众包驱动的基于Web的虚拟现实实验

330由众包驱动的基于Web的虚拟现实实验0Xiao Ma 1,2，Megan Cackett 2，Leslie Park 2，Eric Chien 1,2和Mor Naaman 1,201 JacobsInstitute，康奈尔科技2康奈尔大学{xm75，mac389，lp343，jc3256，mor.naaman}@cornell.edu0摘要0我们利用虚拟现实（VR）设备和Web技术的日益可用性，使用众包技术进行VR行为实验。一种新的招募和验证方法使我们能够创建一个由从亚马逊机械土耳其招募的合格实验参与者组成的小组。利用这个小组，我们进行了三个不同的众包VR实验，每个实验重现了三个VR幻觉之一：地点幻觉、体验幻觉和可信度幻觉。我们在这些实验中的经验和工作者反馈表明，使用众包进行基于Web的VR实验已经是可行的，尽管仍然存在一些挑战，包括规模。这样的众包VR实验在Web上有潜力以低成本支持可复制的VR实验，涵盖多样化的人群。0关键词0虚拟现实，众包，实验0ACM参考格式0Xiao Ma，Megan Cackett，Leslie Park，Eric Chien和MorNaaman。2018。由众包驱动的基于Web的虚拟现实实验。在2018年WWW会议上，2018年4月23日至27日，法国里昂。ACM，纽约，美国，11页。https://doi.org/10.1145/3178876.318603401 引言0虚拟现实（VR）技术具有许多潜力，其中之一是为进行社会和心理实验提供了一种可能的重大范式转变[4]。“虚拟现实”是指一种模拟或人工环境，使用户感觉自己存在于与实际环境不同的环境中[45]。虚拟现实有潜力解决人类实验中长期存在的方法问题，包括实验刺激和环境的有限现实感、缺乏复制性和非代表性样本[4]。然而，虚拟现实实现新的实验范式的愿景在很大程度上尚未实现，原因有很多。尽管使用VR进行研究的数量不断增加（例如，虚拟自然环境的恢复效果[54]和虚拟角色对谈判的影响[60]），但由于高昂的成本，VR实验的数量和范围仍然有限。进行VR实验的成本有三个方面：包括软件开发成本0本文根据知识共享署名4.0国际（CC BY4.0）许可证发布。作者保留在个人和公司网站上传播作品的权利，并附上适当的归属。WWW 2018，2018年4月23日至27日，法国里昂©2018IW3C2（国际万维网会议委员会），根据知识共享CC BY 4.0许可证发布。ACM ISBN978-1-4503-5639-8/18/04。https://doi.org/10.1145/3178876.31860340开发和部署，包括实验成本，如物理空间和实验者的共存，以及设备成本[26,43,46,59,60]。首先，目前开发VR应用程序存在陡峭的学习曲线，需要特殊的技术知识，如游戏引擎（例如Unity，UnrealEngine）和3D建模软件，通常是设备特定的。其次，传统上实验需要一个专用的VR实验室来设置和使用VR设备。在我们的回顾中，大多数VR实验，除了一些值得注意的例外（例如[36]），都需要一个专用的物理实验室空间。此外，在大多数VR实验中，实验者与参与者在物理上共存，限制了合格参与者的数量，并阻止同时运行多个会话，即使在某些情况下，实验者与参与者在物理上共存是不必要或不希望的。最后，至少直到最近，VR实验受到高成本和有限的VR设备普及的限制（例如，[60]中使用的nVisorSX头戴显示器在进行该研究时估计成本为15,000美元）。总的来说，高昂的VR实验成本特别不鼓励复制研究。在我们对VR研究的回顾中，我们没有找到可以在最近的研究中重新运行或重新分析的软件、数据或日志[26,46]。虽然VR实验面临着挑战，但众包方法已经被广泛用于进行在线实验，尤其是在亚马逊机械土耳其（AMT）上。尽管该平台最初是为人类计算任务而建立的[27]，但研究人员已经证明AMT是进行行为研究[32]和其他类型实验[31,38,51]的有效环境。根据Mason和Suri的说法，AMT允许“轻松访问大规模、稳定和多样化的受试者群体，进行实验的成本低，以及在发展理论和执行实验之间更快的迭代”[32]。事实上，AMT已经成为进行行为实验的流行研究工具，涉及传染[51]、合作[30]和团队合作[31]等领域。与此同时，众包任务已经支持了越来越复杂的任务：最先进的AMT研究表明，众包工作者能够产生与领域专家相媲美的工作成果[5]，并完成诸如应用程序构建[41]和虚构写作[23]等高度复杂的任务。