
Entscheidungsforschung mit Labvanced
Die Entscheidungsforschung misst, wie Menschen Risiko, Belohnung, Beweise und Strategie abwägen, wenn sie zwischen Optionen wählen. Labvanced führt Aufgaben für alle vier Komponenten in einer Studie durch, erfasst die Entscheidungszeit und Cursor-Pfade neben jeder Wahl und verbindet zwei Teilnehmer in Echtzeit für wirtschaftliche Spiele.
Inhaltsverzeichnis
Was die Entscheidungsforschung misst
Die Entscheidungsforschung umfasst mehrere Komponenten, und jede Komponente stellt eine andere Frage. Risikobereitschaft ist die Bereitschaft, potenzielle Belohnungen gegen eine wachsende, unsichere Verlustchance abzuwägen (Compagne et al., 2023). Verzögerungsdiskontierung ist die Tendenz, eine Belohnung abzuwerten, je länger es dauert, sie zu erhalten (Rung et al., 2019). Die Informationssammlung unter Unsicherheit ist der Prozess, abzuwägen, wie viele Informationen gesammelt werden sollen, bevor eine Entscheidung getroffen wird (Ermakova et al., 2019). Strategische Entscheidungsfindung stellt eine Wahl in einen sozialen oder wirtschaftlichen Kontext, in dem das Ergebnis vom Verhalten eines anderen Teilnehmers oder von schwankenden Bedingungen abhängt (Chen et al., 2017). Jede Komponente entspricht einem anderen Maß und einer anderen Familie von Paradigmen:
| Komponente | Forschungsfrage | Typische Maße | Methodenfamilie und sofort einsatzbereite Aufgaben |
|---|---|---|---|
| Risikobereitschaft und Belohnungsempfindlichkeit | Wie weit gehen Menschen, um ihr Glück zu versuchen, wenn die potenziellen Verluste wachsen? | Pumpen pro Ballon, verdientes Geld, das vor jedem Platzen oder Auszahlen gesammelt wird | Paradigmen mit steigendem Risiko: Balloon Analog Risk Task (BART) |
| Impulsivität und Verzögerungsdiskontierung | Wie tauschen Menschen eine kleinere, schnellere Belohnung gegen eine größere, spätere? | Indifferenzpunkte, Diskontsatz (k), Anteil an kleineren-sofortigen Entscheidungen | Intertemporale Wahlparadigmen: Delay Discounting Task (DDT) |
| Informationssammlung unter Unsicherheit | Wie viele Informationen sammeln Menschen, bevor sie eine Entscheidung treffen? | Züge zur Entscheidung, Auswahl des Glases und Vertrauen; geöffnete Kästen, Genauigkeit und Punkte | Sampling-Paradigmen: Beads Task, Information Sampling Task (IST) |
| Strategische und wirtschaftliche Entscheidungsfindung | Wie verändern sich Entscheidungen, wenn das Ergebnis von einem anderen Teilnehmer oder von schwankenden Preisen abhängt? | Angebotsgröße und Annahme oder Ablehnung; Portfolio-Wert, Kauf- und Verkaufsentscheidungen, Informationsweitergabe | Paradigmen wirtschaftlicher Spiele: Ultimatumspiel, Aktienmarktspiel |
Die Aufgaben in der letzten Spalte sind als sofort einsatzbereite Vorlagen in Labvanced verfügbar. Für eine Einrichtung auf Aufgabenebene und einen Vergleich der Paradigmen siehe die Entscheidungsaufgaben Seite.

Warum Prozessdaten und Timing wichtig sind
Eine Wahl zeichnet auf, was ein Teilnehmer entschieden hat, aber nicht, wie die Entscheidung ablief. Die Entscheidungszeit neben der Wahl aufzuzeichnen und, wo eine Aufgabe die Maus oder den Touchscreen verwendet, den Cursor-Pfad hinzuzufügen, fügt Prozessdaten zur finalen Antwort hinzu.
