Summary

人間の集団行動の研究のためのハニカム パラダイム

Published: January 19, 2019
doi:

Summary

コンピューターをベースとしたマルチ エージェント ゲーム集団運動動作を介して黒-ドット-アバター仮想 2次元六方晶のプレイ フィールドでの実験を可能にするハニカムを紹介します。フィールド ゴールやビジョン半径可変インセンティブのようなさまざまな実験条件を設定できるし、運動動作に及ぼす影響を調べることができます。

Abstract

グループ運動など人間集団の行動はよく驚きのパターンとリーダーシップの出現といった規則性を示しています。最近の文献は、これらのパターンは、多くの場合グループのグローバル レベルで目に見えるが、いくつかの単純なローカル パラメーターに従う自己組織化、個々 の行動に基づいていることを明らかにしました。人間の集団行動のダイナミクスを理解し調整と理想的な配置と建物の非常口の数を識別するなど、グループや群衆のシナリオにおけるリーダーシップの向上に役立ちます。

この記事ではハニカムは、人間の集団行動の実態と効果を体系的に調査するための実験のパラダイムを提案する.このパラダイムは、形し、研究の質問の様々 なタイプに適応することができます、設定を提供するマルチ ユーザー コンピュータ ベース プラットフォームを使用します。研究の質問によって、実験者によって状況 (特定動作、金銭的なインセンティブとリソース、不確実性の様々 な程度の費用対効果比など) を設定できます。各参加者の運動は、個人 Id と 50 ms の精度でタイムスタンプを持つ六角形の座標としてサーバーによって記録されます。したがって、メトリックは、プレイ フィールドの定義ことができます、時間の経過とともに参加者の運動パラメーター (例えば距離、速度、クラスタ リング、) を測定できます。運動データは、同じ実験のセットアップ内で集めたアンケートから非電子化データと順番結合することができます。

ハニカム パラダイムの運動実験の新しい種類の道筋です。ここで示すこれらの実験が、意味のある人間の集団行動の理解を深めるために十分な内部妥当性の結果をレンダリングできます。

Introduction

コンピューターを利用したマルチ エージェント ゲーム ハニカム1実験的どのように集団の人間の動きを調査するための方法論的パラダイムを提供しています個々 の行動から出てくるパターンとグループ構造。人間の参加者はアバター (ブラック ドット) としてハニカム (図 1) に似た六角形の仮想プレイ フィールドに視覚的に表されます。参加者のアバターを介してマウス クリック六角形の目標に到達し、移動リソース (ビデオ 1) を費やす凝集のグループ (動画 2) を構築することにより、金銭的な報酬を最大化するために移動します。空間的条件 (例えば、ビジョン半径)、報酬構造 (例えば、金融政策の目標フィールド)、および通信チャネルを発見するために操作できるし、どの程度までこれらの条件ルールに影響を与える調整とリーダーシップ集団運動。

ゲームの手続き/条件ルール、目標、および報酬の動機は、人間の集団の動きを調査する社会心理学者によって設計されています。人間の群集と同様、動物の群れ、1 つは、ローカル規則に従って個々 の行動から蒸散創発的現象 (すなわち、グローバルなパターン) を観察できます。たとえば、魚の群れ、鳥の群れに向かって空間目標2,3,4、グローバルまたは個体間のコミュニケーションのための能力を減らす大規模なグループのサイズにもかかわらず、一貫したエンティティとして移動するように見えます。実証的研究5,67、行動モデリング8,9,10, とコンピューター シミュレーション11,12,13人間14,15,16, を含む多様な種の内部統制や外部の監督なしグループ レベルで複雑なパターンが出てくるが示されています。ローカルの個々 の動きと、多くの場合、顕微鏡レベルの単純なルールが巨視的レベルで整然とした動きを生成するのに十分です。そのような実験は、増加の証拠2,6が大きな群れだけでなく、小規模 (人間の集団として他の動物群) がローカル相互作用規則1によって調整されることに貢献します。

