The Collective Trust Game: un adattamento di gruppo online del gioco di fiducia basato sul paradigma HoneyComb
Summary
Il Collective Trust Game è un gioco di fiducia multi-agente basato su computer basato sul paradigma HoneyComb, che consente ai ricercatori di valutare l’emergere della fiducia collettiva e dei relativi costrutti, come equità, reciprocità o segnalazione in avanti. Il gioco consente osservazioni dettagliate dei processi di gruppo attraverso il comportamento del movimento nel gioco.
Abstract
La necessità di comprendere la fiducia nei gruppi in modo olistico ha portato a un’impennata di nuovi approcci per misurare la fiducia collettiva. Tuttavia, questo costrutto spesso non è pienamente catturato nelle sue qualità emergenti dai metodi di ricerca disponibili. In questo articolo viene presentato il Collective Trust Game (CTG), un gioco di fiducia multi-agente basato su computer basato sul paradigma HoneyComb, che consente ai ricercatori di valutare l’emergere della fiducia collettiva. Il CTG si basa su precedenti ricerche sulla fiducia interpersonale e adatta il noto Trust Game a un contesto di gruppo nel paradigma HoneyComb. I partecipanti assumono il ruolo di investitore o fiduciario; Entrambi i ruoli possono essere svolti da gruppi. Inizialmente, gli investitori e i fiduciari sono dotati di una somma di denaro. Quindi, gli investitori devono decidere quanto, se del caso, della loro dotazione vogliono inviare ai fiduciari. Comunicano le loro tendenze e la loro decisione finale muovendosi avanti e indietro su un campo di gioco che mostra possibili importi di investimento. Alla fine del loro tempo decisionale, l’importo concordato dagli investitori viene moltiplicato e inviato ai fiduciari. I fiduciari devono comunicare quanto di quell’investimento, se del caso, vogliono restituire agli investitori. Ancora una volta, lo fanno muovendosi sul campo di gioco. Questa procedura viene ripetuta per più round in modo che la fiducia collettiva possa emergere come un costrutto condiviso attraverso interazioni ripetute. Con questa procedura, il CTG offre l’opportunità di seguire l’emergere della fiducia collettiva in tempo reale attraverso la registrazione dei dati di movimento. Il CTG è altamente personalizzabile per domande di ricerca specifiche e può essere eseguito come esperimento online con piccole attrezzature a basso costo. Questo documento mostra che il CTG combina la ricchezza dei dati di interazione di gruppo con l’elevata validità interna e l’efficacia temporale dei giochi economici.
Introduction
Il Collective Trust Game (CTG) offre l’opportunità di misurare la fiducia collettiva online all’interno di un gruppo di esseri umani. Generalizza l’originale Trust Game di Berg, Dickhaut e McCabe1 (BDM) a livello di gruppo e può catturare e quantificare la fiducia collettiva nelle sue qualità emergenti 2,3,4, nonché concetti correlati come equità, reciprocità o segnalazione in avanti.
La ricerca precedente concettualizza principalmente la fiducia come un costrutto esclusivamente interpersonale, ad esempio, tra un leader e un seguace5,6, escludendo livelli più elevati di analisi. Soprattutto nei contesti organizzativi, questo potrebbe non essere sufficiente per comprendere la fiducia olisticamente, quindi c’è un grande bisogno di comprendere i processi attraverso i quali la fiducia si costruisce (e diminuisce) a livello di gruppo.
Recentemente, la ricerca sulla fiducia ha incorporato un pensiero più multilivello. Fulmer e Gelfand7 hanno esaminato una serie di studi sulla fiducia e li hanno classificati in base al livello di analisi indagato in ciascuno studio. I tre diversi livelli di analisi sono interpersonale (diadico), di gruppo e organizzativo. È importante sottolineare che Fulmer e Gelfand7 distinguono inoltre tra diversi referenti. I referenti sono quelle entità a cui è diretta la fiducia. Ciò significa che quando “A si fida di B a X”, allora A (l’investitore nei giochi economici) è rappresentato dal livello (individuale, di gruppo, organizzativo) e B (il fiduciario) è rappresentato dal referente (individuo, gruppo, organizzativo). X rappresenta un dominio specifico a cui si riferisce trust. Ciò significa che X può essere qualsiasi cosa come un’inclinazione generalmente positiva, supporto attivo, affidabilità o scambi finanziari come nei giochi economici1.
