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多个个体，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用户的环境下，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，以下是创建多参与者研究的两种最常见策略：
- 策略1 - 使用虚拟对手： 参与者被告知他们正在和另一个参与者玩游戏，但实际上是一个随机选择的算法。这种策略常常被使用，因为实施真实的多参与者设计很困难。虚拟对手策略为多参与者心理学研究提供了一个简单的解决方案，但它无法捕获真实的互动。生成式人工智能将这一思想大大扩展，产生真实的响应性对话，而非随机选择；请参见AI Confederate: Methodology and Validity。
- 策略2 - 真正参与者： 通过这种策略，参与者之间在不同设备之间实时交换数据和变量，建立真实的互动和连接。这是Labvanced提供的策略。
我们的过程：Labvanced多用户研究的管道
在线研究环境中如何实现多用户实验？您可以根据Labvanced中的任何概念基础进行多用户研究，这仅仅是适当地设置的问题。Labvanced的框架和技术设计使得用户研究可以根据您的研究设置和设计进行创建。
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
为了使多用户研究成功进行，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，因此屏幕及可用选择之间的同步至关重要。
例如，在实验过程中，每个玩家都有一个选择，在两个图像中选择一个，该图像同时呈现给两个用户。如果两人点击同一图像，点击更快的人将获得该图像。这是通过服务器锁定第一个点击者的选择，并将其余的选择分配给另一个玩家来实现的。
简而言之，同步可以概念化为以下内容：
- 一个实验变量被呈现。
- 该变量被一个用户修改。
- 这个变化被分发到所有用户，所有用户可能会收到通知以及该变量的新值。
- 在两个用户选择了同一变量的情况下，服务器锁定第一个响应值，地方选择被覆盖。
- 在整个实验中，信息和决策来回交换的过程中，重复此过程。
系统架构和数据流概述
分配变量
分配变量允许在两个或多个参与者之间进行同步和信息交换。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），需要一个分配变量。
分配变量允许灵活设计研究，例如：
- 用户可以看到相同或不同的内容，这使得研究人员能够控制在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。
借助分配变量背后的机制，可以在参与者之间传输不同类型的信息，从而实现任何种类的实验逻辑。
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拥有不同的角色或存在。在后台实验对所有用户是相同的，但变量role_ID对每个参与者而言是不同的。
例如，如果玩家1想将某些内容发送给玩家4，则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在不允许的情况下不会选择相同的响应。当在两台不同计算机上呈现两个变量时，服务器将确定谁设置了该变量，剩余的是什么，然后进行相应的同步。
您可以通过Labvanced的多参与者研究评估的认知过程
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来研究共享奖励。
- 经济群体决策： 研究经济背景下社会行为的实验，使用诸如奖励等动机。
- 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： 通过多个人观察某些事物来协作提高群体表现。例如，一个研究航空交通管制的实验可以评估联合空间注意、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。
这是一个带有聊天附加功能的多用户图像描述任务的示例，使用Labvanced：
有关更多信息，请参阅有关上述任务的文章。
LV库研究
尝试下面的研究，以了解平台上多用户实验的样子！小贴士：如果您想亲自测试它们，只需在隐身标签中打开第二个标签即可！
- 合作图像描述： 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，而另一名必须从呈现的四幅图像中选择正确的图像。
- 联合空间注意： 这一实验基于经典的空间注意范式，要求所有参与者就同一决定达成一致。在实验中，4个彩色正方形被短暂呈现，然后除一个正方形外，其他都消失。颜色可能会改变，也可能不会改变。小组的任务是决定剩余的正方形的颜色是否改变。
- 共同决定（互动思维）： 在本实验中，认知刺激被称为Gabor图案，分为两组六个呈现。目标是让参与者就高对比度Gabor图案被呈现的时间间隔达成决定。
- 公共物品游戏： 这个三人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要将多少私人资金放入公共资金。其余的资金归个人参与者所有。然后公共资金乘以2，并平均分配给所有玩家作为回报。
- 信任游戏： 在这个游戏中，您必须做出资金分配决定，与另一名参与者分配。您的决定会影响您的收益，因此为了最大化奖金，任务必须执行得好。它被称为信任游戏，因为您将资金发送给另一名玩家，该金额乘以4，您必须信任另一名玩家将金额返还给您，尽管他们可以选择返还多少或多少！
- 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名参与者之间分配。每个参与者向另一个人建议他们希望给对方多少钱，以及他们希望保留多少。然而，另一个人可以接受或拒绝这个提议。如果参与者接受，那么每个玩家都将获得提议的金额。但是如果参与者拒绝，则在该轮中没有人会得到任何钱。
- 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。每个参与者必须在不知道其他人选择的情况下进行选择。
- 阿施实验： 两名参与者被呈现一组线条，并必须作为团队决定哪条线与目标线相同长度。
在这个视频中，我们演示了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理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性：
- **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。
- **电子邮件邀请：**此功能通过通过电子邮件共享的链接邀请其他用户参与研究。当足够的用户在虚拟大厅集合时，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，由于实验的互动性质，多用户研究的编码非常复杂。Labvanced设计用以支持它们。
- **记录响应：**在实验中，变量响应被记录，包括任何通过聊天进行的交流。
