社会生态系统的社会角色和表现:来自行为实验室的证据

• 摘要
• 简介
• 方法
  • 灌溉实验
  • 参与实验
  • 编码不同的角色
  • 定性比较分析
• 结果
  • 组级别的结果
  • 位置级别的结果
• 讨论
• 结论
• 对本文的回应
• 致谢
• 文献引用

介绍

某些社会角色的存在被认为是成功管理公共资源的关键。在过去的几年里，学者们研究了某些社会角色的存在和功能，如领导者和连接者，如何影响社会生态系统的绩效。例如，Gutiérrez等人(2011)的工作表明，强有力的领导的存在可能是解释世界范围内渔业管理成功的最重要因素。一些作者认为，其他角色，如追随者、连接器或意义制造者，是社会-生态系统治理的关键，特别是就社区适应新条件的能力而言(Folke等，2003,2005,Olsson等，2004)。尽管公认社会作用在管理共同资源方面的重要性，但数据收集方面的挑战使经验证据难以收集。在本文中，我们通过行为实验室实验来研究社会角色和集体行动之间的联系，为这一新兴文献做出贡献。在一个典型的行为实验中，参与者面临一个社会困境，必须决定他们的合作水平。在一个基于计算机的灌溉实验中，我们利用参与者之间的交流来确定实验处理过程中出现的社会角色，然后确定那些在管理公共资源的成功集体行动中可能是必要的角色。

根据制度分析与发展框架(Ostrom 2005)，行为实验代表了一个行动舞台，实验设计产生了一个行动情境，随机抽取一组参与者做出决定。行动情境是指参与者互动、交换信息、解决问题的社会空间。行为实验使研究人员能够通过定义参与者的选择和可获得的信息，以及与参与者决策的不同结果相关的回报，来复制行动情境。虽然本文讨论的实验是在美国一所主要大学的本科生中进行的，但同样的实验设计，即行动情境，可以用于不同类型的参与者，如发展中国家的农民或渔民(Harrison and List 2004)。在早期的灌溉实验中，对如此多样化的参与者群体进行的实验表明，在实验中，信任的差异是比用户群体(如渔民、农民、学生)类型更重要的结果差异的解释变量(Janssen等，2012)。在我们的研究中，社区中不同社会角色的存在提供了动机来测试这些社会角色是否有助于解释实验研究中的群体动力学。在多方法研究计划的背景下，我们使用不同的方法来解决有关社会-生态系统的各种研究问题(Poteete et al. 2010)。因此，我们的研究补充了之前使用其他方法的研究，如案例研究(如Olsson等人2004年)和元分析(如Gutiérrez等人2011年)。

本研究中执行的基于计算机的实验中的行动情况代表了一个小规模灌溉系统，在该系统中，不同位置的参与者(从上游到下游位置)相互作用，以维护灌溉基础设施，并共享该基础设施产生的水来灌溉他们的农田。在我们的实验中，参与者面临两种类型的社交困境(Ostrom和Gardner 1993)。首先，他们必须共同为公共基础设施提供足够的投资，以使水可用:每年都必须修复堰等引水结构，清理运河。其次，他们必须协调水资源的公平分配，而上下游参与者位置的不对称会破坏这一点。然而，如果没有下游参与者的帮助，上游参与者无法充分维护基础设施。因此，这种相互依赖阻止了上游参与者过度用水，因为得不到足够水的下游参与者可能会减少他们对基础设施的贡献(Ostrom和Gardner 1993, Janssen等人2012)。先前使用类似实验设置的研究发现，上游参与者比下游参与者投资和提取更多，对公共基础设施的贡献可以用观察到的上一轮不平等和不对称访问特权的综合效应来解释(Janssen等人，2011)一个,2001年b， 2012, Pérez等。2013)。基于这些结果，我们试图分析社会角色是否有助于进一步解释各组在水提取方面的表现差异。

在游戏的投资和抽取阶段之前，我们的实验参与者可以在游戏的交流阶段通过短信聊天，在做出投资和抽取决定之前讨论他们想要讨论的内容。我们记录了所有这些短信，然后我们用它们来辨别实验参与者自然扮演的社会角色。尽管潜在的因果过程仍有争议，但众所周知，沟通可以改善社交困境中的结果(Ostrom等人1992年，Sally 1995年，Janssen等人2010年)。先前的研究已经得出结论，对于改善结果来说，必要的是交流的选择和交流的数量，而不是交流的内容(Pavitt et al. 2005, Janssen 2010，但参见Pavitt 2011)。我们通过将参与者之间的交流内容与社会角色联系起来来分析交流。我们的目标是研究群体层面的社会角色以及不同职位所承担的角色是如何影响群体绩效的。我们意识到，玩家说他们要做的事情(游戏邦注:即他们似乎扮演的角色)和他们在游戏中真正做的事情之间可能会出现不匹配。此外，我们从聊天数据中确定的社会角色与参与者实际经历的可能存在差异。请注意，我们从聊天数据中区分出来的大多数角色在投资和拨款决策的数据中无法区分。

我们考虑了七种类型的角色:领导者、知识生成器、联结者、追随者、道德家、执行者和观察者。(每个社会角色的定义见表1。)这些角色通常被认为是与社会-生态系统适应性治理相关的基本功能群体(Ostrom 1990, Folke et al. 2005)。虽然这些角色并不是所有可能角色的详尽列表，但它们可以充分代表我们灌溉实验中的关键角色。越来越多的研究支持这七个角色对成功的集体行动的重要性。例如，大量研究表明，某些个体经常在社会问题中提供领导力和知识(Olsson et al. 2004, Pavitt et al. 2007, Gutiérrez et al. 2011)。这些资料认为，领导者的存在及其产生的知识可能会提高个人解决集体行动问题的可能性。研究还表明，连接者的存在，即那些在其社交网络内外与他人建立联系的个体，可能会增强当地社区适应新环境的能力(Stubbs和Lemon 2001, Tompkins等2002,Ernstson等2010)。有人认为，通过引入新颖的想法和促进跨网络的信息交换，连接器帮助当地社区更有效地找到合作解决方案。一些研究也支持道德家角色的重要性(Pavitt et al. 2005, Janssen 2010, Poteete et al. 2010)。 It is suggested that individuals caught in social dilemmas often voice norms of equity and continuously try to ensure their mutual commitment to such social norms. Finally, the roles of observer and enforcer are widely observed in field and behavioral studies (Ostrom et al. 1992, Fehr and Gachter 2000, Henrich et al. 2006, Rustagi et al. 2010). These functions reinforce norms and rule conformance and are considered crucial for the success of collective action (Ostrom 1990).