Qui, la fiducia collettiva è definita sulla base della definizione di fiducia interpersonale di Rousseau e colleghi8, e simile a precedenti studi sulla fiducia collettiva 9,10,11,12,13,14; La fiducia collettiva comprende l’intenzione di un gruppo di accettare la vulnerabilità in base alle aspettative positive delle intenzioni o del comportamento di un altro individuo, gruppo o organizzazione. La fiducia collettiva è uno stato psicologico condiviso tra un gruppo di esseri umani e formato nell’interazione tra questo gruppo. L’aspetto cruciale della fiducia collettiva è quindi la condivisione all’interno di un gruppo.
Ciò significa che la ricerca sulla fiducia collettiva deve guardare oltre una semplice media dei processi individuali e concettualizzare la fiducia collettiva come un fenomeno emergente 2,3,4, poiché i nuovi sviluppi nella scienza di gruppo mostrano che i processi di gruppo sono fluidi, dinamici ed emergenti 2,15. Definiamo l’emergenza come un “processo attraverso il quale gli elementi del sistema di livello inferiore interagiscono e attraverso quelle dinamiche creano fenomeni che si manifestano a un livello superiore del sistema”16 (p. 335). Proposta, ciò dovrebbe valere anche per la fiducia collettiva.
La ricerca che riflette l’attenzione all’emergenza e alla dinamica dei processi di gruppo dovrebbe utilizzare metodologie appropriate17 per catturare queste qualità. Tuttavia, lo stato attuale della misurazione della fiducia collettiva sembra essere in ritardo. La maggior parte degli studi ha impiegato una semplice tecnica di calcolo della media tra i dati di ciascun individuo nel gruppo 9,10,12,13,18. Probabilmente, questo approccio ha solo poca validità predittiva2 in quanto ignora che i gruppi non sono semplicemente aggregazioni di individui ma entità di livello superiore con processi unici. Alcuni studi hanno cercato di affrontare questi inconvenienti: uno studio di Adams19 ha impiegato un approccio a variabili latenti, mentre Kim e colleghi10 hanno utilizzato vignette per stimare la fiducia collettiva. Questi approcci sono promettenti in quanto riconoscono la fiducia collettiva come un costrutto di livello superiore. Tuttavia, come notano Chetty e colleghi20, le misure basate su sondaggi mancano di incentivi per rispondere in modo veritiero, quindi la ricerca sulla fiducia ha adottato sempre più misure comportamentali o compatibili con gli incentivi21,22.
Questa preoccupazione è affrontata da una serie di studi che hanno adattato un metodo comportamentale, vale a dire il BDM1, per essere giocato dai gruppi23,24,25,26. Nel BDM, due parti agiscono come investitori (A) o fiduciari (B). In questo gioco economico sequenziale, sia A che B ricevono una dotazione iniziale (ad esempio, 10 euro). Quindi, A deve decidere quanto, se del caso, della loro dotazione vorrebbero inviare a B (ad esempio, 5 euro). Questo importo viene poi triplicato dallo sperimentatore, prima che B possa decidere quanto, se del caso, del denaro ricevuto (ad esempio, 15 euro) vorrebbe inviare ad A (ad esempio, 7,5 euro). La quantità di denaro che A invia a B è operazionalizzata per essere il livello di fiducia di A verso B, mentre l’importo che B restituisce può essere utilizzato per misurare l’affidabilità di B o il grado di equità nella diade di A e B. Un ampio corpo di ricerca ha studiato il comportamento nei giochi di fiducia diadica27. Il BDM può essere giocato sia come un cosiddetto gioco “one-shot”, in cui i partecipanti giocano il gioco solo una volta con una persona specifica, sia in round ripetuti, in cui aspetti come la reciprocità28,29 e la segnalazione in avanti potrebbero svolgere un ruolo.
In molti studi che hanno adattato il BDM per i gruppi23,24,25,26, sia l’investitore, il fiduciario, o entrambi i ruoli sono stati svolti da gruppi. Tuttavia, nessuno di questi studi ha registrato processi di gruppo. La semplice sostituzione di individui con gruppi nei disegni di studio non soddisfa gli standard Kolbe e Boos17 o Kozlowski15 istituiti per le indagini sui fenomeni emergenti. Per colmare questa lacuna, è stato sviluppato il CTG.
