Summary

Il paradigma del favo per la ricerca sul comportamento umano collettivo

Published: January 19, 2019
doi:

Summary

Qui, vi presentiamo il gioco di computer-based, multi-agente a nido d’ape, che consente le indagini sperimentali di movimento collettivo umano comportamento tramite nero-puntino-avatar su un virtuale playfield esagonale 2D. Diverse condizioni sperimentali, come incentivi variabili su campi obiettivo o raggio di visione, possono essere impostate, e i loro effetti sul comportamento del movimento umano possono essere analizzati.

Abstract

Comportamento collettivo umano come il movimento di gruppo Mostra frequentemente sorprendenti modelli e regolarità, come ad esempio l’emergere di leadership. Letteratura recente ha rivelato che questi modelli, spesso visibili a livello globale del gruppo, sono basati su comportamenti auto-organizzati, singoli che seguono diversi parametri locali semplici. Comprensione delle dinamiche del comportamento umano collettivo può contribuire a migliorare il coordinamento e la leadership nel gruppo e folla scenari, ad esempio identificando il posizionamento ideale e il numero di uscite di emergenza negli edifici.

In questo articolo, vi presentiamo il paradigma sperimentale a nido d’ape, che può essere utilizzato per indagare sistematicamente le condizioni e gli effetti del comportamento umano collettivo. Questo paradigma utilizza una piattaforma multi-utente basato su computer, fornendo un ambiente che può essere modellato e adattato ai vari tipi di domande di ricerca. Condizioni della situazione (ad esempio, il rapporto costo-beneficio per un comportamento specifico, incentivi monetari e risorse, vari gradi di incertezza) possono essere impostate da sperimentatori, a seconda della domanda di ricerca. Movimenti di ogni partecipante sono registrati dal server come coordinate esagonale con timestamp a una precisione di 50 ms e con ID individuali. Così, una metrica può essere definita sul campo di gioco, e parametri di movimento (ad es., distanze, velocità, clustering, ecc.) dei partecipanti possono essere misurati nel tempo. Dati di movimento è abbinabile a sua volta non informatizzata dei dati dai questionari raccolto entro la struttura dell’esperimento stesso.

Il paradigma a nido d’ape sta spianando la strada per nuovi tipi di esperimenti di movimento umano. Qui dimostriamo che questi esperimenti possono eseguire il rendering di risultati con sufficiente validità interna a chiaramente approfondire la nostra comprensione del comportamento umano collettivo.

Introduction

Basati su computer multi-agente giocare a nido d’ape1 offre un paradigma metodologico per indagare sperimentalmente il movimento umano come collettivo modelli e strutture di gruppo emergono dal comportamento individuale. I partecipanti umani sono rappresentati visivamente come avatar (punti neri) su un campo di gioco virtuale esagonale che assomiglia ad un nido d’ape (Figura 1). I partecipanti spostare loro avatar tramite clic del mouse per raggiungere esagoni di obiettivo, spendere risorse mossa (Video 1) e massimizzare le loro ricompense monetarie con la costruzione di gruppi coesivi (Video 2). Condizioni spaziali (ad es., raggio di visione), ricompensa strutture (ad esempio, campi obiettivo monetario) e canali di comunicazione possono essere manipolati al fine di scoprire quali e in che misura queste regole di condizione impatto coordinamento e leadership in movimento collettivo.

Regole procedurali/condizione del gioco, obiettivi e motivatori ricompensa sono stati progettati da psicologi sociali per studiare il movimento collettivo umano. In sciami animali nonché folle umane, si può osservare il fenomeno emergente (cioè, schemi globali) traspirante da comportamenti individuali che segue le regole locali. Ad esempio, scuole di pesci e stormi di uccelli sembrano muoversi come entità coerente verso un obiettivo spaziale2,3,4, nonostante le dimensioni di grande gruppo che riducono la loro capacità di comunicazione inter-individuale o globale. Ricerca empirica5,6,7,8,9,10e computer simulazioni11,12, di modellazione comportamentale 13 hanno dimostrato che in diverse specie, tra cui gli esseri umani14,15,16, modelli complessi a livello di gruppo emergono senza controllo interno o supervisione esterna. Locale movimento individuale e, spesso, semplici norme di livello microscopico sono sufficienti per generare movimento ordinato il livello macroscopico. Tali esperimenti contribuiscono alla crescente evidenza2,6 che non solo grandi sciami, ma anche piccoli gruppi (gruppi umani, così come altri gruppi di animali) sono coordinati da regole di interazione locale1.

