登录

需要订阅 JoVE 才能查看此. 登录或开始免费试用。

本文内容

  • 摘要
  • 摘要
  • 引言
  • 研究方案
  • 结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

集体信任博弈是一种基于计算机的多智能体信任博弈,基于HoneyComb范式,它使研究人员能够评估集体信任和相关结构的出现,例如公平,互惠或前瞻性信号。该游戏允许通过游戏中的移动行为详细观察群体过程。

摘要

从整体上理解群体信任的需求导致了衡量集体信任的新方法的激增。然而,现有的研究方法往往没有完全捕捉到这种结构的涌现品质。在本文中,提出了集体信任博弈(CTG),这是一种基于HoneyComb范式的基于计算机的多智能体信任博弈,使研究人员能够评估集体信任的出现。CTG建立在之前关于人际信任的研究基础上,并将广为人知的信任博弈改编为HoneyComb范式中的群体设置。参与者扮演投资者或受托人的角色;这两个角色都可以由团体扮演。最初,投资者和受托人被赋予一笔钱。然后,投资者需要决定他们想向受托人发送多少(如果有的话)捐赠基金。他们通过在显示可能的投资金额的运动场上来回移动来传达他们的倾向以及他们的最终决定。在他们的决策时间结束时,投资者同意的金额被乘以并发送给受托人。受托人必须传达他们希望将多少投资(如果有的话)返还给投资者。同样,他们通过在运动场上移动来做到这一点。这个过程重复多轮,以便集体信任可以通过反复的互动成为一种共享结构。通过这一程序,CTG提供了通过记录运动数据实时跟踪集体信任出现的机会。CTG可针对特定的研究问题进行高度定制,并且可以作为在线实验运行,使用少量低成本设备。本文表明,CTG将群体交互数据的丰富性与经济博弈的高内效度和时效性相结合。

引言

集体信任博弈(CTG)提供了在线衡量一群人内部集体信任的机会。它将Berg,Dickhaut和McCabe1(BDM)的原始信任博弈推广到组级别,并且可以捕获和量化其新兴品质234的集体信任,以及公平互惠或前向信号等相关概念。

以前的研究大多将信任概念化为一种纯粹的人际关系结构,例如,领导者和追随者之间的结构5,6不包括更高层次的分析。特别是在组织环境中,这可能不足以从整体上理解信任,因此非常需要了解信任在集团层面建立(和减少)的过程。

最近,信任研究纳入了更多层次的思维。Fulmer和Gelfand7 回顾了许多关于信任的研究,并根据每项研究中调查的分析水平对它们进行了分类。三种不同的分析层次是人际关系(二元)、团体和组织。重要的是,Fulmer和Gelfand7 还区分了不同的指涉物。所指对象是信任所指向的实体。这意味着当"A信任B到X"时,A(经济游戏中的投资者)由级别(个人,团体,组织)表示,B(受托人)由所指对象(个人,团体,组织)表示。X 表示信任所引用的特定域。这意味着X可以是任何东西,例如一般积极的倾向,积极的支持,可靠性或金融交换,如经济游戏1

在这里,集体信任是根据卢梭及其同事对人际信任的定义8定义的,类似于之前对集体信任910,1112,1314的研究;集体信任包括一个群体基于对另一个个人、团体或组织的意图或行为的积极期望而接受脆弱性的意图。集体信任是一群人之间共享的一种心理状态,是在这个群体之间的互动中形成的。因此,集体信任的关键方面是群体内部的共享。

这意味着对集体信任的研究需要超越单个过程的简单平均数,并将集体信任概念化为一种涌现现象234,因为群体科学的新发展表明,群体过程是流动的,动态的和涌现的215。我们将涌现定义为"较低层次的系统元素相互作用并通过这些动态创造在系统较高层次上表现的现象的过程"16(第335页)。建议这也适用于集体信任。