Eine Studie, die auf Labvanced durchgeführt wurde, verwaltete Entscheidungsparadigmen über Computer, Tablets und Smartphones und stellte fest, dass die Maus- und Touchverfolgung die Entscheidungsproblematik erfasste (Zuk et al., 2025). Die Technologieseite über Mausverfolgung beschreibt, wie die Cursorposition erfasst wird.
Die Reaktionszeit von Labvanced basiert auf peer-reviewed Methoden für präzises JavaScript-Display-Timing (Lukács & Gartus, 2022). Die Technologieseite über millisekundengenaue Zeitmessung beschreibt den Mechanismus.
Interaktion ist wichtig für Szenarien, in denen zwei oder mehr Teilnehmer gleichzeitig an derselben Aufgabe teilnehmen, sodass die Wahl eines Teilnehmers das Ergebnis eines anderen prägen kann. Das Ultimatumspiel verbindet zwei Teilnehmer in derselben Sitzung, und das Aktienmarktspiel bietet einen Echtzeit-2-Spieler-Modus. Beide basieren auf der Multi-User-Studie-Fähigkeit von Labvanced.
Beispiele für Aufgaben in Labvanced
Diese Aufgaben sind als importierbare Vorlagen in Labvanced verfügbar, und jede kann angepasst werden, um in Ihre Studie zu passen.
Balloon Analog Risk Task (BART)
Teilnehmer pumpen einen virtuellen Ballon, um Einnahmen zu sammeln, und balancieren die potenzielle Belohnung jeder Pumpe gegen die wachsende Chance, dass der Ballon platzt, um das Risikoverhalten zu messen.
Delay Discounting Task (DDT)
Teilnehmer wählen zwischen einer kleineren Belohnung, die jetzt verfügbar ist, und einer größeren Belohnung, die später verfügbar ist, über eine Reihe von Verzögerungsintervallen hinweg, um Impulsivität und zeitliche Diskontierung zu messen.
Beads Task
Teilnehmer entscheiden, aus welchem von zwei Gläsern eine Reihe von Perlen gezogen wird, und fordern so viele oder so wenige Perlen an, wie sie benötigen, bevor sie wählen, um die Beweissammlung und den Jumping-to-Conclusions-Bias zu messen.
Ultimatum Game
In diesem interaktiven 2-Spieler-Spiel schlägt ein Spieler eine Geldaufteilung vor, und der andere entscheidet, ob er sie akzeptiert oder ablehnt, um Fairnessurteile und strategische Entscheidungen zu messen.
Entwurf einer Entscheidungsstudie
Die Entscheidungsforschung kombiniert typischerweise Aufgaben über Komponenten hinweg, anstatt sich nur auf eine einzige Aufgabe zu verlassen. Drei Designs decken die meisten Studien ab.
- Risikoprofil-Batterie: BART und Delay Discounting kombinieren Risikoverhalten und Impulsivität zu einem zusammengesetzten Risikoprofil, was nützlich ist, wenn eine Studie risikobehaftetes Verhalten von zeitlichen Präferenzen trennen muss.
- Unsicherheits-Batterie: Beads Task und Information Sampling liefern zwei konvergierende Maße für Beweissammlung und Reflexionsimpulsivität, was nützlich ist, da die beiden Aufgaben unterschiedliche Stimulusformate verwenden, um das gleiche zugrunde liegende Konstrukt zu erreichen.
- Studie zum wirtschaftlichen Verhalten: Ultimatum Game und Stock Market Game kombinieren strategisches Feilschen mit marktbasierter Entscheidungsfindung, was nützlich ist, um einmalige Fairnessurteile mit fortlaufenden Entscheidungen unter Preisunsicherheit zu vergleichen.
Einige Entschlussentscheidungen sind bei der Planung jeder Entscheidungsstudie zu berücksichtigen:
- Randomisierung: Die Randomisierung der Reihenfolge der Versuche und der Belohnungsparameter hilft, antizipativer Strategien vorzubeugen.
- Konsistenz: Die Beibehaltung konsistenter Wahrscheinlichkeitsverhältnisse und Belohnungsstrukturen innerhalb einer Bedingung hält die Entscheidungen über die Versuche hinweg vergleichbar.
