O Jogo da Confiança Coletiva: Uma Adaptação em Grupo Online do Jogo da Confiança Baseado no Paradigma do Favo de Mel

Summary

O Jogo de Confiança Coletiva é um jogo de confiança multiagente baseado em computador baseado no paradigma HoneyComb, que permite aos pesquisadores avaliar o surgimento da confiança coletiva e construções relacionadas, como justiça, reciprocidade ou sinalização para frente. O jogo permite observações detalhadas dos processos de grupo através do comportamento de movimento no jogo.

Abstract

A necessidade de entender a confiança nos grupos de forma holística levou a um aumento de novas abordagens para medir a confiança coletiva. No entanto, esse construto muitas vezes não é totalmente capturado em suas qualidades emergentes pelos métodos de pesquisa disponíveis. Neste artigo, é apresentado o Collective Trust Game (CTG), um jogo de confiança multiagente baseado em computador baseado no paradigma HoneyComb, que permite aos pesquisadores avaliar o surgimento da confiança coletiva. O CTG baseia-se em pesquisas anteriores sobre confiança interpessoal e adapta o amplamente conhecido Jogo da Confiança a um ambiente de grupo no paradigma HoneyComb. Os participantes assumem o papel de investidor ou administrador fiduciário; ambos os papéis podem ser desempenhados por grupos. Inicialmente, os investidores e curadores são dotados de uma soma de dinheiro. Então, os investidores precisam decidir quanto, se houver, de sua dotação eles querem enviar para os administradores. Eles comunicam suas tendências, bem como sua decisão final, movendo-se para frente e para trás em um campo de jogo exibindo possíveis valores de investimento. No final do seu tempo de decisão, o montante acordado pelos investidores é multiplicado e enviado aos administradores. Os curadores têm que comunicar quanto desse investimento, se houver, eles querem retornar aos investidores. Mais uma vez, eles fazem isso movendo-se no campo de jogo. Esse procedimento é repetido por várias rodadas para que a confiança coletiva possa emergir como uma construção compartilhada por meio de interações repetidas. Com este procedimento, o CTG oferece a oportunidade de acompanhar o surgimento da confiança coletiva em tempo real através do registro de dados de movimento. O CTG é altamente personalizável para questões de pesquisa específicas e pode ser executado como um experimento on-line com equipamentos pequenos e de baixo custo. Este trabalho mostra que o CTG combina a riqueza de dados de interação grupal com a alta validade interna e tempo-eficácia dos jogos econômicos.

Introduction

O Jogo de Confiança Coletiva (CTG) oferece a oportunidade de medir a confiança coletiva on-line dentro de um grupo de seres humanos. Ele generaliza o Jogo de Confiança original de Berg, Dickhaut e McCabe¹ (BDM) para o nível de grupo e pode capturar e quantificar a confiança coletiva em suas qualidades emergentes ^2,3,4, bem como conceitos relacionados, como justiça^, reciprocidade ou sinalização para a frente.

Pesquisas anteriores conceituam principalmente a confiança como uma construção exclusivamente interpessoal, por exemplo, entre um líder e um seguidor^5,6, excluindo níveis mais altos de análise. Especialmente em contextos organizacionais, isso pode não ser suficiente para compreender a confiança holisticamente, por isso há uma grande necessidade de entender os processos pelos quais a confiança se constrói (e diminui) em um nível de grupo.

Recentemente, a pesquisa de confiança incorporou mais pensamento multinível. Fulmer e Gelfand⁷ revisaram uma série de estudos sobre confiança e os categorizaram de acordo com o nível de análise que é investigado em cada estudo. Os três diferentes níveis de análise são interpessoal (diádico), grupal e organizacional. É importante ressaltar que Fulmer e Gelfand⁷ também distinguem entre diferentes referentes. Os referentes são aquelas entidades para as quais a confiança é direcionada. Isso significa que quando "A confia de B a X", então A (o investidor em jogos econômicos) é representado pelo nível (indivíduo, grupo, organizacional) e B (o administrador) é representado pelo referente (indivíduo, grupo, organizacional). X representa um domínio específico ao qual a confiança se refere. Isso significa que X pode ser qualquer coisa, como uma inclinação geralmente positiva, suporte ativo, confiabilidade ou trocas financeiras, como nos jogos econômicos¹.

Aqui, a confiança coletiva é definida com base na definição de confiança interpessoal de Rousseau e colegas⁸, e semelhante a estudos anteriores sobre confiança coletiva 9,10,11,12,13,14; A confiança coletiva compreende a intenção de um grupo de aceitar a vulnerabilidade com base em expectativas positivas das intenções ou comportamento de outro indivíduo, grupo ou organização. A confiança coletiva é um estado psicológico compartilhado entre um grupo de seres humanos e formado em interação entre esse grupo. O aspecto crucial da confiança coletiva é, portanto, a sombra dentro de um grupo.

Isso significa que a pesquisa sobre confiança coletiva precisa olhar além de uma simples média de processos individuais e conceituar a confiança coletiva como um fenômeno emergente ^2,3,4, pois novos desenvolvimentos na ciência grupal mostram que os processos grupais são fluidos^, dinâmicos e emergentes ^2,15. Definimos emergência como um "processo pelo qual elementos do sistema de nível inferior interagem e, através dessas dinâmicas, criam fenômenos que se manifestam em um nível superior do sistema"¹⁶ (p. 335). Do ponto de vista geral, isto também se deve aplicar à confiança colectiva.

Pesquisas que reflitam o foco na emergência e dinâmica dos processos grupais devem utilizar metodologias apropriadas¹⁷ para captar essas qualidades. No entanto, o status atual da medição da confiança coletiva parece ficar para trás. A maioria dos estudos empregou uma técnica simples de média entre os dados de cada indivíduo do grupo 9,10,12,13,18. Indiscutivelmente, essa abordagem tem pouca validade preditiva², pois desconsidera que os grupos não são simplesmente agregações de indivíduos, mas entidades de nível superior com processos únicos. Alguns estudos tentaram abordar essas desvantagens: um estudo de Adams¹⁹ empregou uma abordagem de variável latente, enquanto Kim e colegas¹⁰ usaram vinhetas para estimar a confiança coletiva. Essas abordagens são promissoras na medida em que reconhecem a confiança coletiva como uma construção de nível superior. No entanto, como observam Chetty e colegas²⁰, as medidas baseadas em pesquisas carecem de incentivos para responder com verdade, de modo que a pesquisa sobre confiança tem adotado cada vez mais medidas comportamentais ou compatíveis com incentivos^21,22.