コンピュータ ベースのマルチ ユーザーのアバター ゲームを使用して私たちの新しいアプローチは、ダイナミックな人間集団の現象を研究の主な利点の 1 つを示しています。ハニカム アバター プラットフォーム1,17,18,19を使用すると、個々 の動きの行動 (実際の個人によって支配の動き) の時空間的データ完全に収集できますサーバーによって、行動と集団構造の開発は、50 ms (表 1) の精度で分析できます。視覚・聴覚の感覚的コミュニケーションを要求することによって制限できます、参加者が耳栓を使用し、被覆間仕切壁、各自のワークステーション群と群衆行動等実験的近似できます。いくつか実験1,17,18,19私たちはビジョンの半径 (グローバルローカル、図 2)、金銭的なインセンティブ (図 3 a、b を操作)、(図 4) のサブグループとひと群れ行動17、リーダーシップなど集団行動パターンの出現でこれらの変数の影響をテストするために他のプレイヤー (図 5) の共存在1、および競争18。10 から 12 のノートと 1 つのサーバーのセットアップの使用データを収集するには、(図 6)。

グループ生物種の個々 の活動の自己組織的な連携は、特に過去 10 年間の内で科学的な注目をされています。検査は、魚群とも歩行者2の双方向フローの偏析の渦構造の複雑な出現にアリで簡単なトレイル形成とパスの選択範囲から多岐にわたる。

当社のハニカムのパラダイムを持つ貢献経験的様々 な状況のオプション/制約、多様な行動ルール、および個々 の特性の出現で顕微鏡のレベルでの影響を調査するための方法論的アプローチ人間のマクロスコ ピック行動の構造。重要な利点は、パラダイムが実験者、ことができる単一の実験の成果を測定したり、複数の実験を比較する操作で定義されている厳密に制御できる実験的設定を提供することです。研究デザインの要件に従って仮想プレイ フィールドを構成でき、参加者間の感覚の通信チャネルを削除または実験パラメーターに従って削減することができます。さらに、環境のアフォー ダンスは (など、競争力のある、非競争的なコンセンサスと救助設定) 形することができます。したがって、当社のプラットフォームが具体的な研究の質問に関連する変数の操作/制御の可能性を提供することによって内部妥当性 (すなわち、研究デザインと研究の質問にできるだけ密接に一致する) を強制使用人間の動きを調べる人間支配運動データ。フィールド実験結果15,20,21に現実の世界の外的妥当性 (一般化) の面でメリットをレンダリングは、不明な手に負えない/insuppressible 社会の効果を妨げないので手がかりとして人間1以外、パラ言語的行動。

コンピュータ ベースのマルチ エージェント ゲーム ハニカムは、調整の出現と仮想プレイ フィールド上の自分のアバターを移動の人間のプレイヤーのリーダーシップのパターンを調査に務めています。参加者は、グループの凝集による金銭的な報酬の増殖も同じ目標に終わった共同の選手の数のためのインセンティブを含む目標の六角形を得られる金銭的なインセンティブに関するローカル情報が提供されただけ六角形。研究の最初のシリーズの蝟集 (配置および結束) の 2 つの単純なパラメーターをテスト設定を制限し、「読書/送信」動作のみ他の参加者の相互情報伝達を減少します。我々 は、いずれかに他の参加者の移動行動の光景半径に 97 の小さい六角形で構成され、限られた選手の消耗運動資源 (移動可能な) 仮想プレイ フィールドのグローバルまたはローカル ビューを変化させます。

具体的な研究の質問によると、形状と仮想プラットフォームの要素とプラットフォームと述べた上で再生することができるゲームの実験者定義のパラメーターを設計できます。研究目的に応じてプレイ フィールドのサイズを変更できます。色、形、およびアバターの意味を合わせることができる;リソースを実装することができます。報酬の構造と内容を変えることができます。もっとまたはより少なく情報、不確実性、および競合している設定を実装されている22にすることができます。さまざまなグローバル プレーヤー表示情報と制御も可能です。したがって、変更された (例えば、脱出シナリオコンセンサス)を介して実験方法、実験の環境のアフォー ダンスができます。次のセクションでこれらの変数を特定の調査の質問に答えるためにこれらのパラメーターのいくつかを使用実際の研究を記述することによって適用する方法明らかに 。

