The Collective Trust Game: En online-gruppanpassning av förtroendespelet baserat på HoneyComb-paradigmet

Summary

Collective Trust Game är ett datorbaserat förtroendespel med flera agenter baserat på HoneyComb-paradigmet, som gör det möjligt för forskare att bedöma framväxten av kollektivt förtroende och relaterade konstruktioner, såsom rättvisa, ömsesidighet eller framåtriktad signalering. Spelet tillåter detaljerade observationer av grupprocesser genom rörelsebeteende i spelet.

Abstract

Behovet av att förstå förtroende i grupper holistiskt har lett till en ökning av nya metoder för att mäta kollektivt förtroende. Denna konstruktion fångas dock ofta inte helt i sina framväxande kvaliteter av de tillgängliga forskningsmetoderna. I detta dokument presenteras Collective Trust Game (CTG), ett datorbaserat förtroendespel med flera agenter baserat på HoneyComb-paradigmet, som gör det möjligt för forskare att bedöma framväxten av kollektivt förtroende. CTG bygger på tidigare forskning om interpersonellt förtroende och anpassar det allmänt kända Trust Game till en gruppinställning i HoneyComb-paradigmet. Deltagarna tar på sig rollen som antingen en investerare eller förvaltare; Båda rollerna kan spelas av grupper. Inledningsvis är investerare och förvaltare utrustade med en summa pengar. Sedan måste investerarna bestämma hur mycket, om någon, av sin donation de vill skicka till förvaltarna. De kommunicerar sina tendenser såväl som sitt slutliga beslut genom att flytta fram och tillbaka på ett spelfält som visar möjliga investeringsbelopp. I slutet av deras beslutstid multipliceras det belopp som investerarna har kommit överens om och skickas till förvaltarna. Förvaltarna måste kommunicera hur mycket av den investeringen, om någon, de vill återvända till investerarna. Återigen gör de det genom att flytta på spelplanen. Denna procedur upprepas i flera omgångar så att kollektivt förtroende kan uppstå som en delad konstruktion genom upprepade interaktioner. Med denna procedur ger CTG möjlighet att följa framväxten av kollektivt förtroende i realtid genom registrering av rörelsedata. CTG är mycket anpassningsbar till specifika forskningsfrågor och kan köras som ett onlineexperiment med liten, billig utrustning. Detta dokument visar att CTG kombinerar rikedomen i gruppinteraktionsdata med den höga interna giltigheten och tidseffektiviteten hos ekonomiska spel.

Introduction

Collective Trust Game (CTG) ger möjlighet att mäta kollektivt förtroende online inom en grupp människor. Det generaliserar det ursprungliga Trust Game av Berg, Dickhaut och McCabe¹ (BDM) till gruppnivå och kan fånga och kvantifiera kollektivt förtroende för dess framväxande egenskaper ^2,3,4, liksom relaterade begrepp som rättvisa, ömsesidighet eller framåtriktad signalering.

Tidigare forskning konceptualiserar mestadels förtroende som en enbart interpersonell konstruktion, till exempel mellan en ledare och en följare^5,6, exklusive högre analysnivåer. Särskilt i organisatoriska sammanhang kanske detta inte räcker för att förstå förtroende holistiskt, så det finns ett stort behov av att förstå de processer genom vilka förtroende bygger (och minskar) på gruppnivå.

På senare tid har tillitsforskningen införlivat mer flernivåtänkande. Fulmer och Gelfand⁷ granskade ett antal studier om förtroende och kategoriserade dem enligt den analysnivå som undersöks i varje studie. De tre olika analysnivåerna är interpersonella (dyadiska), grupp- och organisatoriska. Viktigt är att Fulmer och Gelfand⁷ dessutom skiljer mellan olika referenter. Referenterna är de enheter som förtroende riktas mot. Detta innebär att när “A litar på B till X”, representeras A (investeraren i ekonomiska spel) av nivån (individ, grupp, organisatorisk) och B (förvaltaren) representeras av referenten (individ, grupp, organisatorisk). X representerar en specifik domän som trust hänvisar till. Detta innebär att X kan vara allt som en generellt positiv lutning, aktivt stöd, tillförlitlighet eller finansiella utbyten som i ekonomiska spel¹.