反映对群体过程的出现和动态的关注的研究应使用适当的方法17来捕捉这些品质。然而,目前集体信任衡量的状况似乎滞后。大多数研究对910121318组中每个人的数据采用了简单的平均技术。可以说,这种方法只有很少的预测有效性2,因为它忽略了群体不仅仅是个人的聚合,而是具有独特过程的更高层次的实体。一些研究试图解决这些缺点:亚当斯19的一项研究采用了潜在的变量方法,而Kim及其同事10使用小插图来估计集体信任。这些方法很有希望,因为它们承认集体信任是一种更高层次的结构。然而,正如Chetty及其同事20所指出的那样,基于调查的措施缺乏真实回答的激励,因此对信任的研究越来越多地采用行为或激励兼容的措施2122

许多研究解决了这个问题,这些研究采用了一种行为方法,即BDM1,由第23242526组演奏。在BDM中,双方作为投资者(A)或受托人(B)。在这个连续的经济博弈中,A和B都获得了初始捐赠(例如,10欧元)。然后,A需要决定他们想向B发送多少(如果有的话)捐赠基金(例如,5欧元)。然后,实验者将该金额增加三倍,然后 B 才能决定他们想要寄回给 A 的收到的钱(例如,15 欧元)中有多少(如果有的话)(例如,7.5 欧元)。A 寄给 B 的金额作为A 对 B 的信任程度,而 B 寄回的金额可用于衡量 B 的可信度或 A 和 B 二元组的公平程度。大量研究调查了二元信任博弈中的行为27.BDM既可以作为所谓的"一次性"游戏进行,其中参与者只与特定的人玩游戏一次,也可以重复进行,其中互惠2829以及前向信号等方面可能发挥作用。

在许多将BDM应用于23,242526组的研究中,投资者受托人或两者兼而有之的角色都由群体扮演。然而,这些研究都没有记录群体过程。在研究设计中简单地用群体代替个体不符合Kolbe和Boos17或Kozlowski15为研究新兴现象而建立的标准。为了填补这一空白,开发了CTG。

开发CTG的目的是创建一种范式,将广泛使用的BDM1 与一种将集体信任捕获为在群体之间共享的基于行为的紧急结构的方法相结合。

CTG基于Boos及其同事30的HoneyComb范式,该范式也已发表在可视化实验杂志31 上,现已用于信任研究。正如Ritter及其同事32所描述的那样,HoneyComb范式是"一个基于计算机的多智能体虚拟游戏平台,旨在消除所有感官和沟通渠道,除了对参与者分配的化身运动在运动场上的感知"(第3页)。HoneyComb范式特别适用于研究群体过程,因为它允许研究人员使用时空数据记录真实群体成员的运动。可以说,除了群体相互作用分析17之外,HoneyComb是为数不多的允许研究人员详细跟踪群体过程的工具之一。与群体相互作用分析相比,蜂巢时空数据的定量分析耗时更低。此外,简化主义的环境和排除参与者之间除运动场上的运动之外的所有人际交流的可能性使研究人员能够限制混杂因素(例如,外表,声音,面部表情)并创建具有高内部有效性的实验。虽然在采用小组讨论设计的研究中很难确定群体过程的所有影响方面33,但对运动范式中群体互动的基本原则的关注使研究人员能够量化该实验中群体过程的各个方面。此外,以前的研究使用近似行为34 - 因此减少了自己和另一个人之间的空间 - 来调查信任3536

figure-introduction-4166
图1:CTG的示意图。 A)一轮CTG的示意图。(B)在回合开始时首次放置头像。三位蓝色投资者站在初始字段"0"上。黄色受托人站在初始字段"0"上。(C)投资阶段的屏幕截图显示三个投资者(蓝色头像)在游戏场地的下半部分。一个(蓝色大头像)目前站在"12"上,两个投资者目前站在"24"上。两个头像有尾巴(用橙色箭头表示)。尾巴表示他们从哪个方向移动到当前领域(例如,一个投资者(蓝色大头像)刚刚从"0"移动到"12")。没有尾巴的头像已经在这个场地上站立了至少 4000 毫秒。 (D) 返回阶段的屏幕截图显示一个受托人(黄色头像)和游戏场地的上半部分。受托人目前站在"3/6"上,最近从"2/6"移到了那里,如尾部所示。下面的蓝色数字(36)表示投资者的投资。箭头指示的黄色数字是当前返回值 (54),如运动场中间所示。回报计算如下:(投资(36美分)x 3)x当前回报率(3/6)= 54美分。(E) 弹出窗口向参与者反馈他们在回合中赚取了多少,在受托人超时到期后显示 15 秒。 请点击此处查看此图的大图。

