The Collective Trust Game: En online-gruppanpassning av förtroendespelet baserat på HoneyComb-paradigmet

Summary

Collective Trust Game är ett datorbaserat förtroendespel med flera agenter baserat på HoneyComb-paradigmet, som gör det möjligt för forskare att bedöma framväxten av kollektivt förtroende och relaterade konstruktioner, såsom rättvisa, ömsesidighet eller framåtriktad signalering. Spelet tillåter detaljerade observationer av grupprocesser genom rörelsebeteende i spelet.

Abstract

Behovet av att förstå förtroende i grupper holistiskt har lett till en ökning av nya metoder för att mäta kollektivt förtroende. Denna konstruktion fångas dock ofta inte helt i sina framväxande kvaliteter av de tillgängliga forskningsmetoderna. I detta dokument presenteras Collective Trust Game (CTG), ett datorbaserat förtroendespel med flera agenter baserat på HoneyComb-paradigmet, som gör det möjligt för forskare att bedöma framväxten av kollektivt förtroende. CTG bygger på tidigare forskning om interpersonellt förtroende och anpassar det allmänt kända Trust Game till en gruppinställning i HoneyComb-paradigmet. Deltagarna tar på sig rollen som antingen en investerare eller förvaltare; Båda rollerna kan spelas av grupper. Inledningsvis är investerare och förvaltare utrustade med en summa pengar. Sedan måste investerarna bestämma hur mycket, om någon, av sin donation de vill skicka till förvaltarna. De kommunicerar sina tendenser såväl som sitt slutliga beslut genom att flytta fram och tillbaka på ett spelfält som visar möjliga investeringsbelopp. I slutet av deras beslutstid multipliceras det belopp som investerarna har kommit överens om och skickas till förvaltarna. Förvaltarna måste kommunicera hur mycket av den investeringen, om någon, de vill återvända till investerarna. Återigen gör de det genom att flytta på spelplanen. Denna procedur upprepas i flera omgångar så att kollektivt förtroende kan uppstå som en delad konstruktion genom upprepade interaktioner. Med denna procedur ger CTG möjlighet att följa framväxten av kollektivt förtroende i realtid genom registrering av rörelsedata. CTG är mycket anpassningsbar till specifika forskningsfrågor och kan köras som ett onlineexperiment med liten, billig utrustning. Detta dokument visar att CTG kombinerar rikedomen i gruppinteraktionsdata med den höga interna giltigheten och tidseffektiviteten hos ekonomiska spel.

Introduction

Collective Trust Game (CTG) ger möjlighet att mäta kollektivt förtroende online inom en grupp människor. Det generaliserar det ursprungliga Trust Game av Berg, Dickhaut och McCabe¹ (BDM) till gruppnivå och kan fånga och kvantifiera kollektivt förtroende för dess framväxande egenskaper ^2,3,4, liksom relaterade begrepp som rättvisa, ömsesidighet eller framåtriktad signalering.

Tidigare forskning konceptualiserar mestadels förtroende som en enbart interpersonell konstruktion, till exempel mellan en ledare och en följare^5,6, exklusive högre analysnivåer. Särskilt i organisatoriska sammanhang kanske detta inte räcker för att förstå förtroende holistiskt, så det finns ett stort behov av att förstå de processer genom vilka förtroende bygger (och minskar) på gruppnivå.

På senare tid har tillitsforskningen införlivat mer flernivåtänkande. Fulmer och Gelfand⁷ granskade ett antal studier om förtroende och kategoriserade dem enligt den analysnivå som undersöks i varje studie. De tre olika analysnivåerna är interpersonella (dyadiska), grupp- och organisatoriska. Viktigt är att Fulmer och Gelfand⁷ dessutom skiljer mellan olika referenter. Referenterna är de enheter som förtroende riktas mot. Detta innebär att när "A litar på B till X", representeras A (investeraren i ekonomiska spel) av nivån (individ, grupp, organisatorisk) och B (förvaltaren) representeras av referenten (individ, grupp, organisatorisk). X representerar en specifik domän som trust hänvisar till. Detta innebär att X kan vara allt som en generellt positiv lutning, aktivt stöd, tillförlitlighet eller finansiella utbyten som i ekonomiska spel¹.

Här definieras kollektiv tillit utifrån Rousseau och kollegors definition av interpersonell tillit⁸, och liknar tidigare studier om kollektiv tillit 9,10,11,12,13,14; Kollektivt förtroende omfattar en grupps avsikt att acceptera sårbarhet baserat på positiva förväntningar på avsikter eller beteende hos en annan individ, grupp eller organisation. Kollektivt förtroende är ett psykologiskt tillstånd som delas mellan en grupp människor och bildas i interaktion mellan denna grupp. Den avgörande aspekten av kollektivt förtroende är därför delaktigheten inom en grupp.

Detta innebär att forskning om kollektiv tillit måste se bortom ett enkelt genomsnitt av individuella processer och konceptualisera kollektiv tillit som ett framväxande fenomen ^2,3,4, eftersom ny utveckling inom gruppvetenskap visar att grupprocesser är flytande, dynamiska och framväxande ^2,15. Vi definierar framväxten som en "process genom vilken systemelement på lägre nivå interagerar och genom denna dynamik skapar fenomen som manifesterar sig på en högre nivå av systemet"¹⁶ (s. 335). Detta bör föreslås även gälla kollektivt förtroende.

Forskning som återspeglar fokus på framväxten och dynamiken i grupprocesser bör använda lämpliga metoder¹⁷ för att fånga dessa egenskaper. Den nuvarande statusen för mätning av kollektivt förtroende verkar dock släpa efter. De flesta studier har använt en enkel medelvärdesteknik över data för varje individ i gruppen 9,10,12,13,18. Förmodligen har detta tillvägagångssätt bara liten prediktiv validitet² eftersom det bortser från att grupper inte bara är aggregeringar av individer utan enheter på högre nivå med unika processer. Vissa studier har försökt ta itu med dessa nackdelar: En studie av Adams¹⁹ använde ett latent variabelt tillvägagångssätt, medan Kim och kollegor¹⁰ använde vinjetter för att uppskatta kollektivt förtroende. Dessa tillvägagångssätt är lovande genom att de erkänner kollektivt förtroende som en konstruktion på högre nivå. Ändå, som Chetty och kollegor²⁰ noterar, saknar undersökningsbaserade åtgärder incitament att svara sanningsenligt, så forskning om förtroende har alltmer antagit beteendemässiga eller incitamentskompatibla åtgärder^21,22.

