Summary
Questo documento descrive un metodo per condurre esperimenti di multi-utenti il processo decisionale e di navigazione utilizzando un laboratorio di computer in rete.
Abstract
Indagare le interazioni tra più partecipanti è una sfida per i ricercatori di varie discipline, tra cui le scienze delle decisioni e la cognizione spaziale. Con una rete locale e la piattaforma di software dedicato, sperimentatori in modo efficiente possono monitorare il comportamento dei partecipanti che contemporaneamente sono immersi in un ambiente virtual desktop e digitalizzare i dati raccolti. Queste funzionalità consentono disegni sperimentali nella ricerca di cognizione e navigazione spaziale che sarebbe difficile (se non impossibile) per condurre nel mondo reale. Possibili variazioni sperimentali comprendono lo sforzo durante l'evacuazione, attività di ricerca cooperativa e competitiva e altri fattori contestuali che possono influenzare il comportamento di folla emergente. Tuttavia, tale laboratorio richiede manutenzione e rigidi protocolli per la raccolta di dati in un ambiente controllato. Mentre a volte è messa in discussione la validità esterna di studi di laboratorio con i partecipanti umani, un numero di carte recenti suggerisce che la corrispondenza tra ambienti reali e virtuali può essere sufficiente per studiare il comportamento sociale in termini di traiettorie, esitazioni e decisioni territoriali. In questo articolo, descriviamo un metodo per condurre esperimenti sul processo decisionale e la navigazione con fino a 36 partecipanti a un programma di installazione in rete di realtà virtuale desktop (cioè., il laboratorio di scienza di decisione o DeSciL). Questo protocollo di esperimento può essere adattato e applicato da altri ricercatori al fine di istituire un laboratorio di realtà virtuale desktop in rete.
Introduction
Ricerca su cognizione spaziale e navigazione in genere studia il processo decisionale spaziale (ad es., girando a sinistra o a destra a un incrocio) e rappresentazione mentale degli individui in ambienti reali e virtuali1,2. I vantaggi di realtà virtuale (VR) includono la prevenzione di problemi etici e di sicurezza (ad es., durante un pericoloso evacuazione3), la misurazione automatica e analisi di dati spaziali4e una combinazione equilibrata di interno e validità esterna5,6,7. Ad esempio, Weisberg e colleghi estesi precedenti ricerche sulle differenze individuali nell'acquisizione della conoscenza spaziale dimostrando che mansioni spaziali in VR possono fornire una misura oggettiva del comportamento di abilità spaziale8. Questo studio ha anche suggerito che il comportamento di navigazione in VR approssima reali navigazione perché l'ambiente virtuale è stato modellato dopo il campus universitario utilizzato da Schinazi e colleghi9 (veda inoltre lo studio di Ruddle e colleghi 10). VR è stato applicato anche alla psicoterapia11, valutazione clinica12, comportamento di consumatore13e chirurgia14,15. Tuttavia, maggior parte dei sistemi VR mancanza di feedback propriocettivo e audio che possono migliorare la presenza e immersione16,17,18,19, richiedono una formazione con l'interfaccia di controllo20 ,21,22e la mancanza di spunti sociali. Infatti, persone nel mondo reale spesso si muovono in gruppi23, evitare o seguire altre persone3,24e prendere decisioni basate sul contesto sociale25,26.
Allo stesso tempo, la ricerca sul comportamento di folla si concentra spesso su emergente caratteristiche del folle (ad esempio, formazione di lane, congestione agli ingorghi) che vengono simulate su un computer o osservate nel mondo reale. Ad esempio, Helbing e colleghi usato una combinazione di osservazioni reali e simulazioni al computer al fine di suggerire miglioramenti al flusso di traffico in un incrocio che separa l'afflusso e il deflusso con barriere fisiche e posizionando un ostacolo nella centro di27. Moussaïd e colleghi utilizzato un modello euristico per studiare le situazioni ad alta densità durante un disastro di folla28. Questo approccio suggerito miglioramenti per un'impostazione di ambiente per eventi di massa al fine di evitare i disastri di folla. Con l'aiuto di un framework open source esistenti, l'attuazione di tali simulazioni potrebbe essere relativamente facile. SteerSuite è un framework open source che permette agli utenti di simulare gli algoritmi dello sterzo e il comportamento di folla facilmente fornendo strumenti per agevolare, il benchmark e test29. Questo quadro può fornire il nucleo della logica di navigazione di un agente, che è fondamentale per la simulazione di successo folla. Inoltre, Singh e colleghi hanno dimostrato una piattaforma unica che combina una varietà di tecniche30di sterzo. Mentre i ricercatori possono proporre interventi di design usando tali simulazioni, raramente vengono convalidate con partecipanti umani in un ambiente controllato. Gli esperimenti controllati sono rari nella ricerca di folla perché possono essere difficili da organizzare e pericolosi per i partecipanti.
