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,涉及两个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理论。
由于多用户研究涉及不止一个人,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诸如决策和注意力等认知过程在多个用户上下文中的影响。
进行多参与者心理学研究的不同策略
在Labvanced中,创建具有多个参与者的研究主要有以下两种策略:
- 策略 1 - 使用虚拟对手: 参与者被告知他们正在与另一个参与者进行游戏,但实际上是一个随机做出选择的算法。由于实施实际的多参与者设计很困难,因此常常使用这种策略。虚拟对手策略对于多参与者心理学研究来说是一种简单的解决方案,但它并不能捕捉到真实的交互。
- 策略 2 - 与真实参与者: 采用这种策略,参与者之间在不同设备上有真实的交互和连接,因为数据和变量实时交换。这是Labvanced提供的策略。
我们的流程: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中的任何概念构建多用户研究,只需适当设置即可。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。
帮助您入门的视频:Labvanced中的多用户研究(两人描述任务)
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两个以上的参与者,因此屏幕之间以及可选择项之间的同步是至关重要的。
例如,在实验过程中,每个参与者都会看到选择两个图像中的一个的选项,这两个图像是同时展示给两个用户的。如果两者都点击同一图像,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的人的选择并将剩余的选择分配给另一个参与者来实现的。
简而言之,同步可以概念化为以下几个步骤:
- 一个实验变量被呈现。
- 该变量被一个用户改变。
- 此改变被分发给所有用户,他们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,服务器会锁定第一个响应值,并覆盖本地选择。
- 随着信息和决策的传递,整个实验过程不断重复。
关于系统架构和数据流
分配变量
分配变量允许两个或更多参与者之间的信息同步和交换。为了在用户之间传递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,必须有一个分配变量。
分配变量在研究设计中提供灵活性,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处于不同的帧或任务中。
通过分配变量背后的机制,可以在参与者之间传递不同类型的信息,从而实现任何类型的实验逻辑。
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都有不同的角色或身份。尽管在后台的实验对于所有用户都是相同的,但变量role_ID对于每个参与者均不同。
例如,如果参与者1想要发送某些东西给参与者4,则该变量会根据他们的分配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如果不允许选择相同的响应时,不会做出相同的选择。当在两台不同计算机上呈现两个变量时,服务器会确定谁设置了变量,剩余的是什么,然后进行相应同步。
您可以通过Labvanced的多参与者研究评估的认知过程
一些通过Labvanced的多用户功能评估的认知过程示例:
- 合作: 通过设计研究来研究共享奖励,评估个体在个体与团体设置中如何推理和优化,或共同努力实现共同目标。
- 经济群体决策: 通过使用奖励等动机在经济背景下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: 通过让多个个体共同观察某件事来改善团体表现。例如,研究空中交通管制的实验可以评估联合空间注意、决策以及如何划分各自关注不同空间的责任。
在这些不同的认知过程中,通常使用博弈论模型。
这是一个带有聊天附加功能的多用户图像描述任务在Labvanced中的示例:
欲了解更多信息,请参考关于上述任务的帖子。
LV库研究
试试下面的研究,以获取平台上多用户实验的感觉!专业小贴士:如果您想自己测试它们,只需在隐身标签中打开第二个标签!
- 协作图像描述: 两个参与者合作选择目标图像。一个参与者通过聊天窗口描述图像,而另一个参与者必须从呈现的四个图像中选择正确的图像。
- 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同一决定达成一致。在实验中,四个彩色方块会被短暂呈现,然后除了一个方块以外,其他方块都会消失。颜色可能会变化,也可能不会。小组的任务是决定剩余方块的颜色是否发生了变化。
- 联合决策(互动思维): 在这个实验中,称为Gabor图案的认知刺激被呈现为两组六个。目标是让参与者就哪个时间段展示了高对比度Gabor图案达成一致。
- 公共商品游戏: 这个三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他们私有资金中有多少投入公共基金。其余资金则保留给个人参与者。公共资金将乘以2并在所有参与者之间平均分配作为回报。
- 信任游戏: 在这个游戏中,您必须做出资金决策,在您和另一名参与者之间分配。您的决定会影响您的收益,因此为了最大化奖金,任务必须执行得很好。之所以称之为信任游戏,是因为您将资金发送给另一名参与者,金额将乘以4,您必须信任另一名参与者将金额返还给您,即使他们可以选择返还任意多或少的金额!
- 最后通牒游戏: 在此任务的每次试验中,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建议他们希望给予对方多少资金以及希望保留多少资金。然而,另一人可以选择接受或拒绝该提议。如果参与者接受,则每个参与者都会收到提议金额。但如果参与者拒绝,则在该轮中没有人会获得任何资金。
- 囚徒困境游戏: 这个多用户研究是与一个虚拟对手进行的,因此您可以快速开始。在每一轮中,有一个分数表,您和您的合作参与者将在选择的选项下获得相应的分数。每个参与者必须在不知道其他人选择了什么的情况下做出选择。
- 阿希实验: 两个参与者都会被呈现一组线条,并必须作为一个团队决定哪条线与目标线的长度相同。
在这个视频中,我们演示了一个多用户研究的示例。一些涉及多个参与者的研究的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的多参与者能力和博弈论模型的已发布实验:
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
多用户研究的帮助文档
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加入。
- 邮件邀请: 此功能通过通过电子邮件共享的链接邀请其他用户参加研究。当虚拟大厅中聚集了足够的用户时,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,多用户研究的编码非常复杂。Labvanced旨在支持它们。
- 记录响应: 在实验期间,变量响应被记录,包括通过聊天进行的任何交流。