Essa preocupação é abordada por uma série de estudos que adaptaram um método comportamental, a saber, o BDM¹, a ser desempenhado por grupos^23,24,25,26. No BDM, duas partes atuam como investidores (A) ou curadores (B). Neste jogo económico sequencial, tanto A como B recebem uma dotação inicial (por exemplo, 10 euros). Então, A precisa decidir quanto, se houver, de sua dotação eles gostariam de enviar para B (por exemplo, 5 Euros). Este montante é então triplicado pelo experimentador, antes que B possa decidir quanto, se houver, do dinheiro recebido (por exemplo, 15 Euros) eles gostariam de enviar de volta para A (por exemplo, 7,5 Euros). A quantidade de dinheiro que A envia para B é operacionalizada para ser o nível de confiança de A em relação a B, enquanto a quantidade que B envia de volta pode ser usada para medir a confiabilidade de B ou o grau de justiça na díade de A e B. Um grande corpo de pesquisas investigou o comportamento em jogos de confiança diádica²⁷. O BDM pode ser jogado tanto como um chamado jogo 'one-shot', no qual os participantes jogam o jogo apenas uma vez com uma pessoa específica, quanto em rodadas repetidas, nas quais aspectos como reciprocidade^28,29 e sinalização para frente podem desempenhar um papel.

Em muitos estudos que adaptaram o BDM para grupos^23,24,25,26, seja o investidor^, o fiduciário ou ambos os papéis foram desempenhados pelos grupos. No entanto, nenhum desses estudos registrou processos grupais. A simples substituição de indivíduos por grupos em desenhos de estudo não atende aos padrões estabelecidos por Kolbe e Boos¹⁷ ou Kozlowski¹⁵ para investigações de fenômenos emergentes. Para preencher essa lacuna, o CTG foi desenvolvido.

O objetivo do desenvolvimento do CTG foi criar um paradigma que combinasse o BDM¹ amplamente utilizado com uma abordagem que capturasse a confiança coletiva como um construto emergente baseado em comportamento que é compartilhado entre um grupo.

O CTG é baseado no paradigma HoneyComb de Boos e colegas³⁰, que também foi publicado no Journal of Visualized Experiments³¹ e agora foi adaptado para uso em pesquisas de confiança. Conforme descrito por Ritter e colegas³², o paradigma HoneyComb é "uma plataforma de jogos virtuais baseada em computador multiagente que foi projetada para eliminar todos os canais sensoriais e de comunicação, exceto a percepção dos movimentos de avatar atribuídos aos participantes no campo de jogo" (p. 3). O paradigma do HoneyComb é especialmente adequado para processos de grupos de pesquisa, pois permite que os pesquisadores registrem o movimento de membros de um grupo real com dados espaço-temporais. Pode-se argumentar que, ao lado da análise de interação grupal¹⁷, o HoneyComb é uma das poucas ferramentas que permite aos pesquisadores acompanhar os processos grupais em grande detalhe. Em contraste com a análise de interação de grupo, a análise quantitativa dos dados espaço-temporais do HoneyComb é menos demorada. Além disso, o ambiente reducionista e a possibilidade de excluir toda a comunicação interpessoal entre os participantes, exceto o movimento no campo de jogo, permitem que os pesquisadores limitem os fatores de confusão (por exemplo, aparência física, voz, expressões faciais) e criem experimentos com alta validade interna. Embora seja difícil identificar todos os aspectos influentes de um processo grupal em estudos que empregam desenhos de discussão em grupo³³, o foco nos princípios básicos da interação grupal em um paradigma de movimento permite aos pesquisadores quantificar todos os aspectos do processo grupal neste experimento. Além disso, pesquisas anteriores utilizaram o comportamento proxêmico³⁴ - reduzindo assim o espaço entre si e outro indivíduo - para investigar a confiança^35,36.

Figura 1: Visão geral esquemática do CTG. (A) Procedimento esquemático de uma rodada CTG. (B) Colocação inicial de avatares no início da rodada. Os três investidores de cor azul estão de pé no campo inicial "0". O administrador amarelo está de pé no campo inicial "0". (C) Captura de tela durante a fase de investimento mostrando três investidores (avatares azuis) na metade inferior do campo de jogo. Um (grande avatar azul) está atualmente de pé em "12", dois investidores estão atualmente em pé em "24". Dois avatares têm caudas (indicadas por setas laranja). As caudas estão indicando de que direção eles se moveram para o seu campo atual (por exemplo, um investidor (grande avatar azul) acabou de passar de "0" para "12"). O avatar sem cauda está neste campo há pelo menos 4000 ms. (D) Captura de tela durante a fase de retorno mostrando um administrador (avatar amarelo) e a metade superior do campo de jogo. O administrador está atualmente de pé em "3/6" e recentemente se mudou de "2/6", conforme indicado pela cauda. O número azul abaixo (36) indica o investimento feito pelos investidores. O número amarelo, indicado pela seta, é o retorno atual (54), conforme representado no meio do campo de jogo. O retorno é calculado da seguinte forma: (investir (36 centavos) x 3) x fração de retorno atual (3/6) = 54 centavos. (E) Janela pop-up dando feedback aos participantes sobre quanto eles ganharam durante a rodada, exibida por 15 s após o término do tempo limite do administrador. Por favor, clique aqui para ver uma versão maior desta figura.