我们没有调查特定角色的影响，而是更专注于识别角色的组合，这些组合增加了用户自组织并成功解决他们面临的共同困境的可能性。一个例子是知识生成者和连接者之间的可能关系。如果知识生产者没有通过连接器与他人联系起来，知识的扩散就会受到阻碍。为了解决角色组合如何影响集体行动的问题，我们使用了定性比较分析(QCA;Ragin 1987)。使用QCA，研究人员可以确定与特定结果(在我们的案例中，采用的社会角色)相关的条件组合(在我们的案例中，群体成功通过群体总水提取量来衡量)。我们在群体(一个群体中任何参与者所采用的角色)和位置(每个群体中不同位置[上游，下游]参与者所采用的角色)层面进行QCA，以分析角色(群体级别)和不同位置参与者所承担的角色(位置级别)的不同组合如何影响群体绩效。

组级别的QCA允许我们了解哪些角色或角色组合可能是一个组成功所必需的。例如，观察员是必要的吗?领导者和道德家的结合才是关键吗?在位置层面，QCA允许我们研究成功的团队中角色出现的位置。例如，处于最上游位置的玩家采用领导者角色的组(图1中的A和E)比处于中间位置的玩家采用领导者角色的组(图1中的C)表现更好?在成功的团队中，位置A的球员更可能采用哪种角色组合?我们的结果表明，它不是一个特定的角色，而是至少五个角色的组合，这是成功的必要条件。例如，我们发现，至少有一个参与者扮演了领导者的角色，这对于成功是必要的，但不是充分的。在成功的团队中存在的一种角色组合中，领导者身边至少有一名追随者、一名知识生成器、一名连接者和一名道德家。在职位层面，我们发现了与参与者职位相关的角色异质组合。 For example, in successful groups, players in middle positions adopted the role of leader more frequently than upstream or downstream players.

方法

我们利用计算机灌溉实验交流阶段参与者之间的聊天信息来编码参与者所采用的社会角色。将确定的社会角色作为QCA中的条件，以获得可能导致更高群体绩效的社会角色组合。我们并没有对玩家的实际行为进行编码，而是根据玩家在游戏交流阶段所传达的信息来设定他们的社会角色。图2图解地总结了通过QCA获得的方法和主要结果。

灌溉实验

实验采用了五人灌溉游戏的形式。被试占据不同的位置，A、B、C、D、E，这与他们在灌溉渠沿线的位置有关(A为头部，E为尾部)。

整个实验处理时间约为75分钟，在真正实验开始前包括2轮训练，随后是20轮实际实验。每一轮融资都遵循以下顺序:沟通、投资和拨款阶段。

交流的舞台

在每一轮的开始，参与者可以通过聊天界面的文本信息交流60秒。参与者被允许讨论任何他们想讨论的事情，但通常会有一些警告，比如恰当的语言，不能威胁，也不能承诺附带报酬。

投资阶段

为了提供运河和引水设施等公共基础设施，需要投入多少资金。在每一轮的开始，参与者被赋予10个代币。参与者可以将全部、零或部分捐赠用于维护公共基础设施。每个代币价值0.05美元。公共基础设施的生产线性依赖于集团的总投资:每投资一个代币，基础设施存量增加一个单位。然而，每一轮过后，基础设施股票都会以固定百分比贬值。供水能力与基础设施存量呈非线性s型关系。低于某一阈值，基础设施不会产生产出，也就是水。一旦越过这一门槛，额外的投资就会增加供水能力的边际回报。超过一定的存量水平，额外的投资产生的边际回报是递减的。 In the experiments, we chose a scaling that made it impossible for one person to create sufficient infrastructure stock to deliver water without the help of others. For example, unless a sufficiently large group of farmers worked together at the same time to repair headgate structures and canals each year, the system became dysfunctional and delivered little to no water. Hence cooperation was required to generate an adequate level of public infrastructure.

供水率作为基础设施效率的函数如表2所示。默认情况下，最大供水量为30立方英尺/秒(cf/s)。在每一轮的投资阶段，参与者会看到一个显示如表2所示的屏幕。参与者会被提醒上一轮的基础设施存量是多少，并被告知已经减少了一定数量。然后他们被要求做出投资决定。例如，如果前一轮的基础设施存量为75，并减少了25，那么玩家被告知这一轮开始的基础设施存量为50(75 - 25 = 50)。假设每个玩家投资7个代币(7 x 5 = 35总投资)。那么基础设施存量是50 + 35 = 85。根据表2，系统在拨款阶段能够提供最大40 cf/s。参与者做出投资决定后，屏幕上会显示如下信息:他们的邻居投资了多少，基础设施效率水平，供水能力，以及灌溉系统的供水。 Because the infrastructure stock depreciates by 25 units in each round, each participant needs to invest on average five tokens to keep the infrastructure at the same level.

拨款阶段

参与者在50秒内决定打开和关闭灌溉闸门，试图将水引到他们的土地上种植作物。参与者将看到如图1所示的指示板。参与者被展示了输水能力(左上)，河流中有多少水(右上)，以及圆形(中央上)的剩余时间。参与者可以看到水的流动(白点的运动来模拟水的流动)以及它们的闸门的实时打开和关闭。为了解决非对称公共资源问题，有意选择实时交互方式来考虑实时协调的需求。也就是说，参与者执行他们在一轮沟通阶段制定的策略(如果有的话)。当参与者打开大门时，他们会在田里积聚水。表3显示了一种作物产生的收入作为参与者田间总水量的函数。如果少于150cf的水被转移到他们的田地，参与者没有获得任何代币。当运送的水总量为500 ~ 549 cf时，就可以获得最大数量的代币。 Applying more than 549 cf is detrimental to crop production (water logging) and the earnings go down accordingly.

