מלכודת ברשת מציאות מדומה של שולחן העבודה עבור ההחלטה מדע, ניסויים ניווט עם משתתפים מרובים

מאמר זה מתאר שיטה עבור ניסויים מרובת משתמשים על קבלת החלטות, ניווט באמצעות מעבדה מחשב מרושת.

חוקרים את האינטראקציות בין מספר המשתתפים הוא אתגר עבור חוקרים מתחומים שונים, כולל במחלקה למדעי החברה, קוגניציה מרחבית. רשת תקשורת מקומית, פלטפורמת תוכנה ייעודית, ניסויים יכול ביעילות לפקח על אופן הפעולה של המשתתפים זה בו זמנית שקועים בתוך סביבת שולחן עבודה וירטואלית, digitalize את הנתונים שנאספו. יכולות אלה מאפשרות עיצובים מוטוריים במחקר המרחבי קוגניציה, ניווט זה יהיה קשה (אם לא בלתי אפשרי) לנהל בעולם האמיתי. ניסיוני ווריאציות אפשריות כוללות מתח במהלך פינוי, פעילויות חיפוש קואופרטיב and תחרותי, וגורמים אחרים הקשרית שעשוי להשפיע על התנהגות הקהל מתהווה. עם זאת, מעבדה כזה דורש תחזוקה, נהלים ברורים עבור אוסף נתוני באווירה מבוקרת. בזמן תוקף חיצוני במחקרי מעבדה עם משתתפים האדם נחקרת לפעמים, מספר מאמרים אחרונים מראים כי ההתכתבות בין אמיתי סביבות וירטואליות עשוי להיות מספיק ללמוד התנהגות חברתית במונחים של מסלולים, ההיסוסים ואת החלטות מרחביות. במאמר זה, אנו מתארים שיטה של ניסויים על קבלת החלטות, ניווט עם עד 36 משתתפים בהתקנה ברשת מציאות מדומה של שולחן העבודה (כלומר., החלטה סיינס לברטורי או DeSciL). פרוטוקול ניסוי זה יכול להיות מותאם, שהוחלו על-ידי חוקרים אחרים כדי להגדיר מעבדה ברשת מציאות מדומה של שולחן העבודה.

מחקר על קוגניציה מרחבית, ניווט בדרך כלל מחקרים על קבלת החלטות מרחביות (למשל., פונים שמאלה או ימינה בצומת) וייצוג הנפשית של אנשים אמיתיים סביבות וירטואליות^1,2. היתרונות של מציאות וירטואלית (VR) כוללים למניעת בעיות אתיות ובטיחות (למשל., במהלך פינוי מסוכן³), המדידה אוטומטית ניתוח של נתונים מרחביים⁴ואני שילוב מאוזן של פנימי, תוקף חיצוני^5,6,7. לדוגמה, וייסברג ועמיתיו מורחב מחקרים קודמים על הבדלים אינדיבידואליים ברכישת הידע המרחבי על ידי הפגנת המרחבי משימות ב- VR יכול לספק מדד אובייקטיבי התנהגותית של היכולת המרחבית⁸. מחקר זה גם הציע כי ההתנהגות הניווט ב- VR קירוב הניווט בעולם האמיתי כי הסביבה הוירטואלית היה נדגמה לפי הקמפוס של אוניברסיטת בשימוש על ידי Schinazi ועמיתיו⁹ (ראה גם המחקר של Ruddle ועמיתיו ¹⁰)-VR הוחלה גם על פסיכותרפיה¹¹, הערכה קלינית¹², התנהגות הצרכן¹³,^14,ניתוח¹⁵. עם זאת, רוב מערכות VR חוסר משוב נראה שההתפתחות שלהם ושמע, אשר עשוי לשפר את הנוכחות, טבילה^16,17,18,19, דורשים הכשרה עם ממשק שליטה^{20 21, ,22}, ואת חוסר רמזים חברתיים. ואכן, אנשים בעולם האמיתי לעתים קרובות עוברים קבוצות²³, להימנע או לעקוב אחר אנשים^3,24, החלטות בהתבסס על ההקשר החברתי^25,26.

