The Collective Trust Game: Eine Online-Gruppenadaption des Trust-Spiels basierend auf dem HoneyComb-Paradigma

Summary

Das Collective Trust Game ist ein computerbasiertes Multi-Agenten-Vertrauensspiel, das auf dem HoneyComb-Paradigma basiert und es Forschern ermöglicht, die Entstehung von kollektivem Vertrauen und verwandten Konstrukten wie Fairness, Gegenseitigkeit oder Vorwärtssignalisierung zu bewerten. Das Spiel ermöglicht detaillierte Beobachtungen von Gruppenprozessen durch Bewegungsverhalten im Spiel.

Abstract

Die Notwendigkeit, Vertrauen in Gruppen ganzheitlich zu verstehen, hat zu einer Welle neuer Ansätze zur Messung des kollektiven Vertrauens geführt. Dieses Konstrukt wird jedoch mit den verfügbaren Forschungsmethoden oft nicht vollständig in seinen emergenten Qualitäten erfasst. In diesem Artikel wird das Collective Trust Game (CTG) vorgestellt, ein computerbasiertes Multi-Agenten-Vertrauensspiel, das auf dem HoneyComb-Paradigma basiert und es Forschern ermöglicht, die Entstehung von kollektivem Vertrauen zu beurteilen. Das CTG baut auf früheren Forschungen zum zwischenmenschlichen Vertrauen auf und passt das weithin bekannte Trust Game an ein Gruppensetting im HoneyComb-Paradigma an. Die Teilnehmer übernehmen entweder die Rolle eines Anlegers oder eines Treuhänders; Beide Rollen können von Gruppen gespielt werden. Anleger und Treuhänder werden zunächst mit einer Geldsumme ausgestattet. Dann müssen die Anleger entscheiden, wie viel, wenn überhaupt, von ihrer Stiftung sie an die Treuhänder senden möchten. Sie kommunizieren ihre Tendenzen sowie ihre endgültige Entscheidung, indem sie sich auf einem Spielfeld hin und her bewegen und mögliche Investitionsbeträge anzeigen. Am Ende ihrer Entscheidungszeit wird der Betrag, auf den sich die Anleger geeinigt haben, multipliziert und an die Treuhänder gesendet. Die Treuhänder müssen mitteilen, wie viel von dieser Investition, wenn überhaupt, sie an die Anleger zurückgeben wollen. Auch dies tun sie, indem sie sich auf dem Spielfeld bewegen. Dieses Verfahren wird über mehrere Runden wiederholt, so dass kollektives Vertrauen durch wiederholte Interaktionen als gemeinsames Konstrukt entstehen kann. Mit diesem Verfahren bietet das CTG die Möglichkeit, die Entstehung kollektiven Vertrauens durch die Aufzeichnung von Bewegungsdaten in Echtzeit zu verfolgen. Das CTG ist in hohem Maße an spezifische Forschungsfragen anpassbar und kann als Online-Experiment mit weniger, kostengünstiger Ausrüstung durchgeführt werden. Dieser Beitrag zeigt, dass das CTG den Reichtum an Gruppeninteraktionsdaten mit der hohen internen Validität und Zeiteffektivität ökonomischer Spiele kombiniert.

Introduction

Das Collective Trust Game (CTG) bietet die Möglichkeit, kollektives Vertrauen online innerhalb einer Gruppe von Menschen zu messen. Es verallgemeinert das ursprüngliche Trust Game von Berg, Dickhaut und McCabe¹ (BDM) auf Gruppenebene und kann kollektives Vertrauen in seine emergenten Qualitäten ^2,3,4 sowie verwandte Konzepte wie Fairness^, Reziprozität oder Vorwärtssignalisierung erfassen und quantifizieren.

Frühere Forschungen konzeptualisieren Vertrauen meist als ein rein zwischenmenschliches Konstrukt, zum Beispiel zwischen einem Führer und einem Anhänger^5,6, ohne höhere Analyseebenen. Gerade in organisatorischen Kontexten reicht dies möglicherweise nicht aus, um Vertrauen ganzheitlich zu verstehen, daher besteht ein großer Bedarf, die Prozesse zu verstehen, durch die Vertrauen auf Gruppenebene aufgebaut (und abnimmt).