Denna oro hanteras av ett antal studier som har anpassat en beteendemetod, nämligen BDM¹, som ska spelas av grupperna^23,24,25,26. I BDM agerar två parter som antingen investerare (A) eller förvaltare (B). I detta sekventiella ekonomiska spel får både A och B en första donation (t.ex. 10 euro). Sedan måste A bestämma hur mycket, om någon, av deras begåvning de vill skicka till B (t.ex. 5 euro). Detta belopp tredubblas sedan av experimenteraren innan B kan bestämma hur mycket, om någon, av de mottagna pengarna (t.ex. 15 euro) de vill skicka tillbaka till A (t.ex. 7,5 euro). Mängden pengar som A skickar till B operationaliseras för att vara A: s förtroendenivå mot B, medan det belopp som B skickar tillbaka kan användas för att mäta B: s trovärdighet eller graden av rättvisa i dyaden för A och B. En stor mängd forskning har undersökt beteende i dyadiska förtroendespel²⁷. BDM kan spelas både som ett så kallat "one-shot" -spel, där deltagarna bara spelar spelet en gång med en specifik person, och i upprepade omgångar, där aspekter som ömsesidighet^28,29 samt framåtsignalering kan spela en roll.

I många studier som har anpassat BDM för grupperna^23,24,25,26 spelades antingen investeraren, förvaltaren eller båda rollerna av grupper. Ingen av dessa studier registrerade dock grupprocesser. Att bara ersätta individer med grupper i studiedesign uppfyller inte de standarder Kolbe och Boos¹⁷ eller Kozlowski¹⁵ satt upp för undersökningar av framväxande fenomen. För att fylla detta gap utvecklades CTG.

Syftet med att utveckla CTG var att skapa ett paradigm som skulle kombinera den allmänt använda BDM¹ med ett tillvägagångssätt som fångar kollektivt förtroende som en framväxande beteendebaserad konstruktion som delas mellan en grupp.

CTG är baserad på HoneyComb-paradigmet av Boos och kollegor³⁰, som också har publicerats i Journal of Visualized Experiments³¹ och har nu anpassats för användning i förtroendeforskning. Som beskrivits av Ritter och kollegor³² är HoneyComb-paradigmet "en datorbaserad virtuell spelplattform med flera agenter som var utformad för att eliminera alla sensoriska och kommunikationskanaler utom uppfattningen av deltagartilldelade avatarrörelser på spelfältet" (s. 3). HoneyComb-paradigmet är särskilt lämpligt för forskargruppsprocesser eftersom det gör det möjligt för forskare att registrera rörelsen hos medlemmar i en riktig grupp med spatio-temporala data. Det kan hävdas att HoneyComb, bredvid gruppinteraktionsanalys¹⁷, är ett av få verktyg som gör det möjligt för forskare att följa grupprocesser i detalj. Till skillnad från gruppinteraktionsanalys är kvantitativ analys av HoneyCombs spatio-temporala data mindre tidskrävande. Dessutom tillåter den reduktionistiska miljön och möjligheten att utesluta all interpersonell kommunikation mellan deltagare utom rörelsen på spelfältet forskare att begränsa förvirrande faktorer (t.ex. fysiskt utseende, röst, ansiktsuttryck) och skapa experiment med hög intern validitet. Även om det är svårt att identifiera alla inflytelserika aspekter av en gruppprocess i studier som använder gruppdiskussionsdesign³³, gör fokus på grundläggande principer för gruppinteraktion i ett rörelseparadigm det möjligt för forskare att kvantifiera alla aspekter av gruppprocessen i detta experiment. Dessutom har tidigare forskning använt proxemiskt beteende^34-så att minska utrymmet mellan sig själv och en annan individ-för att undersöka förtroende^35,36.

Figur 1: Schematisk översikt över CTG. (A) Schematiskt förfarande för en CTG-omgång. (B) Inledande placering av avatarer i början av omgången. De tre blåfärgade investerarna står på det ursprungliga fältet "0". Den gula förvaltaren står på det ursprungliga fältet "0". (C) Skärmdump under investeringsfasen som visar tre investerare (blå avatarer) på den nedre halvan av spelfältet. En (stor blå avatar) står för närvarande på "12", två investerare står för närvarande på "24". Två avatarer har svansar (indikeras med orange pilar). Svansarna indikerar från vilken riktning de flyttade till sitt nuvarande fält (t.ex. en investerare (stor blå avatar) flyttade precis från "0" till "12"). Avataren utan svans har stått på detta fält i minst 4000 ms. (D) Skärmdump under returfasen som visar en förvaltare (gul avatar) och den övre halvan av spelplanen. Förvaltaren står för närvarande på "3/6" och har nyligen flyttat dit från "2/6" som indikeras av svansen. Det blå numret nedan (36) anger investerarnas investering. Det gula numret, som indikeras av pilen, är den aktuella returen (54) som visas i mitten av spelfältet. Avkastningen beräknas enligt följande: (investera (36 cent) x 3) x nuvarande avkastningsfraktion (3/6) = 54 cent. (E) Popup-fönster som ger feedback till deltagarna om hur mycket de har tjänat under omgången, visas i 15 s efter att timeouten för förvaltaren löper ut. Klicka här för att se en större version av denna siffra.