我们能否使用众包技术在Web上运行VR实验？这样的提议引发了许多问题和挑战。首先，是否有足够多的众包工作者拥有参与VR实验所需的设备，并且这个群体在关键方面没有偏见（例如社会经济）？其次，开发人员可以使用哪些技术VR平台和环境，并且需要哪些技术来部署和运行众包实验？第三，我们能否开发可以在没有实验者的情况下远程和独立运行的VR实验，并且对物理环境和实验执行没有严格的控制？0Track: Crowdsourcing and Human Computation for the Web WWW 2018, April 23-27, 2018, Lyon, FranceTrack: Crowdsourcing and Human Computation for the WebWWW 2018, April 23-27, 2018, Lyon, France340本研究解决了上述提出的问题和挑战，做出了三个关键贡献：（1）我们开发了一项新的招募任务，AMT上的众包工作者可以展示对虚拟现实设备的访问权限。我们对该工作者群体进行了调查，并展示了有数百名符合条件的工作者，他们的人口统计学特征各不相同，并且拥有虚拟现实设备。（2）我们使用AMT实施和部署了三个不同的虚拟现实实验，并证明了它们的可行性。这些实验旨在复制或模拟虚拟现实和行为研究中的重要研究。特别是，选择的研究反映了虚拟现实被理论化为提供的三种幻觉：场所幻觉、可信度幻觉和具身幻觉[13]。其中三个研究中的两个与原始研究的结果不一致；我们在讨论中强调了这一结果的潜在原因。我们公开提供了我们部署的研究的完整代码，以便于对研究进行简单调整和复制。（3）我们使用调查工具了解众包工作者在执行虚拟现实任务时的条件和背景，并推理出在实验室环境之外进行虚拟现实AMT实验的限制和考虑因素。我们展示了，尽管存在一些技术问题和物理限制，部署主要成功地提供了基于虚拟现实的“幻觉”。据我们所知，这是首次将虚拟现实实验扩展到众包平台的工作。02 背景0我们的工作基于两个主要研究领域：（1）进行在线实验，特别是使用众包技术；（2）使用虚拟现实进行行为研究的不断增长的研究领域。02.1 进行在线实验0使用众包进行实验有许多潜在的好处。根据Mason和Suri[32]的研究，关于最大的众包服务之一Amazon MechanicalTurk（AMT），潜在的好处包括：（1）以年龄、种族和社会经济地位为基础的受试者群体多样性；（2）低成本和内置的支付机制；（3）更快的理论/实验周期；（4）受试者群体随时间的相对稳定性。Paolacci等人还强调了AMT众包的其他好处，例如受试者可识别性[38]，我们在这项工作中也利用了这一点。在AMT中，众包工作者可以通过回答预筛选问题来获得“资格”，然后参与研究，这使得实验者能够更好地控制实验。另一个主要优势在于潜在的分发规模。众包与通常较低的成本一起，可以进行更多参与者的研究。反过来，更大的规模提供了应用更精细处理（例如，更多的实验条件）的机会。一些论文支持了众包实验的有效性和效果，涉及各个领域，特别是关注AMT。在[17,38]中，作者使用AMT复制了博弈论、启发式和偏见文献中的实验，结果与之前的实验室研究结果相似。实际上，AMT一直是行为实验的流行工具（例如，[10, 31,51]），因此继续扩展众包实验的能力非常重要。0大量的工作解决了众包实验的早期挑战[7,47]。Mason和Suri提供了一份关于如何在AMT上进行行为研究的详细指南[32]，并描述了研究人员在执行研究时可能面临的常见问题的解决方案，以确保高质量的工作。然而，最近的工作集中在在AMT上进行更复杂的研究和实验。例如，Mao等人创建了TurkServer，这是一个在AMT上进行同步和纵向实验的平台[29,30]。总的来说，正如我们上面所提到的，AMT的研究设计在多个环境中的复杂性不断增加[5, 23, 25,41]。在线实验当然不仅限于众包环境，在行为研究中长期以来一直是一种可接受的工具[24,44]。然而，一些最近的创新涉及到新的招募、分发和数据收集机制，例如志愿者（以回馈性能反馈为代价）[40]。虽然这些机制在VR研究中将越来越可用，但我们的重点仍然是通过在AMT上进行众包实验的在线虚拟现实实验。因此，接下来我们将回顾以前的非众包实验研究在虚拟现实中的应用。