In jüngster Zeit hat die Vertrauensforschung mehr Mehrebenendenken integriert. Fulmer und Gelfand⁷ überprüften eine Reihe von Studien zum Thema Vertrauen und kategorisierten sie nach dem Analyseniveau, das in jeder Studie untersucht wird. Die drei verschiedenen Analyseebenen sind zwischenmenschlich (dyadisch), gruppen- und organisatorisch. Wichtig ist, dass Fulmer und Gelfand⁷ zusätzlich zwischen verschiedenen Referenten unterscheiden. Die Referenten sind die Entitäten, auf die Vertrauen gerichtet ist. Dies bedeutet, dass, wenn “A B an X vertraut”, dann wird A (der Investor in wirtschaftlichen Spielen) durch die Ebene (Individuum, Gruppe, Organisation) und B (der Treuhänder) durch den Referenten (Individuum, Gruppe, Organisation) repräsentiert. X steht für eine bestimmte Domäne, auf die sich Vertrauen bezieht. Dies bedeutet, dass X alles sein kann, wie eine allgemein positive Neigung, aktive Unterstützung, Zuverlässigkeit oder finanzieller Austausch wie in Wirtschaftsspielen¹.

Hier wird kollektives Vertrauen auf der Grundlage der Definition von zwischenmenschlichem Vertrauen⁸ von Rousseau und Kollegen und ähnlich wie frühere Studien über kollektives Vertrauen 9,10,11,12,13,14 definiert; Kollektives Vertrauen umfasst die Absicht einer Gruppe, Verletzlichkeit zu akzeptieren, basierend auf positiven Erwartungen an die Absichten oder das Verhalten einer anderen Person, Gruppe oder Organisation. Kollektives Vertrauen ist ein psychologischer Zustand, der von einer Gruppe von Menschen geteilt wird und in Interaktion zwischen dieser Gruppe gebildet wird. Der entscheidende Aspekt des kollektiven Vertrauens ist daher die Gemeinsamkeit innerhalb einer Gruppe.

Dies bedeutet, dass die Forschung über kollektives Vertrauen über einen einfachen Durchschnitt individueller Prozesse hinausblicken und kollektives Vertrauen als emergentes Phänomen konzeptualisieren muss ^2,3,4, da neue Entwicklungen in der Gruppenwissenschaft zeigen, dass Gruppenprozesse fließend, dynamisch und emergent sind ^2,15. Wir definieren Emergenz als einen “Prozess, durch den untergeordnete Systemelemente interagieren und durch diese Dynamik Phänomene erzeugen, die sich auf einer höheren Ebene des Systems manifestieren”¹⁶ (S. 335). Vorgeschlagen sollte dies auch für das kollektive Vertrauen gelten.

Forschung, die den Fokus auf Entstehung und Dynamik von Gruppenprozessen widerspiegelt, sollte geeignete Methoden¹⁷ verwenden, um diese Qualitäten zu erfassen. Der aktuelle Stand der kollektiven Vertrauensmessung scheint jedoch hinterherzuhinken. Die meisten Studien haben eine einfache Mittelungstechnik für die Daten jedes Individuums in der Gruppe 9,10,12,13,18 verwendet. Dieser Ansatz hat wohl nur wenig prädiktive Gültigkeit², da er außer Acht lässt, dass Gruppen nicht einfach Aggregationen von Individuen sind, sondern übergeordnete Entitäten mit einzigartigen Prozessen. Einige Studien haben versucht, diese Nachteile anzugehen: Eine Studie von Adams¹⁹ verwendete einen latenten variablen Ansatz, während Kim und Kollegen¹⁰ Vignetten verwendeten, um das kollektive Vertrauen zu schätzen. Diese Ansätze sind insofern vielversprechend, als sie kollektives Vertrauen als übergeordnetes Konstrukt anerkennen. Doch wie Chetty und Kollegen²⁰ bemerken, fehlen umfragebasierten Maßnahmen Anreize, wahrheitsgemäß zu antworten, so dass die Forschung über Vertrauen zunehmend verhaltens- oder anreizkompatible Maßnahmen angenommen hat^21,22.

