
Labvancedを使ったエグゼクティブファンクション研究
エグゼクティブファンクション研究は、人々が自動的な反応を抑制し、作業記憶内の情報を更新し、ルールの間をシフトし、複数のステップを計画する方法を測定します。Labvancedは、すべてのコンポーネントを一つの研究として、オンライン、自宅、または研究室で、ミリ秒単位の正確な刺激タイミングとオプションのウェブカメラ視線追跡を使用して実施します。
エグゼクティブファンクション研究の測定内容
Diamond (2013)は、エグゼクティブファンクションを抑制、作業記憶、認知柔軟性の3つのコアコンポーネントを基にしたトップダウン制御プロセスのファミリーとして説明しています。これらの上に計画などの高次機能が構築されます。各コンポーネントに関する研究は異なる質問を投げかけ、それぞれの質問は異なる測定指標および異なるパラダイムのファミリーにマッピングされます。
| コンポーネント | 研究質問 | 典型的測定 | 手法ファミリーおよび即実行可能なタスク |
|---|---|---|---|
| 抑制コントロール | 人々は、状況が他の反応を求めるとき、どのように支配的な反応を抑制するのでしょうか? | 一致した試行と不一致の試行の反応時間および正確さの差 | 干渉パラダイム: ストループテスト |
| 作業記憶の更新 | 人々は、負荷の下で情報をどれだけ良く維持し、更新するのでしょうか? | ヒット率、偽陽性、再生された最大スパン | 負荷およびスパンパラダイム: N-バックタスク, 数字スパンタスク, コーシーブロックタッピングテスト |
| 認知柔軟性 | 人々は、ルールや反応セットの間をどのようにシフトするのでしょうか? | スイッチコスト、持続的エラー、達成されたカテゴリ | ルールシフトおよびシーケンシングパラダイム: カードソーティングテスト, トレイルメイキングテスト |
| 計画 | 人々は行動をする前に、目標に向けてのステップをどのように順序付けるのでしょうか? | 初期の思考時間、最適解と比較した移動の回数 | 複数ステップの問題解決: ロンドンの塔のテスト |
最後の列のタスクは、Labvancedで即実行可能なテンプレートとして利用可能です。タスクレベルの設定やパラダイムの比較については、エグゼクティブファンクションタスクページを参照してください。