Protocol

データ収集とデータ分析このプロジェクトでは、ゲッティンゲン大学 (提案 039/2012) の心理学のゲオルク ・ エリアス ・ ミュラー研究所倫理委員会によって承認されています。 1. 実験装置 ようなコンピューター ラボやその他指定地域 LAN (ローカル エリア ネットワーク) として構成することができます個々 のワークステーションで高トラフィック エリアから離れている場所を選択します。 (図 6) サーバーとして機能する 1 台のコンピューターと同様に、実験に使用する同じタイプの 10 に 12 ノートの手配します。サーバー プログラムとクライアント プログラムが必要ですすべての一般的な操作システムで利用可能な JAVA ランタイム環境 (クライアントとしてラズベリー Pi は十分にすることができます)。 装置の構成 椅子図 7に示すように、個々 のワークステーションのテーブルにノートを配置します。 ノート パソコンをイーサネット ケーブル経由でサーバー コンピューターとローカル エリア ネットワークを作成するネットワーク スイッチに接続します。 近隣の参加者間の視覚感覚コミュニケーション (眼との接触、手のジェスチャー、表情、等) を防ぐために個々 のワークステーション間の間仕切壁をインストールします。 参加者間の音声通信を防止するすべての参加者に配布する (使い捨て) のための耳栓を取得します。 2. 参加者募集 募集場所を選択ここで講堂のエントランス ホールなど、人の大規模な量があります。 住所潜在的な新兵の目的と実験、実験期間、最大支払いの背景を説明する標準化されたテキストを使用して計算のパフォーマンス、およびマルチプレイヤー ゲームに参加するための要件によると機関所有のラップトップ。 英語とドイツ語の指示と実験に関連するアンケート、参加者が理解できることを確認します。 実験的なデザインには、色の使用が含まれている場合、は、参加者が使用する色を区別するからそれらを防ぐことがあります色の失明の無料を確認します。 参加者は素朴な実験をする必要があります以前の参加者の募集を行います。 募集エリアから待合室に新兵を喜んでリード。ご希望の彼らはお互いに話をせずグループ募集の完了を待っています。この制限が実験結果の整合性に関連するについて説明します。 10 に 12 の参加者に採用されている、一度事前に配置されたコンピューター実験室または指定された領域の実験が行われるにそれらを導きます。 参加者は、パーティション包まれるワークステーションで彼らの場所を取る、前に、インフォームド コンセントを指定するフォームに署名する参加者を持っています。 すべての参加者に衛生的な 1 回使用の耳栓を配布します。他の参加者と音響の通信が禁止されていることを知らせます。したがって、耳栓とパーティション鉄骨ワークステーションの使用は必須です。 パーティション包まれるワークステーションで彼らの場所を取る参加者を持っています。 3 実験手順 注: この実験で使用されるゲームはブーイングら1応用例として説明します。 準備フェーズ プログラム自体は、1) 実行可能コードを HC.jar、hc_server.config、hc_panel.config と hc_client.config、および 3) 2 つのサブフォルダーという名前のイントロと rawdata すなわち構成、2) 3 つのファイルを含む zip ファイル HC.zip としてフォーマットされています。 サーバー コンピューター上の共有フォルダーを作成し、このフォルダーに、HC.zip を解凍します。 各クライアント コンピューターにマウントし、この共有フォルダーにアクセスし、ターミナルを開いて (Linux、Mac OS x: スポット ライト | 検索 | ターミナル) またはプロンプト (Windows: 検索”cmd”)、それぞれ。解凍したファイルを各端末に表示されるように、”ls”または”dir”コマンドを使用します。 コマンドを実行して「java-バージョン”java ランタイム環境が利用可能なことを確認する各ターミナルに。それ以外の場合は、続行する前に java をインストールします。 3 では、ファイルを構成します。 