Dieses Problem wird durch eine Reihe von Studien angesprochen, die eine Verhaltensmethode, nämlich das BDM¹, angepasst haben, um von Gruppen^23,24,25,26 gespielt zu werden. Im BDM treten zwei Parteien entweder als Investoren (A) oder als Treuhänder (B) auf. In diesem sequentiellen Wirtschaftsspiel erhalten sowohl A als auch B eine anfängliche Ausstattung (z. B. 10 Euro). Dann muss A entscheiden, wie viel, wenn überhaupt, von seiner Stiftung er an B senden möchte (z. B. 5 Euro). Dieser Betrag wird dann vom Experimentator verdreifacht, bevor B entscheiden kann, wie viel, wenn überhaupt, des erhaltenen Geldes (z. B. 15 Euro) er an A zurücksenden möchte (z. B. 7,5 Euro). Der Geldbetrag, den A an B sendet, wird operationalisiert, um das Vertrauensniveau von A gegenüber B zu sein, während der Betrag, den B zurücksendet, verwendet werden kann, um die Vertrauenswürdigkeit von B oder den Grad der Fairness in der Dyade von A und B zu messen. Eine große Anzahl von Forschungen hat das Verhalten in dyadischen Vertrauensspielen untersucht²⁷. Das BDM kann sowohl als sogenanntes “One-Shot”-Spiel gespielt werden, bei dem die Teilnehmer das Spiel nur einmal mit einer bestimmten Person spielen, als auch in wiederholten Runden, in denen Aspekte wie Reziprozität^28,29 sowie Vorwärtssignalisierung eine Rolle spielen können.

In vielen Studien, die den BDM für die Gruppen^23,24,25,26 angepasst haben, wurden entweder der Investor^, der Treuhänder oder beide Rollen von Gruppen gespielt. Keine dieser Studien erfasste jedoch Gruppenprozesse. Die einfache Ersetzung von Individuen durch Gruppen in Studiendesigns entspricht nicht den Standards, die Kolbe und Boos¹⁷ oder Kozlowski¹⁵ für die Untersuchung emergenter Phänomene aufgestellt haben. Um diese Lücke zu schließen, wurde das CTG entwickelt.

Ziel der Entwicklung des CTG war es, ein Paradigma zu schaffen, das das weit verbreitete BDM¹ mit einem Ansatz kombiniert, der kollektives Vertrauen als emergentes verhaltensbasiertes Konstrukt erfasst, das von einer Gruppe geteilt wird.