במקביל, מחקר על התנהגות הקהל מתמקדת לעתים קרובות מתהווה מאפייני קהל (למשל, היווצרות ליין, גודש על צווארי בקבוק) הדמיה במחשב או הנהוגות בעולם האמיתי. לדוגמה, Helbing ועמיתיו השתמשו בשילוב של תצפיות מהעולם האמיתי וסימולציות מחשב, על מנת להציע שיפורים זרימת התנועה בצומת על-ידי הפרדת תזרים יצוא מחסומים פיזיים, הצבת מכשול בפני מרכז²⁷. Moussaïd ועמיתיו השתמשו מודל מבוססי היוריסטיקה ללמוד בעל צפיפות מצבים במהלך אסון²⁸הקהל. גישה זו הציעו שיפורים סביבה איכות הסביבה לאירועים המוניים כדי למנוע אסונות הקהל. בעזרת מסגרת קוד פתוח קיימות, ביצוע סימולציות כאלה יכול להיות קל יחסית. SteerSuite היא מסגרת קוד פתוח המאפשרת למשתמשים לדמות אלגוריתמים היגוי והתנהגות הקהל בקלות על-ידי מתן כלים עבור הקלת, תפעול, ובדיקות²⁹. מסגרת זו יכולה לספק הליבה של ההיגיון הניווט של סוכן, אשר הוא קריטי עבור הקהל מוצלחת סימולציה. בנוסף, סינג ועמיתיו הוכיחו פלטפורמה אחת המשלבת מגוון רחב של טכניקות³⁰היגוי. בעוד חוקרים יכולים להציע עיצוב התערבויות באמצעות סימולציות כאלה, הם לעיתים נדירות מאומתות עם משתתפים האנושי באווירה מבוקרת. ניסויים מבוקרים הם נדירים במחקר הקהל כי הם יכולים להיות קשה לארגן ומסוכן למשתתפים.

כבר מועסקים VR לחקור התנהגות חברתית באמצעות פשוטים ומורכבים בסביבות וירטואליות עם אחד או יותר במחשב-מדומה סוכנים. במחקר של^31,בודה ועמיתיו³², המשתתפים התבקשו לפנות סביבה וירטואלית פשוטה מנקודת מבט מלמעלה בין מספר סוכנים ומצא כי הבחירה יציאה הושפע שילוט סטטיים ומוטיבציה. הצגת המשתתפים עם סביבה מורכבת יותר מנקודת מבט בגוף ראשון, Kinateder ועמיתיו מצאו כי המשתתפים היו בסבירות גבוהה יותר פעל סוכן הדמיה במחשב יחיד במהלך הבריחה מן אש במנהרה וירטואלי של²⁵. בסביבה וירטואלית מורכבת עם מספר סוכנים, דרורי ועמיתיו מצאו כי המשתתפים נטו לסייע סוכן שנפלו במהלך פינוי כאשר הם זיהו עם הקהל²⁶. באופן קולקטיבי, ממצאים אלה מראים כי VR יכול להיות דרך יעילה. לקבל התנהגויות חברתיות, אפילו עם סוכנים מדומה-המחשב. עם זאת, כמה התנהגויות הקהל רק ייבחנו כאשר יש קליטה חברתית ריאליסטית (כלומר., כאשר המשתתפים מודעים אווטארים אחרים נשלטים על-ידי אנשים³). על מנת לטפל זה חסרון, בפרוטוקול הנוכחי מתאר שיטה עבור ניצוח ניסויים מבוקרים עם משתמשים מרובים בתוך מלכודת VR ברשת. גישה זו ננקטה במחקר שנערך לאחרונה על ידי Moussaid ועמיתיו במטרה לחקור את ההתנהגות הפינוי של 36 משתתפים ברשת³.