Här definieras kollektiv tillit utifrån Rousseau och kollegors definition av interpersonell tillit⁸, och liknar tidigare studier om kollektiv tillit 9,10,11,12,13,14; Kollektivt förtroende omfattar en grupps avsikt att acceptera sårbarhet baserat på positiva förväntningar på avsikter eller beteende hos en annan individ, grupp eller organisation. Kollektivt förtroende är ett psykologiskt tillstånd som delas mellan en grupp människor och bildas i interaktion mellan denna grupp. Den avgörande aspekten av kollektivt förtroende är därför delaktigheten inom en grupp.

Detta innebär att forskning om kollektiv tillit måste se bortom ett enkelt genomsnitt av individuella processer och konceptualisera kollektiv tillit som ett framväxande fenomen ^2,3,4, eftersom ny utveckling inom gruppvetenskap visar att grupprocesser är flytande, dynamiska och framväxande ^2,15. Vi definierar framväxten som en “process genom vilken systemelement på lägre nivå interagerar och genom denna dynamik skapar fenomen som manifesterar sig på en högre nivå av systemet”¹⁶ (s. 335). Detta bör föreslås även gälla kollektivt förtroende.

Forskning som återspeglar fokus på framväxten och dynamiken i grupprocesser bör använda lämpliga metoder¹⁷ för att fånga dessa egenskaper. Den nuvarande statusen för mätning av kollektivt förtroende verkar dock släpa efter. De flesta studier har använt en enkel medelvärdesteknik över data för varje individ i gruppen 9,10,12,13,18. Förmodligen har detta tillvägagångssätt bara liten prediktiv validitet² eftersom det bortser från att grupper inte bara är aggregeringar av individer utan enheter på högre nivå med unika processer. Vissa studier har försökt ta itu med dessa nackdelar: En studie av Adams¹⁹ använde ett latent variabelt tillvägagångssätt, medan Kim och kollegor¹⁰ använde vinjetter för att uppskatta kollektivt förtroende. Dessa tillvägagångssätt är lovande genom att de erkänner kollektivt förtroende som en konstruktion på högre nivå. Ändå, som Chetty och kollegor²⁰ noterar, saknar undersökningsbaserade åtgärder incitament att svara sanningsenligt, så forskning om förtroende har alltmer antagit beteendemässiga eller incitamentskompatibla åtgärder^21,22.

Denna oro hanteras av ett antal studier som har anpassat en beteendemetod, nämligen BDM¹, som ska spelas av grupperna^23,24,25,26. I BDM agerar två parter som antingen investerare (A) eller förvaltare (B). I detta sekventiella ekonomiska spel får både A och B en första donation (t.ex. 10 euro). Sedan måste A bestämma hur mycket, om någon, av deras begåvning de vill skicka till B (t.ex. 5 euro). Detta belopp tredubblas sedan av experimenteraren innan B kan bestämma hur mycket, om någon, av de mottagna pengarna (t.ex. 15 euro) de vill skicka tillbaka till A (t.ex. 7,5 euro). Mängden pengar som A skickar till B operationaliseras för att vara A: s förtroendenivå mot B, medan det belopp som B skickar tillbaka kan användas för att mäta B: s trovärdighet eller graden av rättvisa i dyaden för A och B. En stor mängd forskning har undersökt beteende i dyadiska förtroendespel²⁷. BDM kan spelas både som ett så kallat “one-shot” -spel, där deltagarna bara spelar spelet en gång med en specifik person, och i upprepade omgångar, där aspekter som ömsesidighet^28,29 samt framåtsignalering kan spela en roll.

I många studier som har anpassat BDM för grupperna^23,24,25,26 spelades antingen investeraren, förvaltaren eller båda rollerna av grupper. Ingen av dessa studier registrerade dock grupprocesser. Att bara ersätta individer med grupper i studiedesign uppfyller inte de standarder Kolbe och Boos¹⁷ eller Kozlowski¹⁵ satt upp för undersökningar av framväxande fenomen. För att fylla detta gap utvecklades CTG.

Syftet med att utveckla CTG var att skapa ett paradigm som skulle kombinera den allmänt använda BDM¹ med ett tillvägagångssätt som fångar kollektivt förtroende som en framväxande beteendebaserad konstruktion som delas mellan en grupp.