每个球员的门的最大容量是25 cf/s。如果一个参与者打开了他/她的大门，25 cf/s在主要运河是可用的，它需要20 s达到最大可能的收入。当5个参与者试图最大化他们的收入时，有5 × 500 = 2500 cf的需求。因为水的最大供应是30 cf/s × 50 = 1500 cf的水，所以存在资源稀缺的情况。如果参与者在300 cf处停止，每个人可以产生15个代币的收益。然而，如果最先获得水的上游参与者将其收入最大化，那么两个下游参与者将无法获得足够的水来从种植作物中获得任何收入。例如，参与者A在前20秒打开门，参与者B在前36秒打开门，参与者C、D和E在整个过程中打开门，为参与者A和B分别产生20 (500 cf)代币的收益，为参与者C产生19 (430 cf)代币，为参与者D产生0 (70 cf)，为参与者E产生0 (0 cf)。这种收益结构造成了我们的非对称公地困境。

该实验是对Anderies等人(2013)报道的治疗方法的改进。在Anderies等人的研究中，参与者对其他参与者的行为有完整的信息，可以与他们组中的所有参与者进行交流。在这里报告的实验中，我们通过施加一个线性连接的网络来限制交流，在这个网络中，参与者只能与他们的近邻交流。利用这个网络结构，我们试图模拟小规模灌溉系统中的农民可能面临的沟通、监测和制裁方面的挑战。每个参与者的操作区域(仪表板)视图如图1所示。参与者看到了自己的田野是绿色的。本实验的社交网络结构设计为，参与者只能与他们的近邻交流和观察他们的行为;例如，参与者B只能与参与者A和参与者C交流并观察他们的投入和抽取。注意，在图1中，玩家C可以看到玩家B和玩家D的大门都是关闭的，但不能观察到玩家A和玩家E。同样，玩家B可以看到玩家C的大门是打开的，玩家A的大门是关闭的，但不能观察到玩家D和玩家E。

每组在第1轮实验开始时，初始基础设施存量为75(效率为75%)，前10轮实验的基础设施折旧率为25。在前10轮中，基础设施折旧率和河流供水量保持不变。然而，在第10轮之后，这两种情况开始出现波动。为了本研究的目的，我们考虑了供水和基础设施折旧率不确定性不存在的前10轮。关于实验设置以及变异性对群体表现的影响的进一步信息可以在Anderies等人(2013)中找到。

该实验设计的纳什均衡和社会均衡可以通过假设参与者的反应时间为零，并试图打开和关闭大门，以最大化他们的代币数量来计算。在第一轮中，没有必要投资于公共基础设施，因为供水能力(35 cf/s)已经高于供水能力(30 cf/s)。Anderies等人(2013)研究表明，自私的理性行为者的纳什均衡只会导致上游参与者在前三轮进行投资。如果有一个正的供水能力(基础设施存量超过45)，并且一个参与者没有达到500cf的水，那么这个参与者就会打开他们的大门。参与者只有在能够获得正向投资回报的情况下，才会投资于公共基础设施。参与者A、B和C在第二轮中投入了适度的水平，以达到66的基础设施水平。在第三轮，只有参与者A投资。在第3轮之后，基础设施已经恶化到无法供水的程度。在这种非合作均衡中，参与者在前10轮中以一组的形式获得了575个代币。相比之下，遵循合作策略的参与者将基础设施库存保持在66(交付能力= 30 cf/s)，并在每轮基础设施中投资25个代币以保持其在该水平。 The cooperative strategy led to 978 tokens for the group in 10 rounds. An example of one of the possible cooperative strategies was to have four participants, A-D, investing six tokens, and one participant, E, investing only one token. If the participants coordinated their gates, growing a crop could generate 15 tokens for participants A to D and 10 tokens for E. Hence, a cooperative strategy could lead to an outcome in which each participant earned 19 tokens per round.

参与实验

这些实验于2012年春季学期在亚利桑那州立大学进行。参与者是从一个数据库中随机招募的，数据库中有所有专业的本科生，他们都表示愿意参加我们的人体实验。当我们的实验被安排时，邀请被发送给了整个人群中的一个随机样本。根据出口调查，参与本文实验的115名学生(23组，每组5名玩家)中，49%为女性，平均年龄为20岁。平均收益为22美元，包括5美元的出场奖金，以及平均持续时间为75分钟的实验(私下进行)的报酬。个人最低及最高收入分别为12.20元及34.70元。各集团的最终收益、投资总额、提取情况见附录1。

编码不同的角色

根据文献，我们定义了灌溉实验参与者可以采用的七种社会角色:联结者(C)、执行者(E)、追随者(F)、知识产生者(K)、领导者(L)、道德主义者(M)和观察者(O)，定义见表1。参与者可以同时扮演多种角色(例如，领导者可以是道德家，执行者可以同时观察他人的行为，等等)。我们为每个参与者在两个时间段中的每一个划分了三个角色:第1-5轮和第6-10轮。我们考虑了两组回合，因为需要不止一轮回合来检测每个参与者所采用的角色，同时，随着游戏的进展，参与者所承担的角色也会发生变化。参与者所扮演角色的数量各不相同;有些玩家只扮演一个角色(如顺从的追随者)，而其他人则扮演多个角色。平均而言，参与者在这两个时间段里分别扮演了两个角色。我们将每个参与者的编码角色数量限制在3个，以考虑每个参与者承担的最重要的角色，因为在大多数情况下，参与者一次承担的角色少于4个。在少数几个超过三个角色的情况下，编码器通过计算每个角色代表的聊天消息的数量来选择更相关的角色。第10轮后，实验引入环境不确定性。 We did not include these later rounds (11-20) in our current coding because our aim was to study the effect of social roles on the performance of social-ecological systems in a stable environment. Future studies will analyze how social roles adopted by participants in the irrigation experiment are affected by environmental uncertainty as well as how social roles may evolve during the game.