VR è stato impiegato per studiare il comportamento sociale utilizzando semplici e complessi ambienti virtuali con uno o più agenti simulati dal computer. Nello studio di Bode e colleghi31,32, i partecipanti è sono chiesto di evacuare un semplice ambiente virtuale da una prospettiva top-down tra i diversi agenti e trovato che uscita scelta era influenzata dalla motivazione e segnaletica statica. Presentando i partecipanti con un ambiente più complesso da una prospettiva in prima persona, Kinateder e colleghi hanno trovato che i partecipanti erano più propensi a seguire un singolo agente di computer-simulato durante la fuga da un tunnel virtuale fuoco25. In un ambiente virtuale complesso con più agenti, Drury e colleghi hanno trovato che i partecipanti hanno teso ad aiutare un agente caduto durante un'evacuazione quando sono identificati con la folla26. Collettivamente, questi risultati suggeriscono che la VR può essere un modo efficace di indurre comportamenti sociali, anche con agenti simulati dal computer. Tuttavia, alcuni comportamenti della folla possono essere osservati solo quando c'è un segnale sociale realistico (i. e., quando i partecipanti sono consapevoli che gli altri avatar sono controllati da persone3). Per affrontare questa lacuna, il presente protocollo descrive un metodo per condurre esperimenti controllati con più utenti in un programma di installazione in rete di VR. Questo approccio è stato impiegato in uno studio recente da Moussaid e colleghi al fine di studiare il comportamento di evacuazione di 36 partecipanti in rete3.
Ricerca su VR in rete si è concentrata su argomenti estranei alla navigazione strategie33,34 e/o invocata esistenti piattaforme di gioco online come Second Life. Ad esempio, Le_loup_noir-Danielsen e Chabada studiato comportamento di evacuazione in termini di uscita scelta e conoscenza spaziale dell'edificio tramite i partecipanti reclutati tra gli attuali utenti di Second Life35. Mentre gli autori forniscono alcuni risultati descrittivi (ad es., gli effetti grafici delle traiettorie), questo studio ha avuto difficoltà con reclutamento partecipante, controllo sperimentale e generalizzazione di là di questo caso specifico. Più recentemente, Normoyle e colleghi hanno trovato che gli attuali utenti di Second Life e i partecipanti in un laboratorio erano comparabili in termini di scelta di prestazioni e uscita di evacuazione e diversi in termini di presenza auto-riferita e frustrazione con il controllo interfaccia36. I risultati da questi due studi evidenziano alcune delle sfide e delle opportunità offerte dall'online ed esperimenti di laboratorio. Studi online sono in grado di disegno da una popolazione molto più grande e motivata di potenziali partecipanti. Tuttavia, le ricerche di laboratorio consentono un controllo più sperimentale dell'ambiente fisico e potenziali distrazioni. Inoltre, studi online possono rappresentare alcune preoccupazioni di ordine etico per quanto riguarda l'anonimato dei dati e la riservatezza.
Come laboratorio in rete desktop VR, il laboratorio di scienza di decisione (DeSciL) presso ETH Zürich è principalmente usato per studiare le interazioni economiche decisionali e strategiche in un ambiente controllato. L'infrastruttura tecnica presso il DeSciL è costituito da hardware, software per l'automazione di laboratorio e software che supporta multi-utente desktop installazione di VR. L'hardware comprende il computer desktop ad alte prestazioni con sistema operativo di Microsoft Windows 10 Enterprise, interfacce di controllo (ad es., mouse e tastiera, joystick), cuffie e occhio inseguitori (Tabella materiali). Tutti i computer client sono collegati con Ethernet di un gigabit al secondo per la rete di Università e la condivisione di file di rete stesso. Non c'è nessun ritardo visibile o lag quando ci sono 36 client connessi. Il numero di fotogrammi al secondo è costantemente superiore a 100. Gli esperimenti sono anche gestiti e controllati con il software di automazione di laboratorio basata su Microsoft PowerShell (cioè, configurazione dello stato desiderato di PowerShell e PowerShell Remoting). Tutte le fasi pertinenti del protocollo sono pre-programmate con gli script di PowerShell denominati cmdlet (ad es., Start-Computer, Stop-Computer). Durante l'esperimento, questi script possono essere eseguiti contemporaneamente e in remoto su tutti i computer client. Questo tipo di automazione di laboratorio assicura un identico stato del client computer, riduce i potenziali errori e complessità durante i test scientifici e impedisce i ricercatori di dover eseguire operazioni manuali ripetitive. Per gli esperimenti di navigazione, utilizziamo il motore di gioco Unity (< https://unity3d.com/>) al fine di sostenere lo sviluppo di ambienti 2D e 3D per desktop multi-utente, interattivo VR. I computer 36 client sono connessi a un server tramite un'architettura server autorevole. All'inizio di ogni esperimento, ogni client invia una richiesta di creazione di istanze per il server e il server risponde creando un avatar per quell'utente su tutte le macchine collegate. Avatar di ogni utente ha una fotocamera con un campo visivo di 50 gradi. In tutto l'esperimento, il client invia utente ' in ingresso al server, e il server aggiorna il movimento di tutti i client.