02.2 虚拟现实和行为实验0一些工作暗示使用众包进行虚拟现实研究。Gehlbach等人在2015年复制了早期在虚拟现实中进行的透视研究[59]，使用AMT进行了替代，尽管研究人员将虚拟现实替换为基于Web的2D模拟[12]。2016年，Oh等人提出了规模上的沉浸概念，通过在不同位置（例如当地活动、博物馆）设置物理帐篷来测试在实验室外使用移动虚拟现实设备收集数据[36]。最近，研究人员进行了首次虚拟现实的民族志研究，远程参与者[48]。我们的研究通过执行真实的众包虚拟现实实验迈出了下一步。在众包设置之外，自从Blascovich等人在2002年呼吁将虚拟现实作为研究工具以来，实验室环境中基于虚拟现实的实验大量增加[4]。我们提供了一份简短的概述，根据虚拟现实“幻觉模型”的分类组织了一些实验工作[13]。我们还使用这个分类来选择我们在这项工作中执行的实验。在他们的分类中，Gonzales-Franco和Lanier认为虚拟现实能够提供三种主要类型的幻觉：场所幻觉、体验幻觉和可信度幻觉[13]。场所幻觉指的是用户感觉自己被带入渲染环境中。体验幻觉指的是用户通过一个虚拟形象来体验虚拟世界。场所和体验幻觉共同增强了可信度幻觉，即虚拟世界中发生的事件是真实的感觉。每种幻觉类型都会导致不同的结果。一般来说，研究人员在他们的研究中利用了这三种幻觉类型，以提供不同的实验操纵。02.2.1场所幻觉-虚拟现实环境。众所周知，环境可以影响各种行为。研究人员可以通过观察（例如，反思性调查[8]，摄像机捕捉[39]）和实验来研究环境的影响。350在实验中，通过不同的方式实现了对环境的操纵：将参与者带到所需的环境中[15]，将参与者带到经过操纵的环境中[56]，或向参与者展示照片[49]或视频[53]中的所需或经过操纵的环境。与照片或视频相比，场所幻觉自然地适应了环境实验操纵的发展——在逼真度上增加。事实上，一些研究已经使用虚拟现实来传递场所幻觉，通过研究环境对虚拟现实中行为的影响。例如，Maani等人展示了在外科手术中沉浸在冷却的虚拟环境中可以降低感知疼痛水平[28]。Emmelkamp等人表明，与真实环境接触一样，暴露于虚拟环境对患有恐高症的患者的焦虑和回避行为的减少同样有效[9]。最后，二十年后，Hartig等人带学生去真正的远足，研究自然环境的恢复效应[15]，研究人员将参与者放在虚拟森林中，研究同样的效应在虚拟现实中[54]。02.2.2体验幻觉-虚拟形象。在许多虚拟现实技术中，用户可以通过一个虚拟形象来体验虚拟世界，即自我虚拟化。与2D计算机或移动虚拟形象相比，虚拟现实技术提供了更高程度的体验，从而引发了体验幻觉。许多使用虚拟现实技术的研究已经证明了体验经历对行为的影响。研究表明，在虚拟现实中可以产生对第一人称视角下的虚拟身体的所有权的感知幻觉，并学会控制虚拟身体[58]，即使虚拟身体与用户的真实身体不同[2]。此外，虚拟形象的不同设计也被证明会影响到存在感的感知水平[46]和其他行为。特别是，在虚拟现实中关于体验幻觉的一个众所周知的现象是“Proteus效应”[60,61]。Proteus效应指的是用户的虚拟形象的特征影响用户的行为的现象。例如，Yee和Bailenson表明，被分配更有吸引力的虚拟形象的参与者在自我披露和人际距离任务中与同伴更亲密，而被分配更高的虚拟形象的参与者在谈判任务中表现更自信[60]。尽管被广泛引用，随后的研究发现对Proteus效应的支持证据不一致。Proteus效应的另一个支持在一项研究中表现出来，即性感虚拟形象的体验引发了更高的自我物化报告[11]。然而，在另一项关于二人交流的研究中，收集到的数据与Proteus效应的假设不一致[55]。研究人员建议需要进一步研究以确定Proteus效应的边界条件。02.2.3可信度幻觉-转化的现实。最后，可信度幻觉建立在地点和体现幻觉的基础上，产生一种虚拟世界中发生的事件是真实的感觉。以前的研究利用可信度幻觉来诱导共情：一项模拟红绿色盲的研究[1]导致更愿意帮助色盲人士；拥有超级英雄能力[43]导致更多的亲社会行为；体验自己的角色扮演老年人导致对老年人的刻板印象减少[59]。与以照片和视频等非沉浸式媒体传递实验操纵相比，可信度幻觉是进行VR实验的最大优势。综上所述，环境、体现和可信度幻觉指导我们在本研究中首先运行的研究的选择。我们将在后面的章节中提供更多细节。0进行VR实验的优势，相比于在较少沉浸式媒体中传递实验操纵。综上所述，环境、体现和可信度幻觉指导我们在本研究中首先运行的研究的选择。