Huvudproceduren för CTG (figur 1A) är nära baserad på förfarandet för BDM¹, för att göra resultaten jämförbara med tidigare studier med detta ekonomiska spel. Eftersom HoneyComb-paradigmet är baserat på rörelseprincipen anger deltagarna det belopp de vill investera eller returnera genom att flytta sin avatar till det lilla hexagonfältet som indikerar en viss summa pengar eller bråkdel att returnera (figur 1C, D). Före varje runda är både investerare och förvaltare utrustade med en viss summa pengar (t.ex. 72 cent) där investerarna placeras i den nedre halvan av spelplanen och förvaltarna placeras i den övre halvan av spelplanen (figur 1B). I standardinställningen får investerarna flytta först, medan förvaltarna förblir stilla. Investerarna rör sig över spelplanen för att ange hur mycket, om någon, av deras kapital de vill skicka till förvaltaren (figur 1C). Genom att flytta fram och tillbaka på fältet kan deltagarna också kommunicera till andra investerare hur mycket de vill skicka till förvaltaren. Beroende på konfigurationen måste deltagarna nå ett enhälligt beslut om hur mycket de vill investera genom att konvergera på ett spelfält när timeouten uppnås. Enhälliga beslut krävdes för att genomdriva att investerare måste interagera med varandra, istället för att bara spela tillsammans. Om investerarna inte når ett gemensamt beslut dras en straffavgift (t.ex. 24 cent) från deras konto. Detta genomfördes för att säkerställa att investerare skulle vara mycket motiverade att nå en gemensam nivå av kollektivt förtroende. När investerarnas tid är slut multipliceras de investerade pengarna och skickas till förvaltarna som sedan får flytta medan investerarna förblir stilla. Förvaltarna anger genom rörelse hur mycket de vill återvända till investerarna (figur 1D). De tillgängliga returalternativen visas som bråktal på spelfältet för att hålla den kognitiva belastningen på förvaltare relativt låg. Spelplanen som förvaltare står på när deras tilldelade tid tar slut indikerar vilken bråkdel (t.ex. 4/6) som returneras till investerare. Rundan avslutas med en popup (figur 1E) som sammanfattar för varje deltagare hur mycket de tjänade under den omgången och vad deras bytesbalans.

Rundor bör upprepas flera gånger. Forskare bör låta deltagarna spela CTG i minst 10 eller 15 omgångar i samma roller. Detta är nödvändigt eftersom kollektiv tillit är en framväxande konstruktion och behöver utvecklas under upprepade interaktioner inom en grupp. På samma sätt kommer andra begrepp som framåtriktad signalering (dvs. att återgälda hög avkastning från förvaltare med höga investeringar i nästa omgång) bara att dyka upp i upprepade interaktioner. Det är dock avgörande att deltagarna inte är medvetna om det exakta antalet omgångar som ska spelas eftersom det har visat sig att beteendet drastiskt kan förändras när deltagarna är medvetna om att de spelar den sista omgången (dvs. mer orättvist beteende eller avböjningar i ekonomiska spel^37,38).

På detta sätt ger CTG information om framväxten av kollektivt förtroende på flera nivåer. För det första bör nivån på det kollektiva förtroende som uppvisas i den sista omgången vara en nära representation av den gemensamma nivån av förtroende som investerare har gentemot förvaltaren/förvaltarna. För det andra kan det belopp som investeras i varje omgång fungera som en proxy för uppkomsten av kollektivt förtroende över upprepade interaktioner. För det tredje belyser rörelsedata gruppprocessen som avgör hur mycket pengar som investeras i varje omgång.

Protocol

Datainsamling och dataanalys i detta projekt har godkänts av etikkommittén vid Georg-Elias-Müller-institutet för psykologi vid universitetet i Göttingen (förslag 289/2021); protokollet följer riktlinjerna för mänsklig forskning från etikkommittéerna vid Georg-Elias-Müller-institutet för psykologi. CTG-programvaran kan laddas ner från OSF-projektet (DOI 10.17605/OSF. IO/U24PX) under länken: https://s.gwdg.de/w88YNL.

1. Förbered teknisk installation

1. Förbered samtyckesformulär och frågeformulär online
   1. Förbered ett samtyckesformulär online i ett online-enkätverktyg.
   2. Om tillämpligt, förbered ett online-frågeformulär i ett online-enkätverktyg.
      OBS: Det är möjligt att inkludera ett kort frågeformulär inom HoneyComb-programmet (se steg 1.3.5). Om du vill använda längre enkäter använder du istället ett separat enkätverktyg online. Exempel på online-enkätverktyg ges i materialförteckningen.
2. Förbereda fjärrskrivbordsservern
   1. Installera ett Linux-baserat operativsystem på en fjärrserver. Om möjligt, fråga tekniska assistenter om tillgängliga resurser vid institutionen. Annars följer du en installationsriktlinje³⁹.
   2. Skapa olika användare på den här servern⁴⁰.
      1. Skapa en användaradministratör som har rotbehörighet och som endast nås av det tekniska leadet i experimentet.
      2. Skapa en användarexperimenter som har behörighet att skapa delade mappar, importera och exportera data och kan nås av all personal som samlar in data (inklusive studenter / forskningsassistenter etc.).
      3. Skapa flera användare med namnet deltagare-1, deltagare-2, etc.
         OBS: Forskare kommer bara att kunna testa så många deltagare i en experimentell session som användare som skapas.
   3. Kör kommandot java -version på administratörsanvändaren för att säkerställa att en Java Runtime-miljö är tillgänglig på servern. Om inte, installera den senaste Java-versionen innan du fortsätter och se till att alla användare kan komma åt den.
   4. Installera programmet
      1. Ladda ner programmet.
         OBS: Programmet kan laddas ner som en zip-fil HC_CTG.zip som innehåller 1) den körbara HC.jar, 2) tre filer för konfiguration (hc_server.config, hc_panel.config och hc_client.config) och 3) två undermappar med namnet intro och rawdata.
      2. Skapa en mapp på experimentanvändaren och dela den med de andra användarna⁴¹. Extrahera filerna från den komprimerade filen HC_CTG.zip till den här mappen.
      3. För varje deltagaranvändare öppnar du den delade mappen och kontrollerar att användaren kan komma åt filerna.
3. Öppna de tre konfigurationsfilerna.
   1. Redigera hc_server.config och spara den redigerade filen.
      1. Konfigurera antalet spelare genom att ställa in n_Pl till önskat nummer. Ange till exempel 4 bakom =.
      2. Konfigurera antalet rundor som ska spelas (playOrder) genom att upprepa spelnumret 54a (t.ex. 54a, 54a, 54a, 54a för fyra omgångar).
         OBS: i54a står för instruktionerna och bör inte raderas i konfigurationsfilen.
      3. Konfigurera om ett frågeformulär ska visas i HoneyComb genom att inkludera 200 i slutet av playOrder. Ta bort 200 om ett separat online-enkätverktyg används.
      4. Konfigurera investeringsskalan. Om du vill konfigurera skalan för investerare (iscale) anger du vilka värden som ska vara tillgängliga som investeringssteg (t.ex. 0, 12, 24, 36, 48, 60, 72). Använd heltal som är multiplar av tre så att utbetalningar också är heltal.
         OBS: Dessa konfigurerade värden visas också som möjliga investeringssteg för investerarna.
         1. Konfigurera visningsskalan för förvaltare (tlabel) genom att välja vilka värden som ska visas som möjlig avkastning på spelfältet (t.ex. 0, 1/6, 2/6, 3/6, 4/6, 5/6, 1). OBS: Denna skala påverkar inte beräkningen av utbetalningar.
         2. Konfigurera skalan för förvaltare (tscala) genom att välja vilka returvärden som ska vara möjliga som returer (t.ex. 0, 0,166666, 0,3333, 0,5, 0,6666, 0,833331, 1). Använd endast digitala värden (dvs. inga bråktal).
            OBS: Dessa värden används för att beräkna utbetalningar och visas INTE på spelfältet.
      5. Konfigurera time-ins (timeInI för investerare, timeInT för förvaltare) och time-outs (timeOutI för investerare, timeout för förvaltare) på några sekunder. Till exempel timeInI = 0, timeOutI = 30, timeInT = 30 och timeout = 45.
      6. Konfigurera hur mycket pengar investerare och förvaltare är utrustade med i varje omgång i cent (r52).
      7. Konfigurera den faktor med vilken investeringen multipliceras innan den skickas till förvaltaren (f52).
      8. Konfigurera om gruppen måste nå ett enhälligt beslut (ange bUnanimous till true) eller inte (set unanimous to false)
      9. Konfigurera om gruppen ska betalas ut i lika delar (ange bCommon till true) eller enligt hur mycket varje investerare har bidragit till investeringen (ange bCommon till false).
      10. Om bUnanimous är inställt på true, konfigurera straffet - det belopp som dras av från investerarna om ett enhälligt beslut inte uppnås (s52).
   2. Redigera hc_client.config om det behövs. Se till att ange ip_nr till localhost så att klienterna kan ansluta till experimentet.
   3. Redigera hc_panel.config.
      1. Justera storleken på hexagonerna (radie) enligt skärmupplösningen. Testa experimentet på flera olika skärmar för att säkerställa att experimentet blir synligt på en mängd olika skärmar.
      2. Justera texten som visas på spelfältet under etiketter (t.ex. Din roll är: investerare, kontosaldo etc.)
   4. Justera och/eller översätt instruktionerna om det behövs. För att göra det, redigera och spara de enkla HTML-filerna (figur 2A) i mappen "intro" i HoneyComb-programmappen.
   5. Om du vill använda frågeformuläret i HoneyComb-programmet, justera och / eller översätt frågeformuläret i filen qq.txt och spara filen.
   6. Håll den här konfigurationen konstant för alla experimentsessioner (inom ett experimentvillkor). Dokumentera alla konfigurationer.