Il nostro approccio innovativo utilizzando basati su computer multi-utente avatar giochi viene illustrato uno dei principale vantaggi nella ricerca dinamici umani fenomeni collettivi. Utilizzando il favo avatar piattaforma1,17,18,19, dati spazio-temporali del comportamento del movimento individuale (movimento governata da individui effettivi) possono essere completamente raccolti dal server, e lo sviluppo di modelli comportamentali e strutture collettive possa essere analizzato con una precisione di 50 ms (tabella 1). Come comunicazione sensoriale visiva e uditiva possa essere limitata da richiedere ai partecipanti di utilizzare tappi per le orecchie e stringe loro postazioni di lavoro con pareti divisorie, sciame e altre condizioni di comportamento di folla possono essere approssimati sperimentalmente. In vari esperimenti1,17,18,19, abbiamo maneggiato raggio di visione (globale vs locale, Figura 2), incentivi monetari (Figura 3a, b ), sottogruppi (Figura 4) e la co-presenza di altri giocatori (Figura 5) al fine di verificare l’impatto di queste variabili sull’emergere di modelli di comportamento collettivi come umano floccaggio comportamento17, leadership 1e concorrenza18. Per raccogliere i dati, è stato utilizzato un programma di installazione di dieci-dodici notebook e un server (Figura 6).

Il coordinamento auto-organizzato delle singole attività di specie viventi di gruppo ha attirato molta attenzione scientifica, in particolare nell’ultimo decennio. Gli esami sono ad ampio raggio, dalla scelta della formazione e percorso sentiero semplice nelle formiche all’emergere di complessi di strutture vorticose in banchi di pesce e anche la segregazione dei flussi bidirezionali di pedoni2.

Con il nostro paradigma a nido d’ape, contribuiamo un approccio metodologico per studiare empiricamente l’impatto della variegata situazionali opzioni/vincoli, regole comportamentali diverse e caratteristiche individuali al livello microscopico sulla comparsa di strutture del comportamento macroscopiche in esseri umani. Un vantaggio importante è che il paradigma offre impostazioni sperimentali strettamente controllabili definite da sperimentatori, rendendo possibile per la manipolazione per misurare i risultati di un singolo esperimento o confrontare esperimenti multipli. Il campo di gioco virtuale può essere configurato secondo le esigenze del disegno dello studio, e canali di comunicazione sensoriale tra i partecipanti possono essere eliminate o ridotte in base ai parametri di esperimento. Inoltre, possono essere sagomati affordances ambientali (ad es., competitivo e non competitivo, consenso e le impostazioni di salvataggio). Così, la nostra piattaforma impone la validità interna (cioè, lo studio di progettazione di corrispondenza quanto più possibile per le domande di ricerca) offrendo la possibilità di manipolare/controllo variabili rilevanti per la domanda di ricerche specifiche, utilizzando dati di movimento umano-governato per esaminare il movimento umano. Esperimenti sul campo rendono benefici in termini di validità esterna (generalizzabilità) di risultati15,20,21 al mondo reale, in quanto non ostano a che gli effetti del sconosciuto incontrollabile/insopprimibile sociale stecche, così come i comportamenti non – e para-verbali in esseri umani1.

Basati su computer multi-agente gioco favo ha servito per indagare l’emergere di coordinamento e modelli di leadership di giocatori umani loro avatar in movimento sul campo di gioco virtuale. I partecipanti sono stati forniti solo locale informazioni su incentivi monetari ottenibili su esagoni di obiettivo, che includeva l’incentivo per la coesione di gruppo basata sulla moltiplicazione di ricompense monetarie per il numero di co-giocatori che hanno finito il lo stesso obiettivo esagono. Nella nostra prima serie di studi, abbiamo limitato la struttura dell’esperimento a due semplici parametri di sciamare comportamento (allineamento e coesione) e ridotto trasferimento di informazione reciproca alla “lettura/trasmissione” del solo comportamento del movimento degli altri partecipanti. Abbiamo poi variato il raggio di vista di altri comportamenti di movimento partecipante o una visualizzazione locale o globale del campo di gioco virtuale, che consiste di 97 più piccoli esagoni e limitato le risorse spendibili movimento (possibili mosse) dei giocatori.

La forma e gli elementi della piattaforma virtuale e i parametri definiti dal sperimentatore di giochi in grado di essere riprodotti su tale piattaforma possono essere progettati secondo le domande di ricerca specifici. A seconda l’obiettivo di ricerca, le dimensioni del campo di gioco possono essere modificata; colori, forme e significati degli avatar possono essere adattati; risorse possono essere implementate; e la ricompensa struttura e il contenuto può essere variate. Più o meno informazioni, incertezza e preferenze in conflitto possono anche essere implementato22. Sono possibili anche controllo e variabili globali giocatore-visualizzare le informazioni. Pertanto, tramite istruzioni sperimentali, le affordances ambientali dell’esperimento possono essere alterata (per esempio, uno scenario di consenso vs fuga). Nella sezione successiva, ci permetterà di chiarire come queste variabili possono essere applicate descrivendo un vero e proprio studio che alcuni di questi parametri utilizzato per rispondere alle domande di studio specifico.