מחקר על VR ברשת התמקדה בנושאים שלא קשורים אל ניווט אסטרטגיות^33,34 ו/או הסתמך על פלטפורמות המשחקים המקוונים קיימים כגון החיים השניים. לדוגמה, Molka-Danielsen ו- Chabada חקר הפינוי התנהגות במונחים של יציאה הבחירה ואת הידע המרחבי של הבניין באמצעות גייס בקרב משתמשים קיימים של החיים השניים³⁵משתתפים. בעוד המחברים מספקים תוצאות תיאורי (למשל., חזותיים של מסלולים), מחקר זה היו בעיות עם גיוס משתתף, בקרה ניסויית של הכללה מעבר במקרה הספציפי הזה. לאחרונה, Normoyle ועמיתיו מצאו כי משתמשים קיימים החיים השני, המשתתפים במעבדה היו דומות מבחינת בחירה ביצועים ויציאה פינוי ושונה מבחינת נוכחות דיווח עצמי ותסכול באמצעות הפקד ממשק³⁶. ממצאי מחקרים אלה שני להאיר כמה מן האתגרים וההזדמנויות המוענקת על ידי באינטרנט, ניסויי מעבדה. לימודים מקוונים מסוגלים ציור של הרבה גדולים יותר ובעלי מוטיבציה אוכלוסיה של המשתתפים הפוטנציאליים. עם זאת, במחקרי מעבדה מאפשרים שליטה יותר נסיוני של הסביבה הפיזית, הפרעות אפשריות. בנוסף, מחקרים באינטרנט עלולה להוות דאגות אתיות לגבי נתונים אנונימיות וסודיות.

כמו מעבדה VR שולחן העבודה ברשת, המעבדה במדעי ההחלטה (DeSciL) ב- ETH ציריך משמש בעיקר ללמוד אינטראקציות קבלת ההחלטות ואת אסטרטגי כלכלי בסביבה מבוקרת. התשתית הטכנולוגית-DeSciL מורכב של חומרה, תוכנה לאוטומציה מעבדה תוכנה התומכת שולחן העבודה של המשתמש מרובת VR ההתקנה. החומרה כוללת מחשבים שולחניים בעלי ביצועים גבוהים עם מערכת הפעלה Microsoft Windows 10 ארגוני, ממשקי בקרה (למשל., העכבר, לוח המקשים, ג'ויסטיקים), אוזניות, ואת העין עוקבים (טבלה של חומרים). כל לקוח המחשבים מחוברים באמצעות Ethernet של אחד ג'יגה סיביות לשניה לרשת האוניברסיטה, המשותף באותו קובץ ברשת. אין שום עיכוב גלוי או השהיה כאשר קיימים לקוחות 36 מחובר. מספר המסגרות לשנייה היא בעקביות מעל 100. הניסויים הם גם הצליחו, נשלט באמצעות מעבדה באוטומציה תוכנה המבוססת על Microsoft PowerShell (קרי, ב- PowerShell הרצוי המדינה ותצורה של PowerShell Remoting). כל השלבים הרלוונטיים מפרוטוקול מראש עם סקריפטים ב- PowerShell בשם ה-cmdlet הבאים (למשל., התחל-מחשב, מחשב-Stop). במהלך הניסוי, סקריפטים אלה שניתן לבצע בו זמנית, מרחוק על כל מחשבי הלקוח. סוג זה של מעבדה באוטומציה מבטיחה מצב זהה של הלקוח מחשבים, מפחית מורכבות ושגיאות אפשריות במהלך הבדיקה המדעית, ומונעת חוקרים מהצורך לבצע משימות חוזרות ידנית. על הניסויים הניווט, אנו משתמשים על מנוע המשחק של אחדות (< https://unity3d.com/>) על מנת לתמוך בפיתוח של סביבות 2D and 3D עבור שולחן העבודה של משתמשים, אינטראקטיבי VR. מחשבי הלקוח 36 מחוברים לשרת באמצעות ארכיטקטורת שרת הסמכותי. בתחילתו של כל ניסוי, לכל לקוח שולח בקשת הנזק לשרת, מגיב השרת על-ידי יצירת מופעים אווטאר עבור משתמש זה על כל המכונות מחוברים. גלגול של כל משתמש יש מצלמה עם מבט של שדה 50 מעלות. לאורך כל הניסוי, הלקוחות לשלוח למשתמש ' קלט אל השרת, השרת ומעדכן את התנועה של כל הלקוחות.

