Virtuelle Agenten und Risiko

Wissenschaftliche Berichte Band 13, Artikelnummer: 11242 (2023) Diesen Artikel zitieren

508 Zugriffe

1 Altmetrisch

Details zu den Metriken

Eine Autorenkorrektur zu diesem Artikel wurde am 20. Juli 2023 veröffentlicht

Dieser Artikel wurde aktualisiert

Gruppenzwang kann das Risikoverhalten beeinflussen und ist besonders im Jugendalter spürbar. Da künstliche Intelligenz (KI) zunehmend in einer Reihe alltäglicher menschlicher Kontexte, einschließlich virtueller Umgebungen, präsent ist, ist es wichtig zu untersuchen, ob KI einen Einfluss auf die Entscheidungsprozesse und das Verhalten des Menschen haben kann. Mithilfe der Balloon Analog Risk Task (BART) zur Bewertung der Risikobereitschaft wurde in dieser Studie das Risikoverhalten von 113 Jugendlichen gemessen, wenn sie alleine und in Gegenwart eines Roboter-Avatars oder eines menschlichen Avatars spielten. Unter den Avatar-Bedingungen führten die Teilnehmer den BART durch, während die Avatare entweder (1) verbal zum Eingehen von Risiken anregten oder (2) vom Eingehen von Risiken abrieten (experimentelle Aufgaben). Das Risikoverhalten im BART wurde anhand der Gesamtzahl der Pumpen, der Verstärkung und der Explosionen bewertet. Auch die Tendenz zur Impulsivität sowie die Auswirkungen von Alter und Geschlecht auf riskantes Verhalten wurden bewertet. Das Hauptergebnis zeigte einen signifikanten Einfluss beider Avatare auf die Risikobereitschaftstendenz, wobei das Verhalten während der Anreizphase riskanter war als bei Entmutigungsbedingungen, wobei letztere sich auch erheblich von der Alleinspielbedingung unterschieden. Die Ergebnisse dieser Studie werfen neue Fragen zu einem sehr sensiblen und aktuellen Thema auf und bieten verschiedene Einblicke in die Wirkung von Nudging auf das Verhalten von Jugendlichen in virtuellen Kontexten.

Für die Generationen der Digital Natives ist das Internet eine Umgebung, in der sie einen erheblichen Teil ihres täglichen Lebens verbringen. Heutzutage sind Aktivitäten wie Bildung, medizinische Versorgung, Einkaufen, Ausstellungen und Tourismus nicht nur offline, sondern auch virtuell1, wodurch die Menschen ständig der künstlichen Intelligenz (KI) ausgesetzt werden. Im Metaversum beispielsweise nutzen Menschen Körperavatare, um realistisch (d. h. Sprache, Mimik und Körpersprache) miteinander zu interagieren und dabei das Onlife (d. h. ein physisches und digitales Hybridleben2) konkret zu erleben, und auch Avatare werden zunehmend eingesetzt Wird von staatlichen Institutionen und Unternehmen zur Interaktion mit Menschen verwendet3.

Avatare können möglicherweise sozialen Einfluss auf menschliches Verhalten ausüben, indem sie die individuelle Entscheidungsfindung beeinflussen. Während der Cyberspace Möglichkeiten bietet, Lebenserfahrungen zu bereichern und zu erweitern, und einen Ort für Freizeit- und Bildungsaktivitäten für junge Menschen darstellt, werden sie durch die zunehmende Durchdringung ihres Lebens mit Informationen von fragwürdiger Glaubwürdigkeit, Ideen, die möglicherweise positives Verhalten untergraben, und Botschaften konfrontiert die darauf abzielen, ihre Handlungen oder Überzeugungen zu manipulieren4,5. Einerseits ist der Cyberspace zunehmend ein sozialer Kontaktpunkt für Jugendliche, die möglicherweise die vermeintliche Anonymität von Internetbeziehungen bevorzugen. Daher können Online-Interaktionen mit virtuellen Einheiten, z. B. Avataren, ein Gefühl von Geborgenheit vermitteln und von jungen Menschen als weniger einschüchternd empfunden werden, was zu geringeren Hemmungen und einer geringeren Angst vor gesellschaftlicher Beurteilung führt. Andererseits besteht für Jugendliche, die mehr Zeit online verbringen, ein erhöhtes Risiko, Faktoren ausgesetzt zu sein, die ihre Fähigkeit zur Selbstregulierung verringern und ihre Tendenz zu impulsiven Handlungen verstärken6. Das Fehlen emotionalen Feedbacks und die Distanzierung von den realen Konsequenzen ihrer Handlungen, kombiniert mit einer geringeren Angst vor Bestrafung, tragen möglicherweise zu einer schlechten Entscheidungsfindung7 bei und führen zu einer größeren Wahrscheinlichkeit, sich auf rücksichtsloses Verhalten einzulassen5,8. Dieser Effekt wird relevant, wenn virtuelle Agenten die Einstellungen und Handlungen von Jugendlichen im Online-Bereich durch Strategien wie Gamification, Belohnungen oder personalisierte Empfehlungen aktiv beeinflussen. Die sensible Übergangszeit der Adoleszenz macht junge Menschen anfälliger für diese Strategien, da das Risikoverhalten in diesem Alter seinen Höhepunkt erreicht9,10. Aktuelle Erkenntnisse aus dem Bereich der Neurowissenschaften haben wichtige Erkenntnisse darüber geliefert, wie Veränderungen der neuroanatomischen und neuronalen Aktivität im Jugendalter zu einem potenziellen Anstieg des Risikoverhaltens beitragen11. Entwicklungstechnisch wird die Adoleszenz häufig als eine Phase beschrieben, die durch eine erhöhte Risikobereitschaft und eine außerordentliche Anfälligkeit für riskantes Verhalten gekennzeichnet ist – insbesondere in der frühen Adoleszenz12,13,14, einschließlich schlechter Entscheidungsfindung, in der das Gefühl der Unverwundbarkeit eines Jugendlichen dazu führt, dass er es nicht tut Risiken berücksichtigen15.

Bei Live-Interaktionen wird in der aktuellen Literatur immer wieder darauf hingewiesen, dass Beziehungen zu Gleichaltrigen im Jugendalter eine immer wichtigere Rolle spielen und jungen Menschen ein entscheidendes Umfeld bieten, in dem sie ihre sozialen Fähigkeiten testen können. Jugendliche verbringen tendenziell mehr Zeit mit Gleichaltrigen und legen großen Wert auf deren Erwartungen und Meinungen16. Der Einfluss von Gleichaltrigen kann einen Risikofaktor darstellen und die Entwicklung unsicherer Verhaltensweisen wie Drogenmissbrauch, rücksichtsloses Fahren und kriminelle Aktivitäten verstärken17,18,19,20. Es ist jedoch wichtig, die bidirektionale Natur der Auswirkungen von Gruppenzwang zu erkennen. Gruppenzwang kann auch als Schutzfaktor wirken und vorsichtiges Verhalten fördern21. Beispielsweise kann ein abweichender Jugendlicher allmählich ein weniger abweichendes Verhalten annehmen, das von einem nicht abweichenden Gleichaltrigen beeinflusst wird22. In der virtuellen Welt können Avatare interagieren, Gleichaltrige-ähnliche Beziehungen vorschlagen und sogar simulieren23, mit dem Potenzial, die Handlungen von Jugendlichen auf eine Weise zu beeinflussen, die mit dem Einfluss von Gleichaltrigen vergleichbar ist, und obwohl eine wachsende Zahl von Studien den Einfluss von (Offline-) Gruppenzwang wirkt sich auf das Verhalten von Jugendlichen aus – insbesondere im Hinblick auf die Risikobereitschaft24,25,26,27,28. Die Forschung zu den Auswirkungen von Avataren auf das Verhalten ist noch immer spärlich. Darüber hinaus konzentrierte sich die Forschung bisher weitgehend auf die möglichen negativen Auswirkungen, die Technologien auf Jugendliche haben können (z. B. Spielsucht, Fake News)29,30, während ihr positiver Einfluss auf das Verhalten einzelner Personen selten thematisiert wird. Die aktuelle Forschung befasst sich mit beiden Fragen.