Nel laboratorio di fisico, ogni computer è contenuto in un cubicolo separato all'interno di tre camere semi-indipendenti (Figura 1). La dimensione complessiva del laboratorio è di 170 m2 (150 m2 per esperimento camera e 20 m2 per sala di controllo). Ognuna di queste camere è dotata di dispositivi di registrazione audio e video. Gli esperimenti sono controllati da una stanza adiacente separata (cioè., fornendo istruzioni e avviando il programma sperimentale). Da questa sala di controllo, gli sperimentatori possono anche osservare i partecipanti in ambienti fisici e virtuali. Insieme con il dipartimento di economia dell'Università di Zurigo, il DeSciL mantiene anche il centro di registrazione di Università per partecipanti allo studio, che è stato effettuato sulla base dell'h-radice37.
Anche se sistemi simili sono stati descritti nella letteratura38, il DeSciL è il primo laboratorio funzionale che è adatto per multi-utenti desktop VR esperimenti sulla navigazione e sul comportamento di folla a nostra conoscenza. Qui, descriviamo il protocollo per lo svolgimento di un esperimento nella DeSciL, rappresentante presenti risultati da uno studiano sul comportamento di navigazione sociale e discutono le potenzialità e le limitazioni di questo sistema.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Tutti i metodi descritti qui sono stati approvati dal comitato di etica di ricerca di ETH Zürich come parte della proposta EK 2015-N-37.
1. reclutare partecipanti per la sessione sperimentale prevista.
- I partecipanti all'interno di particolari vincoli di esempio (ad es., età, sesso, priorità bassa educativa) utilizzando il sistema di reclutamento partecipanti.
- Inviare inviti via e-mail ai partecipanti selezionati in modo casuale utilizzando le informazioni di contatto fornite dal sistema di reclutamento.
- Aspettare per questi partecipanti registrarsi tramite il sistema online. Assicurarsi che più partecipanti rispetto necessari (ad es., 4 overbooking partecipanti per una sessione che richiede 36 persone) registro. Overbooking partecipanti contribuiscono a garantire che una sessione è valida in caso di mancata presentazione.
- Garantire che un'e-mail di conferma viene inviato ai partecipanti registrati automaticamente.
2. preparare la sessione sperimentale.
- Preparare l'ambiente di laboratorio.
- Stampare l'elenco dei partecipanti dal sistema di reclutamento.
- Accendere il server e le luci nella sala di controllo del DeSciL e organizzare le sale di prova secondo il numero necessario di partecipanti.
- Copiare l'eseguibile esperimento di programma e i relativi file di configurazione corrispondente sull'unità di rete. Questo programma eseguibile distribuisce un quadro di software personalizzato basato sul motore di gioco Unity per supportare la comunicazione client-server tra diversi computer attraverso una rete locale. Per esperimenti di navigazione, il framework fornisce un sistema di server di uccello-occhio osservatore per il monitoraggio di comportamenti del client durante l'esperimento.
- Ambiente di Scripting integrato PowerShell aperto sul desktop di Windows. Nella console di PowerShell, specificare una matrice di nomi di computer (ad es., $pool = "descil-w01", "descil-w02"...) per creare un oggetto del pool di client. Successivamente, digitare Start-piscina $pool per avviare i computer client e Registro-piscina $pool per connettersi al server ai computer client.
- Preparare il computer sul lato client prima di lanciare il programma. Digitare Invoke-piscina {Mount-reteCondividi $path} per dirigere i computer per immettere il percorso della cartella giusta.
- Eseguire le funzioni preparate sul server (i. e., Start-GameServer) e sui client (cioè., Invoke-piscina {Start-client}). Specificare l'indirizzo IP del server come parametro della funzione.
- Attendere un messaggio sul monitor del server che indica una connessione riuscita.
- Distribuire i moduli di consenso e penne in ogni scomparto. I moduli di consenso contiene le informazioni riguardanti lo studio (ad es., lo scopo dello studio, potenziali rischi e benefici dell'esperimento), le informazioni di contatto per lo sperimentatore e un disclaimer legale.