Protocol

Raccolta dati e analisi dei dati in questo progetto sono stati approvati dal comitato etico dell’Istituto Georg-Elias-Müller per psicologia dell’Università di Gottinga (proposta 039/2012). 1. organizzazione sperimentale Scegliere una posizione che è lontano da una zona ad alto traffico, come in un computer lab o altra zona specificata con postazioni singole che possono essere configurati come una LAN (rete locale). Organizzare per 10-12 taccuini dello stesso tipo da utilizzare per l’esperimento, così come un computer di funzionare come server (Figura 6). Il programma server, nonché programmi client bisogno di un ambiente di runtime JAVA, che è disponibile su tutti i comuni sistemi di funzionamento (può essere sufficiente un Raspberry Pi come client). Configurazione del materiale Organizzare il notebook su tabelle singole workstation con sedie come mostrato nella Figura 7. Collegare notebook per i computer server tramite cavi Ethernet e uno switch di rete per creare una rete locale. Installazione di pareti divisorie tra singole stazioni di lavoro per impedire la visual comunicazione sensoriale (contatto con gli occhi, gesti delle mani, espressioni facciali, ecc.) tra i partecipanti vicini. Acquisire tappi per le orecchie (per USA e getta) per essere distribuito a tutti i partecipanti per impedire la comunicazione udibile tra i partecipanti. 2. partecipante reclutamento Scegliere un percorso di reclutamento dove ci sono una grande quantità di persone, come il corridoio di entrata di un auditorium. Indirizzo potenziali reclute usando il testo standardizzato che spiega lo scopo e la priorità bassa di esperimento, durata dell’esperimento, il pagamento massimo calcolato secondo le prestazioni ed il requisito per la partecipazione a un gioco multiplayer su istituzione di proprietà computer portatili. Garantire che i partecipanti di comprendere le istruzioni in inglese e tedesche e questionari relazionati agli esperimenti. Se il disegno sperimentale include l’uso di colori, accertarsi che i partecipanti sono liberi di qualsiasi colore cecità che potrebbe impedire loro di differenziare i colori utilizzati. Non reclutare partecipanti precedenti, come i partecipanti dovrebbero essere ingenuo all’esperimento. Portare reclute disposti in un’area di attesa dalla zona di reclutamento. Chiediamo cortesemente che attendono il completamento del reclutamento gruppo senza parlare a vicenda. Spiegare che questa restrizione è relativo all’integrità dei risultati sperimentali. Una volta che sono stati reclutati 10-12 partecipanti, li portano nel laboratorio di informatica pre-organizzati o specificato area dove si svolgerà l’esperimento. Prima i partecipanti prendono posto nelle workstation partizione-hanno incassato, disporre i partecipanti firmare un modulo di consenso informato di designazione. Distribuire i tappi per le orecchie uso igienico, una tantum a tutti i partecipanti. Informarli che è vietata la comunicazione audiovisiva con gli altri partecipanti. Pertanto, l’uso di tappi per le orecchie e partizione-hanno incassato workstation è obbligatorio. Chiedere ai partecipanti di prendere i loro posti in workstation partizione-hanno incassato. 3. procedura sperimentale Nota: In questa procedura sperimentale, il gioco usato da Boos et al. 1 è descritto come un esempio di applicazione. Fase di preparazione Il programma stesso è formattato come un HC.zip di file zip contenente 1) la runnables HC.jar, 2) tre file per configurazione, vale a dire hc_server.config, hc_panel.config e hc_client.config e 3) due sottocartelle denominate intro e rawdata. Creare una cartella condivisa sul computer server e decomprimere il HC.zip in questa cartella. Su ogni computer client, montare e accedere alla cartella condivisa e aprire un terminale (Linux, Mac OS x: riflettore | ricerca | terminal) o un prompt dei comandi (Windows: Cerca “cmd”), rispettivamente. Utilizzare il comando “dir” o “ls” in modo che i file decompressi vengono visualizzati su ogni terminale. Eseguire il comando “java-versione” su ogni terminale per garantire che un ambiente di runtime java è disponibile. Se così non fosse, installare java prima di continuare. Cerca in tre configurare i file. Modificare hc_server.configure per configurare il numero 1) dei giocatori, numero 2) minimo e massimo numero di mosse che ogni giocatore può fare, 3) i valori del cosiddetti pepite e condizione di raggio 4) percezione (locale o globale).Nota: Le condizioni di due percezione sono la condizione globale (il giocatore può vedere posizioni di avatar di tutti i partecipanti) e le condizioni locali (il giocatore può vedere solo quei avatar adiacente al loro avatar; vedere la figura 3) Modificare hc_client.configure per raccontare i client IP del server. In hc_panel.config, regolare le dimensioni degli esagoni in base alla risoluzione dello schermo. In primo luogo, avviare il programma di server HC_Gui.jar (Figura 8) utilizzando il comando “java-jar HC_Gui.jar”. Quindi, avviare i programmi client su ogni workstation utilizzando il comando “java-jar HC_ClientAppl.jar”.Nota: Gli schermi della clientela dovrebbe visualizzare il messaggio, “si prega di attendere. Il computer si connette al server.” Nel server GUI, viene visualizzata una linea visualizzando l’indirizzo IP di ogni client. Quando tutti i client sono connessi, il programma server viene visualizzato il messaggio, “tutti i client connessi. Sei pronto iniziare?”Nota: Lo sperimentatore può preparare la sessione fino a questo punto. Quando tutti i partecipanti hanno preso il loro posto, dare le istruzioni finali prima di essi inserire i tappi per le orecchie. Fare clic su “OK” per avviare la sessione. Hereon, l’esperimento è controllato solo tramite le istruzioni sugli schermi visibili ai partecipanti. Istruzioni per un singolo esperimento richiedono più pagine di schermo e lettura è reso possibile dai partecipanti lo spostamento avanti e indietro come necessario.Nota: Ogni partecipante indica, cliccando sul pulsante indicato sullo schermo, che lui/lei ha letto le istruzioni. L’esperimento non può iniziare fino a quando tutti i partecipanti sono finiti di leggere le istruzioni. Fase di test Osservare se i partecipanti sono controllo del mouse loro puntino di avatar (due volte grande come i puntini visibili avatar degli altri partecipanti) del campo di gioco di virtual 97-esagonale a nido d’ape (Vedi Figura 1). Chiedere ai partecipanti di avviare la fase di testing nel centro del campo, poi mossa sul campo di gioco virtuale a nido d’ape secondo le istruzioni precedentemente fornite sullo schermo. Tutte le istruzioni su come giocare il gioco sono posizionate come html-file modificabili all’interno della cartella di programma del gioco a nido d’ape. Vedere le sottocartelle intro/de e intro/en per le istruzioni di tedesco e inglese, rispettivamente. Avere giocatori click sinistro nella adiacente piccolo esagono di loro scelta per spostare il loro punto di avatar. Solo i campi adiacenti possono essere scelti per l’iniziale e successivo si muove.Nota: Dopo ogni mossa, una piccola coda appare per 4000 ms per ogni partecipante, che indica l’ultima direzione da cui lui/lei ha salutato. Consentire a ogni partecipante di partecipare una sola volta al fine di evitare possibili distorsioni.Nota: Il gioco qui descritto richiede 5-10 min, tra cui la lettura delle istruzioni. Nel complesso, 400 partecipanti in gruppi di dieci persone 40 sono stati testati da Boos et al. 1. Non si riavvia l’esperimento con gli stessi partecipanti se c’è un guasto tecnico o se un partecipante ha esito negativo. 4. fase di post-Test Una volta completato il gioco, chiedere ai partecipanti di compilare i questionari di valutazione dati demografici, cinque grandi fattori di personalità, livelli percepiti di stress o di calma e soddisfazione (da pagare al termine dell’esperimento) di pagare. Questi questionari possono essere offerti come html-file autonomi. Mentre i partecipanti di compilare questionari, preparare anonime buste con la giusta quantità di denaro guadagnato nel gioco a nido d’ape appena completato. Gli importi calcolati a nido d’ape del gioco da pagare ad ogni giocatore sono stipulati nella schermata server. Distribuire i pagamenti guadagnati ai partecipanti in uscita dell’area di test. Chiudere il programma server, quindi chiudere i programmi client terminata in chiusura il programma server. Trasferire i dati, sotto forma di 2 file di testo contrassegnato da indicatore giorno e ora dell’esperimento, in una chiavetta USB.