Avatare können jede Form annehmen, mehr oder weniger anthropomorph. In den letzten Jahren wird künstliche Intelligenz zunehmend mit dem Einsatz humanoider Roboter bei der Interaktion mit Menschen unterschiedlichen Alters, vom Kleinkind bis zum älteren Menschen, in Verbindung gebracht (z. B. Di Dio et al.31; Manzi et al.32; für eine Übersicht siehe Marchetti et al.33). Darüber hinaus haben sich einige Studien auch mit dem Gruppenzwang befasst und humanoide Roboter als Aktivitätspartner eingesetzt. Basierend auf Aschs Konformitätsexperiment34, das zeigt, dass Menschen dazu neigen, ihre Meinungen an die Meinungen von Gruppenmitgliedern anzupassen, selbst wenn sie glauben, dass die einstimmige Mehrheitsantwort falsch ist, haben Untersuchungen35,36,37,38,39,40,41,42 untersucht ob sich Menschen einer Gruppe von Robotern mit einstimmigen, aber fehlerhaften Urteilen anpassen würden. Brandstetter und Kollegen35 konnten die Konformität mit einer Gruppe von Robotern nicht beobachten; Im Gegensatz dazu haben andere Studien herausgefunden, dass Roboter bei Kindern40 und Erwachsenen36 zu Informations- und Normkonformität37,38 führen können, sodass die Frage des Einflusses der KI auf menschliches Verhalten noch offen bleibt. Darüber hinaus versuchten Hanoch und Kollegen45, aufbauend auf der Balloon Analogue Risk Task (BART)9,43,44, die Nudging-Wirkung von Robotern auf das Risikoverhalten von Studenten im Grundstudium zu untersuchen. Beim BART handelt es sich um ein digitales Spiel, bei dem die Teilnehmer einen virtuellen Ballon aufblasen müssen, um Punkte zu erzielen. Je mehr der Ballon aufgeblasen wird, desto höher ist die erzielte Punktzahl. Allerdings kann der Ballon auf Wahrscheinlichkeitsbasis jederzeit explodieren. Die Risikobereitschaft des Teilnehmers wird gegen die Gewinnwahrscheinlichkeit gewichtet. Die Teilnehmer absolvierten den BART alleine, in Anwesenheit eines lautlosen Roboters und in Anwesenheit eines Roboters, der explizite Aussagen zur Risikobereitschaft machte. Teilnehmer, die den BART im Risiko-Anreiz-Roboterzustand absolvierten, zeigten im Vergleich zu anderen Gruppen ein höheres Risikobereitschaftsverhalten und untermauern damit Daten, die auf einen signifikanten Effekt des Robotereinflusses auf das menschliche Verhalten hinweisen.

Inspiriert durch das experimentelle Design von Hanoch und Kollegen45 und aufbauend auf der Balloon Analogue Risk Task (BART)9,43,44 zielte die vorliegende Studie darauf ab, empirisch zu untersuchen, ob Avatare das Risikoverhalten von Jugendlichen beeinflussen können, indem sie es entweder ermutigen oder entmutigen . Vor dem Hintergrund der oben genannten Studien und Erkenntnisse haben wir auch die Gelegenheit genutzt, das Verhalten von Jugendlichen als Reaktion auf mehr oder weniger anthropomorphe Avatare zu vergleichen und den Avataren so ein roboterhaftes oder menschliches Aussehen zu verleihen. Folglich durchliefen die Teilnehmer den BART sowohl einzeln, um ihre Risikobereitschaft beim Spielen alleine als auch in Gegenwart eines Roboters oder eines menschlichen Avatars zu beurteilen. Unter den Bedingungen mit den Avataren (experimentelle Bedingungen) wurden die virtuellen Entitäten auf dem Bildschirm des Computers präsentiert, der zum Spielen des BART-Spiels verwendet wurde, und interagierten mit den Teilnehmern, während sie das BART spielten. Konkret wurden die virtuellen Agenten so eingestellt, dass sie entweder verbal zum Risikoverhalten anregen oder davon abhalten, indem sie entweder aufmunternde Aussagen (z. B. „Haben Sie keine Angst, hören Sie nicht auf“) oder dämpfende Aussagen (z. B. „Seien Sie vorsichtig, langsamer“) abgeben. Um die Auswirkungen der Anreiz- und Entmutigungsbedingungen auf das Verhalten der Teilnehmer zu bewerten, wurden BART-Scores anhand der Gesamtzahl der Tastendrücke (Pumps), der Gesamtverstärkung (Gain) und der Gesamtexplosionen (Explosionen) berechnet. In Übereinstimmung mit den Ergebnissen der ursprünglichen Arbeit45 wurde erwartet, dass die Anreizbedingung das Verhalten der Teilnehmer durch eine erhöhte Risikobereitschaft anregt und sie im Gegensatz dazu davon abhält, ihr Verhalten positiv anzustoßen, und so als Schutzfaktor gegen Risikobereitschaft wirkt. Die Bestätigung der experimentellen Hypothesen würde aus empirischer Sicht die Notwendigkeit untermauern, die Einbeziehung künstlicher Agenten in virtuelle Bereiche sorgfältig zu bewerten, wenn Jugendliche online agieren. Dies wäre am wichtigsten, wenn eine risikofördernde Wirkung festgestellt würde. Umgekehrt würde ein verhaltensmindernder Effekt als Funktion des positiven Anstupsens durch den virtuellen Agenten (d. h. Entmutigungsbedingung) beispielsweise die Umsetzung von Präventionsprogrammen unterstützen, die Avatare nutzen, um positive Verhaltensweisen zu fördern und negative Verhaltensweisen zu entmutigen, z Beispiele sind Anti-Raucher-, Vandalismus- und Mobbing-Kampagnen46. In dieser Hinsicht können die Anwendungsmöglichkeiten grenzenlos sein.

Schließlich wurde die individuelle Neigung, sich bei riskanten Verhaltensweisen von Gleichaltrigen beeinflussen zu lassen, mit demografischen Variablen in Verbindung gebracht, darunter dem Geschlecht, d Der Druck steigt im frühen Jugendalter an, erreicht seinen Höhepunkt etwa im Alter von 14 Jahren und nimmt danach ab47,48. Daher wurden hier Alter und Geschlecht als Prädiktoren für das Verhalten der Teilnehmer bei der BART-Aufgabe bewertet. Neben den demografischen Variablen wurde auch die Tendenz zur Impulsivität – definiert als die Neigung zu überstürztem und unreflektiertem Verhalten36 – erfasst.

Eine visuelle Untersuchung der Boxplots, die die abhängigen Variablen (Pumpen, Verstärkung, Explosionen) in den Einzelspiel- und Avatar-Bedingungen darstellen, getrennt für die Anstiftungs- und Entmutigungsmodalität, ergab das konsistente Vorhandensein von zwei Fällen, die in at als Extreme und/oder Ausreißer identifiziert wurden mindestens 50 % der Bedingungen, insbesondere während der Anstiftung. Diese Fälle wurden daher aus den Analysen entfernt. Die endgültige Stichprobe von 113 Teilnehmern zeigte unter allen Bedingungen Schiefeindizes innerhalb akzeptabler Bereiche (+ − 2) [Anreizbereich = − 0,33–1,65 (ES = 0,316); Entmutigungsbereich = 0,09–1,03 (ES = 0,319)]. Die Durchschnittswerte und Asymmetrieindizes finden Sie in Tabelle 1.

Wie in Tabelle 2 gezeigt, war die alters- und geschlechtsspezifische Verteilung der Teilnehmer unter allen Versuchsbedingungen ähnlich, wobei in jeder Gruppe Männer überwiegen.

Es wurden positive Korrelationen zwischen den drei BART-Variablen gefunden, wie in Tabelle 3 angegeben, was eine konsistente Auslegung der Risikobereitschaft in jedem gespielten BART zeigt.

Außerdem wurden positive Korrelationen zwischen den ausgewerteten BART-Variablen gefunden, wenn die Teilnehmer alleine spielten, und den gleichen BART-Indizes, wenn sie mit den Avataren spielten. Das heißt, unabhängig von Anreiz- oder Entmutigungsmodalitäten zeigten Menschen, die eine größere Risikobereitschaft zeigten, wenn sie alleine spielten, dies auch unter Bedingungen, in denen die Avatare das Eingehen von Risiken entweder anspornten oder davon abhielten, und unterstützten so die intersubjektübergreifende Konsistenz der Risikobereitschaftstendenz. Die Statistiken sind in Tabelle 4 dargestellt.

Drei unabhängige allgemeine lineare Modelle (GLM), die die BART-Scores zwischen Bedingungen (allein spielen, Avatar-Bedingung), Modalität (Anstiftung, Entmutigung) und Art des Agenten (Mensch, Roboter-Avatar) vergleichen, wurden jeweils mit den folgenden abhängigen Variablen durchgeführt: Gesamtzahl der Pressungen (Pumpen), Gesamtendpunktzahl (Gewinn) und Gesamtzahl der Explosionen (Explosionen). Auch das Geschlecht wurde als Zwischensubjektfaktor in das Modell einbezogen.