我们将在后面的章节中提供更多细节。02.2.4VR实验中的规模和样本。对VR实验的非正式文献综述表明，尽管有时规模较大，但这些研究确实受到成本、实验室可用性和多样化参与者数量的限制。除了上述几个值得注意的例外情况外，我们回顾的所有研究（例如[26, 43, 46, 59,60]）都是在物理实验室中使用实验室的VR设备进行的。这些实验的规模各不相同，其中一项研究包括158名参与者[35]。然而，我们回顾的大多数研究包括25-90名参与者。此外，大多数研究从当地大学的人口中选择参与者，即18-24岁的学生（例如[43, 54, 58,60]）。接下来，我们将概述VR设备和开发环境的现状，这激发了并使得众包实验在VR中能够扩大规模和速度，降低成本，并增加VR实验中的人口多样性。03虚拟现实技术0硬件和软件的可用性使得各种VR平台的商业VR设备的普及范围迅速扩大。VR有三个核心组件：头戴式显示器（HMD）、计算平台和传感器/控制器。根据设备是房间规模还是固定式，或者计算平台是PC、移动设备还是独立设备，可以将VR设备分为两种方式。房间规模的VR允许用户在游戏区域内自由行走，而他们在现实世界中的物理运动通过专用传感器进行跟踪，并反映在VR环境中。另一方面，固定式VR允许用户使用控制器在虚拟空间中导航，而用户自身在物理上保持静止。固定式VR通常比房间规模的VR便宜。PC/移动VR是指需要连接计算机或手机进行计算的设备，而独立式VR不需要任何额外的硬件，所有计算都在设备上进行。消费者VR设备主要属于PC/移动VR类别，从2014年开始出现在市场上。主要竞争对手包括：GoogleCardboard（2014年6月发布，售价15美元，移动设备，所有价格均为2018年2月制造商宣传的价格）、Samsung GearVR（2015年11月发布，售价39.99美元，移动设备）、OculusRift（2016年3月发布，售价399美元，PC）、HTCVive（2016年4月发布，售价599美元，PC）、Sony PlayStationVR（2016年10月发布，售价399美元，PC）和Google DaydreamView（2016年11月发布，售价79美元，移动设备）。在市场份额方面，GoogleCardboard领先，自2014年推出以来已经发货1000万台[42]。其次是Samsung Gear VR，自推出以来已经发货500万台，其次是SonyPlayStationVR（75万台，所有发货单位的统计数据截至2016年）[20]。在本研究中，我们重点关注固定式和移动式VR设备，如下所述。在开发者方面，开发非平凡的VR应用程序传统上存在陡峭的学习曲线。例如，0主题：网络众包和人类计算 WWW 2018，2018年4月23日至27日，法国里昂1https://webvr.info/360大多数VR开发者使用基于C++的游戏引擎Unreal Engine和基于C#的Unity。然而，随着WebVR1的出现，以及2017年推出的新的基于JavaScript的框架如ReactVR，开发VR变得更加容易和快速。在这项工作中，我们展示了React VR框架的使用，如下所述。0自2015年以来，VR开发已经遵循了一些标准，同时还出现了基于JavaScript的新框架，如ReactVR（2017），这使得VR的开发变得更加容易和快速。在这项工作中，我们演示了React VR框架的使用，具体如下所述。04 招募和技术设置0为了运行我们的VR实验，我们选择了最受欢迎的众包平台之一，亚马逊机械土耳其（AMT）。我们首先面临的挑战是创建一个有资格的工作者小组，他们可以使用VR设备进行实验。因此，我们的招募工作旨在创建这个“VR-AMT小组”，对AMT上可寻址的VR设备所有者的规模进行下限估计，并调查这些工作者的人口统计特征。招募具有VR设备的工作者当然取决于所需设备的类型。我们选择收集关于最受欢迎的设备的数据，这些设备适用于休闲VR用户，如上述所述，即Google Cardboard，Samsung Gear VR，Oculus Rift，HTCVive，Sony PlayStation VR和Google DaydreamView，我们在下文中称之为“调查设备”。为了确定和描述VR-AMT小组的潜力，我们在AMT上创建了一个独特的“资格”任务，要求工作者证明他们可以访问VR设备。