Representative Results

Un esperimento iniziale con il favo paradigma ha dimostrato che gli esseri umani hanno mostrato segni di base del comportamento affollamento, ad esempio che cercano la vicinanza degli altri, senza essere ricompensati17. Successivamente, abbiamo affrontato la questione di come diversi esseri umani può essere relativamente al comportamento coordinato per raggiungere lo stesso obiettivo fisico/obiettivo inoltre studiato da Boos et al. 1, messa a fuoco non solo sul comportamento floccaggio aspecifiche, ma anche il comportamento di leadership e coordinamento di gruppo. Utilizzando i parametri sopra definiti dall’esperimento, obiettivo esagono posizioni sono state definite, e un’opzione di ricompensa monetaria è stato utilizzato per esaminare obiettivi condivisi basati su incentivi condivisi, come pure la motivazione verso la coesione del gruppo. Motivazione per raggiungere la coesione del gruppo è stato migliorato stabilendo un compenso aggiuntivo basato su quanti altri partecipanti finiti nell’esagono obiettivo stesso. All’interno di ciascuno di 40 gruppi di dieci persone, sono stati creati due sottogruppi (un gruppo di minoranza composto da due individui selezionati in modo casuale e un gruppo di maggioranza comprende le restanti otto) dando i seguenti livelli di informazioni. I membri del gruppo di due minoranza sono stati informati circa la posizione di un esagono di premio di 2 euro e cinque un euro premio esagoni (Figura 9, a sinistra). Gli otto membri del gruppo di maggioranza non sono stati informati circa l’esagono premio due euro e invece sono stati indicati le posizioni dei sei esagoni ugualmente premiati un euro goal (Figura 9, destra). Nessuno dei partecipanti ci hanno detto che c’erano diversi sottogruppi. Abbiamo progettato le nostre domande di studio secondo Couzin et al.’ modello di simulazione del computer23 s. Perché le uniche informazioni scambiate tra i giocatori erano le loro capacità di percepire il movimento di altri giocatori, abbiamo mirato a vedere (i) se questa informazione è stata sufficiente per il gruppo di minoranza premiati informato o superiore coordinare i movimenti della disinformati/inferiore premiato gruppo di maggioranza e in caso affermativo, (ii) come il doppio premio obiettivo-informato gruppo minoritario dovrebbe/potrebbe portare la maggioranza disinformata a loro esagono obiettivo di due euro. Come affermato in precedenza, abbiamo limitato di questi progetti a due parametri fondamentali di sciamare comportamento, 1) allineamento (membri del gruppo verso un esagono obiettivo) e 2) coesione di studio (gruppo membri tendente verso lo spostamento come gruppo). Per il parametro di allineamento, impostiamo gli esagoni di sei gol che concesse una ricompensa monetaria. Per il parametro di coesione (cioè, fare scelte di movimento che sono state coordinate con mosse con compagni di corso), abbiamo concesso ai partecipanti una ricompensa in base alla quantità di avatar alla fine che erano nell’esagono stesso come proprio. Il campo di gioco a nido d’ape contiene 97 esagoni. Avatar di tutti i partecipanti hanno cominciato il gioco insieme a esagono centrale di honeycomb. Ogni giocatore è stato concesso un mossa-conteggio massimo di 15. Tutti erano limitati a spostare i loro avatar (tramite un clic del mouse) solo attraverso uno dei sei lati dell’esagono in un esagono adiacente. La partita è finita quando ogni avatar era su un campo di payoff o quando ogni giocatore aveva completamente usato loro 15 Conte mossa. Un fattore ulteriore esperimento è stato implementato per rispondere a una terza domanda di studio: (iii) se il raggio di percezione (globale vs condizione locale) degli altri partecipanti colpisce coordinamento dei movimenti. La percezione di metà dei 40 gruppi di dieci-persona era limitata su base casuale, il che significava che venti gruppi (condizione locale) potevano percepire il movimento del solo quei avatar adiacente al loro avatar. I restanti venti gruppi di 10 persone (condizione globale) potevano percepire tutti i partecipanti avatar posizioni e movimenti. Per rispondere alla domanda (ii) [che le caratteristiche di movimento dei gruppi di minoranza ha portate più successo (con successo raggiungendo un campo obiettivo come un gruppo e di conseguenza una maggiore ricompensa monetaria)], abbiamo definito e analizzato vari comportamenti di movimento tra cui motore