Die drei Modelle zeigten recht konsistente Ergebnisse über die abhängigen Maße hinweg. Die Hauptergebnisse zeigten einen Haupteffekt der Modalität für alle drei Variablen (Pumpen, F(105) = 4,77, p < 0,05, Teil-η2 = 0,04, δ = 0,58; Verstärkung, F(1, 105) = 5,09, p < 0,05, Teil-η2 = 0,05, δ = 0,61; Explosionen, F(1, 105) = 5,28, p < 0,05, Teil-η2 = 0,05, δ = 0,62), was auf deutlich niedrigere Werte bei den Entmutigungs- als bei den Anstiftungsbedingungen hinweist. Darüber hinaus wurde für Pumpen und Gewinne eine signifikante Wechselwirkung zwischen Zustand und Modalität festgestellt (Pumpen, F(105) = 5,68, p < 0,01, Teil-η2 = 0,06, δ = 0,70; Gewinn, F(105) = 6,26, p < 0,01, partielles η2 = 0,05, δ = 0,66), was zeigt, dass die Anzahl der Pumpen während der Entmutigungsbedingung wesentlich geringer war als beim Alleinspielen (Pumpen: Mdiff = 124,05, SE = 48,28, p < 0,01, Verstärkung: Mdiff = 103,37 , SE = 36,34, p < 0,01). Obwohl diese Interaktion für Explosionen gerade noch keine Bedeutung erlangte, blieb der Unterschied zwischen Entmutigung und Alleinspiel-Zustand bestehen (Mdiff = 1,32, SE = 0,58, p = 0,02, Bonferroni korrigiert). Die Wechselwirkungen sind in Abb. 1 dargestellt.

Die Diagramme stellen die Interaktion zwischen den Bedingungen des Alleinspielens und Spielens mit dem Avatar in der BART-Aufgabe für die Anreiz- und Entmutigungsmodalitäten dar. Die abhängigen Variablen sind die Durchschnittswerte für (von links nach rechts) Pumpen, Verstärkung und Explosionen.

Für keine der abhängigen Variablen (Pumpen, Verstärkung, Explosionen; ns) wurden Unterschiede zwischen der Alleinspiel- und der Anreizbedingung, zwischen der Art des Agenten (HA, RA) oder dem Geschlecht gefunden.

Drei unabhängige Regressionsanalysen bewerteten den prädiktiven Effekt der BART-Variablen. Genauer gesagt wurden Pumpen, Verstärkung und Explosionen anhand der unabhängigen Variablen Modalität (Anstiftung, Entmutigung – dichotom definiert 0 = Entmutigung, 1 = Anstiftung) und Art des Avatars (HA, RA) separat regressiert, wobei Alter und Geschlecht der Teilnehmer kontrolliert wurden ( Modell 1), impulsives Verhalten (BIS11; Modell 2) und BART-Ergebnisse beim Alleinspielen (Modell 3).

Zusammenfassend lässt sich sagen, dass es keine signifikanten Auswirkungen von Alter und Geschlecht auf eine der BART-Variablen gab (Modell 1; Pumpen: F2.110 = 0,04, ns, R2 = 0,001, R2adjusted = − 0,02; Gewinn: F2.110 = 1,06, ns, R2 = 0,02, R2adjusted = 0,001; Explosionen: F2,110 = 0,37, ns, R2 = 0,007, R2adjusted = − 0,011). Darüber hinaus wurde kein signifikanter prädiktiver Effekt der Impulsivität auf Pumpen, Verstärkung oder Explosionen gefunden (Modell 2; Pumpen: F5,107 = 0,79, ns, R2 = 0,04, R2adjusted = − 0,01; Verstärkung: F5,107 = 1,10, ns, R2 = 0,05, R2adjusted = 0,005; Explosionen: F5,107 = 0,78, ns, R2 = 0,05, R2adjusted = − 0,01). Andererseits wurde ein erheblicher Effekt der BART-Ergebnisse beim alleinigen Spielen auf alle BART-Variablen festgestellt (Modell 3; Pumpen: F6.106 = 8,80, p < 0,001, R2 = 0,33, R2adjusted = 0,30; Gewinn: F6.106). = 10,73, p < 0,001, R2 = 0,42, R2adjusted = 0,38 s R2 = 0,45, R2adjusted = 0,41).

Nach der Kontrolle aller oben genannten Variablen zeigte sich schließlich, dass der Zielprädiktor „Modalität“ (0 = Entmutigung; 1 = Anstiftung) – nicht jedoch „Typ des Avatars“ (0 = Roboter; 1 = Mensch) – alle BART-Werte signifikant vorhersagte, wobei Anstiftung zutraf mit größerer Risikobereitschaft verbunden (Modell 4: Pumpen: F6,104 = 7,63, p < 0,001, R2 = 0,37, R2adjusted = 0,32, Durbin-Watson = 1,8; Gewinn: F8,104 = 9,54, p < 0,001, R2 = 0,42, R2adjusted = 0,38, Durbin-Watson = 2,0; Explosionen: F8,104 = 11,97, p < 0,001, R2 = 0,48, R2adjusted = 0,44, Durbin Watson = 1,83). Im Gegensatz dazu war die Entmutigung ein deutlicher Hinweis auf eine geringere Risikobereitschaft, wie anhand der Modellierung derselben Variablen wie oben beschrieben ermittelt wurde, wobei der Dichotomieindex umgedreht wurde, wobei 0 für Anstiftung und 1 für Entmutigung stand. Tabelle 5 fasst die statistischen Details zusammen und Ergänzungstabelle 4 das vollständige Regressionsmodell.

Können Avatare Druck ausüben, um das Risikoverhalten von Jugendlichen zu beeinflussen? Unsere Ergebnisse zeigten einen erheblichen Einfluss des Einflusses sowohl von menschlichen als auch von Roboter-Avataren auf das Verhalten von Jugendlichen, der im Zustand der Entmutigung deutlicher zu erkennen ist. Das heißt, die Risikobereitschaft der Teilnehmer verringerte sich erheblich, wenn die Avatare verbal von der Risikobereitschaft abrieten, im Vergleich zu einer Situation, in der die Teilnehmer alleine BART spielten. Andererseits wurden keine signifikanten Unterschiede zwischen der Bedingung „allein spielen“ und der Bedingung „Anstiftung“ festgestellt, obwohl letztere im Vergleich zur Bedingung „Entmutigung“ höhere Werte aufwies. Es wurden auch keine Unterschiede zwischen den Bedingungen des Alleinspielens festgestellt, was auf eine Homogenität des Startverhaltens der Teilnehmer unter allen Bedingungen und für alle gemessenen Indizes hindeutet. Darüber hinaus haben wir keine Auswirkung der Art des virtuellen Agenten (Mensch oder Roboter) auf das Verhalten festgestellt, d. h. unsere Forschung legt nahe, dass die Auswirkung des virtuellen Agenten auf das Verhalten unabhängig von seinem Grad der Anthropomorphie ist, da hier sowohl menschliche als auch Roboter-Avatare verwendet werden Die Studie ergab ähnliche Effekte. Schließlich zeigten die Daten keinen Einfluss von Alter oder Geschlecht auf die Risikobereitschaft.

Das Hauptergebnis der vorliegenden Studie legt nahe, dass virtuelle Avatare eine signifikante positive Nudging-Wirkung haben, um das Verhalten von Personen im späten Jugendalter zu beeinflussen, und skizziert somit einen potenziellen Schutzeffekt auf das Online-Verhalten. Frühere Studien, die den Einfluss von Gleichaltrigen untersuchten, stimmen mit den vorliegenden Ergebnissen überein und zeigen eine Tendenz – insbesondere in der späten Adoleszenz –, weniger riskante Entscheidungen zu treffen und den Entscheidungen anderer zu folgen als junge Jugendliche49. Darüber hinaus wurden die Teilnehmer in einer angepassten Version des BART unter dem potenziellen Einfluss des vorsichtigen oder riskanten Verhaltens von Gleichaltrigen in Situationen bewertet, in denen sie entweder über das Risikoniveau des Spiels informiert waren oder nicht50. Es zeigte sich, dass die vorsichtigen Entscheidungen der Gleichaltrigen die Risikobereitschaft der Teilnehmer unter uninformierten Bedingungen erheblich verringerten. Diese Situation spiegelt den allgemeinen Kontext wider, in dem unsere Teilnehmer den BART gespielt haben, und die Ergebnisse spiegeln die signifikante Wirkung der Risikoabschreckung wider, die speziell in der Entmutigungsbedingung zu finden ist. Im Gegensatz dazu erhöhten die riskanten Entscheidungen von Gleichaltrigen in Osmont et al.50 – unter dem Druck von Gleichaltrigen – die Risikobereitschaft von Jugendlichen, wenn das Risiko minimal war.

Diese Beobachtungen können teilweise erklären, warum wir keine Unterschiede in der Risikobereitschaft zwischen den Bedingungen der Aufforderung und dem Alleinspielen festgestellt haben. Unsere Anstiftungsbedingung – im Sinne von Osmont et al.50 völlig uninformiert – würde die Wirkung der Risikobereitschaft unter dem Einfluss anderer dämpfen, selbst wenn diese anderen wie in unserem Fall virtuelle Agenten sind. Darüber hinaus sollten wir auch hinzufügen, dass die Bedingung, alleine zu spielen, plausibelerweise einen Effekt der Gewöhnung an die Aufgabe mit sich brachte, der unsere Teilnehmer gewissermaßen dazu veranlasste, herauszufinden, inwieweit sie sich dazu drängen konnten, Risiken einzugehen. Während diese Bedingung die eigenwillige Tendenz der Teilnehmer, Risiken einzugehen, angemessen widerspiegelt, fördert sie in gewisser Weise auch das Eingehen von Risiken durch einen natürlichen Prozess der Erkundung. Zusammengenommen deuten diese Überlegungen darauf hin, dass die Avatare in unserer Studie einen Einfluss auf die Risikobereitschaft während der Anreizbedingung hatten und das Risikoniveau ungeachtet der für BART charakteristischen Risikounsicherheit relativ hoch hielten.