为此，我们的任务要求工作者上传他们的VR设备的照片。此外，为了证明他们可以访问设备而不是设备的照片，我们要求照片上包含一张手写的工作者ID的后四位数字的纸条：这样做和验证工作者是否真的可以访问VR设备很容易，但如果没有，很难伪造。此外，我们还询问了关于设备的获取方式以及使用设备的一般经验，以收集有关工作者使用VR系统的专业水平的信息。最后，在同一个任务中，我们还询问了工作者的年龄、性别、种族、教育水平、职业、位置、城市/乡村和家庭收入等人口统计信息。我们在AMT上分批启动了资格任务，为预计工作时间为10分钟的工作者提供2美元的补偿。任务描述明确表示，只有那些可以立即访问调查设备集合中列出的VR设备，或者经过我们通过电子邮件沟通预先批准的人才可以参与。我们总共接受了13天的提交，并收到了439份提交。我们手动评估了所有的提交，检查工作者是否遵循了说明，并只接受了包含有效照片和与我们的调查设备集合中的VR设备相匹配的提交。图1显示了有效和垃圾提交的示例。这一步的结果是一个由242名众包工作者组成的VR-AMT小组，其中包含他们可以访问的VR设备的信息以及他们的人口统计信息。我们接下来对这些数据进行分析。04.1 VR-合格工作者的特征0我们分析了242个有效资格任务提交的回答，以推断VR-AMT小组这个可寻址人口的人口统计和特征。0图1：批准和拒绝的验证图像示例0人口统计学。与先前报告的AMT人口的年龄、性别和家庭收入的人口统计学相比，我们的资格任务的有效提交者在这些方面没有显著差异[18, 19,32]2。我们的样本中61%是男性，年龄从18岁到78岁不等（趋势图：0），中位年龄为32岁。样本中70%是白人，14%是亚洲人，6%是非洲裔或非裔美国人，90%是美国居民。样本中，52%居住在郊区，30%居住在城市，18%居住在农村地区。教育程度从高中以下到博士学位不等。0，大多数工作者完成了一些大学学历（30%）或获得了大学本科学位（30%）。收入水平从不到1万美元到超过10万美元不等0，大多数（56%）的收入在3万美元到8万美元之间（2016年美国家庭收入的中位数为5.6万美元）。收入特征显示，对VR设备的访问不仅限于较高的社会经济地位。我们面板与其他AMT调查[18,19]之间的一个区别是工作者的地理位置。与其他地区相比，我们的面板中有更高比例的美国工作者，这可能是因为VR设备在美国市场上更容易获得。该面板在郊区的比例也比一般AMT人口[18]报告的要高。然而，与大多数先前的VR研究所涉及的WEIRD（西方、受教育、工业化、富裕和民主）人群相比，我们验证的VR合格工作者的年龄、教育水平、职业和收入方面更加多样化[43,54,58,60]。工作者的VR历史和使用情况。在资格任务中，我们还询问工作者关于他们的VR经验和使用情况，目的是建立工作者VR技能的基准水平。为了简洁起见，我们在此不包括完整的结果，但请注意，大多数参与者报告使用过一些VR应用程序，并报告在VR中进行常见交互（如导航、浏览网页和输入）方面具有“基本”到“中级”的熟练程度。04.2技术平台和环境选择0我们决定将三星Gear VR（以下简称GearVR）作为我们众包VR实验的实验平台。在我们的样本中，有144名工作者拥有Gear VR，而只有46名工作者拥有GoogleCardboard，18名工作者拥有HTC Vive，18名工作者拥有Sony02这些数字与同一时期由AMT在线追踪器收集的数据也相似：http://demographics.mturk-tracker.com/#/gender/us0Track: Crowdsourcing and Human Computation for the Web WWW 2018, April 23-27, 2018, Lyon, France370PlayStation VR。为了简化开发并避免额外的技术混淆，我们选择仅为GearVR开发实验。以下，除非另有说明，当我们提到合格工作者的“VR面板”时，我们仅包括122个经过验证的Gear VR用户的子集（22个GearVR用户在我们启动实验后完成了资格任务）。将采样框架缩小到GearVR所有者并没有显著改变工作者的人口统计学。例如，我们的VR面板人口中男性占55%，而完整的VR-AMT面板中男性占61%。为了开发实验软件，我们选择了ReactVR框架3，这是一个使用Javascript“从声明性组件中组合丰富的VR世界和UI”的工具。