Labvancedにおける応答の正確性

多くの実験では、参加者は刺激に対して応答するように求められます—たとえば、キーを押したり、ボタンをクリックしたり、回答を入力したりします。応答の正確性は、参加者の回答が期待される（正しい）回答と一致するかどうかを指します。

Labvancedでは、何が正しい応答とみなされるかを定義し、参加者のパフォーマンスを自動的に評価することができます。

全体像

Labvancedでは、応答の正確性は通常次の要素を使用して処理されます：

入力要素（参加者がどのように応答するか）
変数（応答と正しい回答を格納）
条件 / 逻辑（応答と正しい回答を比較）

一般的な流れは次のようになります：

刺激を表示
応答を収集
応答を正しい回答と比較
正しいか間違っているかを記録

ステップ 1: 応答の収集

まず、参加者が応答する方法が必要です。

一般的な入力要素：

ボタン（例： はい / いいえ）
キーボード入力（例： F または Jを押す）
テキストフィールド（入力された回答）

各応答は自動的にVariable.に格納されます。

例：

ボタンクリック → 変数名 response = 値 yes を格納

ステップ 2: 正しい回答の定義

次に、正しい応答が何であるかを定義します。

一般的なアプローチは二つあります：

オプションA: 固定の正しい回答

正しい回答を手動で設定
例：正しい回答 = yes

オプションB: 変数ベースの正しい回答

正しい回答がデータフレームやTrial Systemを使用して試行ごとに変わる
変数に格納（例： correct_answer）

例：

試行 1 → correct_answer = cat
試行 2 → correct_answer = dog

これは複数の刺激を使用するときに便利です。

ステップ 3: 応答と正しい回答の比較

この段階では、参加者の応答が正しいかどうかを確認します。

これは**条件（if文）**を使用して行います：

例のロジック：

if response == correct_answer, then:
Accuracy = 1
else:
Accuracy = 0

Labvancedでは、これをロジックエディタを使用して視覚的に作成します（コーディングは不要です）。

ステップ 4: 正確性の保存

比較の結果は通常、次のような変数に格納されます：

Accuracy（1 = 正しい、0 = 間違っている）

これにより、次のことが可能になります：

後で精度を分析
試行をフィルタリング
パフォーマンスメトリクスを計算

ステップ 5: フィードバックの提供

参加者に正しいかどうかを示すことができます。

一般的なフィードバック：

「正解！」
「不正解」
視覚的な手がかり（緑/赤の画面）

これは次のように行います：

フィードバックフレームを追加する
correctness変数に基づいて異なるコンテンツを表示

例：

正解の場合 → 「正解！」のフレームにジャンプ
不正解の場合 → 「不正解」のフレームにジャンプ

ステップ 6: 試行フローでの正確性の使用

正確性は次に何が起こるかを制御することもできます。

例：

不正解の場合は試行を繰り返す
正しい応答があった後のみ次に進む
難易度を動的に調整

これは条件付き分岐を使用して行います。

例: シンプルな選択タスク

実験フロー：

画像を表示（例：フルーツ）
参加者がキーを押します：
- F = りんご
- J = バナナ
応答を正しい回答と比較
フィードバックを表示
次の試行

Labvancedでは：

試行ごとに正しい回答を保存
キー押下をキャッチ
ロジックを使用して比較
正確性を保存

初心者へのヒント

変数名を明確に保つ（response, correct_answer, correctness）
いくつかの試行でロジックをテスト
複雑な条件を構築する前にシンプルな条件を使用
応答の形式が一致していることを二重チェックする（例：テキスト vs. キーコード）

まとめ

Labvancedにおける応答の正確性は以下に関わります：

応答の収集（ボタン、キー、入力）
正しい回答の定義（固定または変数）
ロジックを使用した応答の比較
分析のための結果の保存
参加者へのフィードバックの提供

基本的に、選択すべきアプローチはあなたが設計しているタスクによって異なります。提案が必要な場合は、サポートにお問い合わせください！

設定が完了すると、Labvancedは自動的に精度を追跡し、参加者のパフォーマンスの分析が簡単になります。