L’obiettivo dello sviluppo del CTG era quello di creare un paradigma che combinasse il BDM1 ampiamente utilizzato con un approccio che catturasse la fiducia collettiva come un costrutto emergente basato sul comportamento condiviso tra un gruppo.
Il CTG si basa sul paradigma HoneyComb di Boos e colleghi30, che è stato anche pubblicato sul Journal of Visualized Experiments31 ed è stato ora adattato per l’uso nella ricerca sulla fiducia. Come descritto da Ritter e colleghi32, il paradigma HoneyComb è “una piattaforma di gioco virtuale basata su computer multi-agente che è stata progettata per eliminare tutti i canali sensoriali e di comunicazione tranne la percezione dei movimenti avatar assegnati ai partecipanti sul campo di gioco” (p. 3). Il paradigma HoneyComb è particolarmente adatto ai processi di gruppo di ricerca in quanto consente ai ricercatori di registrare il movimento dei membri di un gruppo reale con dati spazio-temporali. Si potrebbe sostenere che, accanto all’analisi dell’interazione di gruppo17, HoneyComb è uno dei pochi strumenti che consente ai ricercatori di seguire i processi di gruppo in grande dettaglio. A differenza dell’analisi di interazione di gruppo, l’analisi quantitativa dei dati spazio-temporali di HoneyComb richiede meno tempo. Inoltre, l’ambiente riduzionista e la possibilità di escludere tutte le comunicazioni interpersonali tra i partecipanti ad eccezione del movimento sul campo di gioco consente ai ricercatori di limitare i fattori confondenti (ad esempio, aspetto fisico, voce, espressioni facciali) e creare esperimenti con elevata validità interna. Mentre è difficile identificare tutti gli aspetti influenti di un processo di gruppo negli studi che impiegano progetti di discussione di gruppo33, l’attenzione ai principi di base dell’interazione di gruppo in un paradigma di movimento consente ai ricercatori di quantificare tutti gli aspetti del processo di gruppo in questo esperimento. Inoltre, ricerche precedenti hanno utilizzato il comportamento prossemico34 – quindi riducendo lo spazio tra se stessi e un altro individuo – per indagare sulla fiducia35,36.
Figura 1: Panoramica schematica del CTG. (A) Procedura schematica di un ciclo CTG. (B) Posizionamento iniziale degli avatar all’inizio del round. I tre investitori di colore blu sono in piedi sul campo iniziale “0”. Il fiduciario giallo è in piedi sul campo iniziale “0”. (C) Screenshot durante la fase di investimento che mostra tre investitori (avatar blu) nella metà inferiore del campo di gioco. Uno (grande avatar blu) è attualmente in piedi su “12”, due investitori sono attualmente in piedi su “24”. Due avatar hanno la coda (indicata da frecce arancioni). Le code indicano da quale direzione si sono spostati nel loro campo corrente (ad esempio, un investitore (grande avatar blu) è appena passato da “0” a “12”). L’avatar senza coda è rimasto su questo campo per almeno 4000 ms. (D) Screenshot durante la fase di ritorno che mostra un fiduciario (avatar giallo) e la metà superiore del campo di gioco. Il fiduciario è attualmente in piedi su “3/6” e si è recentemente trasferito lì da “2/6” come indicato dalla coda. Il numero blu sottostante (36) indica l’investimento effettuato dagli investitori. Il numero giallo, indicato dalla freccia, è il ritorno corrente (54) come raffigurato al centro del campo di gioco. Il rendimento è calcolato come segue: (investire (36 centesimi) x 3) x frazione di rendimento corrente (3/6) = 54 cent. (E) Finestra pop-up che fornisce un feedback ai partecipanti su quanto hanno guadagnato durante il round, visualizzata per 15 secondi dopo la scadenza del timeout del trustee. Fare clic qui per visualizzare una versione ingrandita di questa figura.