1) プレーヤー、2) 最小番号と最大数各プレイヤーが作ることができます移動、3) いわゆるナゲットと 4) 知覚 radius 状態 (ローカルまたはグローバル) の値の数を構成するのには hc_server.configure を編集します。注: 2 つの認識の状態は、グローバル条件 (プレーヤーは、すべての参加者のアバターの位置を見ることができます) とローカル条件 (プレーヤーは、自分のアバターに隣接するアバターだけを見ることができます図 3 を参照)。 サーバーの ip アドレスをクライアントに指示する hc_client.configure を編集します。 Hc_panel.config、画面の解像度によると六角形のサイズを調整します。 まず、サーバー プログラム HC_Gui.jar (図 8) コマンドを使用して「java-jar HC_Gui.jar」。その後、コマンドを使用して各ワークステーションにクライアント プログラムを開始”java-jar HC_ClientAppl.jar」。注: クライアントの画面メッセージが表示する必要があります、”お待ちください。コンピューターがサーバーに接続します。”サーバーの GUI で行は、各クライアントの IP アドレスが表示されます。すべてのクライアントが接続されると、サーバー プログラムにメッセージが表示されます、”すべてのクライアントが接続しています。開始する準備?」注: 実験者は、この時点までセッションを準備できます。 すべての参加者が自分の場所を撮影したとき、彼らは耳栓を挿入する前に最後の指示を与えます。 セッションを開始するには「OK」をクリックします。ここに至って、実験は参加者に表示の画面上の指示によってのみ制御されます。単一の実験については複数の画面のページを必要とし、読書が可能で、参加したページング前後必要に応じて。注: 各参加者を示します、画面で、指定されたボタンをクリックして指示を読んでいる彼/彼女。実験は、すべての参加者に指示を読んで終了するまで開始できません。 テスト フェーズ かどうか、参加者がマウス制御仮想 97 六角形のハニカム プレイ フィールド上で (2 回ほど他の参加者の目に見えるアバター ドット) 彼らのアバターのドットを観察 (図 1参照)。 フィールドを移動する画面の以前提供された指示に従ってハニカム仮想プレイ フィールド上のセンターでテスト段階を開始参加者を持っています。 ゲームをプレイする方法のすべての命令は、ハニカム ゲームのプログラム フォルダー内の編集可能な html ファイルとして配置されます。それぞれサブフォルダー イントロ/ドとイントロ/en ドイツ語と英語の手順についてを参照してください。 自分のアバターのドットを移動する選択の隣接する小さな六角形に左選手がいます。最初の隣接するフィールドのみを選択し、後続の移動します。注: それぞれの移動後、小さな尾が 4000 ms の各参加者は、彼/彼女を歓迎するから最後の方向を示すため表示されます。 可能なバイアスを避けるために 1 回だけ参加する参加者を許可します。注: ここで説明したゲームには、命令の読み込みを含む、5-10 分が必要です。全体的に、Boosら10 人グループの 40 400 参加者でテストしました。1。 技術的な故障がある場合、または参加者が失敗した場合は、同じ参加者を使用して実験を再起動しないでください。 4. 事後テスト フェーズ ゲームが完了すると、人口統計学的データ、大きい 5 つの人格要因、ストレスや落ち着きの知覚レベルを評価するアンケートを記入し、(実験の完了時に支払われる) に満足を支払うの参加者があります。これらのアンケートは、スタンドアロンの html ファイルとして提供できます。 参加者は、アンケートに記入、ちょうど完成したハニカム ゲームで稼いだお金の適切な量と匿名の封筒を準備します。ゲームの各プレイヤーに支払われる金額をハニカム計算は、サーバーの画面に規定しています。 試験会場を出ると、参加者を獲得した支払いを配布します。 サーバー プログラムを終了し、サーバー プログラムの終了が完了したらクライアント プログラムを閉じます。 マークで日と時間-スタンプ USB スティックへの実験の 2 つのテキスト ファイルの形式で、データを転送します。