- Mischiare il mazzo di carte che indicano la disposizione dei partecipanti dei posti a sedere.
- Benvenuto ai partecipanti.
- Chiedere ai partecipanti di attendere di fuori del laboratorio. 5 min prima di ora di inizio ufficiale verifica documenti d'identità dei partecipanti per garantire che corrispondono all'elenco dei partecipanti registrati. Allo stesso tempo, lasciare che i partecipanti scegliere una carta che indica il loro numero di posto. Hanno i partecipanti a piedi il box corrispondente e attendere che l'esperimento iniziare.
- Attendere alcuni minuti per i partecipanti di leggere e firmare i moduli di consenso. Raccogliere queste forme prima di condurre l'esperimento.
3. condurre l'esperimento.
- Trasmettono le istruzioni di esperimento con il microfono a tutti i partecipanti. Informarli delle regole fondamentali, tra cui nessuna comunicazione agli altri partecipanti e non dispositivi elettronici personali consentiti. Chiedere ai partecipanti di alzare le mani se hanno domande per quanto riguarda l'esperimento.
- Iniziare l'esperimento presentando il questionario demografico (ad es., di genere e di età) su ciascun client.
- Distribuire la scena di formazione per insegnare ai partecipanti come si manovra attraverso l'ambiente virtuale. Se i partecipanti riscontrano utilizzando l'interfaccia di controllo (ad es., mouse e tastiera), a piedi verso loro box al fine di assisterli. Continuare a monitorare il progresso dei partecipanti richiedendo screenshots da tutti i client (cioè., digitare Get-ScreenShots su console PowerShell) fino a quando tutti i partecipanti hanno finito la sessione di allenamento.
- Dopo la sessione di allenamento, iniziare la fase di testing dell'esperimento. Osservare i comportamenti dei partecipanti dall'interfaccia di volo d'uccello sul computer server. Invia messaggi di avviso per i partecipanti attraverso il programma se stanno facendo qualcosa di anormale cliccando sul loro avatar. In caso contrario, cercare di non interferire con i partecipanti durante l'esperimento.
- Assicurarsi che ci sia un breve periodo di attesa prima di ogni prova per la scena successiva di caricamento e consentendo ai partecipanti di leggere le istruzioni.
4. finalizzare l'esperimento.
- Chiudere il programma client e server digitando Stop-client e Stop-GameServer nella console di PowerShell.
- Chiedere ai partecipanti di rimanere seduti fino a quando il loro numero è denominato sopra il microfono.
- Estrarre i punteggi finali dei partecipanti dal file "Score.txt" nella cartella del progetto sul computer server e convertire i loro punteggi in un pagamento monetario.
- Chiamare i numeri di cubicolo uno alla volta e soddisfare ogni partecipante presso la reception. Ringraziare i partecipanti e dare loro il pagamento corrispondente.
- Esaminare i cubicoli e raccogliere le penne e le forme.
- Copiare e salvare i dati di esperimento dal server in un disco esterno per le analisi future.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Per ogni cliente su ogni prova, i dati dell'esperimento dalla DeSciL in genere includono traiettorie, timestamp e misure di performance (ad es., se il partecipante trasformato in direzione "corretta" in un particolare incrocio). Uno studio rappresentativo ha studiato gli effetti di complessità di segnaletica sulla scelta di percorso per una folla di partecipanti umani (con avatar virtuale) in un ambiente virtuale semplice a forma di Y. In questo esperimento, 28 partecipanti (12 donne e 16 uomini; età media = 22.5) ci hanno dato la stessa posizione di obiettivo (cioè., numero del cancello) e ci hanno chiesto di scegliere l'opzione di percorso corrispondente all'intersezione utilizzando una mappa (Vedi Figura 2).
La complessità della mappa varia oltre 16 prove e l'ipotesi che è stata la volta di decisione e precisione sarebbe più elevato per le mappe che sono più complesse. Mentre aspettiamo la precisione di decisione per essere relativamente alto nel complesso, traiettorie dei partecipanti è utilizzabile in futuri esperimenti per definire i percorsi a piedi degli agenti che trasmettono un segnale sociale realistico (cioè., movimenti credibili). Il periodo di esperimento totale era circa 1 h, tra cui accogliendo i partecipanti, condurre la sessione di allenamento (per l'interfaccia di controllo) e il test nel corridoio a forma di Y. I dati ottenuti sono riassunti nella tabella 1.
