
Entscheidungsfindungsaufgaben
Entscheidungsfindungsaufgaben messen, wie Menschen Risiko, Belohnung, Beweise und Strategie abwägen, wenn sie zwischen Optionen wählen.
Diese Seite gruppiert die Vorlagen für Entscheidungsfindungsaufgaben von Labvanced nach den Komponenten, die sie messen, vergleicht sie und verlinkt zu jeder Aufgabe auf die vollständige Einrichtungsseite.
Inhaltsverzeichnis
Komponenten der Entscheidungsfindung und ihre entsprechenden Aufgaben
A. Risikoverhalten und Belohnungsempfindlichkeit
Risikoverhalten ist die Bereitschaft, eine potenzielle Belohnung gegen ein wachsendes, ungewisses Verlustrisiko zu sammeln (Compagne et al., 2023).
Balloon Analog Risk Task (BART)
Teilnehmer pumpen einen virtuellen Ballon, um mit jedem Pumpen Einnahmen zu sammeln und dabei potenzielle Belohnung gegen das Risiko abzuwägen, dass der Ballon platzt und alle Gewinne für diesen Versuch verloren gehen.
- Implementierung: Verwende einen variablen, unvorhersehbaren Platzen-Punkt pro Ballon. Mehr erfahren →
- Datenoutput: Pumpen pro Ballon und Einnahmen, die vor jedem Platzen oder Auszahlen gesammelt werden. Mehr erfahren →
B. Impulsivität und zeitliche Abwertung
Die zeitliche Abwertung ist die Tendenz, eine Belohnung zu entwerten, während die benötigte Zeit für deren Erhalt zunimmt (Rung et al., 2019).
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 und Abzinsungsraten, um Impulsivität und Zeitpräferenzen zu messen.
- Implementierung: Variiere sowohl die Verzögerungslänge als auch die Belohnungsgröße systematisch und präsentiere die Entscheidungen in einer randomisierten Reihenfolge, um Ankerung an der vorherigen Entscheidung zu vermeiden. Mehr erfahren →
- Datenoutput: Indifferenzpunkte über Verzögerungsintervalle, Abzinsungsrate (k) und die Proportion von kleineren-sofortigen vs. größeren-späteren Entscheidungen. Mehr erfahren →
C. Evidenzsammlung unter Unsicherheit
Evidenzsammlung unter Unsicherheit ist der Prozess, abzuwägen, wie viel Information gesammelt werden soll, bevor man eine Entscheidung trifft (Ermakova et al., 2019).
Beads-Aufgabe
Wahrscheinlichkeitsbasiertes Denken und der Jumping-to-Conclusions-Bias, der häufig in der Psychosenforschung verwendet wird.
Diese Studie misst wahrscheinlichkeitstheoretisches Denken und den Jumping-to-Conclusions-Bias mithilfe der Beads-Aufgabe. Teilnehmer entscheiden, aus welchem von zwei Behältern eine Sequenz von Perlen gezogen wird und fordern so viele oder so wenige Perlen an, wie sie brauchen, bevor sie wählen. Ziehungen zur Entscheidung, Behälterwahl und Vertrauen werden als Ergebnisindikatoren aufgezeichnet.
- Implementierung: Ziehungen-zu-Entscheidung als primären Verhaltensmaßstab aufzeichnen und das zugrunde liegende Verhältnis der Wahrscheinlichkeiten innerhalb jedes Versuchsblocks konstant halten. Mehr erfahren →
- Datenoutput: Ziehungen-zu-Entscheidung, Behälterwahl und Vertrauen, wo erfasst. Mehr erfahren →
Informationssammelaufgabe (IST)
Reflexive Impulsivität, wie viel Evidenz gesammelt wird, bevor man entscheidet.