CTG的主要程序(图1A)紧密基于BDM1的程序,以使结果与以前使用这种经济游戏的研究相当。由于HoneyComb范式基于运动原理,参与者通过将他们的头像移动到表示一定数量的金钱或分数返回的小六边形场上来指示他们想要投资或回报的金额(图1C,D)。在每一轮融资之前,投资者和受托人都被赋予一定数量的资金(例如,72美分),投资者被放置在游戏场地的下半部分,受托人被放置在游戏场地的上半部分(图1B)。在默认设置中,允许投资者先移动,而受托人保持静止。投资者在运动场上移动,以表明他们想向受托人发送多少捐赠基金(如果有的话)(图1C)。通过在现场来回移动,参与者还可以与其他投资者传达他们想向受托人发送多少。根据配置,参与者需要在达到超时时通过汇聚在一个游戏场地上来就他们想要投资多少做出一致决定。需要一致的决定,以强制投资者需要相互交流,而不是简单地相互配合。如果投资者没有达成共同决定,将从他们的账户中扣除罚款(例如,24美分)。实施这一举措是为了确保投资者有很高的积极性达到共同的集体信任水平。一旦投资者的时间到了,投资的资金就会成倍增加并发送给受托人,然后允许受托人在投资者保持静止的情况下移动。受托人通过变动表明他们希望向投资者返还多少(图1D)。可用的返回选项在运动场上显示为分数,以保持受托人的认知负荷相对较低。受托人在分配的时间用完后所站立的运动场表明哪个部分(例如,4/6)返回给投资者。本轮以一个弹出窗口(图1E)结束,该弹出窗口汇总了每个参与者在该轮中赚取的金额以及他们的当前账户余额。

回合应重复多次。研究人员应该让参与者以相同的角色玩CTG至少10或15轮。这是必要的,因为集体信任是一种新兴结构,需要在群体内的反复互动中发展。同样,其他概念,如前瞻性信号(即在下一轮中以高投资回报受托人的高回报)只会在反复的互动中出现。然而,至关重要的是,参与者不知道要玩的确切回合数,因为已经表明,当参与者意识到他们正在玩最后一轮时,行为可能会发生巨大变化(即,经济游戏中更不公平的行为或偏转3738)。

通过这种方式,CTG提供了有关多个层面集体信任出现的信息。首先,最后一轮中展示的集体信托水平应密切代表投资者对受托人持有的共同信任水平。其次,每轮投资的金额可以作为重复互动中集体信任形成的代表。第三,运动数据揭示了决定每轮投资多少资金的小组过程。

研究方案

该项目的数据收集和数据分析已获得哥廷根大学乔治-埃利亚斯-穆勒心理研究所伦理委员会的批准(提案 289/2021);该协议遵循Georg-Elias-Müller-心理学研究所伦理委员会的人类研究指南。CTG 软件可从 OSF 项目 (DOI 10.17605/OSF.IO/U24PX) 下的链接:https://s.gwdg.de/w88YNL。