- Rollen: Wenn eine Aufgabe jedem Teilnehmer unterschiedliche Rollen zuweist, verhindert das Gegenbalancieren, welche Teilnehmer welche Rolle über die Stichprobe hinweg erhalten, dass die Rolle mit dem Teilnehmer verwechselt wird.
- Übung: Eine Übungsrunde vor den gewerteten Versuchen, wo das Paradigma es zulässt, ermöglicht es den Teilnehmern, die Aufgabe zu lernen, bevor die Leistung gemessen wird.
In Labvanced kann die Reihenfolge der Aufgaben innerhalb eines Blocks für jeden Teilnehmer im Study Design-Tab festgelegt oder randomisiert werden. Der Leitfaden zur Randomisierung und Balancierung behandelt die weiteren Optionen.
Erweiterung des Designs
Eine Entscheidungsstudie kann Prozessdaten, einen zweiten Teilnehmer oder einen zweiten Datenkanal gewinnen. Diese Funktionen können derselben Studie hinzugefügt werden, ohne sie neu aufbauen zu müssen.
Physiologische Signale
Erfassen Sie Eye Tracking, Emotionserkennung und Herzfrequenz mit einer Webcam neben jeder Entscheidung, um zu untersuchen, wie die Entscheidung erfolgt sowie deren Ergebnis.
Langzeitdesigns
Testen Sie dieselben Teilnehmer über Tage, Wochen oder Jahre, um Veränderungen im Zeitverlauf zu studieren, mit Zeitplanung und Erinnerungen, die für Sie verwaltet werden.
Webcam Eye Tracking
Verfolgen Sie, wohin Teilnehmer während einer Entscheidung schauen, mit integriertem, von Kollegen überprüftem Webcam-Eye-Tracking.
Fragebögen
Koppeln Sie eine Entscheidungsaufgabe mit einem validierten Selbstberichtsinstrument in derselben Studie, ohne dass ein separates Umfragetool benötigt wird.
Desktop-App
Führen Sie dieselbe Studie im Labor durch, sodass Online- und Laborbesuche eine Studie nutzen.
Multi-User-Studien
Verbinden Sie zwei Teilnehmer in derselben Sitzung in Echtzeit, wie es beim Ultimatumspiel und beim 2-Spieler-Aktienmarktspiel erforderlich ist.
Entscheidungsforschung mit Labvanced
Entscheidungsstudien, die auf Labvanced durchgeführt werden, umfassen die untenstehenden Arbeiten. Weitere veröffentlichte Arbeiten, die auf Labvanced durchgeführt wurden, sind auf der Publikationsseite gesammelt.
Einfluss von unsicherheitsbewussten KI-Modellen auf die Reaktionszeit und Entscheidungsfindung von Apotheker:innen in einer webbasierten Mock-Medikationsverifizierungsaufgabe: Randomisierte kontrollierte Studie
Lester, C., Rowell, B., Zheng, Y., Co, Z., Marshall, V., Kim, J. Y., Chen, Q., Kontar, R., & Yang, X. J. (2025)
JMIR Medical Informatics
https://doi.org/10.2196/64902
Impulsivität und Online-Sportwettenverhalten: Die kausale Beziehung entwirren
Jacob, A., Joshanloo, M., Czernecka, R., & Kräplin, A. (2025)
Suchtforschung & Theorie
https://doi.org/10.1080/16066359.2025.2567276
In klaren Worten: Gruppenkohäsion hatte keinen Einfluss auf die Erkundung und die Gruppenentscheidung unter niedriger Unsicherheit
Ritter, M., Pritz, J., Morscheck, L., Baumann, E., & Boos, M. (2023)
Frontiers in Psychology
https://doi.org/10.3389/fpsyg.2023.1038262
Auswirkungen von Informationen über Menschenansammlungen in Echtzeit auf die Platzierungsentscheidungen von Massentransit-Passagieren
Leprévost, F., Portron, A., Krishnakaran, K., Grison, É., & Morgagni, S. (2026)
Transportation Research Part A: Policy and Practice
https://doi.org/10.1016/j.tra.2026.105081
Trusted by researchers at 1,500+ universities worldwide

Wirtschaft
Kontrollierte Labor- und skalierbare Online-Studien zum wirtschaftlichen Verhalten.