Representative Results

ハニカム パラダイム人間がされることがなく、他の近接を求めるなど、群れの動作の基本的な兆候を示したことを示した最初の実験は、17を報われます。その後、我々 は質問に対処方法個々 の人間の行動目標を達成する、同じ物理ターゲット/Boosらについても調整することができます1だけではなく不特定の群れの行動だけでなく、グループの連携とリーダーシップの行動に焦点を当てします。上記実験定義のパラメーターを使用して、目標の六角形の場所の定義が、金銭的報酬オプションが共有のインセンティブだけでなく、グループの凝集に対するモチベーションに基づいて共有の目標を確認する使用されました。グループの結束を達成するために動機は、同じ目標の六角形で終わった他のどのように多くの参加者に基づく追加報酬を定めにより強化されました。40 の 10 人グループのそれぞれについて、次のレベルの情報を与えることによって (2 つのランダムに選択された個人で構成される少数グループと残りの 8 から成る大多数のグループ) の 2 つのサブグループが作成されました。2 つの少数民族グループのメンバーは、1 つの 2 ユーロ賞六角形と 5 つの 1 ユーロ賞六角形 (図 9、左) の位置について知らされました。大半のグループの 8 人のメンバーは 2 ユーロ賞六角形について知識のなかったし、代わりに 6 均等に報酬を与えられた 1 ユーロ目標六角形 (図 9右) の場所を示されていた。さまざまなサブグループがあったこと、参加者のどれも言われていた。 考案した Couzinらによると私たちの研究の質問 ‘s23コンピューター シミュレーション モデル。この情報は通知/高い報酬を与えられた少数グループの動きを調整するために十分だった場合、(i) を参照してくださいプレーヤーの間で交換される情報のみが他のプレイヤーの動きを知覚する能力を目指しました、知らされていない/下報われる大半のグループとすれば、(ii) どのように二重賞目標情報少数グループ/無知の大半を彼らの 2 ユーロの目標の六角形につながる可能性があります。前述したように、我々 はこれらを制限研究デザイン群がって行動、1) 配置 (目標六角形に向かってグループのメンバー) および 2) 凝集性の 2 つの基本的なパラメーターを (グループのメンバーとしてグループに向けた傾向がある)。位置合わせパラメーター金融報酬を与えられた六つの目標の六角形を設定しました。凝集度パラメーターの (すなわち、調整された移動の選択肢を作る仲間と動き)、我々 は参加者に自分と同じ六角形は、最後にアバターの量に基づく報酬を与え。 ハニカム プレイ フィールドには、97 の六角形が含まれています。すべての参加者のアバターは、六角形ハニカムの中で一緒にゲームを始めた。各プレイヤーは、移動カウントの最大値 15 を与えられました。すべては隣接する六角形を六角形の六つの側面の 1 つの間にだけ (経由でマウスをクリックして) 自分のアバターを移動に制限されていました。ゲームには、すべてのアバターがペイオフのフィールドまたはすべてのプレーヤーを完全に使用していたとき、15 移動の回数が終了しました。 第 3 研究の質問に答えるに実装された追加実験要因: (iii) 知覚半径 (グローバルとローカル状態) 他の参加者がかどうか動き調整に影響を与えます。40 の 10 人グループの半分の知覚は、20 グループ (ローカル条件) が自分のアバターに隣接するアバターのみの動きを感知できることを意味するランダムごとに限られていた。残りの 20 の 10 人グループ (グローバル条件) は、すべての参加者のアバターの場所や動きを感じることができます。 答え質問 (ii) [少数民族の運動特性につながった (グループ、したがって大きな金銭的報酬として目標フィールドに到達正常に) より多くの成功] に、定義し、最初の発動機を含むさまざまな運動動作を分析共有運動パス/少数参加者は 2 名、パスの長さが、動き、参加者、ビッグファイブの性格(外向性、開放性等)とコンピュータ ・ リテラシーの間の初期移動順序間の平均時間の方向。Boosらの統計手順、2 つの binomials と詳細な結果有限混合モデルを公開します。