2. Rekrytering av deltagare

1. Annons på nätet
   1. Rekrytera deltagare via tillgängliga kanaler (t.ex. sociala medier, universitetsblogg, flygblad med QR-kod). Namnge viktig information om experimentet, till exempel dess syfte, varaktighet och maximala betalning beräknad enligt spelbeteende.
      OBS: Urvalet som presenteras här rekryterades via en onlineblogg för psykologistudenter vid University of Göttingen samt obetalda annonser i sociala mediegrupper. Ett exempel på ett flygblad kan ses i kompletterande figur 1.
   2. Gör potentiella deltagare medvetna om att deltagande kommer att kräva användning av personliga bärbara datorer / datorer med en stabil internetanslutning och i ett lugnt, avskilt område. Gör deltagarna medvetna om att de kan behöva installera ett program för att upprätta fjärrskrivbordsanslutningen.
      OBS: Deltagande via mobiltelefoner eller surfplattor är inte möjligt.
   3. Se till att deltagarna uppfyller experimentets inklusionskriterier som språkkrav eller färgseende.
   4. Se till att deltagarna inte har deltagit i tidigare experiment på CTG.
2. Boka experimentella sessioner med deltagarna
   1. Be deltagarna att boka tider för sitt deltagande.
   2. Använd ett program för deltagarhantering för att skicka automatiska inbjudningar eller påminnelser via e-post.
   3. Överboka tidsluckor av minst en deltagare för att säkerställa att tillräckligt många deltagare är närvarande för att köra experimentet.
3. Skicka deltagarna ett bekräftelsemail med följande information: guide om datorinställning, installation av Anslutningsverktyg för fjärrskrivbord och upprättande av anslutning till fjärrskrivbord. Se till att INTE skicka någon inloggningsinformation ännu för att undvika tekniska problem på grund av tidigare inloggning.
4. Skicka deltagarna påminnelsemail cirka 24 timmar före experimentet, inklusive länken till videokonferensplattformen. Inkludera informationen om installationen som skickades i bekräftelsemeddelandet.

3. Experimentell installation (före varje experimentell session)

1. Förbereda videokonferensplattformen (bild 3)
   1. Se till att deltagarna är blockerade från att dela sin mikrofon eller kamera. Se till att deltagarna inte kan se varandras namn.
   2. Dela experimentets mikrofon och kamera och dela skärmen med minimala instruktioner på videokonferensplattformen (bild 3).
2. Förbered fjärrskrivbordet
   1. Experimenterare för användare
      1. Starta en fjärrskrivbordsanslutning med experimentanvändaren. Öppna den delade mappen och starta en terminal genom att högerklicka i katalogen och välja Öppna terminal här.
      2. Starta serverprogrammet HC_Gui.jar genom att skriva kommandot java -jar HC_Gui.jar i terminalen och trycka på ENTER.
   2. Användare deltagare-1, deltagare-2, etc.
      1. Upprätta en fjärrskrivbordsanslutning med användare deltagare-1, deltagare-2, .... Öppna den delade mappen och starta en terminal i den här mappen som tidigare.
      2. Starta klientprogrammen för varje användare genom att skriva kommandot java -jar HC.jar i terminalen och trycka på ENTER.
      3. Kontrollera om anslutningarna är korrekt upprättade på alla deltagaranvändare.
         OBS: Deltagaranvändarnas skärmar ska visa meddelandet Vänta. Datorn ansluter till servern. Det rekommenderas att ha så många bärbara datorer närvarande som användare (figur 4).
   3. Experimenterare för användare
      1. Kontrollera att en rad visas i serverns grafiska användargränssnitt och visar IP-adressen för var och en av deltagarnas användare. När alla deltagaranvändare är anslutna kontrollerar du att serverprogrammet visar meddelandet Alla klienter är anslutna. Redo att börja?. Klicka på OK.
      2. Kontrollera att deltagarnas användares skärmar visar experimentets välkomstskärm (första instruktionssidan).
         OBS: Experimentören kan förbereda sessionen fram till denna punkt.