במעבדה הפיזי, כל מחשב מוכלת בתוך תא נפרד בתוך שלושה חדרים עצמאיות-למחצה (איור 1). הגודל הכולל של המעבדה הוא 170 מ'² (150 מ'² עבור ניסוי בחדר ו 20 מ'² עבור חדר הבקרה). כל אחד מהחדרים הללו הינו מצויד עם התקני הקלטה אודיו ווידאו. ניסויים משולטים מחדר סמוך נפרדות (כלומר., על ידי מתן הוראות, ייזום התוכנית הניסיונית). מחדר זה שליטה, ניסויים תוכלו לצפות גם המשתתפים בסביבות וירטואליות ופיזיות. יחד עם בחוג לכלכלה-אוניברסיטת ציריך (zürich), DeSciL גם שומר את המרכז האוניברסיטאי רישום עבור משתתפי המחקר, אשר יושמה המבוסס על ה-root³⁷.

למרות מערכות דומות תוארו של ספרות³⁸, DeSciL הוא המעבדה פונקציונלי הראשונה מתאימה לניסויים VR שולחן עבודה מרובת משתמשים, על הניווט והתנהגות הקהל לידע שלנו. כאן, אנו מתארים את הפרוטוקול עבור ביצוע ניסוי DeSciL, נוכח תוצאות נציג אחד ללמוד על התנהגות חברתית ניווט ולדון את הפוטנציאל ואת המגבלות של מערכת זו.

כל השיטות המתוארות כאן אושרו על ידי ועדת האתיקה מחקר של ETH ציריך במסגרת ההצעה EK 2015-N-37.

1. לגייס המשתתפים על ניסיוני הפגישה המתוכננת.

1. לטעום את המשתתפים במסגרת אילוצים מסוים (למשל., גיל, מין, רקע חינוכי) באמצעות מערכת גיוס משתתף.
2. לשלוח הזמנות בדוא ל המשתתפים שנבחרו באקראי תוך שימוש בפרטי ההתקשרות על ידי מערכת גיוס.
3. המתן אלה למשתתפים להירשם דרך המערכת. ודא כי משתתפים יותר מאשר נדרש (למשל., 4 בתפוסה מלאה המשתתפים עבור הפעלה הדורשת 36 אנשים) לרשום. המשתתפים בתפוסה מלאה לסייע להבטיח כי הפעלה היא מעשית במקרה של הגעה.
4. ודא כי דוא ל אישור. נשלחת למשתתפים הרשומים באופן אוטומטי.

2. מכינים את ההפעלה הניסיונית.