1。 人間のグループで 2 D ハニカムで割り当てられたアバター再生 (上記のパラメーターと条件に従って移動) フィールド、(2 人の少数民族グループ)、彼らの動きに基づいてそれらの 20% は正常につながる可能性が示唆他の 80% 場合でも、彼らの知覚されたプレイ フィールド上だけ隣接するアバターに制限します。ここでは、これらの 2 人の少数のグループの参加者の成功のリーダーシップを彼らの仲間の参加者同様初期の動きとこれらの 2 人の少数の参加者をまず最初の移動1 (動画 2) が伴なった。このグループの動作の詳細なパラメーターは、表 2を参照してください。時間の経過とともにグループの分散の詳細な分析は、図 10に提供しています。また、発見、驚いたことに、人格変数もこれらの少数の参加者の間でコンピュータ ・ リテラシーが彼らの成功に大きな役割を果たした。 図 1: コンピューターを利用したマルチ エージェント ゲーム ハニカムのプレイ フィールド。六角形の仮想プレイ フィールド上でアバター (ブラック ドット) としての人間のプレイヤーのビジュアル表現。この図の拡大版を表示するのにはここをクリックしてください。 図 2: ローカル対グローバル視点。ローカルの視点と参加者だけの視覚範囲内で他のプレイヤーのアバターを見ることができます。この場合、著しいプレーヤー (赤) は、4 のうち 9 共同選手を見ることができるだけです。グローバルな視点、構成されている場合は、共同のすべてのプレーヤーの視認性を提供します。この図の拡大版を表示するのにはここをクリックしてください。 図 3: 金銭的なインセンティブ。この図は、どのように金銭的なインセンティブを示していますハニカム ゲーム内に実装することができます。アバター マーク グレー ローカル認識半径の外にある、従ってそれぞれのプレーヤーに表示されていません。ビューの 2 つの異なる点が表示されます。(a) 情報の選手: このプレーヤーは「€€」、(b) 無知なプレーヤーとしてマークされている 1 つのより高い報酬を与えられる目標フィールドに恵まれている: このプレーヤーは六つの均等に低い報酬目標フィールドを「€」としてマークされているを提供します。この図の拡大版を表示するのにはここをクリックしてください。 図 4: サブグループ アバター実験。このシナリオでは、2 つのサブグループは、青と黄色と参加者のアバターを着色によって作成されます。この図の拡大版を表示するのにはここをクリックしてください。 図 5: 単一対ゲームを共同します。この図は、1 つのプレーヤーの視点から、Belzらに匹敵する 2 つの異なる設定を示しています17 (1 a/b) 単一のゲーム: 共同プレイヤーは表示されず、(2 a/b) 共同ゲーム六角形仮想プレイ フィールド上に見つかりません: 彼らは他のプレイヤーのローカルの知覚範囲内にとどまる限り、共同のプレーヤーが表示されます。この図の拡大版を表示するのにはここをクリックしてください。 図 6: サーバーおよびクライアント構成します。10 から 12 のノート (クライアント C1 C12) する必要があります近くの配置 (に接続している) サーバー コンピューター。(太い線として示される) 各参加者のワークステーションを被覆パーティションの使用は、仮想環境の外部の他の人とビジュアルコミュニケーションを禁止しています。無線 LAN ではなく LAN ケーブルを使用以下の遅延より信頼性の高いデータ スループットのため勧めします。この図の拡大版を表示するのにはここをクリックしてください。 図 7: コンテキスト設定します。参加者間のコミュニケーション (感覚、視覚、聴覚) は、間仕切壁と耳栓の使用により制限されています。この図の拡大版を表示するのにはここをクリックしてください。 図 8: サーバーのグラフィック インターフェイス。各接続のクライアントの ip アドレスとその他のデータ (例えば動き、位置、各プレーヤーに支払われる金額の数) を示すラインがあります。この図の拡大版を表示するのにはここをクリックしてください。 図 9: 成功したリーダーシップ。