1. 准备技术设置

  1. 准备在线同意书和问卷
    1. 在在线问卷工具中准备在线同意书。
    2. 如果适用,请在在线问卷工具中准备在线问卷。
      注意:可以在HoneyComb程序中包括一个简短的调查问卷(参见步骤1.3.5)。要使用较长的调查问卷,请改用单独的在线问卷工具。在线问卷工具的示例在 材料表中给出。
  2. 准备远程桌面服务器
    1. 在远程服务器上安装基于 Linux 的操作系统。如果可能,请向技术助理询问该机构的可用资源。否则,请遵循安装准则39
    2. 在此服务器上创建不同的用户40.
      1. 创建具有根权限且仅由试验中的技术主管访问的用户 管理员
      2. 创建一个用户实验者,该 实验器 具有创建共享文件夹,导入和导出数据的权限,并且可以由所有收集数据的人员(包括学生/研究助理等)访问。
      3. 创建多个名为参与者- 1、参与者-2 等的用户。
        注意:研究人员只能在一个实验会话中测试与创建的用户一样多的参与者。
    3. 在管理员用户上执行命令 java -version ,以确保 Java 运行时环境在服务器上可用。如果没有,请先安装最新的 Java 版本,然后再继续,并确保所有用户都可以访问它。
    4. 安装程序
      1. 下载程序。
        注意:该程序可以下载为zip文件 HC_CTG.zip 包含1)可运行的HC.jar,2)三个配置文件(hc_server.config,hc_panel.confighc_client.config),以及3)名为 intro rawdata的两个子文件夹。
      2. 在实验者用户上创建一个文件夹,并与其他用户共享41.将压缩文件 HC_CTG.zip 中的文件解压缩到此文件夹中。
      3. 对于每个参与者用户,请访问此共享文件夹并检查用户是否可以访问文件。
  3. 打开三个配置文件。
    1. 编辑 hc_server.config 并保存编辑后的文件。
      1. 通过将玩家n_Pl设置为所需数量来配置玩家数量。例如,在 = 后面输入 4
      2. 通过重复游戏编号 54a(例如,54a、54a、54a、54a 进行四轮)来配置要玩的回合数 (playOrder)。
        注意: i54a 代表说明,不应在配置文件中删除。
      3. 通过在 playOrder 末尾包含 200 来配置是否应在 HoneyComb 中显示调查问卷。如果使用单独的在线问卷工具,则删除 200
      4. 配置投资规模。要为投资者配置规模 (iscale),请输入哪些值应用作投资步骤(例如,0、12、24、36、48、60、72)。使用三的倍数的整数,以便付款也是整数。
        注意:这些配置的值也显示为投资者的可能投资步骤。
        1. 通过选择哪些值应在运动场上显示为可能的回报(例如,0、1/6、2/6、3/6、4/6、5/6、1)来配置受托人的显示比例(tlabel)。注意:此比例不会影响付款的计算。
        2. 通过选择哪些返回值可以作为返回值(例如,0、0.166666、0.3333、0.5、0.6666、0.833331、1)来配置受托人的比例 (tscala)。仅使用数字值(即,不使用分数)。
          注意:这些值用于计算支出,不会显示在游戏场上。
      5. 以秒为单位配置超时(投资者的 timeInI,受托人的 timeInT)和超时(投资者的超时,受托人的超时)。 例如,timeInI = 0,timeOutI = 30,timeInT = 30,超时 = 45。
      6. 配置投资者和受托人在每轮中捐赠的金额,单位为美分(R52)。
      7. 配置投资在发送给受托人之前乘以的系数 (f52)。
      8. 配置组是否必须达成一致决定(将 bUnanimous 设置为 true)或是否(将 unversous 设置为 false
      9. 配置组是按相等的部分支付(将 bCommon 设置为 true)还是根据每个投资者对投资的贡献量(将 bCommon 设置为 false)。
      10. 如果 bUn一致 设置为 true,则配置罚款 - 如果未达成一致决定,则从投资者那里扣除的金额(第 52 页)。
    2. 如有必要,编辑 hc_client.config 。确保将 ip_nr 设置为 localhost ,以便客户端可以连接到实验者。
    3. 编辑 hc_panel.config
      1. 根据屏幕分辨率调整六边形(半径)的大小。在多个不同的屏幕上测试实验,以确保实验在各种屏幕上可见。
      2. 调整游戏场上 标签下显示 的文本(例如, 您的角色是:投资者、账户余额等)
    4. 如有必要,调整和/或翻译说明。为此,请编辑简单的HTML文件(图2A)并将其保存在HoneyComb程序文件夹的"介绍"文件夹中。
    5. 如果要在蜂窝程序中使用问卷,请在文件 qq中 调整和/或翻译问卷.txt并保存文件。
    6. 在所有实验会话中保持此设置不变(在一个实验条件下)。记录所有配置。