La procedura principale del CTG (Figura 1A) è strettamente basata sulla procedura del BDM1, al fine di rendere i risultati comparabili agli studi precedenti che utilizzano questo gioco economico. Poiché il paradigma HoneyComb si basa sul principio del movimento, i partecipanti indicano l’importo che vorrebbero investire o restituire spostando il loro avatar sul piccolo campo esagonale che indica una certa quantità di denaro o frazione da restituire (Figura 1C, D). Prima di ogni round, sia gli investitori che i fiduciari sono dotati di una certa quantità di denaro (ad esempio, 72 centesimi) con gli investitori collocati nella metà inferiore del campo di gioco e gli amministratori fiduciari collocati nella metà superiore del campo di gioco (Figura 1B). Nell’impostazione predefinita, gli investitori sono autorizzati a muoversi per primi, mentre i fiduciari rimangono fermi. Gli investitori si muovono attraverso il campo di gioco per indicare quanto, se del caso, della loro dotazione vorrebbero inviare al fiduciario (Figura 1C). Muovendosi avanti e indietro sul campo, i partecipanti possono anche comunicare ad altri investitori quanto vorrebbero inviare al fiduciario. A seconda della configurazione, i partecipanti devono raggiungere una decisione unanime su quanto vorrebbero investire convergendo su un campo di gioco quando viene raggiunto il timeout. Sono state necessarie decisioni unanimi per imporre che gli investitori debbano interagire tra loro, invece di giocare semplicemente l’uno accanto all’altro. Se gli investitori non raggiungono una decisione congiunta, una penale (ad esempio, 24 centesimi) viene detratta dal loro conto. Ciò è stato attuato per garantire che gli investitori fossero altamente motivati a raggiungere un livello condiviso di fiducia collettiva. Una volta scaduto il tempo degli investitori, il denaro investito viene moltiplicato e inviato ai fiduciari che sono quindi autorizzati a muoversi mentre gli investitori rimangono fermi. I fiduciari indicano attraverso il movimento quanto vorrebbero restituire agli investitori (Figura 1D). Le opzioni di rendimento disponibili vengono visualizzate come frazioni sul campo di gioco per mantenere relativamente basso il carico cognitivo sui fiduciari. Il campo di gioco su cui si trovano i fiduciari una volta scaduto il tempo assegnato indica quale frazione (ad esempio, 4/6) viene restituita agli investitori. Il round termina con un pop-up (Figura 1E) che riassume per ciascun partecipante quanto ha guadagnato durante quel round e qual è il saldo del conto corrente.
I round devono essere ripetuti più volte. I ricercatori dovrebbero far giocare ai partecipanti il CTG per almeno 10 o 15 round negli stessi ruoli. Ciò è necessario in quanto la fiducia collettiva è un costrutto emergente e deve svilupparsi durante le interazioni ripetute all’interno di un gruppo. Allo stesso modo, altri concetti come la segnalazione in avanti (cioè l’alternanza di alti rendimenti da parte di fiduciari con investimenti elevati nel prossimo round) emergeranno solo in interazioni ripetute. È fondamentale, tuttavia, che i partecipanti non siano consapevoli del numero esatto di round da giocare poiché è stato dimostrato che il comportamento può cambiare drasticamente quando i partecipanti sono consapevoli di giocare l’ultimo round (ad esempio, comportamenti più sleali o deviazioni nei giochi economici37,38).
In questo modo, il CTG fornisce informazioni sull’emergere della fiducia collettiva su più livelli. In primo luogo, il livello di fiducia collettiva esibito nella fase finale dovrebbe rappresentare da vicino il livello condiviso di fiducia che gli investitori detengono nei confronti del fiduciario o dei fiduciari. In secondo luogo, l’importo investito in ciascun round può servire come proxy per l’emergere della fiducia collettiva su interazioni ripetute. In terzo luogo, i dati sui movimenti fanno luce sul processo di gruppo che determina quanti soldi vengono investiti in ogni round.
Protocol
Representative Results
Discussion
Il CTG offre ai ricercatori l’opportunità di adattare il classico BDM1 per i gruppi e osservare in profondità i processi emergenti all’interno dei gruppi. Mentre altri lavori23,24,25,26 hanno già tentato di adattare il BDM1 alle impostazioni di gruppo, l’unico modo per accedere ai processi di gruppo in questi studi sono laboriose analisi di interazione …
Disclosures
The authors have nothing to disclose.