O procedimento principal do CTG (Figura 1A) baseia-se estreitamente no procedimento do BDM¹, a fim de tornar os resultados comparáveis a estudos anteriores que utilizaram esse jogo econômico. Como o paradigma do Favo de Mel é baseado no princípio do movimento, os participantes indicam a quantia que gostariam de investir ou retornar movendo seu avatar para o pequeno campo hexagonal que indica uma certa quantia de dinheiro ou fração a ser devolvida (Figura 1C,D). Antes de cada rodada, tanto os investidores quanto os curadores são dotados de uma certa quantia de dinheiro (por exemplo, 72 centavos), com os investidores sendo colocados na metade inferior do campo de jogo e os curadores sendo colocados na metade superior do campo de jogo (Figura 1B). Na configuração padrão, os investidores podem se mover primeiro, enquanto os curadores permanecem imóveis. Os investidores se movem pelo campo de jogo para indicar quanto, se houver, de sua dotação eles gostariam de enviar ao administrador (Figura 1C). Ao se mover para frente e para trás no campo, os participantes também podem comunicar a outros investidores o quanto gostariam de enviar ao administrador. Dependendo da configuração, os participantes precisam chegar a uma decisão unânime sobre quanto gostariam de investir, convergindo para um campo de jogo quando o tempo limite for atingido. Decisões unânimes foram necessárias para fazer cumprir que os investidores precisam interagir uns com os outros, em vez de simplesmente jogar lado a lado. Se os investidores não chegarem a uma decisão conjunta, uma penalidade (por exemplo, 24 centavos) é deduzida de sua conta. Isso foi implementado para garantir que os investidores estivessem altamente motivados a alcançar um nível compartilhado de confiança coletiva. Uma vez que o tempo dos investidores acabou, o dinheiro investido é multiplicado e enviado para os administradores, que são autorizados a se mover enquanto os investidores permanecem imóveis. Os curadores indicam através do movimento o quanto gostariam de devolver aos investidores (Figura 1D). As opções de retorno disponíveis são exibidas como frações no campo de jogo para manter a carga cognitiva sobre os administradores comparativamente baixa. O campo de jogo em que os curadores se posicionam uma vez que seu tempo alocado se esgota indica qual fração (por exemplo, 4/6) é devolvida aos investidores. A rodada termina com um pop-up (Figura 1E) que resume para cada participante quanto eles ganharam durante essa rodada e qual é o saldo da conta corrente.

As rodadas devem ser repetidas várias vezes. Os pesquisadores devem fazer com que os participantes joguem o CTG por pelo menos 10 ou 15 rodadas nas mesmas funções. Isso é necessário, pois a confiança coletiva é uma construção emergente e precisa se desenvolver durante interações repetidas dentro de um grupo. Da mesma forma, outros conceitos, como sinalização futura (ou seja, altos retornos recíprocos de administradores com altos investimentos na próxima rodada) só surgirão em interações repetidas. É crucial, no entanto, que os participantes desconheçam o número exato de rodadas a serem jogadas, pois foi demonstrado que o comportamento pode mudar drasticamente quando os participantes estão cientes de que estão jogando a última rodada (ou seja, comportamento mais injusto ou desvios em jogos econômicos^37,38).

Dessa forma, o CTG fornece informações sobre o surgimento da confiança coletiva em múltiplos níveis. Em primeiro lugar, o nível de confiança coletiva exibido na rodada final deve ser uma representação estreita do nível compartilhado de confiança que os investidores detêm em relação ao(s) administrador(es). Em segundo lugar, o valor investido em cada rodada pode servir como um proxy para o surgimento da confiança coletiva em interações repetidas. Em terceiro lugar, os dados de movimento lançam luz sobre o processo de grupo que determina quanto dinheiro é investido em cada rodada.

Protocol

A coleta e análise de dados neste projeto foram aprovadas pelo Comitê de Ética do Instituto Georg-Elias-Müller de Psicologia da Universidade de Göttingen (proposta 289/2021); o protocolo segue as diretrizes sobre pesquisa humana dos Comitês de Ética do Instituto Georg-Elias-Müller de Psicologia. O software CTG pode ser baixado do projeto OSF (DOI 10.17605/OSF. IO/U24PX) no link: https://s.gwdg.de/w88YNL.

1. Prepare a configuração técnica

1. Preparar formulários de consentimento e questionários on-line
   1. Prepare um formulário de consentimento on-line em uma ferramenta de questionário on-line.
   2. Se aplicável, prepare um questionário on-line em uma ferramenta de questionário on-line.
      NOTA: É possível incluir um pequeno questionário dentro do programa HoneyComb (consulte a etapa 1.3.5). Para usar questionários mais longos, use uma ferramenta de questionário on-line separada. Exemplos de ferramentas de questionário on-line são dados na Tabela de Materiais.
2. Preparar o servidor de área de trabalho remota
   1. Instale um sistema operacional baseado em Linux em um servidor remoto. Se possível, pergunte aos assistentes técnicos sobre os recursos disponíveis na instituição. Caso contrário, siga uma diretriz de instalação³⁹.
   2. Crie usuários diferentes neste servidor⁴⁰.
      1. Crie um administrador de usuário que tenha permissões de root e seja acessado exclusivamente pelo líder técnico no experimento.
      2. Crie um experimentador de usuário que tenha permissões para criar pastas compartilhadas, importar e exportar dados e possa ser acessado por todo o pessoal que coleta dados (incluindo estudantes / assistentes de pesquisa, etc.).
      3. Crie vários usuários chamados participante-1, participante-2, etc.
         NOTA: Os pesquisadores só poderão testar tantos participantes em uma sessão experimental quanto os usuários criados.
   3. Execute o comando java -version no usuário admin para garantir que um Java runtime environment esteja disponível no servidor. Caso contrário, instale a versão mais recente do Java antes de continuar e certifique-se de que todos os usuários possam acessá-la.
   4. Instalar o programa
      1. Baixe o programa.
         Observação : O programa pode ser baixado como um arquivo zip HC_CTG.zip contendo 1) o HC executável .jar, 2) três arquivos para configuração (hc_server.config, hc_panel.config e hc_client.config) e 3) duas subpastas chamadas intro e rawdata.
      2. Crie uma pasta no usuário experimentador e compartilhe-a com os outros usuários⁴¹. Extraia os arquivos do arquivo compactado HC_CTG.zip para esta pasta.
      3. Para cada usuário participante, acesse essa pasta compartilhada e verifique se o usuário pode acessar os arquivos.
3. Abra os três arquivos de configuração.
   1. Edite hc_server.config e salve o arquivo editado.
      1. Configure o número de jogadores definindo n_Pl para o número desejado. Por exemplo, digite 4 atrás do =.
      2. Configure o número de rodadas a serem jogadas (playOrder) repetindo o número de jogo 54a (por exemplo, 54a, 54a, 54a, 54a por quatro rodadas).
         NOTA: i54a significa as instruções e não deve ser excluído no arquivo de configuração.
      3. Configure se um questionário deve ser mostrado no HoneyComb incluindo 200 no final do playOrder. Exclua 200 se uma ferramenta de questionário on-line separada for usada.
      4. Configure a escala de investimento. Para configurar a escala para investidores (iscale), insira quais valores devem estar disponíveis como etapas de investimento (por exemplo, 0, 12, 24, 36, 48, 60, 72). Use inteiros que são múltiplos de três para que os pagamentos também sejam inteiros.
         NOTA: Esses valores configurados também são exibidos como possíveis etapas de investimento para os investidores.
         1. Configure a escala de exibição para administradores (tlabel) escolhendo quais valores devem ser exibidos como retornos possíveis no campo de reprodução (por exemplo, 0, 1/6, 2/6, 3/6, 4/6, 5/6, 1). NOTA: Esta escala não influencia o cálculo dos pagamentos.
         2. Configure a escala para trustees (tscala) escolhendo quais valores de retorno devem ser possíveis como retornos (por exemplo, 0, 0,166666, 0,3333, 0,5, 0,6666, 0,833331, 1). Use apenas valores digitais (ou seja, sem frações).
            NOTA: Esses valores são usados para calcular pagamentos e NÃO são exibidos no campo de jogo.
      5. Configure os time-ins (timeInI para investidores, timeInT para administradores) e time-outs (timeOutI para investidores, timeout para trustees) em segundos. Por exemplo, timeInI = 0, timeOutI = 30, timeInT = 30 e timeout = 45.
      6. Configure a quantidade de dinheiro que os investidores e curadores são dotados em cada rodada em centavos (r52).
      7. Configure o fator com o qual o investimento é multiplicado antes de ser enviado ao administrador (f52).
      8. Configurar se o grupo tem que chegar a uma decisão unânime (definir bUnanimous para true) ou não (definir unânime para false)
      9. Configure se o grupo é pago em partes iguais (defina bCommon como verdadeiro) ou de acordo com o quanto cada investidor contribuiu para o investimento (defina bCommon como falso).
      10. Se bUnanimous for definido como verdadeiro, configure a penalidade - a quantidade de dinheiro deduzida dos investidores se uma decisão unânime não for alcançada (p. 52).
   2. Edite hc_client.config, se necessário. Certifique-se de definir ip_nr para localhost para que os clientes possam se conectar ao experimentador.
   3. Edite hc_panel.config.
      1. Ajuste o tamanho dos hexágonos (raio) de acordo com a resolução da tela. Teste o experimento em várias telas diferentes para garantir que o experimento seja visível em uma ampla variedade de telas.
      2. Ajuste o texto exibido no campo de reprodução sob rótulos (por exemplo, Sua função é: investidor, Saldo da Conta, etc.)
   4. Ajuste e/ou traduza as instruções, se necessário. Para fazer isso, edite e salve os arquivos HTML simples (Figura 2A) na pasta "intro" dentro da pasta do programa HoneyComb.
   5. Se você quiser usar o questionário dentro do programa HoneyComb, ajuste e/ou traduza o questionário no arquivo qq.txt e salve o arquivo.
   6. Mantenha essa configuração constante em todas as sessões de experimento (dentro de uma condição de experimento). Documente todas as configurações.

