多用户研究
背景与背景
多用户研究是一种独特的实验设置,涉及2人或更多的人参与同一项研究。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在多个用户的背景下,诸如决策和注意力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
使用Labvanced,这里有两种最有可能的策略来创建一个有多个参与者的研究:
- 策略1 - 使用虚拟对手: 参与者被指示他们正在与另一个参与者玩,但实际上是一个算法随机作出另一个选择。这个策略常常被使用,因为实现真正的多参与者设计是困难的。对于多参与者心理学研究,虚拟对手策略是一个简单的解决方案,但它并未捕捉到真实的互动。
- 策略2 - 与真实参与者: 使用该策略时,参与者之间在不同设备上的真实互动和连接,数据和变量实时交换。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,这只是设置的一个问题。Labvanced的框架和技术以这样的方式设计,使得用户研究可以根据您的研究设置和设计创建。
开始的有用视频: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,以便研究人员以后分析行为。由于多用户实验需要超过两个参与者,因此屏幕之间的同步以及可用选择是至关重要的。
例如,在实验中,每个参与者都会被呈现选择两个图像中的一个,这两个图像是同时呈现给两个用户的。如果两者都点击了同一图像,点击更快的那个人将获得该图像。这是通过让服务器锁定第一个点击者的选择,并将剩余的选择分配给另一位参与者来实现的。
简而言之,同步可以被概念化为以下内容:
- 一个实验变量被呈现。
- 由一个用户改变该变量。
- 此更改被分发给所有用户,用户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,局部选择被覆盖。
- 这一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,必须使用分发变量。
分发变量在设计研究方面提供了灵活性,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看到的内容。
- 参与者可以在同一试验中的不同帧或任务上。
依靠分发变量的机制,可以在参与者之间传输不同类型的信息,从而使任何形式的实验逻辑成为可能。
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。尽管后台的实验对所有用户是相同的,但变量role_ID对每个参与者是不同的。
例如,如果玩家1想要将某些东西发送给玩家4,那么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相同的响应(如果这是不允许的话)。当两个不同计算机上的两个变量被呈现时,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。
使用Labvanced的多参与者研究可以评估的认知过程
一些使用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,评估个人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。
- 共同空间注意: 多个人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共同空间注意力、决策以及如何分担关注各种空间的责任。
在这些不同的认知过程中,通常使用博弈理论模型。
以下是一个在Labvanced中带有聊天增值的多用户图像描述任务的示例:
更多信息,请参考关于上述任务的文章。
LV库研究
尝试以下研究,以获取平台上多用户实验的样子!专业提示:如果您想自己测试,只需在一个隐身标签中打开第二个标签即可!
- 协作图像描述: 两名参与者合作选择目标图像。一名参与者通过聊天窗口描述图像,而另一名则必须从呈现的四个图像中选择正确的图像。
- 共同空间注意: 基于经典的空间注意力范式,该实验要求所有参与者就同一决策达成一致。在实验中,四个彩色方块被短暂呈现,然后除了一个方块外,其他所有方块皆消失。颜色可能会或可能不会发生变化。小组的任务是决定剩余方块的颜色是否发生变化。
- 共同决策(互动心智): 在这个实验中,已知为Gabor斑块的认知刺激被呈现为两组六个。目标是让参与者达成关于高对比度Gabor斑块在何种间隔内被呈现的决策。
- 公共物品游戏: 这个3用户实验是一个经济学游戏。在每轮中,每个参与者秘密决定将多少私人资金投入公共基金。其余资金归个人参与者。然后,公共资金乘以2,平均分配给所有参与者作为回报。
- 信任游戏: 在这个游戏中,您需要做出金钱决定,以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,任务必须良好完成。它被称为信任游戏,因为您将金钱发送给另一名玩家,该金额会放大4倍,您必须信任另一名玩家将金额退还给您,尽管他们可以选择退还他们想要的任意金额!
- 最后通牒游戏: 在该任务的每个试验中,一定数额的钱在两个参与者之间分配。每个参与者向另一个人提议他们想给对方多少钱以及他们想保留多少。然而,另一方可以接受或拒绝该提议。如果参与者接受,那么每个玩家将获得建议的钱。但如果参与者拒绝,则在该轮中没有人获得任何钱。
- 囚徒困境游戏: 这个多用户研究是与虚拟对手进行的,因此您可以快速开始。每轮将有一个积分表,您和您的搭档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了什么的情况下做出选择。
- 阿施实验范式: 两名参与者被呈现一组线条,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多用户平台的出版物
查看这一利用Labvanced多参与者能力与博弈论模型的已发表实验:
发送者-接收者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
多用户研究的有用文档
Labvanced多用户研究的关键特点:
- 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加入。
- 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。当足够多的用户在虚拟大厅中聚集时,实验即可开始。
- 易于设置: 任何现有实验都可以修改为多个用户进行。同时,由于实验的互动性质,多用户研究在编码上极其复杂。Labvanced被设计为支持它们。
- 记录响应: 在实验过程中,变量响应被记录,包括通过聊天的任何交换。