Der prädiktive Effekt der Werbemodalität (Anstiftung, Entmutigung) auf alle drei BART-Variablen, die in den Regressionsanalysen gefunden wurden, stützt den obigen Vorschlag, indem er zeigt, dass – abzüglich des Gewöhnungseffekts im Alleinspiel-Zustand – Avatar-Werbungen je nach Risikobereitschaft zunahmen oder abnahmen davon, ob die Teilnehmer im Anstiftungs- bzw. Entmutigungszustand spielten. Dies wird durch die Unterschiede zwischen Anreiz- und Entmutigungsbedingungen für alle drei BART-Variablen (Pumpen, Verstärkung, Explosionen) noch verstärkt. Diese Ergebnisse stützen teilweise frühere Erkenntnisse45, bei denen Studenten in vivo mit einem Roboter spielten, der verbal zu riskantem Verhalten am BART aufforderte. Die Autoren fanden einen signifikanten Anstieg der Risikobereitschaft der Teilnehmer unter dem Einfluss der Aufforderungen des Roboters im Vergleich zu denjenigen, die BART alleine spielten oder wenn der Roboter in einem stillen Zustand anwesend war. Dass es uns nicht gelang, einen tatsächlichen Unterschied zwischen unserem Alleinspielzustand und unserem Anreizzustand zu finden, kann zum Teil auf die oben gegebenen Erklärungen zurückzuführen sein und diese gelten nicht vollständig für die Studie von Hanoch et al.45, in der der Alleinspielzustand in einem Zwischenzustand gehalten wurde. Themengestaltung. Auch der Agent in Hanoch et al. war physisch anwesend, während unsere Agenten virtuell waren. Die Verkörperung könnte dann weiter zu dem Unterschied beigetragen haben, der sich aus unseren Ergebnissen ergibt51,52.

Die demografischen Variablen Geschlecht und Alter wurden in dieser Studie weiter untersucht, da sie mit der individuellen Neigung zu riskanten Verhaltensweisen im Jugendalter in Verbindung gebracht wurden47,53. Weder Alter noch Geschlecht hatten einen signifikanten Einfluss auf das Verhalten bei BART. In der vorliegenden Studie waren die Teilnehmer gleichmäßig verteilt, obwohl die Anzahl der Jungen unter allen Bedingungen höher war als die der Mädchen, wodurch möglicherweise ein möglicher geschlechtsspezifischer Effekt verschleiert wurde. Zukünftige Studien sollten diese Variable berücksichtigen, um diese Möglichkeit richtig beurteilen zu können. Darüber hinaus waren unsere Schüler zwischen 16 und 18 Jahre alt und daher könnte das Fehlen von Altersunterschieden in unserer Studie plausibel auf die geringe Variabilität in der Altersspanne zurückzuführen sein. Darüber hinaus haben frühere Studien unterschiedliche Tendenzen im Risikoverhalten zwischen der frühen und späten Adoleszenz gezeigt, wobei die letztere Gruppe ein sichereres Verhalten an den Tag legte als jüngere Teenager. Die Studie von Braams et al.49 beispielsweise untersuchte anhand eines wirtschaftlichen Entscheidungsansatzes, wie soziale Informationen riskante und mehrdeutige Entscheidungen im Jugendalter beeinflussen. Die Teilnehmer wählten zwischen sichereren und riskanteren Lotterien und erhielten Informationen über die Wahlpräferenzen anderer Teilnehmer. Die Ergebnisse deuten darauf hin, dass späte Heranwachsende seltener riskante Entscheidungen und eher sichere Entscheidungen treffen als jüngere Heranwachsende. Wie die Autoren vermuten, ist diese Tendenz wahrscheinlich auf soziale Motivationen und den Wunsch zurückzuführen, sich in der späten Adoleszenz an sicherere Normen anzupassen, was – zumindest teilweise – erklären könnte, warum unsere Jugendgruppe deutlich weniger riskantes Verhalten zeigte, als sie dazu angeregt wurde. Außerdem stellten Somerville et al.54 fest, dass die Risikoneigung mit zunehmendem Alter abnimmt. Unsere Ergebnisse erweitern somit die aktuelle Literatur, indem sie zeigen, dass Schutzmaßnahmen auch wirksam sein können, wenn sie von virtuellen Agenten bei Online-Aktivitäten ausgeübt werden. Zusätzlich zu Alter und Geschlecht könnten weitere soziodemografische Variablen berücksichtigt werden, um das Thema Online-Nudging im Jugendalter weiter zu bereichern. Diese Möglichkeiten wurden im Abschnitt „Zukünftige Richtungen“ weiter unten beschrieben.

Untersuchungen deuten auch auf den Einfluss sozialpsychologischer Faktoren wie Persönlichkeitsmerkmale – wie Sensationslust18,19 und Impulsivität46,55 – auf das Risikoverhalten bei Jugendlichen hin. In der vorliegenden Studie haben wir impulsives Verhalten in drei Dimensionen bewertet: motorische Aktivierung, Aufmerksamkeit und mangelnde Planung. Keine der untersuchten Dimensionen ließ die Risikobereitschaft beim BART signifikant vorhersagen. Auch hier könnte das Versäumnis, einen wesentlichen Effekt dieser Variablen zu finden, auf die Tatsache zurückzuführen sein, dass sich unsere Teilnehmer in der späten Adoleszenz befanden und daher weniger dazu neigten, starke Empfindungen zu suchen, und weniger impulsiv waren, insbesondere wenn das Ergebnis ihres Verhaltens nicht vorhersehbar ist. Dies stünde im Einklang mit der neurophysiologischen Entwicklung exekutiver Fähigkeiten, die in der späten Adoleszenz ihre Reife erreichen48.

Zusammenfassend zeigt diese Studie, dass Avatare – unabhängig von ihren physischen Merkmalen (menschlich oder roboterhaft) – einen Einfluss auf die Risikobereitschaft haben, indem sie sowohl auf die Entmutigung (positiver Anstoß) als auch auf die Anstiftung (negativer Anstoß) zum Verhalten wirken. Dieses Ergebnis ist besonders aufschlussreich für vielfältige Aktivitäten, die Menschen in virtuellen Umgebungen erleben können, da Avatare zunehmend dabei sein werden, Menschen bei der Entscheidungsfindung zu unterstützen und so ihre Entscheidungen zu beeinflussen. Aus ethischer Sicht wird es besonders wichtig sein, dass diese Avatare, deren Online-Präsenz immer häufiger und unvermeidlicher wird, mit dem Ziel eingesetzt werden, Verhaltensweisen zu reduzieren, die sich auf riskante Entscheidungsprozesse auswirken. In dieser Hinsicht haben wir die Wirkung von Avataren nur in einer Risikosituation untersucht, aber es wird sehr aufschlussreich sein, ihren Einfluss auch in prosozialen Szenarien, also positivem Verhalten, zu bewerten.

Die ermutigende Botschaft unserer Daten – vorläufiger Natur – ist, dass die Nudging-Aktion virtueller Agenten bidirektional sein kann und so riskantes Verhalten eher korrigiert als verstärkt. Das Wissen, dass es möglicherweise negative Auswirkungen auf das Verhalten gibt, kann dazu beitragen, Risikofaktoren vorzubeugen, und das Wissen, dass die Wirkung in eine positive Richtung wirken kann, kann dazu beitragen, Schutzfaktoren (Primärprävention) und Strukturinterventionen (Sekundär- und Tertiärprävention) zu stärken16,26,46.

Die Ergebnisse dieser Studie deuten darauf hin, dass Avatare bei der Ausführung von Aufgaben in einer virtuellen Umgebung einen Schubseffekt auf das menschliche Verhalten ausüben können, indem sie die Risikoneigung eines Menschen sowohl positiv als auch negativ beeinflussen. Sie bieten auch eine erste empirische Einschätzung der tatsächlichen Wirkung virtueller Assistenz auf menschliches Verhalten, indem sie eine Grundlage für die kritische Bewertung der Einführung dieser Agenten in sensiblen virtuellen Kontexten mit Jugendlichen wie Spielen liefern, die tatsächlich zu maladaptivem Verhalten führen können28.