2. Recrutamento de participantes

1. Anúncio online
   1. Recrute participantes através dos canais disponíveis (por exemplo, mídia social, blog da universidade, panfleto com código QR). Nomeie informações importantes sobre o experimento, como sua finalidade, duração e pagamento máximo calculado de acordo com o comportamento do jogo.
      NOTA: A amostra apresentada aqui foi recrutada através de um blog on-line para estudantes de psicologia da Universidade de Göttingen, bem como anúncios não pagos em grupos de mídia social. Um exemplo de panfleto pode ser visto na Figura Suplementar 1.
   2. Conscientize os participantes em potencial de que a participação exigirá o uso de laptops / PCs pessoais com uma conexão estável à Internet e em uma área silenciosa e isolada. Informe os participantes de que talvez seja necessário instalar um programa para estabelecer a conexão de Área de Trabalho Remota.
      NOTA: A participação através de telemóveis ou tablets não é possível.
   3. Certifique-se de que os participantes atendam aos critérios de inclusão do experimento, como requisitos de idioma ou visão de cores.
   4. Certifique-se de que os participantes não tenham participado de experimentos anteriores no CTG.
2. Reserve sessões experimentais com os participantes
   1. Peça aos participantes que reservem horários para sua participação.
   2. Use um software de gerenciamento de participantes para enviar e-mails automatizados de convite ou lembrete.
   3. Sobreponha os intervalos de tempo por pelo menos um participante para garantir que participantes suficientes estejam presentes para executar o experimento.
3. Envie aos participantes um email de confirmação com os seguintes detalhes: guia sobre a configuração do computador, a instalação da Ferramenta de Conexão de Área de Trabalho Remota e o estabelecimento de conexão com a Área de Trabalho Remota. Certifique-se de NÃO enviar nenhuma informação de login ainda, a fim de evitar problemas técnicos devido ao login anterior.
4. Envie aos participantes e-mails de lembrete cerca de 24 horas antes do experimento, incluindo o link para a plataforma de videoconferência. Inclua as informações sobre a instalação que foram enviadas no email de confirmação.

3. Configuração experimental (antes de cada sessão experimental)

1. Preparar a plataforma de videoconferência (Figura 3)
   1. Certifique-se de que os participantes estão impedidos de partilhar o microfone ou a câmara. Certifique-se de que os participantes não possam ver os nomes uns dos outros.
   2. Compartilhe o microfone e a câmera do experimentador e compartilhe a tela com instruções mínimas na plataforma de videoconferência (Figura 3).
2. Preparar a área de trabalho remota
   1. Experimentador de usuários
      1. Inicie uma conexão de área de trabalho remota com o usuário do experimentador. Abra a pasta compartilhada e inicie um terminal clicando com o botão direito do mouse no diretório e escolhendo Abrir Terminal aqui.
      2. Inicie o programa do servidor HC_Gui.jar digitando o comando java -jar HC_Gui.jar no terminal e pressionando ENTER.
   2. Usuários participante-1, participante-2, etc.
      1. Estabeleça uma conexão de área de trabalho remota com os usuários participante-1, participante-2, .... Abra a pasta compartilhada e inicie um terminal nesta pasta como antes.
      2. Inicie os programas cliente para cada usuário digitando o comando java -jar HC .jar no terminal e pressionando ENTER.
      3. Verifique se as conexões estão estabelecidas corretamente em todos os usuários participantes.
         NOTA: As telas dos usuários participantes devem exibir a mensagem Aguarde. O computador está se conectando ao servidor. Recomenda-se ter tantos laptops presentes quanto os usuários (Figura 4).
   3. Experimentador de usuários
      1. Verifique se uma linha aparece na GUI do servidor, exibindo o endereço IP de cada um dos usuários participantes. Quando todos os usuários participantes estiverem conectados, verifique se o programa do servidor exibe a mensagem Todos os clientes estão conectados. Pronto para começar?. Clique em OK.
      2. Verifique se as telas dos usuários participantes exibem a tela de boas-vindas do experimento (primeira página de instruções).
         Observação : O experimentador pode preparar a sessão até este ponto.

