多用户研究

背景与上下文

多用户研究是一种独特的实验设置，涉及2人或更多人共同参与一项研究。多用户研究的主要领域包括行为经济学和博弈论。

使用博弈论进行的流行多参与者研究的示例

由于多用户研究涉及不止一个人，因此它处于社会心理学的核心。因此，该领域的研究人员使用这种实验设置来研究决策和注意力等认知过程在多个用户的背景下如何受到影响。

进行多参与者心理学研究的不同策略

使用Labvanced，创建多参与者研究的两种最可能的策略是：

策略1 - 使用虚拟对手： 参与者被告知他们正在与另一位参与者游戏，但实际上是一个算法随机做出另一个选择。这种策略经常使用，因为实施实际的多参与者设计是困难的。虚拟对手策略对于多参与者心理学研究是一种简单的解决方案，但它无法捕捉到真正的互动。
策略2 - 与真实参与者： 采用此策略时，参与者之间的真实互动和连接是通过不同设备在实时中交换数据和变量。这是Labvanced提供的策略。

我们的过程：Labvanced的多用户研究流程

如何在在线研究环境中实现多用户实验？您可以围绕Labvanced中的任何概念来设置多用户研究，这只需适当设置。Labvanced的框架和技术旨在使用户研究能够根据您的研究设置和设计进行创建。

开始使用的有用视频：Labvanced中的多用户研究（2人描述任务）

同步的重要性

为了成功进行多用户研究，参与者必须实时交换信息，他们的响应必须作为记录数据存储，以便研究人员后来分析行为。由于多用户实验需要两个以上的参与者，因此跨屏幕及可用选择的同步至关重要。

例如，在实验过程中，每个玩家都有机会选择向两个用户展示的两幅图像之一。如果两人都点击同一图像，则先点击的那个人将获得该图像。这是通过让服务器锁定第一次点击者的选择并将剩余选择分配给其他玩家实现的。

简而言之，同步可以概念化为以下步骤：

提出一个实验变量。
一个用户改变该变量。
此变化分发给所有用户，所有用户都可能收到通知和该变量的新值。
- 在两个用户选择相同变量的情况下，服务器锁定第一个响应值，且本地选择被覆盖。
该过程在整个实验过程中反复进行，信息和决策互相交换。

关于系统架构和数据流

分配变量

分配变量允许在两个或更多参与者之间进行信息的同步和交换。为了在用户之间传输信息并同步屏幕和步骤，例如在对齐每个任务或帧的开始时，必要的是一个分配变量。

分配变量在设计研究中提供了灵活性，例如：

用户可以看到相同或不同的内容，允许研究人员控制在多参与者实验中用户所看到的内容。
参与者可以在同一试验的不同帧或任务中。

有了分配变量的机制，可以在参与者之间传输不同类型的信息，从而实现各种实验逻辑。

角色ID变量

角色ID变量用于区分不同的人，因为每个参与者在多用户心理学实验中都有不同的角色或存在。尽管背景中的实验对所有用户而言是相同的，但变量role_ID对于每个参与者是不同的。

例如，若玩家1想要向玩家4发送某物，则根据他们分配的ID，将变量分配给目标玩家。

锁定程序

正如之前提到的，锁定程序确保参与者在不允许的情况下不会选择相同的响应。当两个不同计算机上出现两个变量时，服务器决定谁设置该变量，剩余的是什么，然后相应地进行同步。

两个参与者的认知过程

您可以通过Labvanced的多参与者研究评估的认知过程

使用Labvanced的多用户功能评估的一些认知过程示例：

合作： 通过设计研究评估个人在个体与小组环境中如何推理和优化，或者一起工作以实现共同目标来研究共享奖励。
经济小组决策： 研究经济背景中社会行为的实验，使用奖励等动机。
竞争： 研究两个参与者如何彼此竞争或分配资源。
联合空间注意： 多人协作观察某件事以提高小组表现。例如，研究空中交通管制的实验可以评估联合空间注意、决策以及如何划分责任以关注不同空间。

在这些不同的认知过程中，通常使用博弈论模型。

以下是一个在Labvanced中进行的带聊天功能的多用户图像描述任务示例：

有关更多信息，请参考上述任务的帖子。

LV库研究

尝试下面的研究，了解多用户实验在平台上的样子！小技巧：如果您想亲自测试，可以在隐身窗口中打开第二个标签页！

协作图像描述： 两个参与者协作选择目标图片。一位参与者通过聊天窗口描述图像，另一位必须从呈现的四幅图像中选择正确的图片。
联合空间注意： 基于经典的空间注意范式，此实验要求所有参与者就相同的决定达成一致。在实验中，短暂呈现4个彩色方块，然后除一个方块外，其他方块都消失。颜色可能会切换，也可能不会。小组的工作是决定剩余方块的颜色是否发生变化。
联合决策（互动思维）： 在此实验中，认知刺激（称为Gabor斑点）以两组六个的形式呈现。目标是参与者决定高对比度的Gabor斑点在哪个时间间隔内呈现。
公共产品游戏： 该3用户实验游戏是一个经济学游戏。在每一轮中，每个参与者秘密决定将自己私有资金中的多少放入公共资金池。剩余的资金保留给个别参与者。公共资金随后乘以2，均分给玩家作为回报。
信任游戏： 在此游戏中，您必须做出金钱决策，在您和其他参与者之间进行分配。您的决策将影响您的收入，因此为了最大化奖金，任务必须执行得很好。它被称为信任游戏，因为您将资金发送给另一位玩家，该金额会乘以4，您必须信任另一位玩家将该金额归还给您，即使他们可以选择归还任意数量的金额！
最后通牒游戏： 在此任务的每一个试验中，一定数量的资金在两个参与者之间分配。每个参与者向另一个参与者提出他们想给对方多少钱和他们想保留多少钱的建议。然而，另一个人可以选择接受或拒绝该报价。如果参与者接受，则每个玩家获得提议的金额。但是，如果参与者拒绝，则在该轮中没有人能获得任何资金。
囚徒困境游戏： 该多用户研究有一个虚拟对手，因此您可以快速开始。每轮都有一个积分表，根据您选择的选项，您和您的合作玩家将获得积分。每个参与者必须在不知道对方选择了什么的情况下做出选择。
阿什范式： 两位参与者都被呈现出一组线条，必须作为团队决定哪根线与目标线相等。

在此视频中，我们演示了一个多用户研究的示例。涉及多个参与者的研究的一些关键特征包括聊天框、共享变量和反馈框架。

使用Labvanced的多用户平台的出版物

查看这项利用Labvanced的多参与者能力和博弈论模型的已出版实验：

发送者—接收者信号博弈中模糊性的演变 Mühlenbernd, R., Wacewicz, S., & Żywiczyński, P. (2022). 游戏Doi: https://doi.org/10.3390/g13020020

多用户研究的有用文档

Labvanced多用户研究的关键特征：

远程： 由于在线研究的性质，可以邀请来自世界各地的参与者参与。
电子邮件邀请： 此功能邀请其他用户通过共享的链接通过电子邮件参与研究。当足够的用户聚集在虚拟大厅中时，实验可以开始。
易于设置： 任何现有实验都可以修改为可以由多个用户执行。此外，由于实验的互动性质，多用户研究的编码非常复杂。Labvanced设计用于支持它们。
记录响应： 在实验过程中，记录变量响应，包括通过聊天进行的任何交换。