2. 参与者招募

  1. 在线广告
    1. 通过可用渠道(例如,社交媒体、大学博客、带有二维码的传单)招募参与者。说出有关实验的重要信息,例如实验的目的、持续时间和根据游戏行为计算的最高付款额。
      注意:这里展示的样本是通过哥廷根大学心理学学生的在线博客以及社交媒体组中的无偿广告 招募 的。补充 图 1 中可以看到一个示例传单。
    2. 让潜在的参与者意识到,参与将需要在安静、僻静的区域使用具有稳定互联网连接的个人笔记本电脑/PC。让参与者知道他们可能需要安装程序才能建立远程桌面连接。
      注意:无法通过手机或平板电脑 参加
    3. 确保参与者符合实验的纳入标准,例如语言要求或色觉。
    4. 确保参与者没有参加过以前的CTG实验。
  2. 与参与者预订实验课程
    1. 要求参与者预订他们的参与时间段。
    2. 使用参与者管理软件发送自动邀请或提醒电子邮件。
    3. 至少一个参与者超额预订时间段,以确保有足够的参与者在场运行实验。
  3. 向参与者发送一封确认电子邮件,其中包含以下详细信息:计算机设置指南、远程桌面连接工具安装以及与远程桌面建立连接。确保尚未发送任何登录信息,以避免由于较早登录而导致的技术问题。
  4. 在实验前约24小时向参与者发送提醒电子邮件,包括视频会议平台的链接。在确认电子邮件中包括有关已发送的安装的信息。

3. 实验设置(每次实验前)

  1. 准备视频会议平台(图3
    1. 确保阻止参与者共享其麦克风或摄像头。确保参与者看不到彼此的名字。
    2. 共享实验者的麦克风和摄像头,并在视频会议平台上以最少的说明共享屏幕(图 3)。
  2. 准备远程桌面
    1. 用户 实验者
      1. 启动与实验者用户的远程桌面连接。打开共享文件夹并通过右键单击目录并选择 在此处打开终端来启动终端。
      2. 通过在终端中键入命令 java -jar HC_Gui.jar 并按 ENTER 键来启动服务器程序HC_Gui.jar。
    2. 用户参与者 -1、参与者-2等。
      1. 与用户建立远程桌面连接 参与者- 1参与者-2 等。打开共享文件夹并像以前一样在此文件夹中启动终端。
      2. 通过在终端中键入命令 java -jar HC .jar 并按 ENTER 键来启动每个用户的客户端程序。
      3. 检查所有参与者用户的连接是否正确建立。
        注意:参与者用户的屏幕应显示 消息请稍候计算机正在连接到服务器。 建议使用与用户一样多的笔记本电脑(图 4)。
    3. 用户实验者
      1. 检查服务器 GUI 中是否显示一行,显示每个参与用户的 IP 地址。连接所有参与者用户后,检查服务器程序是否显示消息 "所有客户端都已连接"。准备好开始了吗?。单击 确定
      2. 检查参与者用户的屏幕是否显示实验的欢迎屏幕(第一个说明页面)。
        注意:实验者可以准备会议到这一点。