primo, percorsi/sensi di movimento comune dei due partecipanti di minoranza, lunghezze dei percorsi, tempo medio tra mosse, la mossa iniziale ordine tra i partecipanti, cinque grandi caratteristiche di personalità (estroversione, apertura, ecc.) e alfabetizzazione informatica. Il procedimento statistico, un modello di mistura finiti con due binomi e risultati dettagliati sono pubblicati in Boos et al. 1. Il nostro studio ha dimostrato che in un gruppo di esseri umani, avatar assegnato in un 2D a nido d’ape giocare campo (muovendo secondo i parametri sopra descritti e le condizioni), 20% di loro (il gruppo di minoranza 2-persona) basato esclusivamente sulla loro movimenti potrebbe condurre con successo il restante 80%, anche quando la loro percezione è stata limitata a solo adiacente avatar sul campo di gioco. Qui, la leadership di successo di questi partecipanti del gruppo di minoranza 2-persona ha comportato che loro compagni di corso fatto mosse iniziali simili e che questi partecipanti 2-persona minoranza furono i primi a fare una mossa iniziale1 (Video 2). Per i parametri dettagliati del comportamento del movimento di questo gruppo, vedere la tabella 2. Un’analisi approfondita di dispersione del gruppo nel corso del tempo è fornita nella Figura 10. Abbiamo trovato anche, sorprendentemente, che variabili di personalità, né l’alfabetizzazione informatica tra questi partecipanti di minoranza ha giocato un ruolo cruciale nel loro successo. Figura 1: campo di gioco di gioco basati su computer multi-agente a nido d’ape. Rappresentazione visiva di giocatori umani come avatar (punti neri) su un campo di gioco virtuale di esagono. Clicca qui per visualizzare una versione più grande di questa figura. Figura 2: locale vs. prospettive globali. I partecipanti con prospettive locali possono solo vedere gli avatar degli altri giocatori all’interno del loro campo visivo. In questo caso, il giocatore contrassegnato (rosso) è solo in grado di vedere 4 su 9 co-giocatori. Una prospettiva globale, se configurato, fornirebbe la visibilità di tutti i co-giocatori. Clicca qui per visualizzare una versione più grande di questa figura. Figura 3: incentivi monetari. Questa illustrazione mostra come incentivi può essere implementato all’interno del gioco a nido d’ape. Gli avatar contrassegnati come grigio sono di fuori del raggio di percezione locale e così sono invisibile per il giocatore in questione. Vengono visualizzati due diversi punti di vista. (a) informato lettore: questo giocatore è dotato di un campo di obiettivo superiore premiati, che è contrassegnato come “€€”, (b) disinformati lettore: questo giocatore è fornito sei campi obiettivo altrettanto inferiore-premiati, che sono contrassegnati come “€”. Clicca qui per visualizzare una versione più grande di questa figura. Figura 4: esperimento di sottogruppo avatar. In questo scenario, vengono creati due sottogruppi da colorare gli avatar dei partecipanti come blu e giallo. Clicca qui per visualizzare una versione più grande di questa figura. Figura 5: singolo vs. comune gioco. Questa illustrazione mostra due diverse impostazioni dal punto di vista di un giocatore, paragonabile al Belz et al. gioco singolo 17 (1a/b): co-giocatori sono invisibili e non può essere trovati sul campo di esagono virtuale gioco, gioco joint (2a/b): co-giocatori sono visibili fino a quando rimangono all’interno del raggio di percezione locale di altri giocatori. Clicca qui per visualizzare una versione più grande di questa figura. Figura 6: configurazione di Server e client. Dieci-dodici notebook (client C1 e C12) dovrebbero essere disposti in prossimità del (e connesso a) del computer server. L’utilizzo di partizioni che incassa workstation di ciascun partecipante (indicato come linee spesse) vieta la comunicazione visiva con gli altri di fuori dell’ambiente virtuale. Cavi di LAN invece di WLAN si consiglia a causa di meno latenza e la velocità di trasmissione dati più affidabile. Clicca qui per visualizzare una versione più grande di questa figura. Figura 7: impostazione Contextual. Comunicazione (sensoriale, visiva, uditiva) tra i partecipanti è limitato a causa dell’utilizzo di pareti divisorie e tappi per le orecchie. Clicca qui per visualizzare una versione più grande di questa figura. Figura 8: interfaccia grafica sul server. Per ogni client connesso, c’è una linea che mostra l’IP e altri dati (ad