Figura 3 indica i tempi di completamento di minimo e massimo per ogni prova. Queste statistiche descrittive forniscono una misura indiretta di congestione durante il periodo di prova. I dati ottenuti permettono anche per la visualizzazione delle traiettorie generato dalla folla virtuale (vedere la Figura 4). Statistica spaziale è utilizzabile quindi per analizzare i cambiamenti in traiettorie nel corso di prove. Ad esempio, i ricercatori potrebbero essere interessati in quanto i partecipanti hanno seguito l'altro o come agevolmente i partecipanti manovra con interfacce di controllo particolare.
Figura 1: fotografie del laboratorio DeSciL. (a) la camera di controllo contiene il server che riceve il traffico dai computer 36 client e monitora i partecipanti nei loro cubicoli. Questa camera può essere isolata dalle camere test in termini di suono e visione. Comunicazione ai partecipanti viene fornito tramite sistema di microfono e altoparlante. (b) le tre sale di prova contengono 36 cubicoli. (c) ogni scomparto contiene un computer desktop, un monitor, un mouse e un'interfaccia di tastiera, cuffie ed eye tracker. Clicca qui per visualizzare una versione più grande di questa figura.
Figura 2: vista dell'ambiente virtuale a forma di Y. (a) dal server, i ricercatori possono osservare i partecipanti lo spostamento verso l'incrocio. (b) da parte dei clienti, i partecipanti possono visualizzare l'ambiente virtuale e altri avatar da una prospettiva in prima persona durante il movimento. Clicca qui per visualizzare una versione più grande di questa figura.
Figura 3: rappresentante risultati da prove sperimentali 16. I tempi minimi e massimi sono i tempi richiesti dai partecipanti più veloci e più lenti per raggiungere la destinazione in ciascuna prova. Clicca qui per visualizzare una versione più grande di questa figura.
Figura 4: traiettorie di partecipanti da 1 (una) prova e (b) prova 16. Gli assi x e y - rappresentano le posizioni degli avatar in mezzo alla folla. Il colore bar rappresenta tempo trascorso durante il periodo di prova. Clicca qui per visualizzare una versione più grande di questa figura.
| Numero di prova | MapType | Accuracy(%) | Tempo medio/s |
| 1 | Semplice | 100 | 42.01 |
| 2 | Complesso | 96,4 | 40.51 |
| 3 | Semplice | 100 | 39.15 |
| 4 | Complesso | 100 | 38.66 |
| 5 | Complesso | 100 | 38.52 |
| 6 | Complesso | 100 | 38.87 |
| 7 | Semplice | 100 | 38,43 |
| 8 | Complesso | 100 | 38,26 |
| 9 | Semplice | 100 | 37,43 |
| 10 | Semplice | 100 | 38,44 |
| 11 | Complesso | 100 | 37,08 |
| 12 | Complesso | 100 | 36,8 |
| 13 | Semplice | 100 | 37,67 |
| 14 | Complesso | 100 | 36.52 |
| 15 | Semplice | 100 | 36.83 |
| 16 | Semplice | 100 | 37.88 |
Tabella 1: rappresentante risultati da prove sperimentali 16. Decisione di precisione rappresenta la percentuale di scelte corrette (cioè., girando verso il cancello corretto) sopra tutti i partecipanti. Dire il momento della decisione è il tempo medio richiesto per raggiungere la destinazione (se corretto o meno) sopra tutte le prove.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
In questo articolo, abbiamo descritto un laboratorio di realtà virtuale desktop multi-utente in cui fino a 36 partecipanti possono interagire e contemporaneamente navigare attraverso vari ambienti virtuali. Il protocollo sperimentale descritti i passaggi necessari per questo tipo di ricerca e unici per scenari multi-utente. Considerazioni specifiche per questi scenari includono il numero di partecipanti presenti, il costo degli errori apparentemente piccola sperimentatore, rendering e capacità (entrambi e cliente-lato server), di rete in formazione con l'interfaccia di controllo e dati sicurezza. Overbooking partecipanti è necessario al fine di garantire un preciso numero di partecipanti in una sessione sperimentale. Se troppo pochi partecipanti partecipare, quindi il costo di una sessione sperimentale non riuscita è relativamente alto. Allo stesso modo, errori sperimentali possono portare a una sessione non riuscita quando i dati dei partecipanti sono stati contaminati prima che l'errore è stato rilevato, o l'esperimento non può essere condotto a causa di errori di software o hardware. Ad esempio, se troppe informazioni sono distribuiti attraverso la rete, un rilancio dell'intero sistema può essere necessario. Questo è particolarmente problematico se l'esperimento è già iniziata. Inoltre, i partecipanti negli esperimenti di navigazione virtuale richiedono esperienza e/o formazione con l'interfaccia di controllo perché i controlli sono meno intuitivi rispetto reale a piedi21 e l'interazione con i controlli può interferire con la spaziale memoria attività20. Gestione responsabile dei dati, inoltre, diventa particolarmente importante data la grande quantità di dati ottenuti per ogni sessione.