Die Ergebnisse dieser Studie eröffnen eine Reihe von Richtungen für zukünftige Untersuchungen, die auch durch die verschiedenen Studien zur Untersuchung der Risikobereitschaft im Jugendalter unter dem Einfluss von Gleichaltrigen angeregt werden, und liefern so zusätzliche Informationen über das Phänomen. Eine dieser Optionen ist beispielsweise die Untersuchung des Einflusses der bloßen Anwesenheit eines virtuellen Avatars im stillen Zustand. Studien zum Gruppenzwang zeichnen uns in dieser Hinsicht ein recht komplexes Bild54,56,57. Sommerville und Kollegen54 fanden beispielsweise heraus, dass der Einfluss der bloßen Anwesenheit von Gleichaltrigen je nach Bedingungen unterschiedliche Auswirkungen auf das Verhalten haben kann. Tatsächlich wurden negative Auswirkungen auf riskantes Verhalten als Funktion von Variablen wie Peer-Monitoring, Reputationsmanagement, soziale Vorteile und Aufregung sowie erhöhte Erregung festgestellt; Im Gegensatz dazu wurden mildernde Auswirkungen auf das Verhalten mit zunehmendem Alter, in kalten Entscheidungskontexten und bei Anwesenheit von Gleichaltrigen festgestellt, allerdings ohne das Verhalten aktiv zu überwachen.

Darüber hinaus stellten die in dieser Studie verwendeten Avatare eine junge menschliche Figur und einen Roboter dar. Obwohl keine Unterschiede zwischen den Anfragen der beiden festgestellt wurden, bestünde eine weitere interessante Möglichkeit zur Bereicherung der vorliegenden Daten darin, den Einfluss virtueller Agenten, die Menschen unterschiedlichen Alters darstellen, auf das Verhalten von Ado gezielt zu bewerten11,12,13. Ruggeri et al.58 testeten beispielsweise die Auswirkungen eines Peer-Modells im Vergleich zu einem Erwachsenenmodell auf das prosoziale Verhalten von Kindern und Jugendlichen und zeigten, dass Kinder eher den Empfehlungen des Erwachsenenmodells folgten, während Jugendliche eher den Empfehlungen folgten des Peer-Modells. Daher könnten die Ergebnisse dieser Studie die Wirkung von Peer-Nudging durch die Gestaltung eines Avatars mit erwachseneren Merkmalen unterschätzt haben58. Darüber hinaus könnten soziodemografische Faktoren in die Gestaltung einbezogen werden, wie z. B. sozioökonomischer Status, ethnische Zugehörigkeit, Familienstruktur, schulisches Umfeld, Nachbarschaftsmerkmale usw. Diese Variablen stellen wichtige und sehr interessante Faktoren dar, die das Risikoverhalten von Jugendlichen tatsächlich gezielt ansprechen und charakterisieren können.

Es sollten auch einige Einschränkungen anerkannt werden, die uns daran hindern, unsere Ergebnisse auf das gesamte Spektrum von Jugendlichen zu übertragen. Erstens bestand unsere Stichprobe hauptsächlich aus männlichen Studenten. Da frühere Arbeiten gezeigt haben, dass Jungen im Allgemeinen dazu neigen, ein größeres Risikoverhalten an den Tag zu legen als Mädchen, sollten zukünftige Forschungsarbeiten ein ausgewogeneres Verhältnis zwischen männlichen und weiblichen Teilnehmern, möglicherweise in einem breiteren Altersbereich, aufweisen, um sowohl die oben diskutierten Geschlechter- als auch Altersprobleme angemessen zu berücksichtigen. Zukünftige Studien sollten neben Alter und Geschlecht auch die Auswirkungen kognitiver Prozesse (z. B. die Fähigkeit, die Wahrscheinlichkeiten von Handlungsfolgen und exekutiver Funktionskompetenzen abzuschätzen) und situativer Einflüsse (z. B. elterliche Überwachung)59 auf das Verhalten von Jugendlichen bei der Arbeit untersuchen in virtuellen Umgebungen.

Darüber hinaus wurde in dieser Studie immer zuerst die Bedingung des Alleinspielens dargestellt, gefolgt von den Avatar-Bedingungen (Anstiftung oder Entmutigung). Dies geschah, um die Bedingung des Alleinspielens – von dem angenommen wird, dass er die individuelle Risikobereitschaft beurteilt – nicht dadurch zu beeinträchtigen, dass die experimentellen Aufgaben potenzielle Übertragungseffekte haben. Allerdings weisen wir darauf hin, dass es aufgrund der Eingewöhnungsphase in die BART-Aufgabe selbst durch die alleinige Spielbedingung möglicherweise zu Nachwirkungen kommen könnte, die zu einem plausiblen Anstieg der Werte der abhängigen Variablen führen würden. Als Alternative zum gemischten Design, das in dieser Studie verwendet wurde, könnte ein vollständiges Inter-Subjekt-Design möglicherweise weitere Unterschiede hervorheben, die hier unterbewertet wurden.

Während wir uns in der vorliegenden Studie schließlich auf Avatare konzentrierten, die in einer virtuellen Umgebung agieren, wäre es interessant, die Auswirkungen dieser Agenten weiter zu bewerten, indem ihr Einfluss mit dem verglichen wird, der von einem echten Menschen oder einem echten Roboteragenten hervorgerufen wird. Es wäre dann bemerkenswert, auch Unterschiede in der Zuschreibung mentaler Zustände an die Avatare in Bezug auf den Menschen zu bewerten, um den tatsächlichen Grad der Anthropomorphisierung besser zu beschreiben60,61,62,63. Dies würde die Spezifität der hier gefundenen Avatar-Effekte beschreiben.

Einhundertfünfzehn (115) italienische Jugendliche (34 Mädchen, Durchschnittsalter = 17 Jahre, SD = 0,65; 81 Jungen, Durchschnittsalter = 17,36 Jahre, SD = 0,98) nahmen an der Studie teil (geschätzte Stichprobengröße mit G*Power). Tool: lineare multiple Regression, festes Modell: Effektgröße f = 0,15; Alpha-Prob-Fehler = 0,05; n. Prädiktoren = 8; Potenz = 0,95, N = 89). Die Studie wurde an weiterführenden Schulen durchgeführt. Die Schüler der 4. und 5. Klasse waren alle eingeladen, während des regulären Schulbetriebs an der Studie teilzunehmen. Zwei Teilnehmer wurden als Extremfälle in mindestens 50 % der Erkrankungen von der Datenanalyse ausgeschlossen, wie in den Ergebnissen oben beschrieben. Die Teilnehmer wurden über den Versuchsablauf, die Messgegenstände und die Materialien informiert. Die Einverständniserklärung aller Teilnehmer und/oder ihrer Erziehungsberechtigten wurde gemäß der Deklaration von Helsinki und ihren Überarbeitungen sowie gemäß den Anforderungen der Ethikkommission, des Ausschusses der Abteilung für Psychologie (CERPS), eingeholt. Università Cattolica del Sacro Cuore, Mailand, die die Studie genehmigte.

Die Studie wurde in der Schule in einem speziellen PC-Raum durchgeführt, in dem jeder Teilnehmer online auf das Experiment zugreifen konnte. Die Verwaltungstage wurden mit den Lehrern vereinbart und umfassten jeweils eine ganze Klasse.

Nach dem Klicken auf den Link wurde die Studie mit Anweisungen und der Aufforderung geöffnet, den Identifikationscode selbst zu generieren und Alter, Geschlecht, Nationalität und Verständnis der italienischen Sprache (Kontrolle) aufzuzeichnen. Auf diesen Abschnitt folgten zwei BART-Aufgaben, die in einer festen Reihenfolge präsentiert wurden: eine wurde alleine gespielt, die andere mit einem Avatar, wie unten beschrieben. Nach Abschluss des BART wurde den Teilnehmern die Barratt Impulsiveness Scale (BIS) verabreicht, mit der die Neigung zu impulsivem Verhalten bewertet und auf Italienisch validiert wurde64.

Die BART-Aufgaben wurden nach der allgemeinen Logik der ursprünglichen Aufgabe43 programmiert, wonach die Teilnehmer einen virtuellen Ballon auf einem Computerbildschirm aufblasen müssen. Die Teilnehmer spielen 30 Runden BART (d. h. 30 Ballons aufgepumpt) in jeder Bedingung (allein spielen, mit dem Avatar spielen), im Einklang mit früheren Untersuchungen mit dem BART. Je mehr der Ballon aufgeblasen wird, desto höher ist die erzielte Punktzahl. Allerdings kann der Ballon auf Wahrscheinlichkeitsbasis jederzeit explodieren. Die Risikobereitschaft des Teilnehmers wird gegen die Gewinnwahrscheinlichkeit gewichtet. Eine detaillierte Beschreibung von BART finden Sie im Zusatzmaterial.

