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人或更多人参与同一研究。多用户研究的主要领域包括行为经济学和博弈论。
因为多用户研究涉及不止一人，这些研究是社会心理学的核心。因此，该领域的研究人员使用这种类型的实验设置来研究在多用户背景下，诸如决策和注意力等认知过程是如何受到影响的。
进行多参与者心理学研究的不同策略
使用Labvanced，这里是创建多参与者研究的两种最可能的策略：
- 策略1 - 使用虚拟对手： 参与者被告知他们正在与另一名参与者玩，但实际上是一个随机做出选择的算法。这个策略通常被使用，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个简单的解决方案，但它并没有捕捉到真实的互动。生成性人工智能大大扩展了这一想法，产生真实的响应对话，而不是随机选择；请参见AI Confederate: 方法论与有效性。
- 策略2 - 与真实参与者： 通过此策略，参与者之间可以在不同设备上实时交换数据和变量，从而实现真实的互动和连接。这是Labvanced所提供的策略。
我们的流程：Labvanced的多用户研究管道
如何在在线研究环境中实现多用户实验？您可以围绕Labvanced中的任何概念构建多用户研究，设置得当即可。Labvanced的框架和技术设计得如此可以基于您的研究设置和设计创建用户研究。
有用的视频入门：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，并且他们的响应必须存储为记录数据，以便研究人员可以稍后分析行为。由于多用户实验要求不止两个参与者，因此在屏幕之间和可用选择之间的同步至关重要。
例如，在实验过程中，每个玩家会被呈现一个选择，选择两个图像之一，这两个图像都是呈现给两个用户的。如果两人都点击同一图像，则点击较快的人将获得该图像。这是通过让服务器锁定第一个点击人的选择，并将其余的选择分配给其他玩家来实现的。
简而言之，同步可以被概念化为以下几个步骤：
- 展示一个实验变量。
- 一个用户改变该变量。
- 此变化分发给所有用户，他们可能会收到通知和变量的新值。
- 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，本地选择被覆盖。
- 该过程在整个实验中重复，信息和决策相互交换。
关于系统架构和数据流
分发变量
分发变量允许两个或更多参与者之间的同步和信息交换。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，需要一个分发变量。
分发变量使设计研究灵活，例如：
- 用户可以看到相同或不同的内容，允许研究人员控制用户在多参与者实验中所看到的内容。
- 参与者可以在同一试验中的不同帧或任务中。
借助分发变量背后的机制，任何种类的实验逻辑都是可能的，因为可以在参与者之间传输不同类型的信息。
角色ID变量
角色ID变量区分不同的人，因为每个参与者在多用户心理实验中的角色或身份不同。尽管后台实验对所有用户是相同的，但变量role_ID对于每个参与者是不同的。
例如，如果玩家1想向玩家4发送内容，则该变量将根据其分配的ID分发给目标玩家。
锁定程序
如前所述，锁定程序确保参与者不会选择不允许的相同响应。当在两台不同计算机上呈现两个变量时，服务器确定谁设置了变量，剩下的是什么，然后相应地进行同步。
通过Labvanced的多参与者研究可以评估的认知过程
使用Labvanced的多用户功能评估的一些认知过程示例：
- 合作： 通过设计研究来研究共享奖励，评估个人在个体与团体设置中的推理和优化，或者共同努力以实现共同目标。
- 经济群体决策： 研究在经济背景下的社会行为的实验，使用奖励等动机。
- 竞争： 研究两个参与者之间如何相互竞争或分配资源。
- 联合空间注意： 通过让多个人观察事物，共同协作以提高团队表现。例如，研究空中交通管制的实验可以评估联合空间注意、决策以及如何分配负责注意不同空间的责任。
在这些不同的认知过程中，通常使用博弈论模型。
这里是一个在Labvanced中带有聊天功能的多用户图像描述任务的示例：
有关更多信息，请参考这篇关于上述任务的文章
LV图书馆研究
尝试下面的研究，以了解多用户实验在该平台上的样子！小贴士：如果您想自己测试，只需在隐私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像。一名参与者通过聊天窗口描述图像，另一名则必须从四张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，本实验要求所有参与者在同一决策上达成一致。在实验中，4个彩色方块短暂呈现，随后除了一个方块外，其他方块全部消失。颜色可能会或可能不会变化。小组的任务是决定剩下的方块的颜色是否发生了变化。
- 联合决策（互动思维）： 在本实验中，认知刺激被称为Gabor斑点，在两个六组中呈现。参与者的目标是就高对比度的Gabor斑点在何种时间段内呈现达成决定。
- 公共物品博弈： 这个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有资金中的多少放入公共基金。其余的资金仍归个人参与者。然后公共资金乘以2并均等分配给所有玩家作为报酬。
- 信任游戏： 在这个游戏中，您需要做出金钱决策，以在您和另一名参与者之间分配资源。您的决策会影响您的收入，因此为了最大化奖金，任务必须做到位。之所以称之为信任游戏，是因为您将资金发送给另一名玩家，金额乘以4，您必须相信另一名玩家会将这笔金额返回给您，尽管他们可以选择返回任意多少或少量的金额！
- 最后通牒游戏： 在每次实验中，一定金额的钱在两个参与者之间分配。每个参与者向对方提出他们希望给对方多少钱以及他们希望保留多少。然而，另一方可以选择接受或拒绝该提议。如果参与者接受，那么每个玩家将收到提议的钱。如果参与者拒绝，那么在该轮中没有人会收到任何钱。
- 囚徒困境游戏： 这个多用户研究是与一个虚拟对手进行的，因此您可以快速启动。每轮都有一个积分表，根据您选择的选项，您和您的共同玩家将获得不同的分数。每个参与者必须在不知道对方选择了什么的情况下进行选择。
- 阿希范例： 两个参与者被呈现一组线条，必须决定作为一个团队哪个线条的长度与目标线条相同。
在这个视频中，我们通过一个多用户研究的示例进行演示。涉及多名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
查看这个利用Labvanced的多参与者能力与博弈论模型的已发表实验：
发送方-接收方信号博弈中的模糊性演变 Mühlenbernd, R., Wacewicz, S., & Żywiczyński, P. (2022). 游戏DOI: https://doi.org/10.3390/g13020020
针对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，来自全球各地的参与者可以被邀请参加。
- 电子邮件邀请： 此功能允许其他用户通过电子邮件共享链接参与研究。当足够多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与多个用户一起进行。此外，由于实验的交互性质，多用户研究编程非常复杂。Labvanced设计为支持它们。
- 记录响应： 在实验期间，变量响应被记录，包括通过聊天的任何交换。