编码是基于参与者在交流阶段交换的文本信息(表1)，而不是玩家的实际行为。角色由两位作者(Pérez和Yu)独立编码。每个编码器从文本信息中找到的短语和单词中找到线索，根据我们的指南(表1)确定最合适的角色。例如，如果一个参与者发送的信息提出了对用水不均的担忧，该参与者就被编码为道德家。我们没有试图揭示群体构成与结果之间的实际机制。此外，我们认识到游戏中社会角色和真实行动之间关系的潜在重要性(Cardenas 2003)。这些问题超出了本文的范围，将是未来研究的重点。话虽如此，我们在这里报告的工作仅着眼于群体构成之间的相关性，检测到的思想聊天信息和结果是第一步，已经产生了一些有趣的见解。

在两位编码器完成他们的编码后，对不匹配的结果进行比较。两位编码人员通过讨论这些不匹配的角色，直到达成共识，从而得出了他们最终的编码决策。为了评估编码器之间的可靠性，我们使用了最简单的度量:两个编码器之间的一致性百分比。我们选择了百分比一致性，而不是更复杂的测量(例如，Cohen’s Kappa系数和Krippendorff’s alpha)，这些测量解释了偶然发生的编码一致性。原因是我们的编码方案每个球员有64种可能的角色组合(即，从7种可能的角色和没有角色编码到每个球员3种角色)。如此多的编码可能性，在我们的研究中偶然发生编码一致的概率非常低。协议百分比按如下方式得出。对于每一种情况(每个参与者的每个时间片)，两个编码匹配的识别角色和空白(没有角色)的数量被统计，然后除以3，因为每个参与者可能有三个角色。这个数字代表每个案例的一致程度。然后将整个案例的数据相加，再除以总案例数，得出一致性百分比。 The resulting percent agreement was 76%. A minimum threshold for an acceptable level of intercoder reliability for exploratory studies is often regarded to be around 70% (Lombard et al. 2002, Riffe et al. 2005). Based on this figure and the exploratory nature of our work, we suggest that our coding work exhibits reasonable intercode reliability.

定性比较分析

我们采用qca (Ragin 1987, 2000)来检查与改善群体绩效相关的不同条件组合，即社会角色。QCA是一种分析小样本数据集的方法，它依赖布尔代数进行跨案例比较，将因果复杂性降低到一个结果所需的最小条件集(Ragin 1987)。QCA建立了必要和充分的条件。一个条件是必要的，如果它必须存在，以产生某种结果。如果一个条件本身能产生某种结果，那么它就是充分的(Ragin 1987)。如果一个条件是结果的唯一原因，它就是充要条件。如果各种条件都能自己产生结果，这些就是充分的原因，而不是必要的原因。最后，如果一个原因只出现在产生结果的组合子集中，那么这个因果条件既不是必要条件，也不是充分条件。充分性检验的结果总结在所谓的真值表中，它列出了所有可能的条件和结果的组合，并显示它们在考虑的一组情况中出现的频率，即一致性。一致性值越高，行中有相同结果的案例或成员分数越多。 Results of the truth table are simplified by means of the Quine-McCluskey algorithm commonly used in QCA (Quine 1955, McCluskey 1956). For example, if some expressions differ in only one causal condition to produce the same outcome, then that causal condition can be considered irrelevant and can be removed to create a simpler, combined expression (Ragin 1987). Further information regarding the QCA methodology can be found in Ragin (1987 and 2000), or by visiting the COMPASS website (http://www.compasss.org)。

图2图形化地总结了本研究中使用QCA的过程。在组级别，我们的条件与不同组中是否存在角色有关。在这种情况下，我们不关心某个特定的角色是否出现在位置a、B、C等。另一方面，在位置层面上，我们的条件与每个参与者在每个群体中承担的角色相关。在这种情况下，我们关心的是角色发生的位置;位置层面的QCA帮助我们理解扮演特定角色的玩家的位置(即A、B、C、D或E)是否与团队成功有关。

组级别分析

两种主要的QCA变体，即用于二分变量的脆集QCA (csQCA)和用于0到1之间值的模糊集QCA (fsQCA)，在组水平上进行。在csQCA中，我们的条件是不同组中角色的存在或缺失。在fsQCA中，我们使用组中每个角色的频率作为组成功出现的条件。我们的动机是，角色的频率比某个角色是否存在更能解释团队的成功。使用csQCA和fsQCA在群体层面的QCA结果可以为我们提供关于社会角色与集体行动之间关系的补充信息。

对于csQCA，如果在每组的2个快照(即第1-5轮和第6-10轮)中，社会角色存在的条件被认为是0，如果角色存在，则认为是1。例如，如果一个玩家在一个快照中扮演领导者的角色，那么它就被编码为1。对于fsQCA，我们的原始数据包括从0到5的值(在任何一个快照中没有一个玩家扮演这个角色)(在两个快照中有多个玩家扮演这个角色)。例如，如果leader的角色不存在，它的值为0，如果在一次快照中由一个玩家假设，它的值为0.6，如果在两次快照中保持leader的角色，即使由不同的玩家假设，它的值为1。注意，fsQCA中的0.5是评估一个案例是否“在”多于“不在”集合的交叉点;分数小于0.5但大于0表明对象更多地脱离了集合，分数接近1表明强成员关系。当玩家同时承担多个社会角色时，我们将这些社会角色视为独立观察结果。