4. Experimentellt förfarande

1. Släpp in deltagare till videokonferensen vid den schemalagda experimenttidsluckan. Välkomna alla deltagare med hjälp av en standardiserad text. Förklara det tekniska förfarandet för deltagarna.
2. Dela länken till samtyckesformuläret online. Kontrollera att alla deltagare har gett sitt skriftliga samtycke.
3. Vägled deltagarna att öppna verktyget Anslutning till fjärrskrivbord och skicka varje deltagare sina individuella inloggningsuppgifter via personlig chatt i videokonferensen.
   OBS: När deltagarna loggar in på deltagaranvändarna kommer anteckningsböckerna i laboratoriet att förlora anslutningen till deltagaranvändarna. Härifrån körs experimentet automatiskt tills deltagarna når den sista sidan och instruerar dem att återvända till videokonferensen.
4. Låt deltagarna bekräfta att de har läst den första instruktionssidan genom att klicka på OK. När alla deltagare har bekräftat, vänta tills deltagarna har slutfört spelet.
   OBS: Deltagarna kan bläddra igenom instruktionerna i önskad takt. När alla deltagare har bekräftat att de har läst instruktionerna startar CTG automatiskt. Spelet fortskrider automatiskt genom så många omgångar som anges i filen server.config.
5. Testfas
   1. Tilldela deltagare till en av två roller: investerare eller förvaltare.
      Flera deltagare kan tilldelas samma roll.
   2. Låt investerare börja på det nedersta fältet (indikerad investering på 0) och förvaltare på det översta fältet (vilket indikerar avkastning på 0) (figur 1B).
   3. Instruera deltagarna att flytta sin avatar genom att vänsterklicka till ett intilliggande hexagonfält. Instruera deltagarna att endast angränsande fält kan väljas och att fält inte kan hoppas över. Instruera deltagarna att deras avatar kommer att visa en liten svans för 4000 ms efter varje drag som indikerar den sista riktningen från vilken de flyttade till det aktuella fältet (figur 1C).
   4. Låt investerare flytta från början (time-in = 0) för att genom rörelse ange hur mycket de vill investera. Efter en viss tid, förbjud investerarnas rörelse (time-out).
      OBS: Fältet som de står på kommer då att indikera hur mycket som investeras. I mitten av spelplanen visar dessutom ett blått nummer det belopp som skickas till förvaltaren. Om experimentet är inrättat för att kräva enhälliga investeringar kommer investeringar endast att göras om alla deltagare står på samma fält.
   5. Förklara i instruktionerna att det investerade beloppet multipliceras med en faktor (t.ex. tre) och skickas till förvaltarna. Begränsa förvaltarna från att flytta så länge investerarna rör sig genom att ställa in förvaltarens time-in till längden på förvaltarens timeout.
   6. Instruera förvaltarna att flytta för att ange den bråkdel de vill returnera till investerarna. När förvaltarens timeout har uppnåtts tas det fält som förvaltarna står på för att ange den bråkdel som returneras till investerarna. Det returnerade beloppet anges också i mitten av spelfältet med ett gult nummer (figur 1D).
   7. Låt popup-fönstret visa hur mycket pengar personen har tjänat i slutet av rundan (figur 1E).
   8. Upprepa spelrundan efter behov (dvs. som anges i server.config-filen).
   9. När alla omgångar är klara, be deltagarna att generera en personlig unik kod så att intäkterna i spelet kan kopplas till deras namn samtidigt som beteendedata hålls anonyma.
   10. När deltagarna har genererat koden visar du en skärm som instruerar deltagarna att återgå till videokonferensen och stänga fjärrskrivbordsanslutningen.
       OBS: Det experimentella förfarandet (avsnitt 4 i detta protokoll med 15 spelrundor) tar 35 minuter.
   11. Om tekniska problem eller fel hos en deltagare kräver att experimentsessionen avbryts, avstå från att starta om experimentet med samma deltagare.
6. Fasen efter testningen
   1. När spelet är klart, se till att alla deltagare har stängt fjärrskrivbordsanslutningen. Låt deltagarna fylla i frågeformulär som anses lämpliga för en specifik forskningsfråga.
   2. Medan deltagarna fyller i frågeformulären stänger du serverprogrammet på experimentanvändaren genom att klicka på Stopp & Avsluta. Detta stänger också programmet på deltagaranvändarna.
   3. Tacka deltagarna för deras tid och förklara hur och när deras intäkter kommer att överföras till dem. Se till att alla deltagare har lämnat videokonferensen, särskilt om en annan experimenttidslucka schemaläggs direkt efteråt.

5. Avsluta experimentet

1. Överför och säkerhetskopiera data (t.ex. i molnet) i form av en *.csv och en *.txt fil per grupp och experimenttidslucka, markerad med en dag- och tidsstämpel för experimentet.
2. Stäng alla fjärrskrivbordsanslutningar.

Representative Results

I denna artikel presenteras resultaten av en pilotstudie som genomförts med CTG med 16 deltagare (fem män, 11 kvinnor; Ålder: M = 21, SD = 2,07). Enligt Johanson och Brooks⁴² är denna provstorlek tillräcklig i ett pilotexperiment, särskilt i kombination med ett kvalitativt tillvägagångssätt för att nå en hög informationstäthet om deltagarnas subjektiva upplevelse under experimentet. Det rekommenderas att när forskare avser att anpassa CTG till sin specifika forskningsidé, till exempel genom att anpassa antalet deltagare inom varje grupp, bör en liknande pilotstudie genomföras före huvuddatainsamlingen för att säkerställa hög datakvalitet.

På grundval av pilotdata ger detta dokument både en illustration av möjliga analysmetoder för CTG-data samt en första validering av CTG-installationen. Resultaten som rapporteras här inkluderar rörelse- och investeringsdata från CTG-pilotstudien (exempel på utdata från en grupp kan ses i Supplementary Data 1 och Supplementary Data 2 och ett exempel på dataförbehandlingsskript kan ses i OSF-projektet: https://s.gwdg.de/Cwx3ex) samt enkätdata om deltagarnas subjektiva upplevelse under experimentet och kommentarer om spelet.

