확인합니다(예: CPU 사용률 확인).
CTG는 다양한 연구 질문에 매우 적응할 수 있으므로 연구에서 가능한 응용 프로그램의 폭을 넓힐 수 있습니다. 연구의 목적에 따라 플레이어 수, 만장일치 결정 요구 사항, 시각적 모양, 타이밍 및 BDM의 금전적 매개 변수와 같은 다양한 매개 변수를 사용자 정의 할 수 있습니다. 이 패러다임의 유연성이 장점이지만, 패러다임의 적응은 항상 이론적으로 엄격하게 확립되고 조종되어야한다는 점을 명심하는 것이 중요합니다. 연구원들이 *.config 파일에서 만들 수 있는 구성 외에도 게임은 아직 온라인에서 사용할 수 없는 Johannes Pritz가 프로그래밍한 소스 코드를 통해서만 조정할 수 있습니다. 많은 조정이 가능하지만 HoneyComb 플랫폼의 프레임 워크는 가능한 응용 프로그램을 이동 작업 및 개별 투자 옵션으로 제한합니다.
CTG의 향후 적용에서, 반환 거동에 대한 더 높은 해상도를 제공하기 위해 반환 분율의 양을 증가시킬 수 있습니다(예: 1/10, 2/10, 3/10 등). 이러한 방식으로 투자자와 수탁자 모두 개인이나 그룹이 수행 할 수 있으므로 Fulmer와 Gelfand7이 제안한 것처럼 다양한 수준과 신뢰 대상을 조사 할 수 있습니다. 이 프로토콜의 향후 애플리케이션은 또한 이 방법의 온라인 절차를 HoneyComb 플랫폼(30,32,46,47)으로부터의 다른 실험과 결합하거나, Boos와 동료들(31)에 의해 제시된 현장 실험에서 투자자 및/또는 수탁자 간의 채팅 또는 대면 상호작용과 같은 다른 형태의 커뮤니케이션을 포함할 수 있다. . 이런 식으로 비언어적 의사 소통과 같은 집단적 신뢰의 출현에 영향을 미치는 다른 단서도이 패러다임을 사용하여 연구 할 수 있습니다.
전반적으로 CTG는 경제 게임의 장점(높은 내부 타당성 및 단순성)과 풍부한 그룹 프로세스 데이터를 결합합니다. 이를 통해 CTG는 신뢰 및 공정성 프로세스에 대한 그룹 연구의 디딤돌 역할을 할 수 있습니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
저자는 공개 할 것이 없습니다.
Acknowledgments
이 연구는 외부 자금을받지 못했습니다.
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. |
References
- Berg, J., Dickhaut, J., McCabe, K. Trust, reciprocity, and social history. Games and Economic Behavior. 10 (1), 122-142 (1995).
- 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).
- 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).
- 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).
- 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).
- Shamir, B., Lapidot, Y. Trust in organizational superiors: Systemic and collective considerations. Organization Studies. 24 (3), 463-491 (2003).
- 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).
- 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).
- Dirks, K. T. Trust in leadership and team performance: Evidence from NCAA basketball. Journal of Applied Psychology. 85 (6), 1004-1012 (2000).
- 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).
- Forsyth, P. B., Barnes, L. L. B., Adams, C. M. Trust-effectiveness patterns in schools. Journal of Educational Administration. 44 (2), 122-141 (2006).
- 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).
- Kramer, R. M. Collective trust within organizations: Conceptual foundations and empirical insights. Corporate Reputation Review. 13 (2), 82-97 (2010).
- Kramer, R. M. The sinister attribution error: Paranoid cognition and collective distrust in organizations. Motivation and Emotion. 18 (2), 199-230 (1994).
- Kozlowski, S. W. J. Advancing research on team process dynamics: Theoretical, methodological, and measurement considerations. Organizational Psychology Review. 5 (4), 270-299 (2015).
- 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).
- Kolbe, M., Boos, M. Laborious but elaborate: The benefits of really studying team dynamics. Frontiers in Psychology. 10, 1478 (2019).
- 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).
- Adams, C. M. Collective trust: A social indicator of instructional capacity. Journal of Educational Administration. 51 (3), 363-382 (2013).
- 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).
- Harrison, G. W. Hypothetical bias over uncertain outcomes. Using Experimental Methods in Environmental and Resource Economics. , 41-69 (2006).
- Harrison, G. W. Real choices and hypothetical choices. Handbook of Choice Modelling. , Edward Elgar Publishing. 236-254 (2014).
- Holm, H. J., Nystedt, P. Collective trust behavior. The Scandinavian Journal of Economics. 112 (1), 25-53 (2010).
- 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).
- 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).
- 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).
- Johnson, N. D., Mislin, A. A. Trust games: A meta-analysis. Journal of Economic Psychology. 32 (5), 865-889 (2011).
- Rosanas, J. M., Velilla, M. Loyalty and trust as the ethical bases of organizations. Journal of Business Ethics. 44, 49-59 (2003).
- 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).
- Boos, M., Pritz, J., Lange, S., Belz, M. Leadership in moving human groups. PLOS Computational Biology. 10 (4), 1003541 (2014).
- Boos, M., Pritz, J., Belz, M. The HoneyComb paradigm for research on collective human behavior. Journal of Visualized Experiments. (143), e58719 (2019).
- 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).
- 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).
- Ickinger, W. J. A behavioral game methodology for the study of proxemic behavior. , Doctoral Dissertation (1985).
- 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).
- 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).
- Gintis, H. Behavioral game theory and contemporary economic theory. Analyse & Kritik. 27 (1), 48-72 (2005).
- Weimann, J. Individual behaviour in a free riding experiment. Journal of Public Economics. 54 (2), 185-200 (1994).
- 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).
- 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).
- 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).
- Johanson, G. A., Brooks, G. P. Initial scale development: Sample size for pilot studies. Educational and Psychological Measurement. 70 (3), 394-400 (2010).
- Glaeser, E. L., Laibson, D. I., Scheinkman, J. A., Soutter, C. L. Measuring trust. The Quarterly Journal of Economics. 115 (3), 811-846 (2000).
- 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).
- 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).
- Belz, M., Pyritz, L. W., Boos, M. Spontaneous flocking in human groups. Behavioural Processes. 92, 6-14 (2013).
- 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).