Diese Studie misst reflexive Impulsivität mithilfe der Informationssammelaufgabe. Teilnehmer öffnen Boxen aus einem Raster, um Evidenz zu sammeln, bevor sie entscheiden, welche von zwei Farben in der Mehrheit ist, über eine feste Belohnung und eine abnehmende Belohnungsbedingung. Geöffnete Boxen, Entscheidungsgüte und Punkte werden als Leistungsindikatoren aufgezeichnet.
- Implementierung: Geöffnete Boxen als primären Verhaltensmaßstab aufzeichnen und das zugrunde liegende Verhältnis der Wahrscheinlichkeiten innerhalb jedes Versuchsblocks konstant halten. Mehr erfahren →
- Datenoutput: Geöffnete Boxen, Entscheidungsgüte und Punkte, über die Bedingungen mit fester und abnehmender Belohnung hinweg. Mehr erfahren →
D. Strategische und wirtschaftliche Entscheidungsfindung
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).
Ultimatum-Spiel
Fairnessurteile und strategische Annahme/Ablehnung eines Angebots.
In diesem interaktiven 2-Spieler-Spiel schlägt ein Spieler eine Aufteilung des Geldes vor und der andere entscheidet, ob er annimmt oder ablehnt.
- Implementierung: Erfordert zwei Teilnehmer pro Sitzung (oder ein Komplizen-Antwortset). Mehr erfahren →
- Datenoutput: Angebotsgröße und Annahme/Ablehnung. Mehr erfahren →
Börsenspiel
Portfolioentscheidungen unter Preisunsicherheit, verfügbar in Einzelspieler- und Echtzeit-2-Spieler-Modi.
Diese Studie misst wirtschaftliche Entscheidungsfindung unter Preisunsicherheit mithilfe des Börsenspiels. Teilnehmer kaufen und verkaufen Anteile über mehrere Fonds, während die Preise in jeder Runde schwanken, mit dem Ziel, den Portfoliowert zu maximieren. Eine Echtzeit-2-Spieler-Version fügt strategischen Informationsaustausch zwischen einem Insiderinvestor und einem zweiten Teilnehmer hinzu.
- Implementierung: Der 2-Spieler-Modus fügt eine Insider-Informationsmechanik hinzu, bei der ein Teilnehmer entscheidet, ob er genaue Preishinweise teilt. Weiterlesen →
- Datenausgabe: Portfolio-Wert im Laufe der Zeit, Kauf/Verkaufsentscheidungen und Informationsaustauschverhalten im 2-Spieler-Modus. Weiterlesen →
Implementierungs-Best Practices
Die Durchführung von Entscheidungsfindungsaufgaben online oder im Labor umfasst einige gemeinsame Einrichtungsdetails, die die Datenqualität in jeder Verhaltensökonomie-Aufgabe beeinflussen, unabhängig davon, welchen Aspekt sie misst.
- Halten Sie präzise Reaktionszeiten auf Millisekundenebene mithilfe der Präzisen Zeitmessung von Labvanced ein und protokollieren Sie die Entscheidungszeit zusammen mit der Wahl selbst, wo immer die Zeitmessung relevant ist. Die Stimuluszeiten von Labvanced basieren auf von Experten begutachteten Methoden zur präzisen Anzeigezeitmessung in JavaScript (Lukács & Gartus, 2022)
- Randomisieren Sie die Reihenfolge der Durchgänge und die Belohnungsparameter, um vorausschauenden Strategien vorzubeugen
- Halten Sie die Wahrscheinlichkeitsverhältnisse und Belohnungsstrukturen innerhalb einer Bedingung konstant
- Wenn die Aufgabe jedem Teilnehmer unterschiedliche Rollen zuweist, ziehen Sie in Betracht, die Rollen der Teilnehmer in Ihrer Stichprobe auszugleichen
- Wenn das Aufgabenparadigma es zulässt, ziehen Sie in Betracht, eine Übungsrunde einzuschließen, bevor die bewerteten Durchgänge beginnen
Verwandte Technologien
Entscheidungsstudien kombinieren häufig diese Aufgaben mit anderen Funktionen von Labvanced, sei es die Verfolgung der Aufmerksamkeit während einer Entscheidung, das Sammeln eines Selbstberichtsmessgeräts neben einer Leistungserfassung oder die Durchführung einer Studie im Labor.