För denna publikation används pilotdata (N = 16) för att visa hur vetenskapliga hypoteser kan testas med CTG när en tillräcklig provstorlek har uppnåtts. Det bör noteras att det vanligtvis behövs mycket större urvalsstorlekar för att nå tillräcklig kraft för statistiska analyser. Resultaten som rapporteras här bör endast fungera som illustrationer för möjliga analyser och visualiseringar (figur 5). CTG är särskilt lämplig för att undersöka processer av kollektivt förtroende och hur det uppstår eller avtar beroende på beteendet hos andra gruppmedlemmar eller förvaltaren.

Först undersöktes egenskaperna hos kollektivt förtroende som ett framväxande fenomen. Det antas att investeringar i det kollektiva förtroendespelet förändras över tid (dvs. dyker upp). Detta innebär att medelinvesteringar i den första, mellersta (dvs. sjunde) och femtonde omgången bör skilja sig avsevärt från varandra. Denna hypotes testades med parade prov-t-tester (Bonferroni korrigerad). På grund av den lilla urvalsstorleken (N = 16 i fyra grupper) kunde inga signifikanta skillnader hittas i pilotdata mellan den första (M = 27,0, SD = 20,49), sjunde (M = 39, SD = 30,0; skillnad till runda 1: t (3) = -0,511, p = 1) och femtonde omgången (M = 42, SD = 31,75; skillnad till runda 1: t (3) = -0,678, p = 1; skillnad till omgång 7: t(3) = -0,397, p = 1). Uppgifterna analyserades på nytt med endast de investeringar som hade gjorts enhälligt. Inga signifikanta skillnader hittades mellan rundorna, troligen också på grund av det lilla provet (M 1 = 24, SD₁ = 24; M 7 = 52, SD₇ = 18,33; M 15 = 56, SD₁₅ = 18,33). De åtföljande uppgifterna framgår av figur 5A. I studier med tillräckliga urvalsstorlekar skulle en signifikant skillnad mellan rundor och antingen en kontinuerlig ökning eller minskning av investeringar över rundor indikera uppkomsten av kollektivt förtroende för experimentet eftersom investerare i gruppen upprepade gånger kan interagera och därför skapa en gemensam nivå av förtroende.

Dessutom kan framväxten av kollektivt förtroende också undersökas med hjälp av rörelsedata, vilket kan ses i figur 5B, som visar tre beteendemarkörer för beslutsprocessen: (a) beslutstid (röd; tid fram till sista flytten av investerare; M = 12,25, SD = 7,05) som en operationalisering av processlängd, (b) rörelselängd (grön; genomsnittlig tid mellan två drag: M = 2,42, SD = 2,16) som en operationalisering av överläggningen och (c) riktningsändringar (blå; antal gånger en rörelseriktning ändrades; M = 0,25, SD = 0,66) som en operationalisering av anpassning till andra investerare under ett beslut. Om kollektivt förtroende uppstår över rundor bör processen som kvantifieras av de tre beteendemarkörerna bli mindre komplex med tiden eftersom kollektivt förtroende bör ligga till grund för gruppinvesteringsbeslutet. Detta innebär att om kollektivt förtroende är en framväxande konstruktion, bör vi se grupper ta längre tid för investeringsbeslut i tidigare omgångar eftersom ingen gemensam nivå av förtroende (dvs. kollektivt förtroende) har uppstått ännu. Över interaktioner bör investeringsbeslut bli kortare (mätt som beslutstid) och enklare (mätt genom rörelselängd och riktningsförändringar) eftersom en gemensam nivå av kollektivt förtroende har utvecklats och mindre interaktion eller samordning behövs för att bestämma en gruppinvestering. Därför bör forskare använda ett större urval för att modellera utvecklingen av beteendemarkörer över rundor. En negativ lutning kan tyda på framväxten av kollektivt förtroende som grund för gruppinvesteringsbeslut.

För det andra analyserades förvaltarens beteende och beroenden av förvaltarnas och investerarnas beteende. Det antogs att förvaltare skulle returnera en summa pengar som inte var noll till investerarna, vilket har visat sig i forskning om enskilda förtroendespel ^1,43. Ett t-test med ett prov visade verkligen att förvaltare returnerade betydligt mer än noll (M = 43,89, SD = 35,38) till investerare; t(59) = 9,608, s < .001. Detta var ännu mer uttalat när endast de avkastningar inkluderades som föregicks av icke-nollinvesteringar (M = 62,70, SD = 24,36; t(46) = 16,677, s < .001). Figur 5C visar att förvaltare oftast valde att returnera 4/6 av investeringen.

Dessutom undersöktes om förvaltarnas avkastning baseras på ömsesidighet, genom att en högre investering i en omgång korrelerar med högre avkastningsfraktioner (dvs. 0/6, 1/6, 2/6, ...) i samma omgång. Det verkar finnas ett signifikant samband mellan investeringar och avkastning, vilket kan ses i figur 5D, vänster panel; t(58) = 9,446, p < .001, r = .78. Detta indikerar att förvaltare kan ha återgäldat höga investeringar med hög avkastning. Detta kan dock drivas av de rundor där investerare investerade antingen noll eller inte nådde ett enhälligt beslut så att förvaltaren inte hade möjlighet att returnera någonting. Slutligen analyserades om högre avkastningsfraktioner uppfattas som framåtriktade signaler av investerare, så att högre avkastningsfraktioner i omgång t korreleras med höga investeringar i runda t+1. Som framgår av figur 5D, höger panel, bekräftades detta inte av uppgifterna; t(54) = 0,207, p = .837, r = .028.

Sammanfattningsvis består de kvantitativa uppgifterna från CTG av både rörelse- och investeringsdata för varje deltagare i varje omgång. Medan investeringsdata ger paralleller till tidigare tillämpningar av det individuella förtroendespelet, tillåter rörelsedata forskare att observera processen med kollektivt förtroende. Det bör noteras att data samlas in i faktiska grupper, vilket ökar extern validitet, men kräver att den kapslade datastrukturen beaktas. Detta gjordes inte för de rapporterade analyserna eftersom den lilla urvalsstorleken på pilotdata begränsar tillämpningen av linjära modeller med blandade effekter.