左側に、スクリーン ショットは、金融政策の目標に近づいている情報の 1 つの選手を示していますフィールド (図 4を参照)、彼/彼女の目標のフィールドに 5 つの他のプレイヤーを正常に 。右側には、知らされていないプレーヤーは彼/彼女の共同の選手の視力を失った。この図の拡大版を表示するのにはここをクリックしてください。 図 10: ゲーム時間 (グループ 44) をかけて空間分散の分析。(1 の通知、通知 2) より高い報酬を与えられる €€ 目標-フィールドの位置について知らされた選手と 8 つの無知なプレーヤー (と比較して全体のグループ (グループの平均) の時間でグループ メンバー間の距離を意味します。無知な)。ゲームの終わりによって一人の無知なプレイヤー グループを失い、€ 目標フィールド (孤立したプレーヤー) に到着しました。この図の拡大版を表示するのにはここをクリックしてください。 ビデオ 1: 無知なプレーヤー (グループ 44) の観点から集団運動の例。してくださいここをクリックしてこのビデオを表示します。(右クリックしてダウンロード) ビデオ 2: ビデオ 1 と同じゲームで 2 つの情報に基づいたプレーヤーの観点から集団運動の例(グループ 44).してくださいここをクリックしてこのビデオを表示します。(右クリックしてダウンロード) gnr 時間 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 表 1:データ フォーマットします。各参加者の移動および六角形仮想プレイ フィールドに関連付けられているタイムスタンプは、階層/混合モデリングの使用を有効にする別の行に六角形の座標として記録されます。10 選手 (グループ 44) で構成されるグループによって生成されたデータセットの抜粋を表に示します。 グループ 44(例) (∑)移動 ランク1st移動 待機時間 ペイアウト 最終的な距離 距離€€ フィールドに 時間 フィールドの %探検 (a)個々 のレベルの変数 プレイヤー ID01 6 1 1,73 18 0,67 0 – – プレーヤー ID1 6 10 3,74 9 0,67 0 – – プレーヤー ID2 6 3 2,19 9 0,67 0 – – プレーヤー ID3 7 9 2,68 9 0,67 0 – – プレーヤー ID4 6 7 4,38 9 0,67 0 – – プレーヤー ID5 9 8 3,98 9 0,67 0 – – プレーヤー ID6 12 5 2.70 1 6,00 6 – – プレイヤー ID71 6 6 4,96 18 0,67 0 – – プレーヤー ID8 9 4 4,03 9 0,67 0 – – プレーヤー ID9 6 2 日 9 0,67 0 – – (b)グループ レベル変数 無知です 7,63 5,88 3.27 8 1, 33 0, 75 – – 通知 6,00 つき 4,00 なる 18 0,67 0, 00 – – グループ全体 7,30 – 3,28 10 1, 20 0.60 39,02 27,84 表 2: グループ運動の動作解析 (グループ 44) の結果の詳細な。個々 のレベルを (a) と (b) グループのレベルの結果が表示されます。グループ レベルで無知な大半 (8 人)、通知少数 (2 人)、グループ全体 (10 人) に意味を求めた。1Id 0 と 7 選手は高い報酬を与えられる €€ 目標-フィールド; の場所についての通知をランダムに選ばれました。∑ 移動移動の合計数 =移動1stのランク、他のプレイヤーに関係で 1stの移動のランクを =待機時間= 秒の 2 つの手順の間の平均運動遅延します;。配当性向= €; ゲームの完了の後の個々 の報酬最後の距離ゲームの終わりによって残りの全プレイヤーに各プレイヤーの平均距離を =€€ フィールドまでの距離= ゲームの終わりによって €€ 目標フィールドまでの距離時間秒のゲームの合計時間を = します;。% のフィールド調査グループで集計フィールド (97 六角形) の割合を =。また、ビデオ 1とビデオ 2グループの集団運動と運動データの抜粋を表 1のゲームの時間の上のグループの分散の詳細な分析の図 10をご覧ください。