4. 实验程序

  1. 允许参与者在预定的实验时间段参加视频会议。欢迎所有参与者使用标准化文本。向参与者解释技术程序。
  2. 共享指向在线同意书的链接。检查所有参与者是否已给予书面同意。
  3. 引导参与者打开远程桌面连接工具,并通过视频会议中的个人聊天 每位参与者发送其个人登录数据。
    注意:当参与者登录到参与者用户时,实验室中的笔记本将失去与参与者用户的连接。从这里开始,实验会自动运行,直到参与者到达最后一页,指示他们返回视频会议。
  4. 让参与者通过单击" 确定"来确认他们已阅读第一个说明页面。所有参与者确认后,请等待参与者完成游戏。
    注意:参与者可以按照自己喜欢的速度翻阅说明。一旦所有参与者确认他们已阅读说明,CTG将自动开始。游戏会自动通过 server.config 文件中指示的尽可能多的回合进行。
  5. 测试阶段
    1. 将参与者分配到以下两个角色之一:投资者或受托人。
      注意:可以为多个参与者分配相同的角色。
    2. 让投资者从最底部的字段开始(表示投资为0),受托人从最上面的字段(表示回报为0)开始(图1B)。
    3. 指示参与者通过 左键单击到相邻的六边形字段来移动其头像。指示参与者只能选择相邻字段,不能跳过字段。指示参与者,他们的头像将在每次移动后显示一个小尾巴 4000 毫秒,指示他们移动到当前字段的最后一个方向(图 1C)。
    4. 允许投资者从头开始(时间 = 0)以指示他们想要投资多少。一定时间后,禁止投资者移动(超时)。
      注意:它们所在的字段将指示投资金额。在运动场的中间,一个蓝色数字将另外显示发送给受托人的金额。如果实验设置为需要一致投资,则只有在所有参与者都站在同一领域时才会进行投资。
    5. 在说明中解释投资金额乘以一个因子(例如,三)并发送给受托人。通过将受托人时间设置为受托人超时的长度,限制受托人在投资者移动期间移动。
    6. 指示受托人采取行动,以表明他们希望返还给投资者的部分。一旦达到受托人超时,受托人所在的字段将用于指示返回给投资者的部分。返回的金额也用黄色数字表示在运动场的中间(图 1D)。
    7. 让弹出窗口显示该人在回合结束时赚取的金额(图 1E)。
    8. 根据需要重复游戏回合(即,如 server.config 文件中所示)。
    9. 完成所有回合后,要求参与者生成个人唯一代码,以便游戏内收入可以与他们的名字相关联,同时保持行为数据匿名。
    10. 参与者生成代码后,将显示一个屏幕,指示参与者返回视频会议并关闭远程桌面连接。
      注意:实验程序(本协议中的第4部分,15个游戏回合)需要35分钟。
    11. 如果参与者的技术问题或失败需要中止实验会话,请不要与相同的参与者重新开始实验。
  6. 测试后阶段
    1. 游戏完成后,请确保所有参与者都已关闭远程桌面连接。让参与者填写适合特定研究问题的问卷。
    2. 当参与者填写问卷时,通过单击" 停止和退出"关闭实验者用户的服务器程序。这也将关闭参与者用户的程序。
    3. 感谢参与者的时间,并解释他们的收入将如何以及何时转移给他们。确保所有参与者都已离开视频会议,尤其是在之后直接安排了另一个实验时间段时。

5. 完成实验

  1. 传输和备份数据(例如,在云中),以每组和实验时间段一个*.csv和一个*.txt文件的形式,用实验的日期和时间戳标记。
  2. 关闭所有远程桌面连接。

结果

本文介绍了与CTG进行的一项试点研究的结果,该研究发现有16名参与者(5名男性,11名女性;年龄: M = 21, SD = 2.07)。根据Johanson和Brooks42的说法,这个样本量在试点实验中是足够的,特别是当与定性方法配对以达到实验期间参与者主观体验的高信息密度时。建议每当研究人员打算使CTG适应其特定的研究思路时,例如,通过定制每个组中的参与者人数,应在主要数据收...

讨论

CTG为研究人员提供了将经典BDM1应用于群体并深入观察群体内紧急过程的机会。虽然其他工作23242526已经尝试使BDM1适应小组设置,但在这些研究中访问小组过程的唯一方法是对视频录制的讨论进行费力的小组互动分析。由于这通常是一项繁琐且耗时的任务

披露声明

作者没有什么可透露的。

致谢

这项研究没有得到任何外部资助。

材料

NameCompanyCatalog NumberComments
Data Analysis Software and PackagesRversion 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 PackagesR Studioversion 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 Packagesggplot2version 3.3.6Wickham, H. ggplot2: Elegant Graphics for Data Analysis. at [https://ggplot2.tidyverse.org]. Springer-Verlag New York. (2016).
Data Analysis Software and Packagescowplotversion 1.1.1Wilke, C.O. cowplot: Streamlined Plot Theme and Plot Annotations for “ggplot2.” at [https://CRAN.R-project.org/package=cowplot]. (2020).
OnlineQuestionnaireToolLimeSurveyCommunity Edition Version 3.28.16+220621 Any preferred online questionnaire tool can be used. LimeSurvey or SoSciSurvey are recommended.
Notebooks or PCsDELLLatitude 7400Any laptop that is able to establish a stable Remote Desktop Connection can be used.
Participant Management SoftwareORSEEversion 3.1.0It 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 ConnectionRemote 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 EnvironmentVMware vSphere environment based on vSphere ESXiversion 6.5Ideally provided by IT department of university/institution.
VideoConference PlatformBigBlueButtonVersion 2.3It 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-InstallationXubuntuversion 20.04 "Focal Fossa"Other Linux-based systems will also be possible.