esempio, il numero delle mosse, posizione, importo da pagare per ogni giocatore). Clicca qui per visualizzare una versione più grande di questa figura. Figura 9: leadership di successo. Sul lato sinistro, la schermata mostra un lettore informato si avvicina un obiettivo monetario campo (vedere anche Figura 4), conducendo con successo altri cinque giocatori al campo il suo obiettivo. Sul lato destro, un giocatore non informato perso di vista il suo co-giocatori. Clicca qui per visualizzare una versione più grande di questa figura. Figura 10: analisi approfondita di dispersione spaziale nel corso del tempo di gioco (gruppo 44). Distanza tra i membri del gruppo nel corso del tempo per l’intero gruppo (media di gruppo), rispetto ad entrambi i giocatori che sono stati informati circa la posizione del superiore-premiati €€ obiettivo-campo (1 informati, informati 2) e otto giocatori disinformati ( media Disinformati). Entro la fine del gioco, un giocatore non informato aveva perso il gruppo e siamo arrivati su un obiettivo di €-campo (giocatore isolato). Clicca qui per visualizzare una versione più grande di questa figura. Video 1: esempio di movimento collettivo dalla prospettiva di un giocatore non informato (gruppo 44). Per favore clicca qui per vedere questo video. (Tasto destro per scaricare.) Video 2: esempio di movimento collettivo dal punto di vista dei due giocatori informati nello stesso gioco come Video 1 (gruppo 44) . Per favore clicca qui per vedere questo video. (Tasto destro per scaricare.) GNR tempo PID S1 S2 … 5 14:56:42, 281 5 2 2 5 14:56:42, 500 2 3 5 … 5 14:56:44, 593 0 3 6 NNug = 2 not_moved 5 14:56:44, 578 3 2 2 5 14:56:44, 796 7 3 3 5 14:56:45, 125 6 -5 -3 5 14:56:46, 109 1 2 2 5 14:56:46, 281 5 2 2 not_moved 5 14:56:46, 765 3 3 3 5 14:56:47, 531 4 2 3 not_moved 5 14:56:48, 187 9 3 6 NNug = 2 not_moved 5 14:56:48, 625 2 3 6 NNug = 2 not_moved 5 14:56:48, 625 8 3 2 not_moved 5 14:56:48, 640 6 -6 -3 NNug = 1 5 14:56:48, 640 4 3 4 5 14:56:48, 953 7 3 3 not_moved 5 14:56:49, 390 5 3 3 … 5 14:56:52, 671 4 3 4 not_moved 5 14:56:52, 687 6 -6 -3 NNug = 1 not_moved Tabella 1: Formato dati. Ogni partecipante si muove e timestamp associato del campo di gioco virtuale di esagono sono registrate come coordinate esagonale in righe separate, consentendo l’utilizzo della modellazione gerarchica/misto. La tabella mostra un estratto del set di dati generati da un gruppo composto da 10 giocatori (gruppo 44). Gruppo 44(esempio) ∑Si muove Rango di1stspostare Latenza Vincita Finaledistanza Distanza€€-campo Tempo % del campoesplorato (a) variabili a livello di singoli Il giocatore ID01 6 1 1,73 18 0,67 0 – – Lettore ID1 6 10 3,74 9 0,67 0 – – Lettore ID2 6 3 2,19 9 0,67 0 – – Lettore ID3 7 9 2,68 9 0,67 0 – – Lettore ID4 6 7 4,38 9 0,67 0 – – Lettore ID5 9 8 3,98 9 0,67 0 – – Lettore ID6 12 5 2,70 1 6,00 6 – – Il giocatore ID71 6 6 4,96 18 0,67 0 – – Lettore ID8 9 4 4,03 9 0,67 0 – – Lettore ID9 6 2 2,45 9 0,67 0 – – (b) le variabili a livello di gruppo Disinformati 7,63 5,88 3,27 8 1,33 0,75 – – Informati 6,00 4,00 3,35 18 0,67 0,00 – – Tutto il gruppo 7,30 – 3,28 10 1,20 0,60 39,02 27,84 Tabella 2: risultati di analisi di comportamento del movimento di gruppo (gruppo 44) dettagliati. Risultati sono elencati (a) per il livello individuale e (b) per il livello di gruppo. Il livello di gruppo, i mezzi sono stati calcolati per la maggior parte disinformata (otto giocatori), informato minoranza (due giocatori) e l’intero gruppo (10 giocatori). 1 Giocatori con ID 0 e 7 sono stati scelti a caso per essere informati circa la posizione del campo-superiore-premiati €€ obiettivo; ∑ Mosse = numero totale di mosse; Rango di 1stspostare = rango di 1 movimentost in relazione agli altri giocatori; Latenza = latenza media movimento tra i due passaggi in sec.; Vincita = individuo ricompensa dopo il completamento del gioco in €; Distanza finale = distanza media di ogni giocatore per tutti i giocatori rimanenti entro la fine del gioco; Distanza a €€-campo = distanza al campo obiettivo €€ entro la fine del gioco; Tempo = durata totale del gioco in sec.; % dei campi esplorati = percentuale del campo totale (97 esagoni) esplorato dal gruppo. Vedere anche Figura 10 per un’analisi approfondita di dispersione del gruppo nel corso del tempo di gioco, Video 1 e Video 2 per il movimento collettivo del gruppo e la tabella 1 per un estratto dei dati di movimento.