Acknowledgements
Questa ricerca non ha ricevuto alcun finanziamento esterno.
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. |
References
- Berg, J., Dickhaut, J., McCabe, K. Trust, reciprocity, and social history. Games and Economic Behavior. 10 (1), 122-142 (1995).
- Costa, A. C., Fulmer, C. A., Anderson, N. R. Trust in work teams: An integrative review, multilevel model, and future directions. Journal of Organizational Behavior. 39 (2), 169-184 (2018).
- Kiffin-Petersen, S. Trust: A neglected variable in team effectiveness research. Journal of the Australian and New Zealand Academy of Management. 10 (1), 38-53 (2004).
- Grossman, R., Feitosa, J. Team trust over time: Modeling reciprocal and contextual influences in action teams. Human Resource Management Review. 28 (4), 395-410 (2018).
- Schoorman, F. D., Mayer, R. C., Davis, J. H. An integrative model of organizational trust: Past, present, and future. Academy of Management Review. 32 (2), 344-354 (2007).
- Shamir, B., Lapidot, Y. Trust in organizational superiors: Systemic and collective considerations. Organization Studies. 24 (3), 463-491 (2003).
- Fulmer, C. A., Gelfand, M. J. At what level (and in whom) we trust: Trust across multiple organizational levels. Journal of Management. 38 (4), 1167-1230 (2012).
- Rousseau, D. M., Sitkin, S. B., Burt, R. S., Camerer, C. Not so different after all: A cross-discipline view of trust. Academy of Management Review. 23 (3), 393-404 (1998).
- Dirks, K. T. Trust in leadership and team performance: Evidence from NCAA basketball. Journal of Applied Psychology. 85 (6), 1004-1012 (2000).
- Kim, P. H., Cooper, C. D., Dirks, K. T., Ferrin, D. L. Repairing trust with individuals vs. groups. Organizational Behavior and Human Decision Processes. 120 (1), 1-14 (2013).
- Forsyth, P. B., Barnes, L. L. B., Adams, C. M. Trust-effectiveness patterns in schools. Journal of Educational Administration. 44 (2), 122-141 (2006).
- Gray, J. Investigating the role of collective trust, collective efficacy, and enabling school structures on overall school effectiveness. Education Leadership Review. 17 (1), 114-128 (2016).
- Kramer, R. M. Collective trust within organizations: Conceptual foundations and empirical insights. Corporate Reputation Review. 13 (2), 82-97 (2010).
- Kramer, R. M. The sinister attribution error: Paranoid cognition and collective distrust in organizations. Motivation and Emotion. 18 (2), 199-230 (1994).
- Kozlowski, S. W. J. Advancing research on team process dynamics: Theoretical, methodological, and measurement considerations. Organizational Psychology Review. 5 (4), 270-299 (2015).
- Kozlowski, S. W. J., Chao, G. T. The dynamics of emergence: Cognition and cohesion in work teams. Managerial and Decision Economics. 33 (5-6), 335-354 (2012).
- Kolbe, M., Boos, M. Laborious but elaborate: The benefits of really studying team dynamics. Frontiers in Psychology. 10, 1478 (2019).
- McEvily, B. J., Weber, R. A., Bicchieri, C., Ho, V. Can groups be trusted? An experimental study of collective trust. Handbook of Trust Research. , 52-67 (2002).
- Adams, C. M. Collective trust: A social indicator of instructional capacity. Journal of Educational Administration. 51 (3), 363-382 (2013).
- Chetty, R., Hofmeyr, A., Kincaid, H., Monroe, B. The trust game does not (only) measure trust: The risk-trust confound revisited. Journal of Behavioral and Experimental Economics. 90, 101520 (2021).
- Harrison, G. W. Hypothetical bias over uncertain outcomes. Using Experimental Methods in Environmental and Resource Economics. , 41-69 (2006).
- Harrison, G. W. Real choices and hypothetical choices. Handbook of Choice Modelling. , 236-254 (2014).
- Holm, H. J., Nystedt, P. Collective trust behavior. The Scandinavian Journal of Economics. 112 (1), 25-53 (2010).
- Kugler, T., Kausel, E. E., Kocher, M. G. Are groups more rational than individuals? A review of interactive decision making in groups. WIREs Cognitive Science. 3 (4), 471-482 (2012).