CTG är baserad på HoneyComb-paradigmet av Boos och kollegor³⁰, som också har publicerats i Journal of Visualized Experiments³¹ och har nu anpassats för användning i förtroendeforskning. Som beskrivits av Ritter och kollegor³² är HoneyComb-paradigmet “en datorbaserad virtuell spelplattform med flera agenter som var utformad för att eliminera alla sensoriska och kommunikationskanaler utom uppfattningen av deltagartilldelade avatarrörelser på spelfältet” (s. 3). HoneyComb-paradigmet är särskilt lämpligt för forskargruppsprocesser eftersom det gör det möjligt för forskare att registrera rörelsen hos medlemmar i en riktig grupp med spatio-temporala data. Det kan hävdas att HoneyComb, bredvid gruppinteraktionsanalys¹⁷, är ett av få verktyg som gör det möjligt för forskare att följa grupprocesser i detalj. Till skillnad från gruppinteraktionsanalys är kvantitativ analys av HoneyCombs spatio-temporala data mindre tidskrävande. Dessutom tillåter den reduktionistiska miljön och möjligheten att utesluta all interpersonell kommunikation mellan deltagare utom rörelsen på spelfältet forskare att begränsa förvirrande faktorer (t.ex. fysiskt utseende, röst, ansiktsuttryck) och skapa experiment med hög intern validitet. Även om det är svårt att identifiera alla inflytelserika aspekter av en gruppprocess i studier som använder gruppdiskussionsdesign³³, gör fokus på grundläggande principer för gruppinteraktion i ett rörelseparadigm det möjligt för forskare att kvantifiera alla aspekter av gruppprocessen i detta experiment. Dessutom har tidigare forskning använt proxemiskt beteende^34-så att minska utrymmet mellan sig själv och en annan individ-för att undersöka förtroende^35,36.

Figur 1: Schematisk översikt över CTG. (A) Schematiskt förfarande för en CTG-omgång. (B) Inledande placering av avatarer i början av omgången. De tre blåfärgade investerarna står på det ursprungliga fältet “0”. Den gula förvaltaren står på det ursprungliga fältet “0”. (C) Skärmdump under investeringsfasen som visar tre investerare (blå avatarer) på den nedre halvan av spelfältet. En (stor blå avatar) står för närvarande på “12”, två investerare står för närvarande på “24”. Två avatarer har svansar (indikeras med orange pilar). Svansarna indikerar från vilken riktning de flyttade till sitt nuvarande fält (t.ex. en investerare (stor blå avatar) flyttade precis från “0” till “12”). Avataren utan svans har stått på detta fält i minst 4000 ms. (D) Skärmdump under returfasen som visar en förvaltare (gul avatar) och den övre halvan av spelplanen. Förvaltaren står för närvarande på “3/6” och har nyligen flyttat dit från “2/6” som indikeras av svansen. Det blå numret nedan (36) anger investerarnas investering. Det gula numret, som indikeras av pilen, är den aktuella returen (54) som visas i mitten av spelfältet. Avkastningen beräknas enligt följande: (investera (36 cent) x 3) x nuvarande avkastningsfraktion (3/6) = 54 cent. (E) Popup-fönster som ger feedback till deltagarna om hur mycket de har tjänat under omgången, visas i 15 s efter att timeouten för förvaltaren löper ut. Klicka här för att se en större version av denna siffra.