1. להכין את סביבת מעבדה.
   1. הדפס את רשימת המשתתפים מתוך מערכת גיוס.
   2. הפעל את השרת ואת האורות בחדר הבקרה של DeSciL ולארגן החדרים בדיקות בהתאם למספר המשתתפים נדרשים.
   3. העתק קובץ ההפעלה הניסוי תוכנית והקבצים שלה המתאימים התצורה בכונן הרשת. זו תוכנית ההפעלה פורס מסגרת תוכנה שכתוב מותאמת אישית המבוססת על מנוע המשחק אחדות כדי לתמוך לקוח-שרת תקשורת בין מחשבים שונים באמצעות רשת תקשורת מקומית. לניסויים ניווט, המסגרת מספק ממבט הציפור המתבונן השרת מערכת לניטור ההתנהגויות של הלקוח במהלך הניסוי.
   4. פתוח Scripting משולב PowerShell סביבה על שולחן העבודה של Windows. המסוף PowerShell, ציין מערך של שמות מחשבים (למשל., $pool = "descil-w01", "descil-w02"...) כדי ליצור אובייקט בריכה הלקוח. בשלב הבא, הקלד התחלה-בריכת $pool להתחיל מחשבי הלקוח ואת הקופה-בריכת $pool כדי להתחבר לשרת מחשבי הלקוח.
   5. להכין את המחשבים בצד הלקוח לפני השקת התוכנית. הקלד בבריכה-Invoke {הר-NetworkShare $path} כדי לכוון את המחשבים כדי להזין את נתיב התיקיה הנכונה.
   6. לבצע את הפונקציות מוכן בשרת (כלומר., התחל-GameServer) ובלקוחות (כלומר., בבריכה-Invoke {התחלה-GameClient}). ציין את כתובת ה-IP של השרת כפרמטר של הפונקציה.
   7. המתן הודעה על הצג של השרת המציין חיבור מוצלח.
   8. להפיץ את הטפסים ואת עטים בתא כל. טפסי הסכמה מכיל המידע לגבי המחקר (למשל., מטרת המחקר, פוטנציאל הסיכונים והיתרונות של הניסוי), פרטי איש הקשר עבור הנסיין, ו כתב ויתור משפטי.
   9. ערבב את חפיסת ישיבה כרטיסי המציינים את סידור הישיבה של המשתתפים.
2. ברוכים הבאים המשתתפים.
   1. שאלו את המשתתפים לחכות מחוץ למעבדה. 5 דקות לפני זמן, להתחיל הרשמי לבדוק מסמכים הזהות המשתתפים על מנת להבטיח כי הם תואמים את רשימת המשתתפים הרשומים. במקביל, שהמשתתפים יוכלו לבחור קלף זה מצביע על מספר המושב שלהם. יש את המשתתפים לצעוד. המשרד המתאים ולחכות שהניסוי יתחיל.
   2. המתן מספר דקות אצל המשתתפים לקרוא, לחתום על טפסי הסכמה. לאסוף את הטפסים האלה לפני ביצוע הניסוי.

3. עורכים את הניסוי.

1. שידור בהתאם להוראות ניסוי עם המיקרופון כדי שכל המשתתפים. להודיע להם על הכללים הבסיסיים, לרבות אין תקשורת למשתתפים אחרים ומכשירים אלקטרוניים אישי לא מותרת. שאלו את המשתתפים להעלות את הידיים שלהם אם יש להם שאלות לגבי הניסוי.
2. להתחיל את הניסוי על-ידי הצגת השאלון הדמוגרפי (למשל., מין, גיל) על כל לקוח.
3. לפרוס את זירת אימונים כדי ללמד המשתתפים כיצד לתמרן דרך הסביבה הוירטואלית. אם המשתתפים מתקשה באמצעות ממשק שליטה (למשל. עכבר, לוח מקשים), לכו לכיוון התא שלהם על מנת לסייע להם. נמשיך לעקוב התקדמות המשתתפים על-ידי בקשת צילומי מסך של כל הלקוחות (כלומר., הקלד Get-מסך ב- PowerShell מסוף) עד שכל המשתתפים סיימו את האימון עצמו.
4. לאחר התרגול, להתחיל שלב הבדיקה של הניסוי. להתבונן התנהגויות המשתתפים מממשק ממעוף הציפור במחשב השרת. לשלוח הודעות אזהרה למשתתפים דרך התוכנית אם הם עושים משהו לא תקין על ידי לחיצה על ההתגשמות שלהם. אחרת, נסה לא להתערב עם המשתתפים במהלך הניסוי.
5. ודא כי יש תקופת המתנה קצרה לפני כל משפט את הסצנה הבאה וטעינה ומאפשר למשתתפים לקרוא את ההוראות.