Mentre ci sono molte opportunità offerte dalla DeSciL, rimangono almeno tre limitazioni. In primo luogo, l'attuale sistema è configurato per fino a 36 partecipanti simultanei. Esperimenti su grandi folle virtuali possono richiedere agenti controllati dal computer, tracce di partecipanti umani da diverse sessioni precedenti, o la capacità di includere i partecipanti online. Aggiornamenti hardware secondo, futuro (ad es., per meglio schede grafiche e processori meglio) sarà molto più costoso per il sistema tradizionale, single-user. Terzo, realtà virtuale desktop multi-utente ricerca ancora non può essere condotta con interfacce di controllo che sono più simili ai reali a piedi. Pertanto, la ricerca su locomozione e le interazioni fisiche tra i partecipanti è limitato.
Nonostante queste limitazioni, il DeSciL offre parecchi vantaggi sopra reali studi, le ricerche di laboratorio singolo-utente e multi-utenti online studi. Il software di automazione offre ai ricercatori l'abilità di adattare il protocollo sperimentale rispetto alle loro esigenze. Rispetto agli studi sia reali che online, il DeSciL consente un controllo più sperimentale. Per esempio, esperimenti nella DeSciL possono impiegare variazioni sistematiche dell'ambiente e fornire osservazione diretta dei partecipanti nei mondi virtuali e fisici. Rispetto agli studi di realtà virtuale desktop utente singolo con agenti controllati dal computer, i partecipanti possono interagire tra loro in tempo reale, e il comportamento emergente della folla virtuale è meno affidamento su preconcetti dello sperimentatore. Gli agenti controllati dal computer in VR spesso si basano sulle azioni tramite script e non si adattano ai movimenti degli utenti in tempo reale. Al contrario, in rete VR desktop fornisce un contesto di più ecologico nel quale effetto avatar umani controllati (e sono influenzati dalle) degli altri movimenti. Inoltre, questo approccio può informare i parametri di movimento (ad es., camminare velocità ed esitazioni) dei futuri modelli basati su agenti nella ricerca di folla (ad es., per evacuazione scenari39). In generale, studi di realtà virtuale desktop multi-utente consentono misurazioni ancora più precise di comportamento spaziale e l'individuazione di modelli che possono essere trascurati in precedenza.
Recentemente, il DeSciL è stato impiegato con successo in una serie di decisionale40,41 e navigazione studi3,21. Ad esempio, Moussaid e colleghi utilizzata la configurazione multi-utente desktop VR per studiare l'effetto dello stress sul comportamento di folla durante un' evacuazione3. In questo studio, l'uscita "corretta" varia da prova a prova, e solo una parte dei partecipanti sono stati informati dell'uscita corretta. I risultati hanno indicato che i partecipanti sotto stress hanno portato a una più efficiente evacuazione, ma questa constatazione può essere attribuibile al modo in cui sono state implementate le collisioni. Inoltre, i partecipanti tendevano a seguire altri avatar sotto stress, suggerendo che un segnale sociale è stato trasportato fra i partecipanti nonostante la mancanza di contatto fisico diretto. Questi risultati sottolineano i vantaggi del multi-utente VR rispetto al singolo utente VR con agenti controllati dal computer. Gli studi futuri includeranno il confronto dei dati multi-utenti acquistati on-line o in laboratorio, variazioni ambientali più complesse e l'aggiunta di dispositivi periferici quali inseguitori dell'occhio o dispositivi fisiologici. Questi avanzamenti permetterà per la raccolta di diversi tipi di dati comportamentali complessi42. Ad esempio, inseguitori di basso costo occhio possono essere incorporati al fine di monitorare l'attenzione dei partecipanti o grossolanamente rilevare aree di interesse sullo schermo.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Gli autori non hanno nulla a rivelare.
Acknowledgments
Lo studio rappresentativo è stato finanziato dalla Swiss National Science Foundation come parte della sovvenzione "Wayfinding in ambienti sociali" (n. 100014_162428). Vogliamo ringraziare M. Moussaid per discussioni penetranti. Vogliamo anche ringraziare Wilhelm C., F. Thaler, H. Andre, S. Madjiheurem, r. Ingold e r. Grossrieder per il loro lavoro durante lo sviluppo del software.