タイミングと環境が重要な理由
ほとんどのエグゼクティブファンクションの測定は、条件間の差異です: 干渉効果は、不一致の試行と一致の試行の間の反応時間のギャップであり、スイッチコストは、スイッチ試行とリピート試行の間のギャップです。これらの効果は条件の平均間の違いであるため、試行またはデバイス間で変動するタイミングエラーは、測定に直接ノイズを加えます。
Labvancedの刺激タイミングは、正確なJavaScript表示タイミングのための査読付き手法に基づいています (Lukács & Gartus, 2022)。ミリ秒単位の正確なタイミングに関する技術ページがメカニズムを説明しています。
設定も同じ理由で重要です。オンライン、自宅、研究室で同一に実行されるバッテリーは、タスク、タイミング、データフォーマットが同じであるため、これらの設定間で結果を比較可能にします。
Labvancedでのタスクの例
これらのタスクは、Labvancedでインポート可能なテンプレートとして利用可能であり、それぞれを研究に合わせてカスタマイズできます。
ストループテスト
参加者は、一貫性のあるまたは一貫性のないフォント色で表示された色の言葉を見て、言葉の意味ではなくテキストの色に反応し、抑制制御を測定します。
Nバックタスク
参加者は、現在の刺激が2ステップ前に示されたものと一致するかどうかを示し、作業記憶の更新を測定します。トレーニング試行と即時フィードバックが学習をサポートします。
カードソーティングテスト
参加者は、突然変更されるルールに従ってカードを分け、どれだけ新しいルールを発見し古いルールを繰り返さないかを測定して認知的柔軟性を評価します。
ロンドン塔テスト
参加者は、できるだけ少ない移動で目標の構成に一致するように、3つの棒に色付きのボールを再配置し、計画を測定します。思考時間、移動時間、最適な解決策に対する正確性が記録されます。
バッテリーの設計
バッテリーは1つのコンポーネントに焦点を当てることも、いくつかを特徴付けることもできます。4つの設計はほとんどの研究をカバーします。
- 単一コンポーネント: 1つの構成に対する1つのタスク、例えば抑制制御のためのストループテストのみ。
- 更新バッテリー: Nバック、数字スパン、およびコルシブロックタッピングを一緒に行うことで、作業記憶の収束する3つの測定を提供し、結果がもはや1つの刺激形式に依存しないようにします。
- 柔軟性と計画バッテリー: カードソーティング、トレイルメイキング、およびロンドン塔はいずれも1つのセッションでセットシフトと計画をカバーし、臨床および発達のバッテリーで一般的なペアリングです。
- フルプロファイル: コンポーネントごとの1つのタスク、たとえばストループ、Nバック、カードソーティング、ロンドン塔は、コンポーネントを繰り返すことなく、広く実行機能を特徴付けます。
バッテリーを計画する際に考慮すべきいくつかの設計上の決定があります:
- タスク順序: 参加者間での順序の逆順は、疲労や練習効果が1つのタスクと整列しないようにします。
- 練習: スコアが付けられる試行の前に練習ブロックを設けることで、パフォーマンスが測定される前に参加者がタスクを学ぶことができます。
- 設定間の一貫性: オンライン、在宅、およびラボのセッション間で同一の刺激タイミングと反応収集を行うと、結果が比較可能になります。
Labvancedでは、ブロック内のタスクの順序は固定またはランダム化でき、各参加者のStudy Designタブで設定できます。ランダム化とバランスのガイドでは、さらに多くのオプションが説明されています。
デザインの拡張
バッテリーは、2番目のデータチャネルを得るか、ラボ専用の設定ではアクセスできない集団に到達することができます。これらの機能は、構築を行わずに同じ研究に追加されます。
ウェブカメラ視線追跡
ロンドン塔のような計画タスクに視線データを追加し、参加者が最初の動作の前にどこを見ているかを確認します。査読済みの比較でEyeLink 1000に対して検証されています。
マウス追跡
マウス応答タスク中にカーソルのXおよびY位置を記録し、反応時間に次いで保存し、経路と最終的な選択を調査します。
縦断的デザイン
同じ参加者を数日、数週、または数年にわたって再テストして変化を研究したり、テスト-リテストの信頼性を確認したりし、スケジュール設定やリマインダーを自動で処理します。
デスクトップアプリ
ラボで同じバッテリーを実行し、EEGなどの外部デバイスと接続し、オンラインおよびラボのセッションが1つの研究を使用します。
モバイルアプリ
ラボのコンピュータに座ることができない参加者のために、フィールドでオフラインデータを収集します。
アンケート
パフォーマンスタスクと検証された自己報告ツールを同じ研究内でペアリングし、別途調査ツールを必要としません。
長いバッテリーにわたる覚醒測定が必要な研究には、ウェブカメラからのリモート心拍数測定も追加できます。
Labvancedを使用した実行機能研究
Labvancedで実施される実行機能および関連する認知制御の研究には、以下の論文が含まれます。Labvancedで実施される他の認知心理学研究については、認知心理学の出版物ページに集められています。
作業記憶から複数アイテムを選択することの限界:文脈とアイテム競争の役割
Tiferet-Dweck, C., Zamora-Romero, S., & Unger, K. (2025)
認知のフロンティア
https://doi.org/10.3389/fcogn.2025.1668316
暗黙的否定処理における運動抑制の役割:2つのGo/No-Go行動研究
Montalti, M., Calbi, M., Umiltà, M. A., Gallese, V., & Cuccio, V. (2024)
心理学研究
https://doi.org/10.1007/s00426-024-01941-0
タスクスイッチングを用いた実行機能と意味の柔軟性の発達軌跡
Viviani, G., Ambrosini, E., Porru, A., et al. (2025)
リサーチスクエア(プレプリント)
https://doi.org/10.21203/rs.3.rs-7965304/v1
認知ストレス効果の3つのモデルのテスト:視覚知覚、反応抑制、認知柔軟性
Weckesser, L. J., Großkopf, C. M., Weber, B., Soylu, S., Endrass, T., & Miller, R. (2026)
arXiv(プレプリント)
https://doi.org/10.48550/arXiv.2601.10515
Trusted by researchers at 1,500+ universities worldwide

認知および神経
注意、作業記憶、知覚の研究。

発達心理学
すべての年齢の参加者、縦断的デザインを含む。

臨床およびデジタルヘルス
健康な人口と脆弱な人口、研究から実践まで。

社会およびパーソナリティ
社会的な設定でのパーソナリティ、調査、および複数ユーザーの研究。
研究を構築する
構築したい内容に応じて、始め方は3通りあります。
Questions about your study design or platform fit?
私たちに連絡をするときは、次の情報を持っていると役立ちます:
- 測定したい実行機能の要素
- 年齢層や臨床群を含むあなたの人口
- 参加者の数とタイムライン
- データが収集される場所:オンライン、自宅、ラボ、またはその組み合わせ
- アイ・トラッキング、EEG、またはアンケートなどの追加測定
よくある質問
実験で実行機能をどのように測定しますか?
実行機能タスクはオンラインで実行できますか?
実行機能バッテリーには何タスク含めるべきですか?
実行機能タスクにアイ・トラッキングやEEGを追加できますか?
参考文献
Diamond, A. (2013). 実行機能。 心理学の年次レビュー, 64, 135-168. https://doi.org/10.1146/annurev-psych-113011-143750
Kaduk, T., Goeke, C., Finger, H., & König, P. (2024). ウェブカメラのアイ・トラッキングが実験室基準に近づく:新しいウェブカメラベースシステムとEyeLink 1000を比較。 行動研究の方法, 56(5), 5002-5022. https://doi.org/10.3758/s13428-023-02237-8
Lukács, G., & Gartus, A. (2022). ウェブベースの実験におけるJavaScriptでの正確な表示時間測定。 行動研究の方法. https://doi.org/10.3758/s13428-022-01835-2










