参考文献

  1. Berg, J., Dickhaut, J., McCabe, K. Trust, reciprocity, and social history. Games and Economic Behavior. 10 (1), 122-142 (1995).
  2. 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).
  3. 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).
  4. 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).
  5. 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).
  6. Shamir, B., Lapidot, Y. Trust in organizational superiors: Systemic and collective considerations. Organization Studies. 24 (3), 463-491 (2003).
  7. 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).
  8. 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).
  9. Dirks, K. T. Trust in leadership and team performance: Evidence from NCAA basketball. Journal of Applied Psychology. 85 (6), 1004-1012 (2000).
  10. 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).
  11. Forsyth, P. B., Barnes, L. L. B., Adams, C. M. Trust-effectiveness patterns in schools. Journal of Educational Administration. 44 (2), 122-141 (2006).
  12. 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).
  13. Kramer, R. M. Collective trust within organizations: Conceptual foundations and empirical insights. Corporate Reputation Review. 13 (2), 82-97 (2010).
  14. Kramer, R. M. The sinister attribution error: Paranoid cognition and collective distrust in organizations. Motivation and Emotion. 18 (2), 199-230 (1994).
  15. Kozlowski, S. W. J. Advancing research on team process dynamics: Theoretical, methodological, and measurement considerations. Organizational Psychology Review. 5 (4), 270-299 (2015).
  16. 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).
  17. Kolbe, M., Boos, M. Laborious but elaborate: The benefits of really studying team dynamics. Frontiers in Psychology. 10, 1478 (2019).
  18. 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).
  19. Adams, C. M. Collective trust: A social indicator of instructional capacity. Journal of Educational Administration. 51 (3), 363-382 (2013).
  20. 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).
  21. Harrison, G. W. Hypothetical bias over uncertain outcomes. Using Experimental Methods in Environmental and Resource Economics. , 41-69 (2006).
  22. Harrison, G. W. Real choices and hypothetical choices. Handbook of Choice Modelling. , 236-254 (2014).
  23. Holm, H. J., Nystedt, P. Collective trust behavior. The Scandinavian Journal of Economics. 112 (1), 25-53 (2010).
  24. 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).
  25. 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).
  26. 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).
  27. Johnson, N. D., Mislin, A. A. Trust games: A meta-analysis. Journal of Economic Psychology. 32 (5), 865-889 (2011).
  28. Rosanas, J. M., Velilla, M. Loyalty and trust as the ethical bases of organizations. Journal of Business Ethics. 44, 49-59 (2003).
  29. 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).
  30. Boos, M., Pritz, J., Lange, S., Belz, M. Leadership in moving human groups. PLOS Computational Biology. 10 (4), 1003541 (2014).
  31. Boos, M., Pritz, J., Belz, M. The HoneyComb paradigm for research on collective human behavior. Journal of Visualized Experiments. (143), e58719 (2019).
  32. 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).
  33. 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).
  34. Ickinger, W. J. . A behavioral game methodology for the study of proxemic behavior. , (1985).
  35. 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).
  36. 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).
  37. Gintis, H. Behavioral game theory and contemporary economic theory. Analyse & Kritik. 27 (1), 48-72 (2005).
  38. Weimann, J. Individual behaviour in a free riding experiment. Journal of Public Economics. 54 (2), 185-200 (1994).
  39. 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)
  40. 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)
  41. 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)
  42. Johanson, G. A., Brooks, G. P. Initial scale development: Sample size for pilot studies. Educational and Psychological Measurement. 70 (3), 394-400 (2010).
  43. Glaeser, E. L., Laibson, D. I., Scheinkman, J. A., Soutter, C. L. Measuring trust. The Quarterly Journal of Economics. 115 (3), 811-846 (2000).
  44. 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).
  45. 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).
  46. Belz, M., Pyritz, L. W., Boos, M. Spontaneous flocking in human groups. Behavioural Processes. 92, 6-14 (2013).
  47. 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).

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

188

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

科研

教育

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。