Die Teilnehmer spielten zwei BART-Spiele: (1) allein und (2) mit einem von vier Avataren (Mensch – HA und Roboter – RA), jeweils männlich oder weiblich, entweder in einem Anstiftungs- oder Entmutigungszustand. HA und RA hatten die gleiche Stimme, unterschieden sich jedoch im Grad der Anthropomorphie. Abbildung 2 zeigt die für diese Studie ausgewählten Avatare, für deren Veröffentlichung keine Zustimmung erforderlich ist, da die Bilder keine echten menschlichen Gesichter darstellen. Die Programmierung der BART-Spiele sowie das Design und die Programmierung der Avatare erfolgte durch QuestIT srl (https://www.quest-it.com/).

(AD) Bilder der in der Studie verwendeten Avatare: (A,B) stellen den menschlichen Avatar dar, männlich bzw. weiblich; (C,D) repräsentieren den Roboter-Avatar, männlich bzw. weiblich. Das Design und die Programmierung der Avatare erfolgte durch QuestIT srl (https://www.quest-it.com/).

Die Aufgabe wurde mit der Vorstellung des Avatars eröffnet (siehe Zusatzmaterial). Der Avatar begann von Anfang an mit aufstachelnden oder entmutigenden Sätzen (abhängig von der Erkrankung) und stachelte oder entmutigte weiterhin in einem zufälligen Intervall zwischen 3 und 7 Sekunden. Die Aufstachelungs- und Entmutigungssätze finden Sie im Zusatzmaterial.

Bei der Studie handelt es sich um ein gemischtes Design. Jedem Teilnehmer wurden zwei BARTs wie folgt verabreicht: (1) alleine spielen; (2) Spielen mit einem Avatar (Faktor innerhalb der Subjekte). Jeder Teilnehmer spielte entweder mit einem Menschen- oder Roboter-Avatar und nur im Anstiftungs- oder Entmutigungszustand. Das Programm war darauf ausgelegt, die Anzahl der Teilnehmer innerhalb jeder Bedingung auszugleichen (Einzelheiten finden Sie unten in den beschreibenden Daten und im ergänzenden Material).

Die Risikobereitschaft wurde als Funktion der folgenden Indizes bewertet, die innerhalb jedes BART (allein und mit Avatar) berechnet wurden: (1) Gesamtpumpen in allen Runden, dh berechnet am Ende jedes BART (Pumpen); Gesamtpunktzahl am Ende jedes BART (Gewinn); Die Gesamtzahl der Versuche führte zu einer Explosion, die am Ende jedes BART (Explosion) berechnet wurde.

Die Barratt Impulsiveness Scale (BIS-1165) ist ein weit verbreiteter Fragebogen zur Beurteilung des Konstrukts Impulsivität66, siehe auch67. Die aktuelle Version besteht aus 30 Elementen, die häufiges impulsives oder nicht impulsives Verhalten beschreiben, und besteht aus drei Dimensionen: (1) motorische Impulsivität, definiert als die Tendenz, ohne nachzudenken spontan zu handeln (motorische Aktivierung); (2) kognitive Impulsivität, verstanden als die Tendenz, schnelle Entscheidungen zu treffen, und mangelnde Konzentration auf die Aufgabe (Aufmerksamkeit); 3) ungeplante Impulsivität, zugrunde liegendes Verhalten, das durch eine schlechte Einschätzung der Konsequenzen gekennzeichnet ist (mangelnde Planung). Die Items werden auf einer 4-Punkte-Skala bewertet: selten/nie = 1; gelegentlich = 2; oft = 3; fast immer/immer = 4. Die Gesamtpunktzahl wird durch Summieren der Punktzahlen für jedes Element berechnet.

Zunächst bewerteten wir, ob alle BART-Variablen miteinander verbunden waren (Pearsons r), was das Konstrukt der Risikobereitschaft widerspiegelte, und sagten eine positive Korrelation zwischen den drei Indizes voraus. Zweitens wurden Korrelationsanalysen (Pearson's r) zwischen dem Risikoverhalten beim Alleinspielen und unter experimentellen Bedingungen (Anstiftung und Entmutigung) durchgeführt, um zu bewerten, ob die Teilnehmer die beiden BARTs auf konsistente Weise spielten, d. h. ob sie ähnliche Verhaltensmuster innerhalb des Probanden annahmen . Insbesondere diejenigen, die dazu neigten, riskanter zu spielen, taten dies auch unter den Bedingungen mit den Avataren. Anschließend bewerteten wir die Unterschiede zwischen den Bedingungen (allein spielen, mit dem Avatar spielen), der Modalität (Anstiftung, Entmutigung) und der Art des Avatars (HA, RA) für jede BART-Variable (Pumps, Verstärkung, Explosionen), auch als Funktion der Teilnehmer ' Geschlecht. Daher wurden für jede abhängige Variable unabhängige 2 × 2x2 × 2 allgemeine lineare Modellanalysen (GLM) durchgeführt, die 2 Zustandsebenen als subjektinterne Variable und 2 Modalitätsebenen, 2 Avatartypebenen und 2 Ebenen von modellierten Geschlecht als Zwischensubjektvariablen. Schließlich bewerteten drei unabhängige Regressionsanalysen den prädiktiven Effekt der BART-Variablen. Genauer gesagt haben wir Pump, Gain und Explosionen separat anhand der unabhängigen Variablen Modalität (Anstiftung, Entmutigung) und Art des Avatars (HA, RA) regressiert, wobei wir das Alter und Geschlecht der Teilnehmer kontrollierten (Modell 1); impulsives Verhalten (BIS11; Modell 2); und BART punktet, wenn man alleine spielt (Modell 3). Dieser letzte Durchgang war wichtig, um die Wirkung der Anstiftung und Entmutigung durch Avatare auf riskantes Verhalten zu bewerten, nachdem die individuellen Risikoneigungstendenzen kontrolliert wurden, die unabhängig vom Anstupsen (alleine spielende Bedingung) bewertet wurden.

Die während der aktuellen Studie generierten und/oder analysierten Datensätze sind auf begründete Anfrage beim entsprechenden Autor erhältlich.

Eine Korrektur zu diesem Artikel wurde veröffentlicht: https://doi.org/10.1038/s41598-023-38995-w

Kye, B., Han, N., Kim, E., Park, Y. & Jo, S. Pädagogische Anwendungen von Metaverse: Möglichkeiten und Grenzen. J. Educ. Bewertung. Gesundheit Prof. 18, 32 (2021).

PubMed PubMed Central Google Scholar

Floridi, L. Die vierte Revolution: Wie die Infosphäre die Welt verändert (Raffaello Cortina Editore, 2017).

Google Scholar

Wiederhold, BK Bereit (oder nicht) Spieler eins: Erste Überlegungen zum Metaversum. Cyberpsychol. Verhalten. Soc. Netw. 25, 1–2 (2022).

PubMed Google Scholar

Berson, IR Grooming Cybervictims: Die psychosozialen Auswirkungen der Online-Ausbeutung für Jugendliche. J. Sch. Gewalt 2, 5–18 (2003).

Google Scholar

Berson, IR & Berson, MJ Herausforderndes Online-Verhalten junger Menschen: Ergebnisse einer vergleichenden Analyse junger Menschen in den Vereinigten Staaten und Neuseeland. Soc. Wissenschaft. Berechnen. Rev. 23, 29–38 (2005).

Google Scholar

Joinson, A. Ursachen und Auswirkungen enthemmten Verhaltens im Internet. In Psychologie und Internet: Intrapersonale, zwischenmenschliche und transpersonale Implikationen 43–60 (Academic Press, 1998).

Google Scholar

Willard, N. Schädliche Online-Studentenrede außerhalb des Campus. J. Sch. Gewalt 2, 65–93 (2003).

Google Scholar

D'Agata, MT & Kwantes, PJ Persönlichkeitsfaktoren, die enthemmtes und riskantes Online-Verhalten vorhersagen. J. Einzelperson. Abweichen. 41, 199–206 (2020).

Google Scholar

Hopko, DR et al. Konstruktvalidität der Balloon Analogue Risk Task (BART): Zusammenhang mit dem MDMA-Konsum durch innerstädtische Drogenkonsumenten in stationärer Behandlung. J. Psychopathol. Verhalten. Bewerten. 28, 95–101 (2006).

Google Scholar

Duell, N. et al. Altersmuster bei der Risikobereitschaft auf der ganzen Welt. J. Jugend Adolesc. 47, 1052–1072 (2018).

PubMed Google Scholar

Crone, EA, Van Duijvenvoorde, ACK & Peper, JS Jährlicher Forschungsbericht: Neuronale Beiträge zur Risikobereitschaft im Jugendalter – Entwicklungsveränderungen und individuelle Unterschiede. J. Kinderpsychol. Psychiatrie 57, 353–368 (2016).

PubMed Google Scholar

Michael, K. & Ben-Zur, H. Risikobereitschaft bei Jugendlichen: Assoziationen mit sozialen und affektiven Faktoren. J. Adolesc. 30, 17–31 (2007).

PubMed Google Scholar

Spear, LP Das jugendliche Gehirn und altersbedingte Verhaltensmanifestationen. Neurosci. Bioverhalten. Rev. 24, 417–463 (2000).