4. Procedimento experimental

1. Admita participantes na videoconferência no horário agendado para o experimento. Dê as boas-vindas a todos os participantes usando um texto padronizado. Explique o procedimento técnico aos participantes.
2. Compartilhe o link para o formulário de consentimento on-line. Verifique se todos os participantes deram consentimento por escrito.
3. Oriente os participantes a abrir a ferramenta Conexão de Área de Trabalho Remota e enviar a cada participante seus dados de login individuais por meio de bate-papo pessoal na videoconferência.
   NOTA: Quando os participantes fizerem login nos usuários participantes, os blocos de anotações no laboratório perderão a conexão com os usuários participantes. A partir daqui, o experimento é executado automaticamente até que os participantes cheguem à página final, instruindo-os a retornar à videoconferência.
4. Peça aos participantes que confirmem que leram a primeira página de instruções clicando em OK. Depois que todos os participantes confirmarem, aguarde até que os participantes tenham concluído o jogo.
   NOTA: Os participantes podem folhear as instruções no ritmo de sua preferência. Uma vez que todos os participantes tenham confirmado que leram as instruções, o CTG começa automaticamente. O jogo progride automaticamente através de tantas rodadas quanto indicado no arquivo server.config.
5. Fase de testes
   1. Atribua participantes a uma das duas funções: investidor ou administrador.
      Observação : vários participantes podem ser atribuídos a mesma função.
   2. Faça com que os investidores comecem no campo mais inferior (investimento indicado de 0) e os administradores no campo mais alto (indicando retorno de 0) (Figura 1B).
   3. Instrua os participantes a mover seu avatar clicando com o botão esquerdo do mouse em um campo hexagonal adjacente. Instrua os participantes de que apenas os campos adjacentes podem ser escolhidos e os campos não podem ser ignorados. Instrua os participantes de que seu avatar exibirá uma pequena cauda por 4000 ms após cada movimento que indica a última direção da qual eles se moveram para o campo atual (Figura 1C).
   4. Permita que os investidores se movam desde o início (time-in = 0) para indicar através do movimento o quanto eles gostariam de investir. Após um certo período de tempo, proíba o movimento de investidores (time-out).
      NOTA: O campo em que eles estão indicará quanto é investido. No meio do campo de jogo, um número azul também mostrará o valor enviado ao administrador. Se o experimento for configurado para exigir investimentos unânimes, os investimentos só serão feitos se todos os participantes estiverem no mesmo campo.
   5. Explique nas instruções que o valor investido é multiplicado por um fator (por exemplo, três) e enviado aos administradores. Restrinja os administradores de se moverem enquanto os investidores estiverem se movendo, definindo o tempo limite do administrador para a duração do tempo limite do administrador.
   6. Instrua os curadores a se moverem para indicar a fração que gostariam de devolver aos investidores. Uma vez atingido o tempo limite do administrador, o campo em que os curadores se posicionam é tomado para indicar a fração que é devolvida aos investidores. O valor devolvido também é indicado no meio do campo de jogo por um número amarelo (Figura 1D).
   7. Faça com que a janela pop-up exiba a quantidade de dinheiro que a pessoa ganhou no final da rodada (Figura 1E).
   8. Repita a rodada do jogo conforme necessário (ou seja, conforme indicado no arquivo server.config).
   9. Depois que todas as rodadas forem concluídas, peça aos participantes que gerem um código pessoal exclusivo para que os ganhos no jogo possam ser conectados ao seu nome, mantendo os dados comportamentais anônimos.
   10. Depois que os participantes gerarem o código, exiba uma tela que instrua os participantes a retornar à videoconferência e fechar a conexão da Área de Trabalho Remota.
       NOTA: O procedimento experimental (seção 4 neste protocolo com 15 rodadas de jogo) leva 35 minutos.
   11. Se problemas técnicos ou falha de um participante exigirem que a sessão do experimento seja abortada, abstenha-se de reiniciar o experimento com os mesmos participantes.
6. Fase pós-teste
   1. Quando o jogo estiver concluído, certifique-se de que todos os participantes fecharam a ligação ao Ambiente de Trabalho Remoto. Peça aos participantes que preencham questionários conforme achar melhor para uma pergunta de pesquisa específica.
   2. Enquanto os participantes estão preenchendo os questionários, feche o programa do servidor no usuário experimentador clicando em Stop & Exit. Isso também fechará o programa nos usuários participantes.
   3. Agradeça aos participantes por seu tempo e explique como e quando seus ganhos serão transferidos para eles. Certifique-se de que todos os participantes tenham saído da videoconferência, especialmente se outro intervalo de tempo do experimento for agendado logo em seguida.

5. Terminando o experimento

1. Transfira e faça backup dos dados (por exemplo, na nuvem), na forma de um *.csv e um arquivo *.txt por grupo e intervalo de tempo do experimento, marcado por um carimbo de dia e hora do experimento.
2. Feche todas as conexões de Área de Trabalho Remota.

Representative Results

Este artigo apresenta resultados de um estudo piloto realizado com o CTG com 16 participantes (cinco homens, 11 mulheres; Idade: M = 21, DP = 2,07). De acordo com Johanson e Brooks⁴², esse tamanho de amostra é suficiente em um experimento piloto, especialmente quando emparelhado com uma abordagem qualitativa para alcançar uma alta densidade de informações sobre a experiência subjetiva dos participantes durante o experimento. Recomenda-se que sempre que os investigadores pretendam adaptar o CTG à sua ideia de investigação específica, por exemplo, personalizando o número de participantes dentro de cada grupo, seja realizado um estudo piloto semelhante antes da recolha de dados principal, de modo a garantir uma elevada qualidade dos dados.

Com base nos dados piloto, este artigo fornece uma ilustração de possíveis métodos de análise de dados CTG, bem como uma primeira validação da configuração CTG. Os resultados relatados aqui incluem dados de movimento e investimento do estudo piloto do CTG (exemplos de resultados de um grupo podem ser vistos em Dados Suplementares 1 e Dados Suplementares 2 e um exemplo de script de pré-processamento de dados pode ser visto no projeto OSF: https://s.gwdg.de/Cwx3ex), bem como dados de questionário sobre a experiência subjetiva dos participantes durante o experimento e observações sobre o jogo.