Discussion

人間の集団行動を調査する研究のパラダイムとしてマルチ クライアント仮想環境を使用して 1 つの根本的な問題は、結果が実際のシナリオに適用できるかどうかです。つまり、方法論的アプローチは十分な生態学的または外部妥当性の結果をもたらすしていますか?仮想プレイ フィールド上でアバターとして人間の参加者を表すと経由でマウス クリックを移動させる社会的手がかりが減少します。さらに、実験者が暗黙の行動キューがどの環境のアフォー ダンスの下で人間のグループの調整とリーダーシップの行動に影響を与える可能性があります人間の間で送信されるを調査することができます最小限の通信を維持する (など、救助, 競争, 避難) より、どの程度、これらの動作が影響を受けます。プロトコルと必要なテスト手順の 2 つの事前テスト フェーズを厳守、この還元主義的アプローチは、内部妥当性を保証します。実験のセットアップおよびテスト フェーズ「本物の」グループと群集動態への結果の転送を可能にするためになり徐々 に変更することがあります (例えば、単なる送信/読書動きを超えて追加の通信を可能にする複合体動作、個々 の特性の情報を追加様々 な現実世界のシナリオに意味的に埋め込まれたなど)に記載されていると、画面に表示される指示を読んで参加者がゲーム開始前に。

外的妥当性の問題に対処するため (テスト済み) 使いやすさと交絡要因の低減のための標準化された、二次元の六角形座標にプレイヤーの動きを標準化するを選んだ最初六角形のプレイ フィールドを変えることができます。二次元グリッドは、自由選択とは、プレイヤーがより継続的かつ複雑な動きのデータを作成する可能になります。エンジンの作成によって団結- または非現実的な-、三次元環境なども外部/生態学的妥当性を高めることができます。ただし、運動の制限を lessoning に向けて、各ステップ、問題が生じます。自由の運動シミュレーションのシナリオでは、(コンピューターの経験などの対人の違いなど、空間定位三次元ゲームに精通している) の要因を交絡の影響の上昇の複雑さを増加し、偏った結果につながると内部妥当性を減らすことができます。

ハニカム プロトコルで説明されている方法の利点はコンピューター シミュレーション モデルと組み合わせるし、パラダイムとして経験的テスト コンピューター シミュレーションで検出された集団のパターンはまた人間のグループの行動の保持している場合に使用することができます。このようなテストの外的妥当性を高めるためには、十分に感じたかどうかは、自分のアバターと彼らはヒューマン アクターとして共同選手たちを知覚することができたかどうかによって表される人間的事後テスト段階アンケートで参加者を求めて必要があります。プロトコルは、人間の態様、これらの感情を高めるために (にもかかわらず、プロトコル パラメーターを排除感覚聴覚か視覚通信) を互いに横にワークステーションに座って共同プレーヤーの物理的な存在を指定します。

合計では、プロトコルの事前テスト、テスト、および事後テストの段階で説明するハニカム アプローチによって適用されるメソッド グループの調整、リーダーシップなど集団現象の基本的なメカニズムを調査するための新たなパラダイムを提供し、グループ内differentiation.彼らは参加者が事前テストとテストの段階でのお互いと通信しないことを確保するために十分に厳格ではない場合は特に、メソッドの最も重要な制限は、リクルーターによってヒューマン エラーへの脆弱性です。

Disclosures

The authors have nothing to disclose.

Acknowledgements

卓越性のドイツのイニシアチブによって資金が供給されたこの研究 (制度上の作戦: https://www.uni-goettingen.de/en/32632.html)。私たちは彼女の英語校正のマルガリータ ネフ ハインリッヒを感謝します。

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