Dessutom samlades data om subjektiv upplevelse i piloturvalet med ett frågeformulär efter experimentet (tilläggsfil 1) som totalt innehöll 13 artiklar, varav 11 var öppna frågor. Bredvid subjektiv upplevelse under experimentet frågade objekten om specifika aspekter av CTG som kan påverka datakvaliteten, såsom deltagarnas subjektiva principer för beteende under spelet, trodde avsikten med experimentet eller tydligheten i instruktionerna. Två frågor i slutet format bedömdes på en femgradig Likert-skala om deltagarna uppfattade investeringen genom rörelse som intuitiv (-2: "inte alls" till +2: "mycket") och om den tid som deltagarna fick för att röra sig i spelet verkade tillräcklig (-2: "alldeles för kort"; 0: "ungefär rätt"; +2: "alldeles för lång").

I allmänhet rapporterade deltagarna subjektiva upplevelser i linje med experimentets avsikt och lätthet att följa instruktioner, samtidigt som de visade tillräcklig naivitet av studiens avsikt. Deltagarna rapporterade i genomsnitt att spelet var "ganska intuitivt" (M = 0,69, SD = 0,79) och upplevde tiden som "ungefär rätt" (M = -0,31, SD = 0,79).

Deltagarnas svar på de öppna frågorna analyserades kvalitativt enligt Mayring⁴⁴. Sammantaget var deltagarna nöjda med rekryteringsprocessen och onlineproceduren, bevarandet av anonymitet i experimentet, tydligheten i instruktioner och information som tillhandahålls och spelets logik. De flesta deltagarna var nöjda med avatarernas design genom att de lätt kunde särskiljas. Men bara hälften av deltagarna rapporterade att de kände sig representerade av sin avatar och påpekade att symboler eller djuransikten kunde ha varit mer intressanta. På grund av dessa resultat bör forskare överväga att inkludera ett mått på deltagarnas utföringsform i tillämpningar av CTG för att kontrollera för denna upplevelse samtidigt som de behåller en minimalistisk experimentell design.

De flesta deltagare påpekade att de upplevde lusten att konvergera mitt på spelplanen (dvs. vid det högsta investeringsalternativet). Deltagare som upplevde detta rapporterade att lusten att konvergera i mitten sammanföll med deras vilja att investera höga belopp. Dessutom rapporterade vissa deltagare att istället för att känna sig dragna till mitten kände de att de var tvungna att dra medspelare mot mitten. På grund av praktiska begränsningar i experimentet och potentiella avvägningar med intuitivitet behölls den ursprungliga designen där höga investeringar och avkastning konvergerar i mitten.

Deltagarna rapporterade en mängd antaganden om syftet med studien, såsom gruppinflytande på egna beslut, förtroende eller förvaltares beteende. Medan dessa antaganden är tematiskt nära den undersökta uppkomsten av förtroende, rapporterade deltagarna beteendestrategier som vinstmaximering eller avsikter att påverka medspelarnas beteende. Dessa strategier passar bra med CTG: s ekonomiska spelkaraktär och motverkar inte beteenden som studien syftade till att observera.

På grundval av resultat på subjektiv erfarenhet kan slutsatsen dras att CTG uppfyller kriterierna för intern giltighet. Den kvantitativa dataanalysen som rapporteras här bör bara fungera som en illustration av hur data som samlas in med CTG kan analyseras statistiskt.

Bild 2: Exempel på spelinstruktioner . (A) HTML-kod utarbetad av experimenter. (B) HTML-fil som visas i webbläsaren. (C) Instruktioner som visas för deltagarna under experimentet. Notera knapparna längst ner för att navigera genom instruktionerna. Klicka här för att se en större version av denna siffra.

Bild 3: Skärmbild av videokonferensplattformen. Experimenteraren har delat sin kamera, mikrofon och presentation med grundläggande information om videokonferensplattformen och fjärrskrivbordsanslutningen. En deltagare har redan gått med i konferensen men är förbjuden att dela sin mikrofon, skärm eller kamera för att behålla anonymiteten. Klicka här för att se en större version av denna siffra.

Bild 4: Inställning i laboratorium. Innan experimentet startar startar experimentet en fjärrskrivbordsanslutning med alla bärbara datorer. Notebook 1 är ansluten till experimentanvändaren och förblir ansluten under hela experimentet. Anteckningsböcker 2 till 5 används för att upprätta och kontrollera anslutningen till deltagaranvändare ("deltagare-1" till "deltagare-4"). När deltagarna upprättar anslutning till deltagaranvändare via verktyget Anslutning till fjärrskrivbord förlorar anteckningsböcker i laboratorium anslutningen. Klicka här för att se en större version av denna siffra.

Figur 5: Resultat baserade på pilotdata (N = 16 i fyra grupper). (A) Fioldiagram över gruppinvesteringar (cent) i omgång 1, 7 och 15. Fiolformer indikerar sannolikhetstäthet för investeringar, djärva linjer indikerar median, rutor i fioler indikerar interkvartilintervall och morrhår indikerar 1,5 gånger interkvartilområdet. Vänster; alla investerar. Höger; enhälliga investeringar. (B) Tre olika markörer för rörelsedata som kan användas för att kvantifiera aspekter av investeringsbeslutsprocessen i grupp. Röd; beslutstid (tid till sista drag i sekunder). Grön; medelvärdet av rörelselängder (tid från ett drag till nästa i sekunder). Blå; antal riktningsförändringar i rörelsemönster (antal). (C) Frekvensdiagram (antal) för avkastning. Vänster; Alla returer (som returfraktioner) över omgångar räknas. Höger; Endast dessa avkastningar (som avkastningsfraktioner) räknas före vilka förvaltare fick en investering. (D) Scatterplots av investeringar (cent) och avkastning (som avkastningsfraktioner). Blå linje indikerar förutsagda värden (med en linjär modell med formel: y ~ x), grått band indikerar standardfel för förutsägelser. Vänster; ömsesidighetskorrelation. Korrelerar höga investeringar med hög avkastning i samma omgång? Höger; framåtriktad signalerande korrelation. Korrelerar hög avkastning med höga investeringar i efterföljande omgång? Klicka här för att se en större version av denna siffra.

Kompletterande figur 1: Exempel på onlineannonsering via flygblad som publicerades på en onlineblogg. Detta flygblad är ett exempel på vilken information som ska ingå i annonsen av deltagarrekryteringsbladet och på vilket sätt det kan presenteras. Klicka här för att ladda ner den här filen.