相比其他开发平台如Unity，ReactVR更易于使用，并且更容易被具有较轻开发经验的研究人员采用。此外，ReactVR代码更容易理解和调整，即使对于非专业开发人员也是如此，从而简化了复制或调整任务。我们已经开源了在我们的实验中使用的代码，以及我们的实验数据和日志，以实现透明度和易于复制。405研究概述0我们在亚马逊机械土耳其的虚拟现实中进行了三项实验研究。这些研究都遵循相似的流程;我们从VR面板招募参与者，提供研究说明，进行实验，并在退出调查中收集反馈。研究的一般流程如图2所示。对于每项研究，我们在AMT上发布了一个任务，并详细说明了工作者在研究中应该期望看到的内容。任务包括一个VR研究链接，并指示工作者在佩戴支持WebVR标准的VR头显的情况下使用VR浏览器导航到链接（三星互联网或Oculus内置浏览器）。我们的React VRWeb应用程序会自动检查参与者是否佩戴头显，并且只有在检测到头显时才启用“继续”按钮。Web应用程序会随机分配参与者到实验条件。参与者在进入VR实验的主要部分之前会先进行简要介绍。在VR实验之后，参与者会收到一个VR验证代码，解锁原始任务描述中的基于Web的退出调查，该调查包括标准的模拟晕动问卷[22]、存在问卷[57]、有关工作者经验的问题以及我们为每项具体研究收集的其他变量。0第6章 研究1：虚拟环境的恢复效果03 可从https://facebook.github.io/react-vr/获得 4可从http://github.com/sTechLab/VRCrowdExperiments获得0图2：实验设置的流程（灰色背景的部分在VR中完成）0如第2.2.1节所示，研究环境效果的研究方法已经从带参与者去真实物理环境[15]，到使用照片[49]和视频[53]作为刺激物。VR提供地点幻觉的能力是一个自然的发展，由实验室环境中的各种研究探索[9，28，54]。在这里，我们首次评估了在众包中是否可以通过众包提供这种幻觉，而实验者对参与者的体验控制较少。我们的实验受到了Valtchanov等人的VR研究设计的启发[54]，但在几个重要方面有所不同。原始研究首先使用数学测试作为压力因素，通过使用Zuckerman个人反应清单（ZIPERS）量表[62]来测量负面心理状态的增加和正面心理状态的减少。然后，在自然实验条件下，研究使参与者积极探索虚拟森林，而控制条件则在VR中呈现抽象的幻灯片。最后，再次使用ZIPERS量表对参与者进行测量。该研究使用了22名参与者，并显示自然条件比抽象幻灯片产生了更高的恢复效果。我们在实验中进行了一些关键调整。首先，我们的处理包括自然环境与城市环境（而不是抽象环境），遵循该主题的非VR工作[15，21，53]。先前的研究预测，与城市环境相比，虚拟自然环境将导致参与者的积极情感增加，负面情感（悲伤、恐惧、愤怒）减少，这是通过ZIPERS量表[62]来衡量的。其次，由于Valtchanov等人的数学测试[54]据报道对提高负面情感水平没有效果，我们改为在VR中使用一段引起压力的视频——一部惊悚电影的360度预告片。我们没有使用原始研究的被试重复测量设计（对每个参与者两次测量ZIPERS量表），而是使用了类似的被试间设计，但只在最后一次测量ZIPERS量表，以不中断VR体验。在基线条件下，参与者直接报告使用ZIPERS量表测量的心理状态，而不观看任何“恢复性”视频。这个条件作为一个操作检查，显示惊悚视频是否确实导致负面情感的增加。0Crowdsourcing和人类计算的网络WWW 2018年4月23日至27日，法国里昂380在我们的实验中，自然和城市视频被选择得与[53]中描述的镜头非常相似。自然视频包括自然植被和水，伴有鸟鸣、微风和海浪声。城市视频包括轻度到重度的城市交通场景，有行人和汽车声、人声、脚步声和其他人的噪音。图2显示了用于研究的视频截图。06.1 执行和结果0我们在亚马逊机械土耳其上启动了VR实验，限制任务只有我们的VR小组的工人可以接受。该研究任务在AMT上可用了七天，在提交停止后从AMT上移除。总共有66名工人在AMT上执行了这项研究任务（我们在下文中称之为“参与者”）。我们为每个参与者支付了5美元，研究总成本为396美元（扣除AMT费用）。我们筛选掉在VR部分开始后二十分钟内没有开始ZIPERS调查的参与者，留下了55份有效提交。参与者被随机分配到不同条件，最终分为基线（19名参与者）、自然（24名参与者）和城市（12名参与者）条件。