4. לסיים את הניסוי.

1. לסגור את התוכנית שרת ולקוח על-ידי הקלדת עצירה-GameClient ועצור-GameServer במסוף PowerShell.
2. שאלו את המשתתפים נשארים עד את המספר שלהם נקרא במיקרופון.
3. לחלץ את הציונים הסופי המשתתפים מתוך הקובץ "Score.txt" בתוך תיקיית הפרוייקט במחשב השרת ולהמרת ציוני הקבלה שלהם תשלום כספי.
4. תקרא את המספרים תא אחד בכל פעם ולפגוש כל משתתף בדלפק הקבלה. תודה למשתתפים ולתת להם את התשלום המתאים.
5. לבחון את חדרונים ולאסוף כל העטים הנותרים או טפסים.
6. להעתיק ולשמור את הנתונים ניסוי מהשרת לדיסק חיצוני לצורך ניתוח עתידי.

לכל לקוח בכל ניסוי, נתוני הניסוי DeSciL כוללות בדרך כלל מסלולים, חותמות זמן, מדדי ביצועים (למשל., אם המשתתף בכיוון "הנכונה" בצומת מסוים). נציג מחקר חקר את ההשפעות של שילוט המורכבות על בחירת מסלול לקהל של המשתתפים אנושי (עם תמונות אישיות וירטואלית) בסביבה פשוטה בצורת Y וירטואלית. בניסוי זה, 28 משתתפים (12 נשים וגברים 16; גיל ממוצע = 22.5) ניתנו באותו מיקום המטרה (כלומר., שער מספר), התבקשו לבחור את האפשרות המתאימה המסלול בצומת משתמש במפת (ראה איור 2).

המורכבות מפה מגוון ניסויים מעל 16, ההשערה היתה כי הפעם ההחלטה, דיוק יהיה גבוה יותר עבור מפות מורכבים יותר. בעוד אנו מצפים את הדיוק ההחלטה להיות גבוהה יחסית בסך הכל, מסלולים המשתתפים יכול לשמש בניסויים בעתיד כדי להגדיר מסלול ההליכה של סוכנים המעבירות קליטה חברתית ריאליסטית (כלומר., תנועות אמין). הזמן הכולל ניסוי היה כ- 1 h, כולל את המשתתפים, ניצוח האימון עצמו (עבור ממשק שליטה), ובדיקות במסדרון בצורת Y. נתונים המתקבלים מסוכמים בטבלה1.

איור 3 מציין את השעות השלמת מינימום ומקסימום בכל ניסוי. סטטיסטיקה תיאורית אלה מספקים מדד עקיף של גודש במהלך המשפט. נתונים המתקבלים גם מאפשר החזיית מסלולים שנוצר על ידי הקהל וירטואלי (ראה איור 4). סטטיסטיקה מרחבית ואז ניתן לנתח את השינויים במסלולים על ניסויים. לדוגמה, החוקרים עשוי להיות מעוניין באיזו מידה המשתתפים עקב אחד את השני או כמה חלק מהמשתתפים לתמרן עם ממשקי בקרה מסוימת.

איור 1: צילומים של המעבדה DeSciL. (א) חדר הבקרה מכיל השרת מקבל תנועה של מחשבי הלקוח 36 ומפקחת המשתתפים חדרונים שלהם. החדר הזה יכול להיות מבודד מן החדרים בדיקה מבחינת צלילים. תקשורת למשתתפים מסופק באמצעות מערכת מיקרופון ורמקול. (ב) בית שלושה חדרים בדיקות מכילים חדרונים 36. (ג) כל תא מכיל מחשב שולחני צג, עכבר, ממשק לוח המקשים, אוזניות, גשש העין. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

איור 2: נופים של הסביבה הוירטואלית בצורת Y. (א) משרת, החוקרים ניתן להבחין המשתתפים נע לכיוון הצומת. (ב) מהלקוחות, המשתתפים יכולים להציג הסביבה הוירטואלית ותמונות אחרות מנקודת מבט בגוף ראשון במהלך התנועה. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