Position-level分析

我们使用csQCA在职位级别分析了两个案例:每个职位独立，所有职位和角色一起。在第一个案例中，我们的目标是分析每个职位为了成功所采用的角色组合。例如，在成功的组中，A的位置采用了哪些角色?在第二种情况下，我们确定了每个职位在每个组中采用的角色组合。也就是说，有A和E位领导的小组比有C位领导的小组做得更好吗?知识创造者处于A位置而道德家处于C位置，这重要吗?就像在群体层面的分析中一样，在每个位置的两张快照中，社会角色的存在被认为是零，而角色的存在被认为是一。

团体绩效的衡量

我们选取总组水提取液(Ext)作为集团绩效的指标。在一个回合中抽取的水量并不会影响下一个回合的可用水量，这个水量只取决于合作的程度。取水与其他重要指标:公共基础设施投资、公共基础设施收益、公共基础设施效率以及各组成员投资和取水的基尼系数(表4)高度相关(Spearman’s correlation = 0.6)。例如，如果取水不平等程度增加，取水较少的玩家通常会减少对公共基础设施的投资。这种情况导致了水位下降，同时也导致了取水的水位下降。事实上，我们可以将总水提取量视为组生产的一个指标。因此，在本实验中，水提取量的增加与合作的增加是相关的。附录2显示了以最大收益百分比作为团队绩效指标的QCA结果。

对于csQCA，如果一个组的抽取值高于所有组抽取值的中位数，则认为该组是成功的。使用中位数作为组成功的阈值被认为是足够的，因为组提取的方式与中位数重合，中位数是我们数据中唯一的阈值(图3)。对于fsQCA的结果，我们考虑组间提取水平的中断来定义阈值(图3)。附录1显示了实验结果，附录3中的表A3.1显示了csQCA和fsQCA使用的原始数据。

所有的分析都是使用R项目的统计计算包(R开发核心团队2008)进行的，特别是应用QCA包(Thiem和Dusa 2013)。在结果部分，我们对QCA结果进行了全面的描述。更详细的结果，如真值表和必要性检验可以在附录3中找到。

结果

如图2所示，在组级别使用QCA，我们发现组的成功出现在四种角色组合中。所有这些角色都包括领导者、追随者和知识生成器。使用csQCA，一个结果组合包括连接器和观察者角色，另一个组合包括连接器和道德家角色。使用fsQCA，一种组合包括道德家、执行者和观察者的角色，另一种组合包括连接器、执行者和道德家的角色。在职位层面，我们发现某些职位的参与者更有可能承担某些社会角色。单独考虑每个位置，我们得到每个位置3-6个解，所有位置一起分析得到12个解(图2)。

组级别的结果

如图4所示，所有编码的23个组至少有1个follower, 1个knowledge generator, 1个leader。其余的角色，连接者、执行者、道德家和观察者，在一些组中缺失了。我们发现最常见的角色是追随者，其次是知识生成器、道德家、观察者、连接者和执行者(图4A)。

图4B显示了成功组和不成功组的角色分布。使用csQCA，我们发现团队的成功出现在两种角色组合中。这两种组合分别是联结者和观察者，以及联结者和道德家(图2)。请注意，在这两种组合中，群体成功的必要条件是至少有一个参与者扮演联结者的角色。有趣的是，这两种情况都不需要让玩家扮演打手的角色。除了这些条件，成功的团队还需要有一个玩家扮演道德家或观察者的角色。注意，因为所有的团队都有领导者、追随者和知识生成器的角色，所以我们没有在这个分析中包括他们。尽管所有成功的角色组合都包含至少一个连接器而没有执行者，但67%的失败的角色组合都包含这两个角色中的一个。此外，道德家和观察者的角色，在50%的成功组合中发现，在83%的失败组合中也存在。

两个快照中每个角色的频率的fsQCA(图4c)显示了成功组的两种角色组合。对他们来说，必须有一个领导者、知识创造者、追随者、道德家和执行者，并且必须有一个观察者或联络人。只有两种不成功的角色组合。一种组合包括除道德家以外的所有角色，另一种组合不包括执行者和观察者的角色。

位置级别的结果

我们的结果表明，角色按职位的分布是异质的(图5)。领导的角色很少由E位置的玩家承担，而由c位置的玩家频繁承担。在位置D中，连接者的角色通常被位置B和D的玩家所扮演，而位置E的玩家很少扮演道德家的角色，更多的是执行者的角色。处于上游和中间位置的玩家(A、B和C)很少扮演执行者的角色。观察者的角色经常被B、C、D位置的玩家所采用。

图6显示了成功和不成功组中每个位置的角色分布。单独考虑每个职位，csQCA生成了每个职位至多六种可能的角色组合(表4)。这些组合包括一到六种社会角色。表4显示，在所有组合中，上游或中游位置(A、B、C)至少有一名玩家扮演随从角色(对于B，所有成功的组合中都包含随从角色)，而在D和E位置，分别有50%和60%的组合中玩家扮演相同的角色。有趣的是，除了两个位置D的玩家扮演了执行者的角色外，没有玩家在任何一种组合中扮演执行者的角色。对于C和D职位，50%或更多的成功组合包括领导者的角色;对于其他职位，这一比例下降了20%。在成功的组合中，连接子的作用更多地出现在C位。在所有职位的成功组合中，道德家的角色出现在30%以上。最后，E位置在成功的组合中不包含观察者角色，而A、C、D位置超过一半的成功组合中包含观察者角色。

此外，我们对所有位置一起执行csQCA。因为csQCA的有效使用取决于案例与因果条件的比例(意味着应该有相同或更少的条件比案例)，我们选择了领导者、道德家、执行者和观察者的角色来分析角色和职位的组合。在这个分析中，我们省略了追随者的角色，因为它与领导者的角色相关(即，如果有一个追随者，就有一个领导者，反之亦然)，连接器的角色，因为只有位置B、C和D可以有这个角色，以及知识生成者的角色，因为我们认为这个角色的存在可能会提高独立于承担这个角色的位置的群体的绩效。csQCA为成功的组带来了12种角色组合(表5)。即使只有一个案例，即成功的组，包含在每个职位的每个特定角色组合中(表5)，我们强调了从12种成功组合中每个角色位置的频率分布中出现的一些有趣的结果。