- Cox, J. C., Zwick, R., Rapoport, A. Trust, reciprocity, and other-regarding preferences: Groups vs. individuals and males vs. females. Experimental Business Research. , 331-350 (2002).
- Song, F. Intergroup trust and reciprocity in strategic interactions: Effects of group decision-making mechanisms. Organizational Behavior and Human Decision Processes. 108 (1), 164-173 (2009).
- Johnson, N. D., Mislin, A. A. Trust games: A meta-analysis. Journal of Economic Psychology. 32 (5), 865-889 (2011).
- Rosanas, J. M., Velilla, M. Loyalty and trust as the ethical bases of organizations. Journal of Business Ethics. 44, 49-59 (2003).
- Dunn, J. R., Schweitzer, M. E. Feeling and believing: The influence of emotion on trust. Journal of Personality and Social Psychology. 88 (5), 736-748 (2005).
- Boos, M., Pritz, J., Lange, S., Belz, M. Leadership in moving human groups. PLOS Computational Biology. 10 (4), 1003541 (2014).
- Boos, M., Pritz, J., Belz, M. The HoneyComb paradigm for research on collective human behavior. Journal of Visualized Experiments. (143), e58719 (2019).
- Ritter, M., Wang, M., Pritz, J., Menssen, O., Boos, M. How collective reward structure impedes group decision making: An experimental study using the HoneyComb paradigm. PLOS One. 16 (11), 0259963 (2021).
- Kocher, M., Sutter, M. Individual versus group behavior and the role of the decision making process in gift-exchange experiments. Empirica. 34 (1), 63-88 (2007).
- Ickinger, W. J. . A behavioral game methodology for the study of proxemic behavior. , (1985).
- Deligianis, C., Stanton, C. J., McGarty, C., Stevens, C. J. The impact of intergroup bias on trust and approach behaviour towards a humanoid robot. Journal of Human-Robot Interaction. 6 (3), 4-20 (2017).
- Haring, K. S., Matsumoto, Y., Watanabe, K. How do people perceive and trust a lifelike robot. Proceedings of the World Congress on Engineering and Computer Science. 1, 425-430 (2013).
- Gintis, H. Behavioral game theory and contemporary economic theory. Analyse & Kritik. 27 (1), 48-72 (2005).
- Weimann, J. Individual behaviour in a free riding experiment. Journal of Public Economics. 54 (2), 185-200 (1994).
- How to install Xrdp server (remote desktop) on Ubuntu 20.04. Linuxize Available from: https://linuxize.com/post/how-to-install-xrdp-on-ubuntu-20-04/ (2020)
- How to create users in Linux (useradd Command). Linuxize Available from: https://linuxize.com/post/how-to-create-users-in-linux-using-the-useradd-command/ (2018)
- How to create a shared folder between two local user in Linux. GeeksforGeeks Available from: https://www.geeksforgeeks.org/how-to-create-a-shared-folder-between-two-local-user-in-linux/ (2019)
- Johanson, G. A., Brooks, G. P. Initial scale development: Sample size for pilot studies. Educational and Psychological Measurement. 70 (3), 394-400 (2010).
- Glaeser, E. L., Laibson, D. I., Scheinkman, J. A., Soutter, C. L. Measuring trust. The Quarterly Journal of Economics. 115 (3), 811-846 (2000).
- Mayring, P., Kikner-Ahsbahs, A., Knipping, C., Presmed, N. Qualitative Content Analysis: Theoretical Background and Procedures. Approaches to Qualitative Research in Mathematics Education: Examples of Methodology and Advances in Mathematics Education. , 365-380 (2015).
- Chandler, J., Paolacci, G., Peer, E., Mueller, P., Ratliff, K. A. Using nonnaive participants can reduce effect sizes. Psychological Science. 26 (7), 1131-1139 (2015).
- Belz, M., Pyritz, L. W., Boos, M. Spontaneous flocking in human groups. Behavioural Processes. 92, 6-14 (2013).
- Boos, M., Franiel, X., Belz, M. Competition in human groups-Impact on group cohesion, perceived stress and outcome satisfaction. Behavioural Processes. 120, 64-68 (2015).