CAS PubMed Google Scholar

Steinberg, L. et al. Altersunterschiede in der Sensationssuche und Impulsivität, gemessen an Verhalten und Selbstbericht: Beweise für ein duales Systemmodell. Entwickler Psychol. 44, 1764–1778 (2008).

PubMed Google Scholar

Greene, K. et al. Auf risikofreudiges Verhalten bei Jugendlichen abzielen: Die Beiträge von Egozentrismus und Sensationssucht. J. Adolesc. 23, 439–461 (2000).

CAS PubMed Google Scholar

Valle, A., Massaro, D., Castelli, I. & Marchetti, A. Theorie der Geistesentwicklung im Jugend- und frühen Erwachsenenalter: Die wachsende Komplexität der rekursiven Denkfähigkeit. EUR. J. Psychol. 11, 112–124 (2015).

PubMed PubMed Central Google Scholar

Boyer, T. Die Entwicklung der Risikobereitschaft: Eine multiperspektivische Überprüfung. Entwickler Rev. 26, 291–345 (2006).

Google Scholar

Dahlen, ER, Martin, RC, Ragan, K. & Kuhlman, MM Fahrende Wut, Sensationssucht, Impulsivität und Langeweileneigung bei der Vorhersage von unsicherem Fahren. Unfall. Anal. Vorher. 37, 341–348 (2005).

PubMed Google Scholar

Pérez, J. & Torrubia, R. Sensationssuche und asoziales Verhalten in einer Studentenstichprobe. Persönlich. Individuell. Abweichen. 6, 401–403 (1985).

Google Scholar

Zuckerman, M. & Kuhlman, DM Persönlichkeit und Risikobereitschaft: Gemeinsame bisoziale Faktoren. J. Pers. 68, 999–1029 (2000).

CAS PubMed Google Scholar

Brown, BB, Bakken, JP, Ameringer, SW & Mahon, SD Eine umfassende Konzeptualisierung des Peer-Influence-Prozesses im Jugendalter. im Verständnis des Einflusses von Gleichaltrigen bei Kindern und Jugendlichen. 11–44 (MJ Prinstein & KA Dodge, 2008).

Brown, BB, Clasen, DR & Eicher, SA Wahrnehmung von Gruppenzwang, Neigungen zur Konformität mit Gleichaltrigen und selbstberichtetes Verhalten bei Jugendlichen. Entwickler Psychol. 22, 521–530 (1986).

Google Scholar

Sun, N. & Botev, J. Intelligente autonome Agenten und Vertrauen in die virtuelle Realität. Berechnen. Summen. Verhalten. Rep. 4, 100146 (2021).

Google Scholar

Crosnoe, R. & McNeely, C. Beziehungen zu Gleichaltrigen, Verhalten von Jugendlichen sowie Forschung und Praxis im Bereich der öffentlichen Gesundheit. Fam. Community Health 31, S71–S80 (2008).

PubMed Google Scholar

Knoll, LJ, Magis-Weinberg, L., Speekenbrink, M. & Blakemore, S.-J. Sozialer Einfluss auf die Risikowahrnehmung im Jugendalter. Psychol. Wissenschaft. 26, 583–592 (2015).

PubMed Google Scholar

Riskantes und selbstverletzendes Verhalten im Jugendalter: der RTSHIA-Fragebogen von Vrouva, Fonagy, Fearon, Roussow. (Angeli, 2013).

Prinstein, MJ & Wang, SS Falscher Konsens und Ansteckung unter Gleichaltrigen bei Jugendlichen: Untersuchung von Diskrepanzen zwischen Wahrnehmungen und tatsächlich gemeldeten Ausmaßen abweichenden und gesundheitsgefährdenden Verhaltensweisen von Freunden. J. Abnorm. Kinderpsychologie. 33, 293–306 (2005).

PubMed Google Scholar

Van Hoorn, J., Crone, EA & Van Leijenhorst, L. Abhängen mit der richtigen Menge: Einfluss von Gleichaltrigen auf Risikoverhalten im Jugendalter. J. Res. Jugendlicher. 27, 189–200 (2017).

PubMed Google Scholar

Griffiths, M. Internet- und Videospielsucht. In Adolescent Addiction (Hrsg. Griffiths, M.) 231–267 (Elsevier, 2008). https://doi.org/10.1016/B978-012373625-3.50010-3.

Kapitel Google Scholar

Talwar, S., Dhir, A., Kaur, P., Zafar, N. & Alrasheedy, M. Warum teilen Menschen Fake News? Zusammenhänge zwischen der Schattenseite der Nutzung sozialer Medien und dem Verhalten beim Teilen gefälschter Nachrichten. J. Einzelhandel. Konsum. Serv. 51, 72–82 (2019).

Google Scholar

Di Dio, C. et al. Wie Kinder über den Geist eines Roboters denken. Die Rolle der Bindung und der Theorie des Geistes bei der Zuordnung mentaler Zustände zu einem Roboteragenten [Wie Kinder über den Geist des Roboters denken. Die Rolle der Bindung und der Theorie des Geistes bei der Zuschreibung mentaler Zustände an einen Roboteragenten. System Smart 1, 41–56 (2020).

Google Scholar

Manzi, F. et al. Das Verständnis des kongruenten und inkongruenten referenziellen Blicks bei 17 Monate alten Säuglingen: Eine Eye-Tracking-Studie zum Vergleich von Mensch und Roboter. Wissenschaft. Rep. 10, 11918 (2020).

ADS CAS PubMed PubMed Central Google Scholar

Marchetti, A., Manzi, F., Itakura, S. & Massaro, D. Theorie des Geistes und humanoider Roboter aus einer Lebensspannenperspektive. Z. Für Psychol. Rev. 226, 98–109 (2018).

Google Scholar

Asch, SE Auswirkungen von Gruppendruck auf die Änderung und Verzerrung von Urteilen. In Organizational Influence Processes (Hrsg. Asch, SE) 177–190 (H. Guetzkow Groups, 1951).

Google Scholar

Brandstetter, J. et al. Ein Gruppenzwangsexperiment: Nachbildung des Asch-Konformitätsexperiments mit Robotern. Im Jahr 2014 IEEE/RSJ International Conference on Intelligent Robots and Systems 1335–1340 (Hrsg. Brandstetter, J.) (IEEE, 2014). https://doi.org/10.1109/IROS.2014.6942730.

Kapitel Google Scholar

Qin, X. et al. Erwachsene können immer noch nicht widerstehen: Ein sozialer Roboter kann normative Konformität herbeiführen. Berechnen. Summen. Verhalten. 127, 107041 (2022).

Google Scholar

Salomons, N., van der Linden, M., StrohkorbSebo, S. & Scassellati, B. Menschen passen sich Robotern an: Vertrauen, Wahrheit und Konformität unterscheiden. In Prongs of the 2018 ACM/IEEE International Conference on Human-Robot Interaction 187–195 (ACM, 2018). https://doi.org/10.1145/3171221.3171282.

Kapitel Google Scholar

Salomons, N., Sebo, SS, Qin, M. & Scassellati, B. Eine Minderheit von einem gegen eine Mehrheit von Robotern: Roboter bewirken normative und informationelle Konformität. ACM Trans. Hum.-Roboter-Interaktion. 10, 1–22 (2021).

Google Scholar

Shiomi, M. & Hagita, N. Beeinflussen die Anzahl der Roboter und das Geschlecht des Teilnehmers den Konformitätseffekt mehrerer Roboter? Adv. Roboter. 33, 756–763 (2019).

Google Scholar

Vollmer, A.-L., Read, R., Trippas, D. & Belpaeme, T. Kinder passen sich an, Erwachsene wehren sich: Eine Robotergruppe übte Gruppendruck auf normative soziale Konformität aus. Wissenschaft. Roboter. 3, eaat7111 (2018).

PubMed Google Scholar

Wu, Y., Kim, KJ & Mou, Y. Sozialer Einfluss von Minderheiten und moralische Entscheidungsfindung in der Mensch-KI-Interaktion: Die Auswirkungen von Identitäts- und Spezialisierungshinweisen. New Media Soc. https://doi.org/10.1177/14614448221138072 (2022).

Artikel Google Scholar

Xu, K. & Lombard, M. Persuasive Computing: Den Gruppenzwang mehrerer Computeragenten spüren. Berechnen. Summen. Verhalten. 74, 152–162 (2017).

Google Scholar

Lejuez, CW et al. Bewertung eines Verhaltensmaßes für die Risikobereitschaft: Die Balloon Analogue Risk Task (BART). J. Exp. Psychol. Appl. 8, 75–84 (2002).

CAS PubMed Google Scholar

White, TL, Lejuez, CW & de Wit, H. Test-Retest-Merkmale des Balloon Analogue Risk Task (BART). Exp. Klin. Psychopharmakol. 16, 565–570 (2008).