职位与角色

在几乎所有成功的组合中(92%)，位置B和C的球员至少扮演了一个角色。在这些职位之后，成功组中最常见的有作用的职位是D职位(75%)，其次是E职位(67%)。A职位在成功组中出现频率最低(58%)。相反，在不成功的组合中，C职位是最少出现角色的职位(55%)，其次是a职位(64%)，E职位(73%)，以及B和D职位(82%)(见附录3表A3.8)。

每个职位的角色频率

C位置的玩家在结果组合中扮演的角色最多(48种可能组合中50%;即48表示一个位置在12个csQCA组合中有4个角色)，其次是位置B和D (33%)， A(25%)和E(17%)。在不成功的组合中，位置B和D的玩家承担了相对更多的角色(占44个可能角色的36%;即44意味着在11个csQCA不成功组合中，有1个职位有4个角色)，其次是C和E职位(32%)，A职位(30%)。

角色:球员在不同位置所扮演的角色

对于不同位置的玩家所扮演的角色，从图7A可以看出，在角色的成功组合中，C位置的玩家更多地扮演领导者的角色，而E位置的玩家很少扮演这个角色。打手通常处于下游位置;观察员分别在B、C、D位置;和道德家处于中游和上游的位置(A、B和C)。关于领导者的角色，另一个有趣的模式是在领导者存在的四种组合中A的位置，在同一组中还有其他不同位置的领导。当位置为B、C或D的玩家是领导者时，这种模式就不会发生。在不成功的组合中(图7B)，位置B和E的玩家更多地扮演领导者的角色。在不成功的组合中，执行者的角色出现在所有位置，但在下游位置更多。此外，与成功组合相比，观察者和道德家的角色在失败组合中的分布更为均匀，但在下游位置的分布频率更高(图7)。

讨论

在这项研究中，我们使用行为实验室实验中的沟通数据作为代理来定义参与者的社会角色，并识别可能影响群体表现的角色组合。我们的研究结果支持了之前基于案例分析的研究，这些研究认为，领导者、知识生成器或连接者等角色是解释社会-生态系统治理成功的关键(例如，Olsson et al. 2004)。在本研究中考虑的七个角色(领导者、知识生成器、联结者、追随者、道德家、执行者和观察者)中，我们的结果表明，没有一个角色足以改善团队绩效。相反，至少五种角色的结合对于改善结果是必要的。因为所有的群体都有领导者、知识生产者和追随者的角色，这些是必要条件，而不是充分条件。除了这些角色，成功的团队还包括这些子集中的一个:(1)连接者和观察者，(2)连接者和道德家，(3)道德家，执行者和观察者，或(4)道德家，连接者和执行者。我们的结果还强调了职位和角色的重要性。我们实验中引入的不对称和网络结构导致某些位置的玩家更有可能承担某些社会角色。我们没有考虑参与者的实际行为来编码参与者所假设的社会角色。例如，如果一个玩家提出了一个关于投资或收获的策略/规则，并且至少有一个其他玩家表示他/她将遵循这个策略/规则，但如果他/她真的遵循了这个策略，他/她就不会被编码为领导者。 Similarly, a player was coded as a moralist if the player showed concern about downstream players or looked for fair shares for the whole group but not if the player actually took a fair amount of the resource. However, results already provide very interesting insight into understanding how social roles may influence governance of common-pool resources.

我们试图通过将某些组中发生的事情的一些细节与他们的突发角色组合联系起来，来进一步解释我们的结果。第3组通过csQCA和fsQCA被认为是一个成功的角色组合(见附录3中的表A3.2和A3.4)。在这个组中，B、C和D位置的参与者是连接器，而a和E位置的参与者是领导者。由于B、C、D的连接器作用，上下游参与者之间的沟通非常活跃。此外，玩家A和玩家B还扮演了道德家的角色，对下游玩家表示同情，并与他们共享水。作为回应，下游参与者继续投资于基础设施，这有助于保持基础设施的效率和高水平的水资源可用性。因此，组水提取水平保持在较高水平。在表现最差的组(组18，图3)中，上游玩家(位置A和位置B)没有与下游玩家(位置D和位置E)共享水源。玩家D和E试图警告上游玩家不投资，但玩家C几乎没有沟通，也没有联系上游和下游玩家。结果，所有参与者最终都不投资，基础设施效率和水资源可用性随后下降到较低水平。在这一组中，我们发现执行者处于A, D和E的位置，观察者处于A, B, D和E的位置，但没有道德家。在第2组和第9组中也观察到了类似的事件展开(见附录3中的表A3.2和A3.4)。

这一系列事件和角色组合表明，在本研究中使用的社会网络结构(参与者可以观察并与他们的近邻交流)使得连接器在大多数导致群体成功出现的组合中成为必要的角色。连接器的这种关键作用强调了沟通和监控对于成功治理的重要性(Ostrom等人1992年，Sally 1995年，Janssen等人2010年)。此外，在我们实验的社会网络结构中，连接器是其他角色对群体成功的有效贡献者所必需的。这一发现强调了在整个网络中传递关于他人行为的信息的重要性，并支持了之前基于案例研究的研究，即连接器是解释成功治理社会-生态系统的关键(如Stubbs和Lemon 2001, Tompkins等人2002)。然而，在实验环境中，当参与者被组织在一个完全连接的网络中(未发表的数据)。因此，行动情境的背景显著影响哪些社会角色可能出现，并成为提高绩效的关键。当一个成功的角色组合不包括连接器时，它就包括观察者的角色。观察者角色在一半表现较好的角色组合中是必要的。这一模式强调了在整个网络中传递关于他人行为的信息的重要性，并与经验证据一致，即对机会主义行为的监测对于公共资源的稳健治理至关重要(Ostrom 1990, Cox et al. 2010)。