Para esta publicação, são utilizados dados piloto (N = 16) para demonstrar como hipóteses científicas podem ser testadas com o CTG quando um tamanho amostral suficiente foi atingido. Deve-se notar que, geralmente, são necessários tamanhos de amostra muito maiores para alcançar poder suficiente para análises estatísticas. Os resultados aqui relatados devem servir apenas como ilustrações para possíveis análises e visualizações (Figura 5). O CTG é especialmente adequado para investigar processos de confiança coletiva e como ele emerge ou diminui dependendo do comportamento de outros membros do grupo ou do síndico.

Primeiro, as qualidades da confiança coletiva como um fenômeno emergente foram investigadas. Hipotetiza-se que os investimentos no jogo de confiança coletiva mudam ao longo do tempo (ou seja, emergem). Isso significa que os investimentos na primeira, média (ou seja, sétima) e décima quinta rodada devem ser significativamente diferentes entre si. Essa hipótese foi testada com testes t de amostra pareada (corrigido de Bonferroni). Devido ao pequeno tamanho da amostra (N = 16 em quatro grupos), não foram encontradas diferenças significativas nos dados piloto entre o primeiro (M = 27,0, DP = 20,49), sétimo (M = 39, DP = 30,0; diferença para a rodada 1: t(3) = -0,511, p = 1) e décima quinta rodada (M = 42, DP = 31,75; diferença para a rodada 1: t(3) = -0,678, p = 1; diferença para a rodada 7: t(3) = -0,397, p = 1). Os dados foram reanalisados utilizando-se apenas os investimentos realizados por unanimidade. Não foram encontradas diferenças significativas entre as rodadas, provavelmente devido à pequena amostra também (M 1 = 24, DP₁ = 24; M 7 = 52, DP₇ = 18,33; M 15 = 56, DP₁₅ = 18,33). Os dados que acompanham podem ser vistos na Figura 5A. Em estudos com tamanhos amostrais suficientes, uma diferença significativa entre as rodadas e um aumento ou diminuição contínua dos investimentos ao longo das rodadas indicaria o surgimento de confiança coletiva no experimento, pois os investidores do grupo podem interagir repetidamente e, portanto, estabelecer um nível compartilhado de confiança.

Além disso, o surgimento da confiança coletiva também pode ser investigado por meio de dados de movimento, como pode ser visto na Figura 5B, que mostra três marcadores comportamentais do processo de decisão: (a) tempo de decisão (vermelho; tempo até o último movimento dos investidores; M = 12,25, DP = 7,05) como operacionalização do comprimento do processo, (b) comprimento do movimento (verde; tempo médio entre dois movimentos: M = 2,42, DP = 2,16) como operacionalização da deliberação, e (c) mudanças de direção (azul; número de vezes que uma direção do movimento foi alterada; M = 0,25, DP = 0,66) como operacionalização do ajuste a outros investidores durante uma decisão. Se a confiança coletiva surgir ao longo das rodadas, o processo, conforme quantificado pelos três marcadores comportamentais, deve se tornar menos complexo ao longo do tempo, pois a confiança coletiva deve ser a base para a decisão de investimento do grupo. Isso significa que, se a confiança coletiva é uma construção emergente, devemos ver os grupos levarem mais tempo para decisões de investimento em rodadas anteriores, já que nenhum nível compartilhado de confiança (ou seja, confiança coletiva) surgiu ainda. Ao longo das interações, as decisões de investimento devem se tornar mais curtas (medidas pelo tempo de decisão) e mais fáceis (conforme medido pela duração do movimento e pelas mudanças de direção), à medida que um nível compartilhado de confiança coletiva se desenvolveu e menos interação ou coordenação é necessária para determinar um investimento em grupo. Portanto, os pesquisadores devem usar uma amostra maior para modelar a progressão dos marcadores comportamentais ao longo das rodadas. Uma inclinação negativa pode indicar o surgimento da confiança coletiva como base para as decisões de investimento do grupo.

Em segundo lugar, foram analisados o comportamento do administrador e as dependências do comportamento dos curadores e investidores. Hipotetizou-se que os curadores devolveriam uma quantia diferente de zero de dinheiro aos investidores, como foi encontrado em pesquisas sobre jogos de confiança individuais ^1,43. Um teste t de uma amostra de fato mostrou que os curadores retornaram significativamente mais do que zero (M = 43,89, DP = 35,38) aos investidores; t(59) = 9,608, p < 0,001. Isso foi ainda mais pronunciado quando foram incluídos apenas os retornos que foram precedidos por investimentos diferentes de zero (M = 62,70, DP = 24,36; t(46) = 16,677, p < 0,001). A Figura 5C mostra que os administradores na maioria das vezes optaram por retornar 4/6 do investimento.

Além disso, investigou-se se os retornos dos curadores são baseados na reciprocidade, na medida em que um maior investimento em uma rodada se correlaciona com frações de maior retorno (ou seja, 0/6, 1/6, 2/6, ...) na mesma rodada. Parece haver uma correlação significativa entre investimentos e retornos, como pode ser visto na Figura 5D, painel esquerdo; t(58) = 9,446, p < 0,001, r = 0,78. Isso indica que os administradores podem ter retribuído altos investimentos com altos retornos. No entanto, isso pode ser impulsionado pelas rodadas em que os investidores investiram zero ou não chegaram a uma decisão unânime, de modo que o administrador não tinha a opção de devolver nada. Por fim, analisou-se se as frações de maior retorno são percebidas como sinais a termo pelos investidores, de modo que as frações de maior retorno na rodada t estão correlacionadas com altos investimentos na rodada t + 1. Como pode ser observado na Figura 5D, painel direito, isso não foi corroborado pelos dados; t(54) = 0,207, p = 0,837, r = 0,028.

Para resumir, os dados quantitativos do CTG consistem em dados de movimento e investimento de cada participante em cada rodada. Enquanto os dados de investimento fornecem paralelos com aplicações anteriores do jogo de confiança individual, os dados de movimento permitem que os pesquisadores observem o processo de confiança coletiva. Deve-se notar que os dados são coletados em grupos reais, o que aumenta a validade externa, mas requer que a estrutura de dados aninhada seja considerada. Isso não foi feito para as análises relatadas, pois o pequeno tamanho da amostra dos dados piloto restringe a aplicação de modelos lineares de efeitos mistos.