Webcam-Augenverfolgung
Verfolgen Sie den Blick während einer Risiko- oder Entscheidungsfindung ohne zusätzliche Hardware, unter Verwendung von integrierter, codefreier, von Experten begutachteter Webcam-Augenverfolgung.
Fragebögen
Paaren Sie eine Entscheidungsfindungsaufgabe mit einem validierten Selbstberichtsinstrument, wie z. B. einer Impulsivitäts- oder Risikoattitudes-Skala, in derselben Studie.
Desktop-App
Führen Sie dieselbe Aufgabe im Labor aus, mit EEG- oder anderer LSL-verbundener Hardware-Integration.
Beispielstudien-Einrichtungen
Die Forschung zur Entscheidungsfindung kombiniert typischerweise Aufgaben zu Risiko, Impulsivität und strategischen Komponenten, anstatt sich nur auf eine zu stützen. Die untenstehenden Beispielstudieneinrichtungen zeigen gängige Kombinationen von Entscheidungsfindungsaufgaben, die aus den oben genannten Aufgaben erstellt wurden.
Risikoprofil-Batterie
Die BART kombiniert mit der Verzögerungsdiskontierungsaufgabe kombiniert Risikobereitschaft und Impulsivität zu einem zusammengesetzten Risikoprofil, das nützlich ist, wenn eine Studie risikobehaftetes Verhalten von zeitpräferiertem Verhalten trennen muss, anstatt es als ein Konstrukt zu behandeln. Importieren Sie eine Auswahl dieser beiden Aufgaben oder erstellen Sie Ihre eigene risikobehaftete Aufgabe, die Sie hinzufügen möchten.
Unsicherheitsbatterie
Die Perlenaufgabe kombiniert mit der Informationssammlungsaufgabe bietet zwei konvergierende Maßstäbe für die Beweissammlung und die Reflexionsimpulsivität, nützlich, da die beiden Aufgaben unterschiedliche Stimulusformate verwenden, um dasselbe zugrunde liegende Konstrukt zu erreichen. Importieren Sie eine Auswahl dieser beiden Aufgaben oder erstellen Sie Ihre eigene Beweissammelaufgabe, die Sie hinzufügen möchten.
Studie zum wirtschaftlichen Verhalten
Das Ultimatumspiel kombiniert mit dem Aktienmarktspiel kombiniert strategisches Handeln mit marktbasierten Entscheidungsfindungen, nützlich für Studien, die einmalige Fairnessurteile mit fortlaufenden Entscheidungen unter Preisunsicherheit vergleichen. Importieren Sie eine Auswahl dieser beiden Aufgaben oder erstellen Sie Ihr eigenes wirtschaftliches Spiel, das Sie hinzufügen möchten.
Häufig gestellte Fragen
Was misst die BART, das die Verzögerungsdiskontierungsaufgabe nicht misst?
Was ist der Unterschied zwischen der Perlenaufgabe und der Informationssammlungsaufgabe?
Benötigen das Ultimatumspiel und das Aktienmarktspiel zwei Teilnehmer zur gleichen Zeit?
Laufen diese Aufgaben online und im Labor gleich?
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 Ballon-Analog-Risikoaufgabe für neuroimaging-Settings: Eine systematische Überprüfung. 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 Anzeigezeitmessung 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 Verzögerungsdiskontierung und impulsiven Wahl: Auswirkungen auf Abhängigkeiten, Prävention und menschliche Gesundheit. Perspectives on Behavior Science, 42(3), 397-417. https://doi.org/10.1007/s40614-019-00200-7