Das CTG basiert auf dem HoneyComb-Paradigma von Boos und Kollegen³⁰, das auch im Journal of Visualized Experiments³¹ veröffentlicht wurde und nun für den Einsatz in der Vertrauensforschung angepasst wurde. Wie von Ritter und Kollegen³² beschrieben, ist das HoneyComb-Paradigma “eine computerbasierte virtuelle Spielplattform mit mehreren Agenten, die entwickelt wurde, um alle sensorischen und Kommunikationskanäle mit Ausnahme der Wahrnehmung von Avatarbewegungen der Teilnehmer auf dem Spielfeld zu eliminieren” (S. 3). Das HoneyComb-Paradigma eignet sich besonders für Forschungsgruppenprozesse, da es Forschern ermöglicht, die Bewegung von Mitgliedern einer realen Gruppe mit räumlich-zeitlichen Daten aufzuzeichnen. Man könnte argumentieren, dass HoneyComb neben der Gruppeninteraktionsanalyse¹⁷ eines der wenigen Werkzeuge ist, mit denen Forscher Gruppenprozesse sehr detailliert verfolgen können. Im Gegensatz zur Gruppeninteraktionsanalyse ist die quantitative Analyse der räumlich-zeitlichen Daten von HoneyComb weniger zeitintensiv. Darüber hinaus ermöglicht die reduktionistische Umgebung und die Möglichkeit, jegliche zwischenmenschliche Kommunikation zwischen den Teilnehmern mit Ausnahme der Bewegung auf dem Spielfeld auszuschließen, den Forschern, Störfaktoren (z. B. körperliche Erscheinung, Stimme, Gesichtsausdrücke) zu begrenzen und Experimente mit hoher interner Gültigkeit zu erstellen. Während es schwierig ist, alle einflussreichen Aspekte eines Gruppenprozesses in Studien zu identifizieren, die Gruppendiskussionsdesigns verwenden³³, ermöglicht der Fokus auf grundlegende Prinzipien der Gruppeninteraktion in einem Bewegungsparadigma den Forschern, alle Aspekte des Gruppenprozesses in diesem Experiment zu quantifizieren. Darüber hinaus haben frühere Forschungen proxämisches Verhalten³⁴ verwendet, um den Raum zwischen sich und einem anderen Individuum zu reduzieren, um Vertrauen^{zu untersuchen 35,36}.

Abbildung 1: Schematische Übersicht des CTG. (A) Schematischer Ablauf einer CTG-Runde. (B) Anfängliche Platzierung der Avatare zu Beginn der Runde. Die drei blau gefärbten Investoren stehen auf dem Anfangsfeld “0”. Der gelbe Treuhänder steht auf dem Anfangsfeld “0”. (C) Screenshot während der Investitionsphase, der drei Investoren (blaue Avatare) auf der unteren Hälfte des Spielfelds zeigt. Einer (großer blauer Avatar) steht derzeit auf “12”, zwei Investoren stehen derzeit auf “24”. Zwei Avatare haben Schwänze (gekennzeichnet durch orangefarbene Pfeile). Die Schwänze zeigen an, aus welcher Richtung sie sich in ihr aktuelles Feld bewegt haben (z. B. hat sich ein Investor (großer blauer Avatar) gerade von “0” auf “12” bewegt). Der Avatar ohne Schwanz steht seit mindestens 4000 ms auf diesem Feld. (D) Screenshot während der Rückkehrphase, der einen Treuhänder (gelber Avatar) und die obere Hälfte des Spielfeldes zeigt. Der Treuhänder steht derzeit auf “3/6” und ist kürzlich von “2/6” dorthin gezogen, wie durch den Schwanz angezeigt. Die blaue Zahl unten (36) zeigt die Investition der Anleger an. Die gelbe Zahl, die durch den Pfeil angezeigt wird, ist die aktuelle Rendite (54), wie in der Mitte des Spielfelds dargestellt. Die Rendite errechnet sich wie folgt: (investieren (36 Cent) x 3) x aktueller Renditeanteil (3/6) = 54 Cent. (E) Pop-up-Fenster, das den Teilnehmern Feedback gibt, wie viel sie während der Runde verdient haben, und 15 Sekunden lang nach Ablauf der Auszeit des Treuhänders angezeigt wird. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Das Hauptverfahren des CTG (Abbildung 1A) orientiert sich eng am Verfahren des BDM¹, um die Ergebnisse mit früheren Studien mit diesem ökonomischen Spiel vergleichbar zu machen. Da das HoneyComb-Paradigma auf dem Bewegungsprinzip basiert, geben die Teilnehmer den Betrag an, den sie investieren oder zurückgeben möchten, indem sie ihren Avatar auf das kleine Sechseckfeld bewegen, das einen bestimmten Geldbetrag oder Bruchteil anzeigt, der zurückgegeben werden soll (Abbildung 1C, D). Vor jeder Runde werden sowohl die Anleger als auch die Treuhänder mit einem bestimmten Geldbetrag (z. B. 72 Cent) ausgestattet, wobei die Anleger in der unteren Hälfte des Spielfelds und die Treuhänder in der oberen Hälfte des Spielfelds platziert werden (Abbildung 1B). In der Standardeinstellung dürfen sich die Anleger zuerst bewegen, während die Treuhänder still bleiben. Die Anleger bewegen sich über das Spielfeld, um anzugeben, wie viel, wenn überhaupt, ihrer Stiftung sie an den Treuhänder senden möchten (Abbildung 1C). Durch das Hin- und Herbewegen auf dem Feld können die Teilnehmer auch anderen Investoren mitteilen, wie viel sie an den Treuhänder senden möchten. Je nach Konfiguration müssen die Teilnehmer einstimmig entscheiden, wie viel sie investieren möchten, indem sie nach Erreichen des Timeouts auf einem Spielfeld zusammenlaufen. Einstimmige Entscheidungen waren erforderlich, um durchzusetzen, dass Investoren miteinander interagieren müssen, anstatt nur nebeneinander zu spielen. Kommen die Anleger zu keiner gemeinsamen Entscheidung, wird eine Strafe (z.B. 24 Cent) von ihrem Konto abgezogen. Dies wurde umgesetzt, um sicherzustellen, dass die Anleger hoch motiviert sind, ein gemeinsames Maß an kollektivem Vertrauen zu erreichen. Sobald die Zeit der Anleger abgelaufen ist, wird das investierte Geld multipliziert und an die Treuhänder gesendet, die sich dann bewegen dürfen, während die Anleger still bleiben. Die Treuhänder zeigen durch Bewegung an, wie viel sie an die Anleger zurückgeben möchten (Abbildung 1D). Die verfügbaren Renditeoptionen werden als Bruchteile auf dem Spielfeld angezeigt, um die kognitive Belastung der Treuhänder vergleichsweise gering zu halten. Das Spielfeld, auf dem die Treuhänder nach Ablauf ihrer zugewiesenen Zeit stehen, gibt an, welcher Anteil (z. B. 4/6) an die Anleger zurückgegeben wird. Die Runde endet mit einem Pop-up (Abbildung 1E), das für jeden Teilnehmer zusammenfasst, wie viel er in dieser Runde verdient hat und wie hoch sein aktueller Kontostand ist.