Discussion

Una domanda fondamentale nell’utilizzo di ambienti virtuali multi-client come un paradigma di ricerca per studiare il comportamento umano collettivo è se i risultati siano applicabili a scenari reali. In altre parole, l’approccio metodologico produce risultati con sufficiente validità ecologica o esterno? Che rappresenta i partecipanti umani come avatar su un campo di gioco virtuale e permettendo loro di spostare tramite clic del mouse riduce segnali sociali. Inoltre, mantenere la comunicazione al minimo permette di sperimentatori di indagare quali taciti spunti comportamentali vengono trasmessi tra gli esseri umani che possono influenzare il comportamento di leadership e coordinamento di gruppo umano e sotto quale affordance ambientale (per esempio. soccorso, concorrenza, evacuazione) questi comportamenti sono interessati di più e in quale misura. Finché c’è scrupolosamente le fasi di pre-collaudo due nel protocollo e procedure di test, questo approccio riduzionista garantisce la validità interna. Al fine di consentire il trasferimento dei risultati al gruppo di “reale” e la dinamica delle folle, le fasi di installazione e test sperimentali possono essere gradualmente modificate per diventare più complesso (ad es., consentendo di ulteriori comunicazioni oltre la mera trasmissione di lettura/movimento comportamento, l’aggiunta di informazioni sulle caratteristiche individuali incorporato semanticamente in vari scenari del mondo reale, ecc.) e descritto nella sullo schermo istruzioni leggere dai partecipanti prima dell’inizio della partita.

Per risolvere la questione di validità esterna, può essere variato il playfield esagono [inizialmente scelto di standardizzare i movimenti del giocatore alle coordinate esagonale standardizzati, bidimensionale a causa di usabilità (pre-testato) e la riduzione dei fattori di confondimento]. Una griglia bidimensionale con scelta libera circolazione consentirebbe ai giocatori di creare i dati di movimento più complesso e continuo. Un ambiente tridimensionale creato da unità o Unreal Engine, ad esempio, può anche aumentare la validità ecologica/esterno. Tuttavia, con ogni passo verso la restrizione di movimento di sport, si pone un problema. Con la crescente complessità della libertà di movimento nello scenario simulato, l’influenza di fattori (ad esempio, le differenze interpersonali come esperienza di computer, familiarità con orientamento spaziale nei giochi tridimensionali) di confusione aumenti, che possono portare a risultati di parte e riducono la validità interna.

Il vantaggio del metodo descritto nel protocollo a nido d’ape è che può essere combinato con modelli di simulazione computerizzati e usato come un paradigma per testare empiricamente se collettive modelli trovati nelle simulazioni su elaboratore anche tengono per comportamento nei gruppi degli esseri umani. Per migliorare la validità esterna di tali prove, i partecipanti dovrebbero essere chiesto nel questionario fase di post-test se si sentivano sufficientemente e umanamente rappresentato dal loro avatar e se erano in grado di percepire i loro co-giocatori come attori umani. Il protocollo specifica la presenza fisica del co-giocatori seduti in postazioni di lavoro accanto a altra (anche se i parametri del protocollo osta sensoriali uditiva o visiva della comunicazione) al fine di migliorare questi sentimenti di incarnazione umana.