结果显示，自然和城市环境都具有潜在的恢复效果，但城市和自然条件之间没有差异。我们比较了ZIPERS量表测量的两个实验条件和基线之间的正面情感和负面情感。如图3所示，自然和城市条件相对于基线都提供了负面情感的减少和正面情感的增加。方差分析表明，这种效果在正面（p <.001）和负面（p <.05）情感方面是显著的。事后Tukey分析显示，在减少负面情感和增加正面情感方面，基线与城市和自然条件之间存在显著的个体差异。所有差异在p <.05或更低的水平上都是显著的，只有基线和自然条件在负面情感方面存在边际差异（p =.06）。在所有测量指标上，自然和城市条件之间没有统计学上的显著差异。我们还注意到，ZIPERS包括一个焦点测量，预计不会受到恢复性处理的影响。事实上，方差分析没有显示出基线和实验条件之间的焦点测量差异。0图3：不同条件下ZIPERS测量的变化。误差线显示平均值的标准误差。6.2 讨论0在这项第一项研究中，我们展示了在VR中进行众包实验提供了地点错觉的可能性。该研究没有证实自然环境对恢复效果的优势。这个结果可能是因为环境的特定特征，超过了自然或城市的差异，正如其他相关研究中所假设的[21]。可以进一步研究环境的不同特征，例如，0使用我们的开源代码进行额外的实验。与此同时，我们的压力诱发处理（VR惊悚片）在VR和AMT中都被证明是有效的，并可用于未来的研究。与基线相比，负面情绪减少，积极情绪增加，表明处理是成功的，进一步验证了VR + AMT范式。0第7项研究：Proteus效应0在第二项研究中，我们通过对VR中的Proteus效应进行研究来检验具身错觉。Proteus效应是VR中一个经过深入研究的主题[11, 46, 55,60,61]。Proteus效应指的是“个体的行为与他们的数字自我表现一致，而与他人如何看待他们无关”[60]。最早提出这个术语的研究之一表明，“被分配更高的化身的参与者在谈判任务中表现得比被分配更矮的化身的参与者更自信”[60]。我们的研究模仿了这个实验。Proteus效应研究通过在VR中改变用户化身的高度，并通过与一个由同伴同步操作的VR化身在谈判任务中的行为来测量他们的自信。谈判实施的是UltimatumGame的一个版本[34]，在这个版本中，有一个假设的100美元的资金池被分配给谈判各方；一方选择分配方式，另一方可以选择接受（在这种情况下，资金将按比例分享）或拒绝（没有人会得到任何钱）。更高（在VR中）因此更自信的谈判者被假设会提出更不公平的分配，并更容易拒绝不公平的分配。我们以几种方式改编了我们的研究。在AMT中运行这项研究，我们不得不设计一种在没有同伴的情况下运行的方法。相反，我们使用了一个被编程为根据一致的准则进行特定出价并接受或拒绝提议的机器人化身（下面列出了准则）。此外，我们创建了一个不同的化身高度操纵。用户只能看到另一个（机器人）化身，其比例被操纵得更小或更大，作为身高的代理（见图2）。最后，原始研究中的参与者总是与一个异性化身对战，而我们让每个参与者总共与两个化身对战（一个男性和一个女性，两者都是白人，随机顺序）。在我们的任务设置中，每个参与者首先接受了一个基于Web的UltimatumGame教程，并被要求通过两个测试回合来确保他们理解规则。然后我们将参与者引导到VR界面。在那里，他们看到了研究的简要描述。在看到第一个对手（机器人）化身之前，我们向参与者提出了几个问题来“配置”他们自己的化身。这些配置问题旨在制造一种错觉，即另一个（机器人）化身是另一个也定制了他们的展示的参与者。然后，参与者与第一个对手进行了一组四轮的UltimatumGame，其中第一轮和第三轮提出分配方案。与[60]一致，机器人化身被编程为如果提议给予化身的金额等于或超过20美元，总是接受分配。该化身还被编程为在第二轮和第四轮中提供50-50和25-75的分配，有利于该化身。0Track: Crowdsourcing and Human Computation for the Web WWW 2018, April 23-27, 2018, Lyon, France390完成第一组轮次后，同样的程序在第二个对手身上重复进行了另外四轮。为了支持真实的游戏，我们告诉参与者，根据他们在游戏中保留的总金额的排名，他们将获得1-5美元的奖金。07.1 执行和结果0我们在亚马逊的MechanicalTurk上启动了VR实验，再次限制参与者为我们的VR小组成员。