Materials
| Name | Company | Catalog Number | Comments |
| PC | Lenovo | IdeaCentre AIO 700 | 24’’ screen, 16 GB RAM, and SSDs. CPU: Intel core i7. GPU:NVidia GeForce GTX 950A |
| Keyboard | Lenovo | LXH-EKB-10YA | |
| Mouse | Lenovo | SM-8825 | |
| Eye tracker | Tobii Technology | Tobii EyeX | Data rate: 60 Hz. Tracking screen size: Up to 27″ |
| Communication audio system | Biamp Systems | Networked paging station - 1 | Ethernet:100BaseTX |
References
- Waller, D., Nadel, L. Handbook of Spatial Cognition. , American Psychological Association. Washington D.C. (2013).
- Denis, M. Space and Spatial Cognition: A Multidisciplinary Perspective. , Routledge. Abingdon, Oxon. (2017).
- Moussaïd, M., Kapadia, M., Thrash, T., Sumner, R. W., Gross, M., Helbing, D., Hölscher, C. Crowd behaviour during high-stress evacuations in an immersive virtual environment. Journal of the Royal Society Interface. 13 (122), 20160414 (2016).
- Grübel, J., Weibel, R., Jiang, M. H., Hölscher, C., Hackman, D. A., Schinazi, V. R. EVE: A Framework for Experiments in Virtual Environments. Spatial Cognition X: Lecture Notes in Artificial Intelligence. , 159-176 (2017).
- Loomis, J. M., Blascovich, J. J., Beall, A. C. Immersive virtual environment technology as a basic research tool in psychology. Behavior Research Methods, Instruments, & Computers. 31 (4), 557-564 (1999).
- Brooks, F. P. What's Real About Virtual Reality? Proceedings IEEE Virtual Reality. , Cat. No. 99CB36316 (1999).
- Moorthy, K., Munz, Y., Jiwanji, M., Bann, S., Chang, A., Darzi, A. Validity and reliability of a virtual reality upper gastrointestinal simulator and cross validation using structured assessment of individual performance with video playback. Surgical Endoscopy and Other Interventional Techniques. 18 (2), 328-333 (2004).
- Weisberg, S. M., Schinazi, V. R., Newcombe, N. S., Shipley, T. F., Epstein, R. A. Variations in cognitive maps: Understanding individual differences in navigation. Journal of Experimental Psychology: Learning Memory and Cognition. 40 (3), 669-682 (2014).
- Schinazi, V. R., Nardi, D., Newcombe, N. S., Shipley, T. F., Epstein, R. A. Hippocampal size predicts rapid learning of a cognitive map in humans. Hippocampus. 23 (6), 515-528 (2013).
- Ruddle, R. A., Payne, S. J., Jones, D. M. Navigating Large-Scale "Desk- Top" Virtual Buildings: Effects of orientation aids and familiarity. Presence. 7 (2), 179-192 (1998).
- Riva, G.
- Ruse, S. A., et al. Development of a Virtual Reality Assessment of Everyday Living Skills. Journal of Visualized Experiments. (86), 1-8 (2014).
- Ploydanai, K., van den Puttelaar, J., van Herpen, E., van Trijp, H. Using a Virtual Store As a Research Tool to Investigate Consumer In-store Behavior. Journal of Visualized Experiments. (125), 1-15 (2017).
- Satava, R. M. Virtual reality surgical simulator - The first steps. Surgical Endoscopy. 7 (3), 203-205 (1993).
- Stanney, K. M., Hale, K. S. Handbook of virtual environments: Design, implementation, and applications. , CRC Press. 811-834 (2014).
- Ryu, J., Kim, G. J. Using a vibro-tactile display for enhanced collision perception and presence. Proceedings of the ACM symposium on Virtual reality software and technology VRST 04. , 89 (2004).
- Louison, C., Ferlay, F., Mestre, D. R. Spatialized vibrotactile feedback contributes to goal-directed movements in cluttered virtual environments. 2017 IEEE Symposium on 3D User Interfaces (3DUI). , 99-102 (2017).
- Knierim, P., et al. Tactile Drones - Providing Immersive Tactile Feedback in Virtual Reality through Quadcopters. Proceedings of the 2017 CHI Conference Extended Abstracts on Human Factors in Computing Systems - CHI EA '17. , 433-436 (2017).
- Serafin, S., Nordahl, R., De Götzen, A., Erkut, C., Geronazzo, M., Avanzini, F. Sonic interaction in virtual environments. 2015 IEEE 2nd VR Workshop on Sonic Interactions for Virtual Environments (SIVE). , 1-2 (2015).
- Grübel, J., Thrash, T., Hölscher, C., Schinazi, V. R. Evaluation of a conceptual framework for predicting navigation performance in virtual reality. PLoS One. 12 (9), (2017).
