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类型，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理论。
由于多用户研究涉及不止一人，因此它们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个用户的背景下，决策和注意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
在Labvanced中，这两种策略是创建一个多参与者研究的可能方式：
- 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进行游戏，但实际上是一个随机选择的算法。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，但它并不能捕获真实的互动。
- 策略2 - 与真实参与者： 通过此策略，参与者之间在不同设备上有真实的互动和连接，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多用户研究管道
在在线研究环境中，多用户实验是如何实现的？您可以围绕Labvanced中的任何概念来构建多用户研究，这仅仅是适当设置的问题。Labvanced的框架和技术旨在以这种方式设计，以便根据您的研究设置和设计创建用户研究。
快速入门的有用视频：Labvanced中的多用户研究（2人描述任务）
同步的重要性
为了成功开展多用户研究，参与者必须实时交换信息，并且他们的响应必须作为记录数据进行存储，以便研究人员可以稍后分析行为。由于多用户实验需要超过两个参与者，因此屏幕之间以及可用选择的同步至关重要。
例如，在实验过程中，每个参与者都可以选择展示给双方的两张图像中的一张。如果两人都点击了相同的图像，则点击更快的人将获得该图像。这是通过让服务器锁定首先点击的人的选择并将剩余选择分配给其他参与者来完成的。
简而言之，同步可以概念化为以下过程：
- 一个实验变量被展示。
- 该变量由一个用户更改。
- 此更改被分发给所有用户，他们可能会接收通知和新变量的值。
- 在两位用户选择相同变量的情况下，服务器锁定第一个响应值，地方选择被覆盖。
- 该过程在整个实验中重复，信息和决策来回交换。
关于系统架构和数据流
分发变量
分发变量允许在两个或更多参与者之间同步和交换信息。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，必须有一个分发变量。
分发变量在设计研究中提供灵活性，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中的不同帧或任务上。
利用分发变量背后的机制，任何类型的实验逻辑都是可能的，因为不同类型的信息可以在参与者之间传输。
角色ID变量的作用
角色ID变量区分不同的参与者，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。尽管背景下对所有用户的实验是相同的，但变量role_ID对每个参与者是不同的。
例如，如果玩家1想要发送某些内容给玩家4，则该变量会根据其分配的ID分发给目标参与者。
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不会选择相同的响应。当在两台不同的计算机上呈现两个变量时，服务器确定是谁设置了该变量，剩余的是什么，然后进行相应的同步。
您可以使用Labvanced多参与者研究评估的认知过程
使用Labvanced的多用户能力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，评估个体在个人与团体环境中如何推理和优化，或共同努力实现共同目标。
- 经济群体决策： 研究经济背景下的社会行为的实验，使用例如奖励等动机。
- 竞争： 研究两个参与者如何相互竞争或分配资源。
- 联合空间注意： 通过让多个参与者观察某物，共同合作以提高群体绩效。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。
这是Labvanced中的一个有聊天插件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图书馆研究
尝试以下研究，以感受平台上多用户实验的样子！提示：如果您想自己测试，只需在隐身标签中打开第二个标签！
- 协作图像描述： 两位参与者合作选择目标图片。一位参与者使用聊天窗口描述图像，另一位参与者必须从四张展示的图片中选择正确的图片。
- 联合空间注意： 基于经典的空间注意范式，该实验要求所有参与者就相同的决策达成一致。在实验中，短暂呈现四个彩色方块，然后只有一个方块会消失。颜色可能会变也可能不变。小组的任务是决定剩余方块的颜色是否改变。
- 联合决策（交互心智）： 在该实验中，呈现称为Gabor斑点的认知刺激，分为两组六个。目标是让参与者达成共识，即高对比度的Gabor斑点在哪个时间间隔内出现。
- 公共物品博弈： 该3用户实验游戏是一个经济学游戏。在每一轮中，每位参与者秘密决定将多少私有资金投入公共池。其余资金保留给个别参与者。公共基金乘以2后均匀分配给所有参与者作为回报。
- 信任游戏： 在该游戏中，您需要在自己和另一位参与者之间做出资金分配决策。您的决策会影响您的收入，因此为了最大化奖金，任务必须执行得好。这个游戏被称为信任游戏，因为您将钱发送给另一位玩家，该金额乘以4，您必须信任另一位参与者将金额退还给您，尽管他们可以选择只退还少量或不退还！
- 最终通牒游戏： 在此任务的每个试验中，特定金额的资金在两位参与者之间分配。每位参与者向其他人提出他们想要给对方的金额和想要保留的金额。然而，另一方可以接受或拒绝该提议。如果参与者接受，则每名参与者将获得提议的资金。但如果参与者拒绝，则轮次中没有人会收到任何资金。
- 囚徒困境游戏： 该多用户研究与虚拟对手进行，因此您可以快速开始。每轮都有一个积分表，您和您的合作者将根据您选择的选项获得积分。每位参与者必须选择，而不知晓其他参与者所选择的内容。
- 阿希范式： 两位参与者呈现一组线条，必须作为一个团队决定哪条线与目标线的长度相同。
在这段视频中，我们将讲解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。
使用Labvanced的多用户平台的出版物
查看这项发表的实验，利用了Labvanced的多参与者能力与博弈论模型：
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，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链接邀请其他用户参与研究。当足够的用户集中在虚拟大厅时，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进行。多用户研究因实验的交互性质而非常复杂，因此Labvanced旨在支持它们。
- 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流。
