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人或更多人参与一个研究。多用户研究的主要领域包括行为经济学和博弈论。
由于多用户研究涉及多个参与者，它们是社会心理学的核心。因此，这一领域的研究人员使用这种类型的实验设置来研究在多个用户的背景下，决策和注意等认知过程如何受到影响。
进行多参与者心理学研究的不同策略
在Labvanced中，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名参与者玩，但实际上是一个算法随机做出选择。由于实现实际的多参与者设计困难，因此通常使用此策略。虚拟对手策略虽然是一个简单的解决方案，但无法捕捉真实的交互。
- 策略2 - 与真实参与者： 此策略中，参与者之间在不同设备上的实时互动和连接是真实存在的，因为数据和变量实时交换。这是Labvanced所提供的策略。
我们的过程：Labvanced的多用户研究流程
在在线研究环境中，如何实现多用户实验？您可以围绕Labvanced中的任何概念建立多用户研究，关键在于如何恰当地设置。Labvanced的框架和技术设计使得可以基于您的研究设置和设计创建用户研究。
入门的有用视频：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，并且他们的反应必须作为记录的数据存储，以便研究人员可以稍后分析行为。由于多用户实验需要多个参与者之间的互动，因此屏幕和可用选择之间的同步至关重要。
例如，在实验中，每个参与者都被提供一个选择，选择呈现给两个用户的两幅图像中的一幅。如果两人点击了同一幅图像，则首先点击的人获得该图像。这是通过让服务器锁定第一个点击的人所选的图像，并将剩余的选择分发给其他参与者来实现的。
简而言之，同步可以概念化为以下步骤：
- 介绍一个实验变量。
- 由一个用户更改该变量。
- 这一变化分发给所有可能接收通知的用户，以及变量的新值。
- 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并覆盖本地选择。
- 随着信息和决策的相互交流，这一过程在整个实验中重复进行。
关于系统架构和数据流
分布变量
分布变量允许在两个或多个参与者之间同步和交换信息。为了在用户之间传递信息并同步屏幕和步骤，例如在对每个任务或帧的开始进行对齐时，分布变量是必要的。
分布变量允许设计研究的灵活性，例如：
- 用户可以看到相同或不同的内容，使研究人员能够控制在多参与者实验中用户看到的内容。
- 参与者可以在同一试验中的不同帧或任务上。
凭借分布变量背后的机制，任何类型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学实验中具有不同的角色或存在。虽然背景中的实验对于所有用户是相同的，但变量role_ID对于每个参与者是不同的。
例如，如果玩家1想要发送信息给玩家4，则该变量基于他们分配的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在不允许的情况下一致选择同一个响应。当在两台不同的计算机上呈现两个变量时，服务器确定谁设置该变量、剩下的是什么，然后进行相应的同步。
您可以用Labvanced的多参与者研究评估的认知过程
一些通过Labvanced的多用户能力评估的认知过程示例：
- 合作： 通过设计研究来研究共享奖励，评估个体在个体与群体环境中如何推理和优化或共同努力以实现共同目标。
- 经济群体决策： 在经济背景下利用奖励等动机研究社会行为的实验。
- 竞争： 研究两个参与者之间如何竞争或分配资源。
- 联合空间注意： 多人共同观察某物以改善群体表现。例如，研究空中交通管制的实验可以评估联合空间注意、决策以及如何分配注意力到不同空间的责任。
在这些不同的认知过程中，通常使用博弈论模型。
以下是一个Labvanced中带有聊天附加功能的多用户图像描述任务示例：
有关更多信息，请查阅以上任务的帖子。
LV库研究
尝试以下研究，以了解平台中多用户实验的样子！专业提示：如果您想自行测试，只需在隐私窗口中打开第二个标签页即可！
- 协作图像描述: 两个参与者合作选择目标图像。一名参与者使用聊天窗口描述图像，而另一名参与者必须从呈现的四幅图像中选择正确的图像。
- 联合空间注意: 基于空间注意的经典范式，此实验要求所有参与者就同一决策达成一致。在实验中，4个彩色方块短暂呈现，然后除一个方块外的所有方块消失。颜色可能会变也可能不会变。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): 在此实验中，展示了两组六个的认知刺激称为Gabor斑点。参与者的目标是对高对比度Gabor斑点呈现的区间达成决定。
- 公共物品游戏: 这是一种三人游戏的经济游戏。在每一轮中，每个参与者秘密决定将他们多少私人资金放入公共资金中。其余资金留给个别参与者。然后公共资金乘以2，并均匀分配给玩家作为回报。
- 信任游戏: 在此游戏中，您必须做出金钱决策，在您和另一位参与者之间进行分配。您的决策会影响您的收入，因此为了最大化奖金，任务必须执行得很好。这个游戏被称为信任游戏，因为您将钱发送给其他参与者，金额乘以4，并且您必须相信另一参与者会将金额返回给您，尽管他们可以选择返回多少或多少。
- 最终通牒游戏: 在该任务的每个试验中，一定金额的资金在两个参与者之间进行分配。每个参与者向另一个参与者建议他们想给予其他人多少资金，而他们想保留多少。然而，另一个人可以选择接受或拒绝该提议。如果参与者接受，则每个玩家将获得建议的资金。但若参与者拒绝，则没人会在这一轮中获得任何资金。
- 囚徒困境游戏: 这项多用户研究与虚拟对手进行，因此您可以快速入门。每一轮有一个积分表，您和您的合作者将根据您选择的选项获得积分。每个参与者必须在不知道对方选择的情况下进行选择。
- 阿施实验范式: 两位参与者面临一组线条，并必须作为一个团队决定哪条线与目标线长度相同。
在这个视频中，我们演示了多用户研究的一个示例。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多用户平台的出版物
查看这项利用Labvanced多参与者能力和博弈论模型的已发表实验：
发送者—接收者信号博弈中模糊的演变
Mühlenbernd, R., Wacewicz, S., & Żywiczyński, P. (2022).
Games
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，来自世界各地的参与者可以被邀请参与。
- 电子邮件邀请： 此功能通过电子邮件共享的链接邀请其他用户参与研究。当足够多的用户聚集在虚拟大厅时，实验可以开始。
- 易于设置： 任何现有的实验都可以修改为与多个用户一起进行。此外，由于实验的互动性，很多多用户研究的编码是非常复杂的。Labvanced旨在支持这些研究。
- 记录反应： 在实验过程中，变量的反应被记录下来，包括通过聊天的任何交流。