Além disso, os dados sobre a experiência subjetiva foram coletados na amostra piloto com um questionário pós-experimento (Arquivo Suplementar 1) que incluiu 13 itens no total, dos quais 11 eram questões abertas. Ao lado da experiência subjetiva durante o experimento, os itens foram questionados sobre aspectos específicos do CTG que poderiam influenciar a qualidade dos dados, como os princípios subjetivos de comportamento dos participantes durante o jogo, a intenção acreditada do experimento ou a clareza das instruções. Duas questões de formato fechado avaliaram em uma escala Likert de cinco pontos se os participantes perceberam o investimento através do movimento como intuitivo (-2: "de jeito nenhum" a +2: "muito") e se o tempo dado aos participantes para se moverem no jogo parecia suficiente (-2: "muito curto"; 0: "sobre o direito"; +2: "muito longo").

Geralmente, os participantes relataram experiências subjetivas de acordo com a intenção do experimento e a facilidade de seguir as instruções, ao mesmo tempo em que mostraram ingenuidade suficiente da intenção do estudo. Os participantes, em média, relataram que o jogo era "bastante intuitivo" (M = 0,69, DP = 0,79) e perceberam que o tempo estava "mais ou menos certo" (M = -0,31, DP = 0,79).

As respostas dos participantes às questões abertas foram analisadas qualitativamente de acordo com Mayring⁴⁴. No geral, os participantes ficaram satisfeitos com o processo de recrutamento e procedimento on-line, a preservação do anonimato no experimento, a clareza das instruções e informações fornecidas e a lógica do jogo. A maioria dos participantes ficou satisfeita com o design dos avatares, pois eles poderiam ser distinguidos facilmente. No entanto, apenas metade dos participantes relatou que se sentia representada por seu avatar e observou que símbolos ou rostos de animais poderiam ter sido mais interessantes. Devido a esses resultados, os pesquisadores devem considerar a inclusão de uma medida da incorporação dos participantes em aplicações do CTG para controlar essa experiência, mantendo um design experimental minimalista.

A maioria dos participantes observou que experimentou o desejo de convergir no meio do campo de jogo (ou seja, na opção de investimento mais alta). Os participantes que experimentaram isso relataram que o desejo de convergir no meio coincidiu com sua disposição de investir altas quantias. Além disso, alguns participantes relataram que, em vez de se sentirem atraídos para o meio, sentiram que tinham que puxar os co-jogadores para o meio. Devido a restrições práticas do experimento e potenciais trade-offs com a intuição, o projeto inicial foi mantido em que altos investimentos e retornos convergem no meio.

Os participantes relataram uma infinidade de suposições sobre o objetivo do estudo, como a influência do grupo nas próprias decisões, confiança ou comportamento dos administradores. Embora essas suposições estejam tematicamente próximas do surgimento investigado da confiança, os participantes relataram estratégias comportamentais, como maximização do lucro ou intenções de influenciar o comportamento dos co-jogadores. Essas estratégias se encaixam bem com o caráter de jogo econômico do CTG e não contrariam comportamentos que o estudo buscou observar.

Com base nos resultados da experiência subjetiva, pode-se concluir que o CTG satisfaz critérios de validade interna. A análise quantitativa dos dados aqui relatada deve servir apenas como uma ilustração de como os dados coletados com o CTG podem ser analisados estatisticamente.

Figura 2: Exemplo de instruções do jogo . (A) Código HTML preparado pelo experimentador. (B) Arquivo HTML exibido no navegador. (C) Instruções mostradas aos participantes durante o experimento. Observe os botões na parte inferior para navegar pelas instruções. Por favor, clique aqui para ver uma versão maior desta figura.

Figura 3: Captura de tela da plataforma de videoconferência. O experimentador compartilhou sua câmera, microfone e apresentação com informações básicas sobre a plataforma de videoconferência e a conexão de Área de Trabalho Remota. Um participante já se juntou à conferência, mas está proibido de compartilhar seu microfone, tela ou câmera para manter o anonimato. Por favor, clique aqui para ver uma versão maior desta figura.

Figura 4: Configuração em laboratório. Antes do início do experimento, o experimentador iniciará uma conexão de Área de Trabalho Remota com todos os laptops. O Notebook 1 é conectado ao usuário do experimento e permanece conectado durante todo o experimento. Os cadernos 2 a 5 são usados para estabelecer e verificar a conexão com os usuários participantes ("participante-1" até "participante-4"). Quando os participantes estabelecem conexão com os usuários participantes por meio da ferramenta Conexão de Área de Trabalho Remota, os blocos de anotações no laboratório perderão a conexão. Por favor, clique aqui para ver uma versão maior desta figura.

Figura 5: Resultados baseados em dados piloto (N = 16 em quatro grupos). (A) Gráficos de violino de investimentos em grupo (centavos) nas rodadas 1, 7 e 15. As formas de violino indicam a densidade de probabilidade dos investimentos, as linhas em negrito indicam a mediana, as caixas em violinos indicam o intervalo interquartil e os bigodes indicam 1,5 vezes o intervalo interquartil. Esquerda; todos investem. Direita; unânime investe. (B) Três marcadores diferentes de dados de movimento que podem ser usados para quantificar aspectos do processo de decisão de investimento em grupo. Vermelho; tempo de decisão (tempo até o último movimento em segundos). Verde; média dos comprimentos de movimento (tempo de um movimento para o próximo em segundos). Azul; número de mudanças de direção no padrão de movimento (contagem). (C) Gráfico de frequência (contagem) dos retornos. Esquerda; todos os retornos (como frações de retorno) em todas as rodadas são contados. Direita; apenas esses retornos (como frações de retorno) são contados antes dos quais os curadores receberam um investimento. (D) Gráficos de dispersão de investimentos (centavos) e retornos (como frações de retorno). A linha azul indica os valores previstos (usando um modelo linear com fórmula: y ~ x), a faixa cinza indica o erro padrão das previsões. Esquerda; correlação de reciprocidade. Os altos investimentos se correlacionam com altos retornos na mesma rodada? Direita; correlação de sinalização para a frente. Os altos retornos se correlacionam com os altos investimentos na rodada subsequente? Por favor, clique aqui para ver uma versão maior desta figura.

Figura 1 Suplementar: Exemplo de anúncio on-line por meio de panfleto que foi postado em um blog on-line. Este folheto é um exemplo de quais informações devem ser incluídas no anúncio do folheto de recrutamento de participantes e de que maneira elas podem ser apresentadas. Clique aqui para baixar este arquivo.

Arquivo Complementar 1: Questionário completo do estudo piloto. O questionário completo utilizado no estudo piloto pode ser encontrado aqui. Clique aqui para baixar este arquivo.