Runden sollten mehrmals wiederholt werden. Forscher sollten die Teilnehmer das CTG für mindestens 10 oder 15 Runden in den gleichen Rollen spielen lassen. Dies ist notwendig, da kollektives Vertrauen ein emergentes Konstrukt ist und sich bei wiederholten Interaktionen innerhalb einer Gruppe entwickeln muss. In ähnlicher Weise werden andere Konzepte wie Forward-Signaling (d. h. das Erzielen hoher Renditen von Treuhändern mit hohen Investitionen in der nächsten Runde) nur in wiederholten Interaktionen auftauchen. Es ist jedoch von entscheidender Bedeutung, dass die Teilnehmer die genaue Anzahl der zu spielenden Runden nicht kennen, da sich gezeigt hat, dass sich das Verhalten drastisch ändern kann, wenn sich die Teilnehmer bewusst sind, dass sie die letzte Runde spielen (d.h. mehr unfaires Verhalten oder Ablenkungen in Wirtschaftsspielen^37,38).

Auf diese Weise liefert die CTG Informationen über die Entstehung kollektiven Vertrauens auf mehreren Ebenen. Erstens sollte das Niveau des kollektiven Vertrauens, das in der Endrunde gezeigt wurde, eine genaue Darstellung des gemeinsamen Vertrauensniveaus sein, das die Anleger gegenüber dem/den Treuhänder haben. Zweitens kann der in jede Runde investierte Betrag als Ersatz für die Entstehung von kollektivem Vertrauen über wiederholte Interaktionen dienen. Drittens geben Bewegungsdaten Aufschluss über den Gruppenprozess, der bestimmt, wie viel Geld in jede Runde investiert wird.