如果一个执行者的存在伴随着一个连接者(这个角色将执行者的威胁散播到整个社交网络中)或者一个观察者和一个道德家(前者监视其他人的行为，后者回应执行者的抱怨)，那么这个执行者的存在会导致团队表现的改善。我们的结果还表明，大多数不成功的组合具有执行者的角色，这一发现不符合文献中建议的分级制裁的重要性(Ostrom 1990, Cox et al. 2010)。在我们的实验中，强制执行是可行的，但这一作用通常是在参与者之间的水分配已经很不公平的情况下被激活的。因此，这种模式表明，在一个群体中出现一个执行者可能意味着很少或没有集体行动。在一些群体中，观察者和道德家的角色也出现了类似的模式。

领导者的角色被认为是成功的关键(例如，Gutiérrez et al. 2011)，在所有成功和不成功的群体中都存在。群体绩效可能与领导者在社会网络中的角色定位有关。在成功的组合中，A和E位置的参与者很少扮演领导者的角色，相比之下，C位置的参与者更频繁地扮演这个角色，而在失败的组合中，领导者的分布更均匀。此外，领导者的角色是根据信息的类型分配的(例如，提出关于投资或收获的策略/规则)，而不是所提出的策略/规则的类型。可能是一个领导者提出了一个“错误”的战略，导致投资不足或过度收获。此外，因为我们在聊天信息中发现至少有一个玩家说他/她将遵循建议的策略/规则(即，不考虑玩家的实际行为)，所以有可能没有玩家真正遵循编码领导者提出的策略/规则。此外，在半数成功的组合中，领导者的角色与道德家的角色同时存在。因此，成功可能更多地取决于领导者的类型，例如道德型的领导者，而不是领导者所倡导的策略，以及其他人是否认识到玩家是领导者，而不仅仅是领导者的存在。另一点需要考虑的是实验过程中的角色动态。Kopelman等人(2002)给出了一些合作经验失败时领导者出现的例子。 Future studies will determine if the role of leader changes as the outcomes of the strategies performed are evaluated.

实验的网络结构也导致某些社会角色更频繁地占据某些位置。总体而言，位置B、C、D的参与者比位置A、E的参与者更积极地承担角色。这是因为位置B、C、D的参与者比位置A、E的参与者联系更紧密，在资源获取方面起着连接最优先和最不优先位置的作用。下游玩家意识到他们被锁定的结构性不平等，更有可能接受不公平的结果(Dayton-Johnson 2000)。因此，处于位置E的个体如果没有得到足够的水，并且意识到自己的结构性劣势，通常不会抱怨(即不承担执行者或观察者的角色)，也不会试图改变游戏策略(即承担领导者的角色)。因为位置A的玩家有获得水的特权，所以他们不需要承担很多角色(如执行者)来获得水。

结论

本研究有助于我们理解社会角色如何影响小规模公共资源系统的治理。此外，我们的结果表明，通过游戏中发送的信息来编码社交角色，可以有助于理解交流在改善行为实验中社交困境结果方面所起的作用。未来研究的一个重要问题是，通过聊天信息提出的行动与游戏中的实际行为之间可能不匹配。本研究补充了先前使用行为实验室实验的基于案例的社会角色研究。我们的研究支持了某些社会角色的重要性，例如，连接者，这是现有研究强调的。然而，我们发现，解释社会-生态系统中集体行为的必要条件不是个体角色，而是社会角色的某些组合。我们还发现，我们所识别的角色组合受到参与者资源访问能力不对称的高度约束。我们的发现对于不同的行动情况(例如，不同的生物物理和社会环境)有多大的说服力是一个悬而未决的问题。我们认为，这个问题为更好地理解成功治理公共资源的条件提出了一个令人兴奋和有前途的探索性研究领域。

文献引用

Anderies J. M.， M. A. Janssen, A. Lee和H. Wasserman, 2013。环境变异性和集体行动:灌溉游戏的实验见解。生态经济学93:166 - 176。http://dx.doi.org/10.1016/j.ecolecon.2013.04.010

Cardenas J.-C。2003.实财与实验合作:野外实验实验室。发展经济学杂志7:263 - 289。http://dx.doi.org/10.1016/s0304 - 3878 (02) 00098 - 6

M. Cox, G. Arnold, S. Villamayor Tomás。2010.社区自然资源管理设计原则综述。生态和社会15(4): 38。(在线)网址://www.dpl-cld.com/vol15/iss4/art38/

Dayton-Johnson, j . 2000。对当地公地集体行动的决定因素:一个有来自墨西哥证据的模型。发展经济学杂志62(1): 181 - 208。http://dx.doi.org/10.1016/s0304 - 3878 (00) 00080 - 8

Ernstson, H.， S. Barthel, E. Andersson和S. T. Borgström。2010.城市生态系统服务的跨尺度中介和网络治理:斯德哥尔摩案例。生态和社会15(4): 28。(在线)网址://www.dpl-cld.com/vol15/iss4/art28/

Fehr, E.和S. Gachter, 2000。公共物品实验中的合作与惩罚。美国经济评论90:980 - 994。http://dx.doi.org/10.1257/aer.90.4.980

Folke, C.， T. Hahn, P. Olsson和J. Norberg, 2005。社会生态系统的适应性治理。环境与资源年度回顾30:441 - 473。http://dx.doi.org/10.1146/annurev.energy.30.050504.144511

Gutiérrez, N. L.， R. Hilborn，和O. Defeo. 2011。领导力、社会资本和激励措施促进了渔业的成功。自然470:386 - 389。http://dx.doi.org/10.1038/nature09689

哈里森，乔治·W，和j·a·李斯特，2004年。田间试验。经济文献杂志42:1009 - 1055。http://dx.doi.org/10.1257/0022051043004577

2006年，亨利希，J.， R.麦克尔瑞斯，A.巴尔，J.恩斯明格，C.巴雷特，A.博利亚纳茨，J. C.卡德纳斯，M. Gurven, E. Gwako, N.亨利希，C. Lesorogol, F.马洛，D. Tracer和J.齐克。整个人类社会代价高昂的惩罚。科学312:1767 - 1770。http://dx.doi.org/10.1126/science.1127333