Dados Suplementares1: Exemplo de saída de dados contendo dados de investimento de um grupo (ou seja, quatro participantes: três investidores (pid 0-2) e um administrador (pid 4). Este é um exemplo de um arquivo de dados brutos contendo a) informações da ordem de jogo, b) a lista de jogadores, c) as posições iniciais ("StartSicht") e finais ("último playground comum") de todos os jogadores, bem como d) seu investimento, ganhos e saldo de conta ("Saldos: saldo de recompensa de custo"). Clique aqui para baixar este arquivo.

Dados Suplementares 2: Exemplo de saída de dados contendo dados de movimento de um grupo (ou seja, quatro participantes: três investidores (pid 0-2) e um administrador (pid 4). Este é um exemplo de um arquivo de dados brutos contendo coordenado ("sj") de cada jogador ("pid") a qualquer momento do experimento. O início de uma nova rodada é indicado por um "-1" como o "pid". Clique aqui para baixar este arquivo.

Discussion

O CTG oferece aos pesquisadores a oportunidade de adaptar o BDM^{clássico 1} para grupos e observar processos emergentes dentro dos grupos em profundidade. Enquanto outros trabalhos^23,24,25,26 já tentaram adaptar o BDM¹ às configurações grupais^, a única maneira de acessar os processos grupais nesses estudos são as laboriosas análises de interação grupal de discussões gravadas em vídeo. Como essa é muitas vezes uma tarefa tediosa e demorada¹⁷, estudos regularmente não relatam esses aspectos. Com relação a esses métodos existentes, o CTG é, até onde os autores sabem, o primeiro paradigma que permite aos pesquisadores acompanhar a confiança coletiva como um fenômeno emergente em tempo real por meio de dados de movimento. O CTG é, portanto, mais eficiente em termos de tempo. Além disso, o uso de análises quantitativas para capturar processos de grupo permite que os pesquisadores pré-registrem análises de processos, o que muitas vezes é difícil com abordagens mais qualitativas.

Para que o paradigma produza dados de alta qualidade, é crucial seguir de perto o protocolo. Os cinco passos críticos a seguir merecem atenção especial dos pesquisadores. Primeiro, as configurações feitas no jogo devem ser mantidas constantes em todas as sessões de experimentos e devem ser documentadas. Em segundo lugar, os participantes que já participaram de estudos semelhantes (ou seja, estudos usando qualquer versão de jogo de confiança) devem ser excluídos no estágio de recrutamento, pois isso pode criar vieses no comportamento e reduzir o tamanho dos efeitos⁴⁵. Em terceiro lugar, os pesquisadores precisam garantir que os participantes sejam anônimos, proibindo os participantes de compartilhar seu microfone, câmera e nome completo durante a videoconferência, já que o nível de anonimato demonstrou afetar o comportamento em jogos econômicos²⁷. Em quarto lugar, durante a inicialização do jogo, os pesquisadores precisam verificar minuciosamente se uma conexão correta entre o usuário participante e o usuário do experimento é estabelecida, certificando-se de que o usuário participante esteja listado na GUI do experimentador. Em quinto lugar, os assistentes de pesquisa que coletam os dados precisam ser treinados extensivamente para serem capazes de solucionar desafios técnicos com os participantes. Caso os participantes tenham problemas para estabelecer a conexão de Área de Trabalho Remota, os assistentes de pesquisa precisam ser capazes de fornecer suporte para reter os participantes no grupo. Se uma pessoa desistir devido a dificuldades técnicas, todos os participantes dentro do intervalo de tempo do experimento podem ter que ser reagendados, resultando em custos monetários adicionais e perda de tempo.

Se ocorrerem dificuldades técnicas durante a inicialização do jogo, certifique-se de que (a) um ambiente de tempo de execução Java atual esteja instalado em sua máquina de Área de Trabalho Remota, (b) todos os usuários possam acessar e executar os arquivos nas pastas compartilhadas, (c) todos os usuários estejam executando os comandos no mesmo diretório e (d) todos os PCs/laptops que acessam a conexão da Área de Trabalho Remota tenham uma conexão estável com a Internet. Para solução de problemas durante a sessão experimental, verifique se (a) todos os participantes e os pesquisadores têm uma conexão estável com a Internet, (b) os participantes receberam as informações corretas de login para a Conexão de Área de Trabalho Remota e (c) o servidor que executa a Conexão de Área de Trabalho Remota tem recursos suficientes (por exemplo, verificar a utilização da CPU) durante a sessão experimental.

O CTG é altamente adaptável a diferentes questões de pesquisa, o que permite uma amplitude de possíveis aplicações em pesquisa. Dependendo do objetivo de um estudo, uma infinidade de parâmetros pode ser personalizada, como o número de jogadores, a exigência de decisões unânimes, a aparência visual, o tempo e os parâmetros monetários do BDM. Embora a flexibilidade desse paradigma seja uma vantagem, é importante ter em mente que as adaptações do paradigma devem sempre ser rigorosamente fundamentadas na teoria e pilotadas. Além das configurações que os pesquisadores podem fazer nos arquivos *.config, o jogo pode ser ajustado apenas através do código-fonte programado por Johannes Pritz, que ainda não está disponível online. Embora muitas adaptações sejam possíveis, a estrutura da plataforma HoneyComb restringe possíveis aplicações a tarefas de movimento e a opções de investimento discretas.

Em futuras aplicações do CTG, a quantidade de frações de retorno poderia ser aumentada (por exemplo, 1/10, 2/10, 3/10, ...) a fim de fornecer maior resolução no comportamento de retorno. Dessa forma, tanto o lado dos investidores quanto os curadores podem ser jogados por indivíduos ou grupos, permitindo a investigação de diferentes níveis e referentes de confiança, como foi proposto por Fulmer e Gelfand⁷. Futuras aplicações desse protocolo também podem combinar o procedimento on-line desse método com outros experimentos da plataforma HoneyComb 30,32,46,47 ou incluir outras formas de comunicação^, como bate-papo ou mesmo interação face a face entre investidores e/ou administradores em um experimento no local, conforme apresentado por Boos e colegas ³¹ . Dessa forma, outras pistas que influenciam o surgimento da confiança coletiva, como a comunicação não verbal, também poderiam ser estudadas usando esse paradigma.

No geral, o CTG combina as vantagens dos jogos econômicos - alta validade interna e simplicidade - com dados ricos de processos de grupo. Por esse meio, o CTG pode servir como um trampolim na pesquisa em grupo sobre processos de confiança e justiça.

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.