איור 3: נציג תוצאות הניסויים ניסיוני 16. הזמן המזערי והמרבי הן הזמנים הנדרשים על ידי המשתתפים האיטית ביותר והמהירה ביותר כדי להגיע ליעד בכל ניסוי. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

איור 4: מסלולים המשתתפים מן הניסיון (א) 1 ו-16 (ב) במשפט. X - ו y - axes מייצגים את המיקומים של אווטארים בקהל. הצבע בר מייצג זמן חלף במהלך המשפט. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

טבלה 1: נציג תוצאות הניסויים ניסיוני 16. ההחלטה דיוק מייצג את אחוז נכון (כלומר., והופך לכיוון השער הנכון) מעל כל המשתתפים. הזמן להחליט זה זמן נדרש כדי להגיע ליעד (אם לתקן או לא) מעל כל המבחנים.

במאמר זה, אנו המתואר מעבדה מציאות מדומה שולחן עבודה מרובת משתמשים בו עד 36 משתתפים יכול אינטראקציה ולנווט בו זמנית דרך סביבות וירטואליות שונות. פרוטוקול נסיוני מפרט את השלבים הדרושים עבור סוג זה של מחקר וייחודי לתרחישי מרובת משתמשים. שיקולים ספציפיים תרחישים אלה כוללים את מספר המשתתפים באירוע, העלות של שגיאות הנסיין לכאורה קטן, עיבוד ורשת קיבולות (שני, לקוח-בצד השרת), אימון עם ממשק שליטה, ואת הנתונים אבטחה. Overbooking המשתתפים הכרחי על מנת להבטיח מספר מדויק של משתתפי מפגש ניסיוני. אם המשתתפים מעט מדי להשתתף, אז העלות של מפגש ניסיוני הכושל הוא גבוה יחסית. באופן דומה, שגיאות ניסיוני יכול להוביל הפעלה נכשל כאשר נתונים או של המשתתפים היו מזוהמים לפני השגיאה זוהה, או הניסוי לא יכולה להתנהל עקב כשלים בתוכנה או בחומרה. לדוגמה, אם יותר מדי מידע מופץ דרך הרשת, ואז לאתחל את המערכת כולה ייתכן שיהיה צורך. זה בעייתי במיוחד אם הניסוי כבר התחיל. בנוסף, המשתתפים בניסויים ניווט וירטואלי דורשים ניסיון ו/או אימון עם ממשק שליטה בגלל הפקדים הם פחות אינטואיטיבית מאשר אמת הליכה²¹ ואת האינטראקציה עם הפקדים יכול להתערב עם מרחבי משימות זיכרון²⁰. ניהול נתונים אחראי גם הופך חשוב במיוחד לאור כמות גדולה של נתונים שהושגו בכל הפעלה.

בעוד ישנן הזדמנויות רבות המוענקת על ידי DeSciL, לפחות שלוש מגבלות יישארו. ראשית, מערכת הנוכחית הוא ההתקנה עד 36 משתתפים בו זמנית. ניסויים וירטואליים קהל. גדול עשוי לדרוש סוכנים מבוקרת מחשב, עקבות של המשתתפים האנושי של מספר מפגשים קודמים, או את היכולת של כולל משתתפים באינטרנט. שדרוגי חומרה בעתיד, השני (למשל., עבור כרטיסי גרפיקה טובה יותר ומעבדים יותר) יהיה הרבה יותר יקר עבור מערכת מסורתית, משתמש יחיד. שלישית, מציאות מדומה שולחן עבודה מרובת משתמשים המחקר עדיין לא יכולה להתנהל עם ממשקי בקרה יותר דומה ממש הליכה. לפיכך, מחקר על גפיים, את האינטראקציות פיזי בין המשתתפים מוגבל.