In somma, i metodi applicati da un approccio a nido d’ape delineato nel pre-test, test e le fasi di post-prova il protocollo forniscano un paradigma novello per studiare i meccanismi base di fenomeni collettivi quali il coordinamento di gruppo, leadership e all’interno del gruppo differentiation. Limite più importante del metodo è la sua vulnerabilità all’errore umano dai reclutatori, specialmente se non sono sufficientemente rigorosi per garantire che i partecipanti non comunicano con a vicenda durante le fasi di pre-test e test.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Questa ricerca è stata finanziata dall’iniziativa tedesca di eccellenza (strategia istituzionale: https://www.uni-goettingen.de/en/32632.html). Ringraziamo Margarita Neff-Heinrich per la sua correzione inglese.

Materials

Notebooks
Partition walls between work stations
Earplugs
Equipment for LAN installation

References

  1. Boos, M., Pritz, J., Lange, S., Belz, M. Leadership in Moving Human Groups. PLoS Computational Biology. 10 (4), e1003541 (2014).
  2. Moussaid, M., Garnier, S., Theraulaz, G., Helbing, D. Collective information processing and pattern formation in swarms, flocks, and crowds. Topics in Cognitive Science. 1 (3), 469-497 (2009).
  3. Sumpter, D. J. T. . Collective Animal Behavior. , (2010).
  4. Krause, J., et al. Fish shoal composition: mechanisms and constraints. Proceedings – Royal Society. Biological Sciences. 267 (1456), 2011-2017 (2000).
  5. Camazine, S., et al. . Self-Organization in Biological Systems. , (2003).
  6. King, A. J., Sueur, C., Huchard, E., Cowlishaw, G. A rule-of-thumb based on social affiliation explains collective movements in desert baboons. Animal Behavior. 82 (6), 1337-1345 (2011).
  7. Fischer, J., Zinner, D. Communication and cognition in primate group movement. International Journal of Primatology. 32 (6), 1279-1295 (2011).
  8. Couzin, I. D., Krause, J. Self-organization and collective behavior in vertebrates. Advances in the Study of Behavior. 32, 1-75 (2003).
  9. Katz, Y., Tunstrøm, K., Ioannou, C. C., Huepe, C., Couzin, I. D. Inferring the structure and dynamics of interactions in schooling fish. Proceedings of the National Academy of Sciences of the United States of America. 108 (46), 18720-18725 (2011).
  10. Guy, S. J., Curtis, S., Lin, M. C., Manocha, D. Least-effort trajectories lead to emergent crowd behaviors. Physical Review E: Statistical, Nonlinear, and Soft Matter Physics. 85 (1), 016110 (2012).
  11. Shao, W., Terzopoulos, D. Autonomous pedestrians. Proceedings of the 2005 ACM SIGGRAPH/Eurographics Symposium on Computer Animation. , (2005).
  12. Reynolds, C. W. Flocks, herds and schools: A distributed behavioral model. Seminal Graphics. , 273-282 (1987).
  13. Pelechano, N., Allbeck, J. M., Badler, N. I. Controlling individual agents in high-density crowd simulation. Proceedings of the 2007 ACM SIGGRAPH/Eurographics Symposium on Computer Animation. , 99-108 (2007).
  14. Helbing, D., Molnár, P., Farkas, I. J., Bolay, K. Self-organizing pedestrian movement. Environment and Planning B: Planning and Design. 28 (3), 361-383 (2001).
  15. Dyer, J. R. G., Johansson, A., Helbing, D., Couzin, I. D., Krause, J. Leadership, consensus decision making and collective behavior in humans. Philosophical Transactions – Royal Society. Biological Sciences. 364 (1518), 781-789 (2009).
  16. Moussaid, M., Schinazi, V. R., Kapadia, M., Thrash, T. Virtual Sensing and Virtual Reality: How New Technologies can Boost Research on Crowd Dynamics. Frontiers in Robotics and AI. , (2018).
  17. Belz, M., Pyritz, L. W., Boos, M. Spontaneous flocking in human groups. Behavioral Processes. 92, 6-14 (2013).
  18. Boos, M., Franiel, X., Belz, M. Competition in human groups – Impact on group cohesion, perceived stress and outcome satisfaction. Behavioral Processes. 120, 64-68 (2015).
  19. Boos, M., Li, W., Pritz, J., Fu, X., Luo, J. -. D., Boos, M. Patterns of Group Movement on a Virtual Playfield: Empirical and Simulation Approaches. Social Network Analysis: Interdisciplinary Approaches and Case Studies. , 197-223 (2017).
  20. Dyer, J. R. G., et al. Consensus decision making in human crowds. Animal Behavior. 75 (2), 461-470 (2008).
  21. Faria, J. J., Dyer, J. R. G., Tosh, C. R., Krause, J. Leadership and social information use in human crowds. Animal Behavior. 79 (4), 895-901 (2010).
  22. Conradt, L. Models in animal collective decision-making: information uncertainty and conflicting preferences. Interface Focus. 2 (2), 226-240 (2011).
  23. Couzin, I. D., Krause, J., Franks, N. R., Levin, S. A. Effective leadership and decision-making in animal groups on the move. Nature. 433, 513-516 (2005).

Play Video

Cite This Article
Boos, M., Pritz, J., Belz, M. The HoneyComb Paradigm for Research on Collective Human Behavior. J. Vis. Exp. (143), e58719, doi:10.3791/58719 (2019).

View Video