杨森硕士2010。将生态动力学引入公共池资源实验。生态和社会15(2): 7。(在线)网址://www.dpl-cld.com/vol15/iss2/art7/

詹森·m·A, j·m·安德里斯和j·c。Cardenas。2011一个．在不对称公地中作为固定土匪的种头机:室内和田间灌溉试验比较。生态经济学70:1590 - 1598。http://dx.doi.org/10.1016/j.ecolecon.2011.01.006

杨森，硕士，J. M.安德里斯和S. R.乔希，2011b．非对称公地困境中的协调与合作。实验经济学14:547 - 566。http://dx.doi.org/10.1007/s10683-011-9281-9

詹森,M。。，F. Bousquet, J.-C. Cardenas, D. Castillo, and K. Worrapimphong. 2012. Field experiments on irrigation dilemmas.农业系统109:65 - 75。http://dx.doi.org/10.1016/j.agsy.2012.03.004

Janssen, m.a.， R. Holahan, A. Lee和E. Ostrom, 2010。研究社会生态系统的实验室实验。科学328:613 - 617。http://dx.doi.org/10.1126/science.1183532

S. Kopelman、J. M. Weber和D. M. Messick, 2002。共同困境中合作的影响因素:实验心理学研究综述。113 - 156页在E. Ostrom, T. Dietz, N. Dolšak, P. C. Stern, S. Stonich, E. U. Weber，编辑。平民的戏剧．美国华盛顿特区国家学院出版社。

M. Lombard, J. snyder - duh和C. C. Bracken, 2002。大众传播中的内容分析:内部编码器可靠性的评估与报告。人类交流的研究28:587 - 604。http://dx.doi.org/10.1111/j.1468-2958.2002.tb00826.x

麦克罗斯基，1956年。布尔函数的最小化。贝尔系统技术杂志35(6): 1417 - 1444。http://dx.doi.org/10.1002/j.1538-7305.1956.tb03835.x

Olsson, P.， C. Folke和T. Hahn, 2004。生态系统管理的社会-生态转型:瑞典南部湿地景观适应性联合管理的发展。生态和社会9(4): 2。(在线)网址://www.dpl-cld.com/vol9/iss4/art2/

奥斯特罗姆e . 1990。治理公地:集体行动制度的演变．美国马萨诸塞州剑桥大学出版社。http://dx.doi.org/10.1017/cbo9780511807763

奥斯特罗姆,e . 2005。了解机构的多样性。普林斯顿大学出版社，美国新泽西州普林斯顿。

奥斯特罗姆，E.和R.加德纳，1993年。应对公地的不对称:自治灌溉系统可以发挥作用。经济展望杂志7:93 - 112。http://dx.doi.org/10.1257/jep.7.4.93

奥斯特罗姆，E.， J.沃克和R.加德纳，1992。有剑与无剑的契约:自治是可能的。美国政治科学评论86:404 - 417。http://dx.doi.org/10.2307/1964229

Pavitt, c . 2011。资源困境实验模拟中的沟通、性能和感知。小组研究42(3): 283 - 308。http://dx.doi.org/10.1177/1046496411399782

帕维特，C.， A. C. High, K. E. Tressler, J. K.温斯洛，2007。团队资源困境中的领导力沟通。小组研究38(4): 509 - 531。http://dx.doi.org/10.1177/1046496407304333

帕维特，C.， C. mcfeters, E. Towey和V. Zingerman, 2005。资源困境中的沟通:不同补货率的影响。沟通专著72(3): 345 - 363。http://dx.doi.org/10.1080/03637750500206482

Pérez, I.， J. A.巴乔，N. D.罗林斯，M. A.詹森。2013。非对称共同困境中的合作．CSID工作文件系列。csid - 2012 - 012。美国亚利桑那州立大学制度多样性研究中心，坦佩，亚利桑那，美国。

波提特，a.r.， m.a.詹森和E.奥斯特罗姆，2010。共同工作:集体行动、公地和实践中的多种方法。普林斯顿大学出版社，美国新泽西州普林斯顿。http://dx.doi.org/10.1515/9781400835157

奎因，1955年。一种简化真值函数的方法。美国数学月刊62:627 - 631。http://dx.doi.org/10.2307/2307285

R开发核心团队。R:统计计算的语言和环境．统计计算项目，奥地利维也纳。(在线)网址:http://www.R-project.org/

1987年。比较法:超越定性和定量策略．加州大学出版社，加州伯克利，美国。

拉金，2000年。模糊集社会科学．芝加哥大学出版社，芝加哥，伊利诺伊州，美国。

Riffe, D.， S. Lacy和F. G. Fico, 2005。媒介信息分析:在研究中运用定量内容分析．美国新泽西州马赫瓦的埃尔鲍姆协会。

russtagi, D.， S. Engel, M. Kosfeld, 2010。有条件的合作和昂贵的监测是森林公地管理取得成功的原因。科学330(6006): 961 - 965。http://dx.doi.org/10.1126/science.1193649

莎莉,d . 1995。社交困境中的对话与合作:1958 - 1992年实验的元分析。理性和社会58 - 92。http://dx.doi.org/10.1177/1043463195007001004

斯塔布斯，M.和M.莱蒙，2001。学习建立网络，建立网络来学习:促进适应性管理的过程，以响应英国的国家空气质量战略。环境管理27:321 - 334。http://dx.doi.org/10.1007/s002670010152

Thiem, A.和A. Dusa, 2013。定性比较分析与R:用户指南．政治科学中的SpringerBriefs。施普林格，纽约，美国纽约。http://dx.doi.org/10.1007/978-1-4614-4584-5

汤普金斯，E.， W. N.阿杰和K.布朗，2002。特立尼达和多巴哥沿海包容性管理的机构网络。环境与规划A34:1095 - 1111。http://dx.doi.org/10.1068/a34213