למרות מגבלות אלו, DeSciL מציע כמה יתרונות על פני מחקרים בעולם האמיתי, במחקרי מעבדה משתמש יחיד, לימודים מקוונים מרובי משתמשים. תוכנה אוטומציה נותן החוקרים את היכולות להתאים את נסיוני ביחס לצרכים שלהם. לעומת מחקרים בעולם האמיתי וגם באינטרנט, DeSciL מאפשר שליטה ניסיוני. לדוגמה, ניסויים DeSciL עשויים להעסיק וריאציות שיטתית של הסביבה ומספקים בהתבוננות ישירה של המשתתפים עולמות וירטואליים והן פיזית. לעומת מציאות מדומה של שולחן העבודה משתמש יחיד מחקרים עם סוכנים מבוקרת מחשב, המשתתפים יכולים לתקשר אחד עם השני ב בזמן אמת, והיא מתהווה ההתנהגות של הקהל וירטואלי פחות מסתמך על דעות קדומות של הנסיין. סוכנים מבוקר-מחשב VR לעיתים קרובות לסמוך על פעולות מאולצים ולהתאים לא לתנועות של המשתמשים בזמן אמת. לעומת זאת, VR שולחן העבודה ברשת מספק הקשר יותר אקולוגית ב משפיעות avatars הנשלטות על-ידי האדם (ולא מושפעים) התנועות אחד של השני. בנוסף, גישה זו ניתן ליידע את הפרמטרים תנועה (למשל., הליכה מהירות וההיסוסים) של הדגמים העתידיים המבוססת על הסוכן במחקר הקהל (למשל., עבור תרחישי פינוי³⁹). באופן כללי, מחקרים מציאות מדומה שולחן עבודה מרובת משתמשים מאפשרים מדידה מדויקת יותר של התנהגות מרחבית וזיהוי דפוסי שהושמטו אולי בעבר.

לאחרונה, DeSciL ננקטה בהצלחה סדרה של קבלת ההחלטות^40,41 , ניווט מחקרים^3,21. לדוגמה, Moussaid ועמיתיו השתמשו הגדרת VR שולחן עבודה מרובת משתמשים על מנת לחקור את ההשפעה של הלחץ על התנהגות הקהל במהלך הפינוי³. במחקר זה, היציאה "הנכונה" מגוונות משפט משפט, והוא רק חלק מהמשתתפים הודיעו של היציאה הנכונה. התוצאות הראו כי המשתתפים תחת לחץ הוביל פינוי יעיל יותר, אך ממצא זה ניתן לייחס הדרך בה יושמו את ההתנגשויות. בנוסף, המשתתפים נטו לעקוב אווטארים אחרים תחת לחץ, רומז כי קליטה חברתית שהועבר בין המשתתפים למרות העדר מגע פיזי ישיר. תוצאות אלו מדגישים את היתרונות של VR מרובת משתמשים בהשוואה VR משתמש יחיד עם סוכנים מבוקר-מחשב. מחקרים עתידיים יכללו את ההשוואה של נתוני משתמש רב שנרכש או באינטרנט או המעבדה וריאציות סביבתיים מורכבים יותר, התוספת של התקנים היקפיים כגון עין עוקבים או התקנים פיזיולוגיים. אלה יאפשרו עבור האוסף של סוגים שונים של נתונים התנהגותיים מורכבים⁴². לדוגמה, ניתן לשלב עוקבים עיניים בעלות נמוכה כדי לפקח על תשומת הלב המשתתפים או גס לזהות תחומי עניין על המסך.

המחברים אין לחשוף.

נציג המחקר מומן על ידי קרן המדע הלאומית השוויצרית כחלק המענק "Wayfinding ב החברתית סביבות" (מספר 100014_162428). אנחנו רוצים להודות Moussaid מ לדיונים תובנה. אנחנו גם רוצים להודות וילהלם ג פ Thaler, ח' דורון גבאי, S. Madjiheurem, א Ingold, א Grossrieder על עבודתם במהלך פיתוח תוכנה.