Protocol

Die Datenerhebung und Datenanalyse in diesem Projekt wurde von der Ethikkommission des Georg-Elias-Müller-Instituts für Psychologie der Universität Göttingen genehmigt (Antrag 289/2021); das Protokoll folgt den Richtlinien zur Humanforschung der Ethikkommissionen des Georg-Elias-Müller-Instituts für Psychologie. Die CTG-Software kann vom OSF-Projekt heruntergeladen werden (DOI 10.17605/OSF. IO/U24PX) unter dem Link: https://s.gwdg.de/w88YNL. 1. Technisches Setup vorbereiten</strong…

Representative Results

Dieser Beitrag präsentiert Ergebnisse einer Pilotstudie, die mit dem CTG mit 16 Teilnehmern (fünf Männer, 11 Frauen; Alter: M = 21, SD = 2,07). Laut Johanson und Brooks42 ist diese Stichprobengröße in einem Pilotexperiment ausreichend, insbesondere wenn sie mit einem qualitativen Ansatz kombiniert wird, um eine hohe Informationsdichte über die subjektiven Erfahrungen der Teilnehmer während des Experiments zu erreichen. Es wird empfohlen, dass immer dann, wenn Forscher beab…

Discussion

Das CTG bietet Forschern die Möglichkeit, das klassische BDM¹ für Gruppen anzupassen und emergente Prozesse innerhalb der Gruppen eingehend zu beobachten. Während andere Arbeiten^23,24,25,26 bereits versucht haben, das BDM¹ an Gruppeneinstellungen anzupassen, ist die einzige Möglichkeit, auf Gruppenprozesse zuzugreifen^, in diesen Studien mühsa…

Materials

Data Analysis Software and Packages	R	version 4.2.1 (2022-06-23 ucrt)	R Core Team R: A Language and Environment for Statistical Computing. at [https://www.R-project.org/]. R Foundation for Statistical Computing. Vienna, Austria. (2020).
Data Analysis Software and Packages	R Studio	version 2022.2.3.492 "Prairie Trillium"	RStudio Team RStudio: Integrated Development Environment for R. at [http://www.rstudio.com/]. RStudio, PBC. Boston, MA. (2020).
Data Analysis Software and Packages	ggplot2	version 3.3.6	Wickham, H. ggplot2: Elegant Graphics for Data Analysis. at [https://ggplot2.tidyverse.org]. Springer-Verlag New York. (2016).
Data Analysis Software and Packages	cowplot	version 1.1.1	Wilke, C.O. cowplot: Streamlined Plot Theme and Plot Annotations for “ggplot2.” at [https://CRAN.R-project.org/package=cowplot]. (2020).
OnlineQuestionnaireTool	LimeSurvey	Community Edition Version 3.28.16+220621	Any preferred online questionnaire tool can be used. LimeSurvey or SoSciSurvey are recommended.
Notebooks or PCs	DELL	Latitude 7400	Any laptop that is able to establish a stable Remote Desktop Connection can be used.
Participant Management Software	ORSEE	version 3.1.0	It is recommended to use ORSEE (Greiner, B. [2015]. Subject pool recruitment procedures: Organizing experiments with ORSEE. Journal of the Economic Science Association, 1, 114–125. https://doi.org/10.1007/s40881-015-0004-4), but other software options might be available.
Program to Open RemoteDesktop Connection	Remote Desktop Connection (Program distributed with each Windows 10 installation.)		The following tools are recommended: RemoteDesktopConnection (for Windows), Remmina (for Linux), or Microsoft Remote Desktop (for Mac OS).
Server to run RemoteDesktop Environment	VMware vSphere environment based on vSphere ESXi	version 6.5	Ideally provided by IT department of university/institution.
VideoConference Platform	BigBlueButton	Version 2.3	It is recommend to use a platform such as BigBlueButton or other free software that does not record participant data on an external server. The platform should provide the following functions: 1) possibility to restrict access to microphone and camera for participants, 2) hide participant names from other participants, 3) possibility to send private chat message to participants.
Virtual Machine running Linux-Installation	Xubuntu	version 20.04 "Focal Fossa"	Other Linux-based systems will also be possible.