- Thrash, T., Kapadia, M., Moussaid, M., Wilhelm, C., Helbing, D., Sumner, R. W., Hölscher, C. Evaluation of control interfaces for desktop virtual environments. Presence. 24 (4), (2015).
- Ruddle, R. A., Volkova, E., Bülthoff, H. H. Learning to walk in virtual reality. ACM Transactions on Applied Perception. 10 (2), 1-17 (2013).
- Moussaïd, M., Perozo, N., Garnier, S., Helbing, D., Theraulaz, G. The walking behaviour of pedestrian social groups and its Impact on crowd dynamics. PLoS One. 5 (4), e10047 (2010).
- Bode, N. W. F., Franks, D. W., Wood, A. J., Piercy, J. J. B., Croft, D. P., Codling, E. A. Distinguishing Social from Nonsocial Navigation in Moving Animal Groups. The American Naturalist. 179 (5), 621-632 (2012).
- Kinateder, M., et al. Social influence on route choice in a virtual reality tunnel fire. Transportation Research Part F: Traffic Psychology and Behaviour. 26, 116-125 (2014).
- Drury, J., et al. Cooperation versus competition in a mass emergency evacuation: A new laboratory simulation and a new theoretical model. Behavior Research Methods. 41 (3), 957-970 (2009).
- Helbing, D., Buzna, L., Johansson, A., Werner, T. Self-Organized Pedestrian Crowd Dynamics: Experiments, Simulations, and Design Solutions. Transportation Science. 39 (1), 1-24 (2005).
- Moussaïd, M., Helbing, D., Theraulaz, G. How simple rules determine pedestrian behavior and crowd disasters. Proceedings of the National Academy of Sciences of the United States of America. 108 (17), 6884-6888 (2011).
- Singh, S., Kapadia, M., Faloutsos, P., Reinman, G. An open framework for developing, evaluating, and sharing steering algorithms. International Workshop on Motion in Games. , Springer. Berlin, Heidelberg. 158-169 (2009).
- Singh, S., Kapadia, M., Hewlett, B., Reinman, G., Faloutsos, P. A modular framework for adaptive agent-based steering. Symposium on Interactive 3D Graphics and Games. , ACM. (2011).
- Bode, N., Codling, E. Human exit route choice in virtual crowd evacuations. Animal Behaviour. 86, 347-358 (2013).
- Bode, N. W. F., Kemloh Wagoum, A. U., Codling, E. A. Human responses to multiple sources of directional information in virtual crowd evacuations. Journal of the Royal Society Interface. 11 (91), 20130904 (2014).
- Pandzic, I. S., Capin, T., Lee, E., Thalmann, N. M., Thalmann, D. A flexible architecture for virtual humans in networked collaborative virtual environments. Computer Graphics Forum. 16, Blackwell Publishers Ltd. (1997).
- Joslin, C., Pandzic, I. S., Thalmann, N. M. Trends in networked collaborative virtual environments. Computer Communications. 26 (5), 430-437 (2003).
- Molka-Danielsen, J., Chabada, M. Application of the 3D multi user virtual environment of Second Life to emergency evacuation simulation. System Sciences (HICSS), 2010 43rd Hawaii International Conference. , IEEE. 1-9 (2010).
- Normoyle, A., Drake, J., Safonova, A. Egress online: Towards leveraging massively, multiplayer environments for evacuation studies. , Tech Reports No MS-CIS-12-15 (2012).
- Bock, O., Baetge, I., Nicklisch, A. hroot: Hamburg registration and organization online tool. European Economic Review. 71, 117-120 (2014).
- Tanvir Ahmed, D., Shirmohammadi, S., Oliveira, J., Bonney, J. Supporting large-scale networked virtual environments. Virtual Environments, Human-Computer Interfaces and Measurement Systems, 2007. IEEE Symposium. , 150-154 (2007).
- Cipresso, P., Bessi, A., Colombo, D., Pedroli, E., Riva, G. Computational psychometrics for modeling system dynamics during stressful disasters. Frontiers in Psychology. 8, 1-6 (2017).
- Bernold, E., Gsottbauer, E., Ackermann, K., Murphy, R. Social framing and cooperation: The roles and interaction of preferences and beliefs. , 1-26 (2015).
- Balietti, S., Goldstone, R. L., Helbing, D. Peer review and competition in the Art Exhibition Game. Proceedings of the National Academy of Sciences of the United States of America. 113 (30), 8414-8419 (2016).
- Gomez-Marin, A., Paton, J. J., Kampff, A. R., Costa, R. M., Mainen, Z. F. Big behavioral data: Psychology, ethology and the foundations of neuroscience. Nature Neuroscience. 17 (11), 1455-1462 (2014).