Tilläggsfil 1: Fullständigt frågeformulär för pilotstudie. Hela frågeformuläret som användes i pilotstudien hittar du här. Klicka här för att ladda ner den här filen.

Kompletterande uppgifter1: Exempel på dataproduktion som innehåller investeringsdata för en grupp (dvs. fyra deltagare: tre investerare (pid 0-2) och en förvaltare (pid 4). Detta är ett exempel på en rådatafil som innehåller a) information om spelordning, b) listan över spelare, c) start- ("StartSicht") och slutpositioner ("sista gemensamma lekplats") för alla spelare, samt d) deras investering, intäkter och kontosaldo ("Saldon: kostnadsbelöning saldo"). Klicka här för att ladda ner den här filen.

Kompletterande data 2: Exempel på datautdata som innehåller rörelsedata för en grupp (dvs. fyra deltagare: tre investerare (pid 0-2) och en förvaltare (pid 4). Detta är ett exempel på en rådatafil som innehåller koordinerad ("sj") av varje spelare ("pid") vid varje given tidpunkt i experimentet. Starten på en ny omgång indikeras med en "-1" som "pid". Klicka här för att ladda ner den här filen.

Discussion

CTG ger forskare möjlighet att anpassa den klassiska BDM¹ för grupper och observera emergenta processer inom grupperna på djupet. Medan annat arbete^23,24,25,26 redan har försökt anpassa BDM¹ till gruppinställningar^, är det enda sättet att komma åt grupprocesser i dessa studier mödosamma gruppinteraktionsanalyser av videobandade diskussioner. Eftersom detta ofta är en tråkig och tidskrävande uppgift¹⁷, rapporterar studier regelbundet inte dessa aspekter. När det gäller dessa befintliga metoder är CTG, enligt författarnas kunskap, det första paradigmet som gör det möjligt för forskare att följa kollektivt förtroende som ett framväxande fenomen i realtid genom rörelsedata. CTG är därför mer tidseffektivt. Genom att använda kvantitativa analyser för att fånga grupprocesser kan forskare dessutom förregistrera processanalyser, vilket ofta är svårt med mer kvalitativa metoder.

För att paradigmet ska kunna producera data av hög kvalitet är det viktigt att noggrant följa protokollet. Följande fem kritiska steg förtjänar forskarnas särskilda uppmärksamhet. Först ska konfigurationerna som görs i spelet hållas konstanta över alla experimentsessioner och bör dokumenteras. För det andra bör deltagare som redan har deltagit i liknande studier (dvs. studier som använder någon version av förtroendespel) uteslutas i rekryteringsstadiet eftersom detta kan skapa fördomar i beteende och minska effektstorlekarna⁴⁵. För det tredje måste forskare se till att deltagarna är anonyma genom att förbjuda deltagarna att dela sin mikrofon, kamera och fullständiga namn under videokonferensen, eftersom anonymitetsnivån har visat sig påverka beteendet i ekonomiska spel²⁷. För det fjärde, under uppstarten av spelet, måste forskare noggrant kontrollera att en korrekt koppling mellan deltagaranvändaren och experimentanvändaren upprättas genom att se till att deltagaranvändaren är listad i experimenter-GUI. För det femte måste forskningsassistenter som samlar in data utbildas i stor utsträckning för att kunna felsöka tekniska utmaningar med deltagarna. Om deltagarna upplever problem med att upprätta fjärrskrivbordsanslutningen måste forskningsassistenter kunna ge stöd för att behålla deltagare i gruppen. Om en person hoppar av på grund av tekniska svårigheter kan alla deltagare inom experimentets tidslucka behöva omplaneras, vilket resulterar i ytterligare monetära kostnader och tidsförlust.

Om tekniska problem uppstår under uppstarten av spelet, se till att (a) en aktuell Java-körningsmiljö är installerad på din fjärrskrivbordsmaskin, (b) alla användare kan komma åt och köra filerna i de delade mapparna, (c) alla användare kör kommandona i samma katalog och (d) alla datorer / bärbara datorer som har åtkomst till fjärrskrivbordsanslutningen har en stabil internetanslutning. För felsökning under experimentsessionen, kontrollera att (a) alla deltagare och forskarna har en stabil internetanslutning, (b) deltagarna fick rätt inloggningsinformation för fjärrskrivbordsanslutningen och (c) servern som kör fjärrskrivbordsanslutningen har tillräckliga resurser (t.ex. kontrollera CPU-användning) under experimentsessionen.

CTG är mycket anpassningsbar till olika forskningsfrågor vilket möjliggör en bredd av möjliga tillämpningar inom forskning. Beroende på syftet med en studie kan en mängd parametrar anpassas, såsom antalet spelare, krav på enhälliga beslut, visuellt utseende, timing och monetära parametrar för BDM. Även om flexibiliteten i detta paradigm är en fördel, är det viktigt att komma ihåg att anpassningar av paradigmet alltid bör grundas strikt i teorin och piloteras. Utöver de konfigurationer som forskare kan göra i *.config-filerna kan spelet endast justeras genom källkoden programmerad av Johannes Pritz, som inte är tillgänglig online ännu. Även om många anpassningar är möjliga, begränsar ramverket för HoneyComb-plattformen möjliga applikationer till rörelseuppgifter och till diskreta investeringsalternativ.

I framtida tillämpningar av CTG kan mängden avkastningsfraktioner ökas (t.ex. 1/10, 2/10, 3/10, ...) för att ge högre upplösning på returbeteende. På detta sätt kan både investerarnas sida och förvaltare spelas av individer eller grupper, vilket möjliggör undersökning av olika nivåer och referenser till förtroende som föreslogs av Fulmer och Gelfand⁷. Framtida tillämpningar av detta protokoll kan också kombinera onlineproceduren för denna metod med andra experiment från HoneyComb-plattformen 30,32,46,47 eller inkludera andra former av kommunikation som en chatt eller till och med ansikte mot ansikte interaktion mellan investerare och / eller förvaltare i ett experiment på plats som presenteras av Boos och kollegor ³¹ . På detta sätt kan andra ledtrådar som påverkar framväxten av kollektivt förtroende, såsom icke-verbal kommunikation, också studeras med hjälp av detta paradigm.

Sammantaget kombinerar CTG fördelarna med ekonomiska spel - hög intern validitet och enkelhet - med rika gruppprocessdata. På så sätt kan CTG fungera som en språngbräda i gruppforskning om förtroende- och rättviseprocesser.

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.