Huvudproceduren för CTG (figur 1A) är nära baserad på förfarandet för BDM¹, för att göra resultaten jämförbara med tidigare studier med detta ekonomiska spel. Eftersom HoneyComb-paradigmet är baserat på rörelseprincipen anger deltagarna det belopp de vill investera eller returnera genom att flytta sin avatar till det lilla hexagonfältet som indikerar en viss summa pengar eller bråkdel att returnera (figur 1C, D). Före varje runda är både investerare och förvaltare utrustade med en viss summa pengar (t.ex. 72 cent) där investerarna placeras i den nedre halvan av spelplanen och förvaltarna placeras i den övre halvan av spelplanen (figur 1B). I standardinställningen får investerarna flytta först, medan förvaltarna förblir stilla. Investerarna rör sig över spelplanen för att ange hur mycket, om någon, av deras kapital de vill skicka till förvaltaren (figur 1C). Genom att flytta fram och tillbaka på fältet kan deltagarna också kommunicera till andra investerare hur mycket de vill skicka till förvaltaren. Beroende på konfigurationen måste deltagarna nå ett enhälligt beslut om hur mycket de vill investera genom att konvergera på ett spelfält när timeouten uppnås. Enhälliga beslut krävdes för att genomdriva att investerare måste interagera med varandra, istället för att bara spela tillsammans. Om investerarna inte når ett gemensamt beslut dras en straffavgift (t.ex. 24 cent) från deras konto. Detta genomfördes för att säkerställa att investerare skulle vara mycket motiverade att nå en gemensam nivå av kollektivt förtroende. När investerarnas tid är slut multipliceras de investerade pengarna och skickas till förvaltarna som sedan får flytta medan investerarna förblir stilla. Förvaltarna anger genom rörelse hur mycket de vill återvända till investerarna (figur 1D). De tillgängliga returalternativen visas som bråktal på spelfältet för att hålla den kognitiva belastningen på förvaltare relativt låg. Spelplanen som förvaltare står på när deras tilldelade tid tar slut indikerar vilken bråkdel (t.ex. 4/6) som returneras till investerare. Rundan avslutas med en popup (figur 1E) som sammanfattar för varje deltagare hur mycket de tjänade under den omgången och vad deras bytesbalans.

Rundor bör upprepas flera gånger. Forskare bör låta deltagarna spela CTG i minst 10 eller 15 omgångar i samma roller. Detta är nödvändigt eftersom kollektiv tillit är en framväxande konstruktion och behöver utvecklas under upprepade interaktioner inom en grupp. På samma sätt kommer andra begrepp som framåtriktad signalering (dvs. att återgälda hög avkastning från förvaltare med höga investeringar i nästa omgång) bara att dyka upp i upprepade interaktioner. Det är dock avgörande att deltagarna inte är medvetna om det exakta antalet omgångar som ska spelas eftersom det har visat sig att beteendet drastiskt kan förändras när deltagarna är medvetna om att de spelar den sista omgången (dvs. mer orättvist beteende eller avböjningar i ekonomiska spel^37,38).

På detta sätt ger CTG information om framväxten av kollektivt förtroende på flera nivåer. För det första bör nivån på det kollektiva förtroende som uppvisas i den sista omgången vara en nära representation av den gemensamma nivån av förtroende som investerare har gentemot förvaltaren/förvaltarna. För det andra kan det belopp som investeras i varje omgång fungera som en proxy för uppkomsten av kollektivt förtroende över upprepade interaktioner. För det tredje belyser rörelsedata gruppprocessen som avgör hur mycket pengar som investeras i varje omgång.

Protocol

Datainsamling och dataanalys i detta projekt har godkänts av etikkommittén vid Georg-Elias-Müller-institutet för psykologi vid universitetet i Göttingen (förslag 289/2021); protokollet följer riktlinjerna för mänsklig forskning från etikkommittéerna vid Georg-Elias-Müller-institutet för psykologi. CTG-programvaran kan laddas ner från OSF-projektet (DOI 10.17605/OSF. IO/U24PX) under länken: https://s.gwdg.de/w88YNL. 1. Förbered teknisk installation Fö…

Representative Results

I denna artikel presenteras resultaten av en pilotstudie som genomförts med CTG med 16 deltagare (fem män, 11 kvinnor; Ålder: M = 21, SD = 2,07). Enligt Johanson och Brooks42 är denna provstorlek tillräcklig i ett pilotexperiment, särskilt i kombination med ett kvalitativt tillvägagångssätt för att nå en hög informationstäthet om deltagarnas subjektiva upplevelse under experimentet. Det rekommenderas att när forskare avser att anpassa CTG till sin specifika forsknin…

Discussion

CTG ger forskare möjlighet att anpassa den klassiska BDM¹ för grupper och observera emergenta processer inom grupperna på djupet. Medan annat arbete^23,24,25,26 redan har försökt anpassa BDM¹ till gruppinställningar^, är det enda sättet att komma åt grupprocesser i dessa studier mödosamma gruppinteraktionsanalyser av videobandade diskussio…

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.