PubMed PubMed Central Google Scholar

Hanoch, Y. et al. Der Roboter hat mich dazu gebracht: Mensch-Roboter-Interaktion und Risikoverhalten. Cyberpsychol. Verhalten. Soc. Netw. 24, 337–342 (2021).

PubMed Google Scholar

Romer, D. Risikobereitschaft, Impulsivität und Gehirnentwicklung bei Jugendlichen: Auswirkungen auf die Prävention. Entwickler Psychobiol. https://doi.org/10.1002/dev.20442 (2010).

Artikel PubMed PubMed Central Google Scholar

Steinberg, L. & Monahan, KC Altersunterschiede im Widerstand gegen den Einfluss von Gleichaltrigen. Entwickler Psychol. 43, 1531–1543 (2007).

PubMed PubMed Central Google Scholar

Blakemore, S.-J. & Choudhury, S. Entwicklung des jugendlichen Gehirns: Auswirkungen auf die exekutive Funktion und die soziale Kognition. J. Kinderpsychol. Psychiatrie 47, 296–312 (2006).

PubMed Google Scholar

Braams, BR, Davidow, JY & Somerville, LH Entwicklungsmuster der Veränderung im Einfluss sicherer und riskanter Entscheidungen von Gleichaltrigen auf riskante Entscheidungen. Entwickler Wissenschaft. https://doi.org/10.1111/desc.12717 (2019).

Artikel PubMed Google Scholar

Osmont, A., Camarda, A., Habib, M. & Cassotti, M. Die Entscheidungen von Gleichaltrigen beeinflussen die Risikobereitschaft von Jugendlichen, insbesondere wenn explizite Risikoinformationen fehlen. J. Res. Jugendlicher. 31, 402–416 (2021).

PubMed Google Scholar

Ghiglino, D., Willemse, C., Tommaso, DD, Bossi, F. & Wykowska, A. Auf den ersten Blick: Die subtilen Augenbewegungsparameter von Robotern beeinflussen die Aufmerksamkeit des Menschen, die spontane Einstimmung und die wahrgenommene Menschenähnlichkeit. Paladyn. J. Verhalten. Roboter. 11, 31–39 (2020).

Google Scholar

Wykowska, A., Chaminade, T. & Cheng, G. Verkörperte künstliche Agenten zum Verständnis der menschlichen sozialen Kognition. Philos. Trans. R. Soc. B Biol. Wissenschaft. 371, 20150375 (2016).

Google Scholar

McCoy, SS, Dimler, LM, Samuels, DV & Natsuaki, MN Anfälligkeit von Jugendlichen für abweichenden Gruppenzwang: Spielt das Geschlecht eine Rolle? Jugendlicher. Res. Rev. 4, 59–71 (2019).

Google Scholar

Somerville, LH et al. Analyse der „Präsenz von Gleichaltrigen“ und „Entscheidungen“, um das Verständnis des Einflusses von Gleichaltrigen auf riskante Entscheidungen bei Jugendlichen zu vertiefen. Kinderentwickler. 90, 2086–2103 (2019).

PubMed Google Scholar

Steinberg, L. Ein duales Systemmodell der Risikobereitschaft bei Jugendlichen. Entwickler Psychobiol. https://doi.org/10.1002/dev.20445 (2010).

Artikel PubMed Google Scholar

Reynolds, EK, MacPherson, L., Schwartz, S., Fox, NA & Lejuez, CW Analoge Studie zum Einfluss von Gleichaltrigen auf das Risikoverhalten bei älteren Jugendlichen. Vorher. Wissenschaft. 15, 842–849 (2014).

PubMed PubMed Central Google Scholar

Powers, KE et al. Konsequenzen für Gleichaltrige verzerren Risikoberechnungen über die gesamte Entwicklung hinweg unterschiedlich. J. Exp. Psychol. Gen. 147, 671–682 (2018).

PubMed Google Scholar

Ruggeri, A., Luan, S., Keller, M. & Gummerum, M. Der Einfluss von Rollenmodellen von Erwachsenen und Gleichaltrigen auf die gemeinsamen Entscheidungen von Kindern und Jugendlichen. Kinderentwickler. 89, 1589–1598 (2018).

PubMed Google Scholar

Boyer, TW & Byrnes, JP Risikobereitschaft bei Jugendlichen: Integration persönlicher, kognitiver und sozialer Aspekte des Urteilsvermögens. J. Appl. Entwickler Psychol. 30, 23–33 (2009).

Google Scholar

Di Dio, C. et al. Wie Kinder über den Robotergeist denken. Die Rolle der Bindung und der Theorie des Geistes bei der Zuschreibung mentaler Zustände an einen Roboteragenten. Intelligente Systeme https://doi.org/10.1422/96279 (2020).

Artikel Google Scholar

Di Dio, C. et al. Es spielt keine Rolle, wer Sie sind: Fairness im Umgang von Vorschulkindern mit menschlichen und robotischen Partnern. Int. J. Soc. Roboter. 12, 1045–1059 (2020).

Google Scholar

Di Dio, C. et al. Soll ich dir vertrauen? Von der Kind-Roboter-Interaktion bis hin zu vertrauensvollen Beziehungen. Vorderseite. Psychol. 11, 469 (2020).

PubMed PubMed Central Google Scholar

Manzi, F. et al. Ein Roboter ist keinen anderen wert: Untersuchung der Zuordnung des Geisteszustands von Kindern zu verschiedenen humanoiden Robotern. Vorderseite. Psychol. 11, 2011 (2020).

PubMed PubMed Central Google Scholar

Fossati, A., Di Ceglie, A., Acquarini, E. & Barratt, ES Psychometrische Eigenschaften einer italienischen Version der Barratt Impulsiveness Scale-11 (BIS-11) in nichtklinischen Probanden. J. Clin. Psychol. 57, 815–828 (2001).

CAS PubMed Google Scholar

Patton, JH, Stanford, MS & Barratt, ES Faktorstruktur der Barratt-Impulsivitätsskala. J. Clin. Psychol. 51, 768–774 (1995).

CAS PubMed Google Scholar

Stanford, MS et al. Fünfzig Jahre Barratt Impulsiveness Scale: Eine Aktualisierung und ein Rückblick. Persönlich. Individuell. Abweichen. 47, 385–395 (2009).

Google Scholar

Murray, HA Explorations in Personality: A Clinical and Experimental Study of Fifty Men of College Age (Oxford University Press, 1983).

Google Scholar

Referenzen herunterladen

Wir möchten QuestIT srl (https://www.quest-it.com/) für seinen wesentlichen Beitrag zur Programmierung der BART-Spiele sowie zum Design und zur Programmierung der Avatare danken. Ein besonderer Dank geht an das „Istituto Torriani“ aus Cremona, das aktiv an der Rekrutierung von Studenten und dem Setting der Studie mitgewirkt hat.

Diese Autoren haben gleichermaßen beigetragen: Federico Manzi und Laura Miraglia.

Forschungseinheit zur Theorie des Geistes, Abteilung für Psychologie, Università Cattolica del Sacro Cuore, Mailand, Italien

Cinzia Di Dio, Federico Manzi, Laura Miraglia, Davide Massaro und Antonella Marchetti

Forschungseinheit „Robopsychology in the Lifespan“, Abteilung für Psychologie, Università Cattolica del Sacro Cuore, Mailand, Italien

Cinzia Di Dio, Federico Manzi, Davide Massaro und Antonella Marchetti

Institut für Psychologie, University of Warwick, Coventry, Großbritannien

Michaela Gummerum

QuestIT srl, Siena, Italien

Simone Bigozzi

Sie können diesen Autor auch in PubMed Google Scholar suchen

CDD-Konzeptualisierung (gleich); Methodik (Leitung); Schreiben – Originalentwurf (Leitung); formale Analyse (gleich). FM und LM: Konzeptualisierung (gleich); formale Analyse (Unterstützung); Schreiben – Überprüfen und Bearbeiten (gleichwertig). MG-Software (Leitung). MG, DM und AM: Konzeptualisierung (gleich); Methodik (gleich); Schreiben – Überprüfen und Bearbeiten (gleichwertig).

Korrespondenz mit Cinzia Di Dio.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Die ursprüngliche Online-Version dieses Artikels wurde überarbeitet: Die ursprüngliche Version dieses Artikels enthielt einen Fehler im Namen des Autors Davide Massaro, der fälschlicherweise als Massaro Davide angegeben wurde.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Di Dio, C., Manzi, F., Miraglia, L. et al. Virtuelle Agenten und Risikoverhalten im Jugendalter: die zweifache Natur des Nudgings. Sci Rep 13, 11242 (2023). https://doi.org/10.1038/s41598-023-38399-w

Zitat herunterladen

Eingegangen: 13. Februar 2023

Angenommen: 07. Juli 2023

Veröffentlicht: 11. Juli 2023

DOI: https://doi.org/10.1038/s41598-023-38399-w

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.

Blog