该研究任务在AMT上开放了七天，并在提交停止后从AMT上移除。总共有69名工人参与了任务。我们筛选掉了10份数据不完整的提交，保留了59份提交。我们支付每个参与者5美元，总成本为582美元，包括奖金和AMT费用。我们注意到，90%的参与者选择了与他们在资格任务（第4节）中报告的性别相同的化身。该研究有两个因变量：（1）参与者在第1、3、5和7轮中为自己保留的金额与提供给对手的金额之间的差异；（2）参与者在第4轮和第8轮中接受不公平分配的可能性。参与者的平均分割报价（以自己为主的60-40左右）以及接受不公平分割的可能性（22%）与先前的最终报价博弈研究[34, 60,61]的报告率相当。MANOVA分析未显示出在不同条件下（即过滤掉原始研究[60]后的异常值）的分割{1,3,5,7}方面的统计显著差异。此外，Fisher精确检验分析未观察到在第4轮和第8轮接受不公平分配方面的统计显著差异。07.2 讨论0根据平均报价分割和接受率，我们得出结论，大多数参与者是认真参与游戏的。然而，我们的实验结果与原始研究[60]报告的结果不同。对于这种复制差异，有几种可能的解释。首先，我们的VR幻觉可能没有被工人接受。持续的游戏表明，工人们至少接受了游戏的设置，即使不接受具体的体验幻觉。其次，差异可能是由于更多样化的工人群体和原始研究中的大学生样本之间的差异。第三，我们的处理（比例）在VR界面中表达高度的方式不同。最后，可能是研究假设根本无效。重要的是，我们的研究可以通过使用我们的开源代码和实验数据进行简单修改和复制，以更广泛地检验假设。08 研究3：人群的吸引力0在最后一项研究中，我们调查了合理性错觉，即“即使你确切知道并不是真的发生了，也会产生一种错觉，认为表面上正在发生的事情确实正在发生”[50]。具体而言，我们使用了一项非基于VR的研究来展示合理性错觉：Milgram等人关于人群吸引力的研究[33]。在VR中复制这项研究将展示基于Web的VR人群实验如何进行。0解锁能够进行快速和低成本的模拟物理人群的研究的能力。Milgram等人的原始研究[33]研究了不同规模人群的吸引力。在典型的城市环境中，如果一群人同时进行某种行动，他们有能力吸引其他人加入到人群中。在原始研究中，作者使用了一个“刺激人群”，我们用虚拟化身代替。原始研究中的刺激人群是不同规模的人群在公共区域仰望天空，然后测量了多少过路人会随着刺激人群规模的增加而抬头。在我们的复制研究中，过路人是基于VR的参与者，而十个不同子集的虚拟化身充当刺激人群。Milgram等人的原始研究需要手动录制视频并注释头部方向。相比之下，我们的依赖变量是自动记录的，并且更加精细。我们通过VR设备和React VRAPI中的传感器自动记录参与者的头部方向，并以每秒五次的频率进行记录。我们对每个条件计算了注意力分布。我们预计在不同条件下的俯仰位置分布之间会有差异。具体而言，随着“回头看”的虚拟化身数量的增加，我们预计人群的吸引力会促使参与者朝着默认视野之外的方向看，并更多地与人群的注视保持一致。08.1 执行和结果0同样，我们在AMT上发布了任务，并将研究开放了七天。我们总共收到了66份提交。我们每位参与者支付5美元，总成本为396美元（包括费用）。在筛选有效的调查回应后，我们保留了56份提交，其中零、中、低和高条件分别为15、15、13和13份。在这项研究中，虚拟现实部分将参与者带入一个大广场，在那里他们可以看到虚拟人物（参见图2中的研究3）。为了确保参与者探索场景，他们被给予一个寻找物体的任务，时间限制为三分钟。参与者被告知，动物形状的物体可能随时出现在任何位置，而该物体（一个3D动画的狐狸）总是在任务结束前十秒钟出现在一个固定的位置。我们分析了每个条件下参与者的俯仰位置。在图4中，我们将俯仰区域分为四个区域，前、后和侧面按逆时针编号为1-4。图4显示了参与者在每个区域（区域1到4）中所花费的实验时间的柱状图（按颜色从零到高）。图4显示，在零和低条件下，参与者在区域1花费的时间比中等和0Track: Crowdsourcing and Human Computation for the Web WWW 2018, April 23-27, 2018, Lyon, France400图4：按区域分布的跟踪头部俯仰位置。误差线显示均值的标准误差。0高条件。相比之下，中等和高条件的参与者更多地花时间观察2-4区域。方差分析显示，在不同条件下，花在区域1和其他区域的时间明显不同（p <0.00