Klinisch & Digitale Gesundheit
Gesunde und verletzliche Populationen, von Forschung bis Praxis.

Sozial & Persönlichkeit
Persönlichkeit, Umfragen und Mehrbenutzerstudien in sozialen Einstellungen.

Marketing & Verbraucher
Forschung zum Entscheidungsverhalten mit vielen Teilnehmern und Stimulusarten.
Erstellen Sie Ihre Studie
Es gibt drei Möglichkeiten, um zu beginnen, abhängig davon, wie viel Sie selbst aufbauen möchten.
Questions about your study design or platform fit?
Wenn Sie uns schreiben, helfen Sie, Folgendes zu bringen:
- die Entscheidungsbestandteile, die Sie messen möchten
- Ihre Population, einschließlich Altersgruppe und etwaiger klinischer Gruppe
- die Anzahl der Teilnehmer und Ihren Zeitrahmen
- wo die Daten gesammelt werden: online, zu Hause, im Labor oder eine Mischung
- ob das Design zwei Teilnehmer in einer Sitzung benötigt
- zusätzliche Maßnahmen wie Cursor-Tracking, Eye-Tracking oder Fragebögen
Häufig gestellte Fragen
Wie messen Sie Entscheidungsverhalten in einem Experiment?
Kann ich Aufgaben durchführen, bei denen zwei Teilnehmer interagieren?
Was ist der Unterschied zwischen einer Risikobereitschaftsaufgabe und einer Impulsivitätsaufgabe?
Kann ich mehr als die endgültige Wahl aufzeichnen?
Referenzen
Chen, Y. H., Chen, Y. C., Kuo, W. J., Kan, K., Yang, C. C., & Yen, N. S. (2017). Strategische Motive treiben Anbieter dazu, in Ultimatumspielen fair anzubieten: Eine fMRI-Studie. Scientific Reports, 7, 527. https://doi.org/10.1038/s41598-017-00608-8
Compagne, C., Teti Mayer, J., Gabriel, D., Comte, A., Magnin, E., Bennabi, D., & Tannou, T. (2023). Anpassungen der Balloon Analog Risk Task für Neuroimaging-Umgebungen: Eine systematische Übersicht. Frontiers in Neuroscience, 17, 1237734. https://doi.org/10.3389/fnins.2023.1237734
Ermakova, A. O., Gileadi, N., Knolle, F., Justicia, A., Anderson, R., Fletcher, P. C., Moutoussis, M., & Murray, G. K. (2019). Kostenbewertung während der Entscheidungsfindung bei Patienten in frühen Phasen der Psychose. Computational Psychiatry, 3, 18-39. https://doi.org/10.1162/cpsy_a_00020
Lukács, G., & Gartus, A. (2022). Präzise Messung der Anzeigezeit in JavaScript für webbasierte Experimente. Behavior Research Methods. https://doi.org/10.3758/s13428-022-01835-2
Rung, J. M., Peck, S., Hinnenkamp, J. E., Preston, E., & Madden, G. J. (2019). Veränderung der zeitlichen Entwertung und impulsiven Wahl: Auswirkungen auf Sucht, Prävention und menschliche Gesundheit. Perspectives on Behavior Science, 42(3), 397-417. https://doi.org/10.1007/s40614-019-00200-7
Zuk, A. A. O., Bertrand, J. K., & Chapman, C. S. (2025). Kontinuierliche Maße der Entscheidungserschwernis, die aus der Ferne erfasst werden: Die Empfindlichkeit des Maus-Trackings erstreckt sich auf Tablets und Smartphones. Computers in Human Behavior, 162, 108450. https://doi.org/10.1016/j.chb.2024.108450










































