実験デザインの6つの重要な概念

実験研究デザインは、新しい学生が理解し、最終的には習得すべき重要なスキルです。研究から客観的な結論を引き出すためには、良い実験デザインが絶対に必要です。ここでは、すべての学生が念頭に置くべき主要な概念を扱います。

1. 実験変数を明確に定義する

変数は最初から明確に定義しなければなりません。ほとんどの研究では、以下のような関係を調べたいと思うでしょう。

• 独立変数: あなたが操作し、制御している刺激、条件、または介入。
• 従属変数: 独立変数の変化におけるその後の影響。

研究の質問「感情を観察することが参加者の書かれた言語の知覚に影響を与えるか？」を考えてみてください。これは、知覚を研究しており、感情をプライミングすることが書かれた言語の解釈に与える影響に興味がある場合に尋ねるかもしれません。

例えば、参加者が幸せな人を認識し、その後「知らない人に話しかけないでください」というようなさまざまなテキストプロンプトを読み、それに対する認識を報告しなければならない状況を想像してみてください。

この例では、あなたの独立変数と従属変数はさまざまなものになり得ますが、それを操作的に定義するのは研究者としてのあなたの義務です。

• 独立変数の場合: 異なる感情を表現する画像や、異なる感情を表現する声の音声
• 従属変数の場合: テキストプロンプトの異なる次元を評価するリッカート尺度や、「そのコマンドを言う可能性がどのくらい高いと思いますか？」という質問

独立変数と従属変数はすべての研究の核心ですが、良い実験デザインは他の変数も考慮に入れます。例えば：

• 制御変数
• 交絡変数
• 外的変数

計画段階で自分の変数を概念化し、厳密に考慮することで、Webベースの実験をデザインし、Labvancedのエディタで変数を設定することは、いくつかのクリックを学ぶだけの問題になります。

さまざまな刺激（視覚から音声まで）をアップロードし、目の動きの追跡などの機能を通じて参加者の行動をテストすることもできます。 Labvancedでさまざまな刺激がどのように作成され、実験を構築するためのオブジェクトとして扱われるかについてのこのプレイリストをチェックしてください！

2. 実験デザインの基本要素を理解する

実験デザインが得意で、研究質問をサポートし、変数を分離するデザインを確立するためには、実験デザインの基本要素を手のひらのように理解しておく必要があります。

具体的には、これらがあります。

• 試行: 特定のタスクまたは刺激提示に対するキュー応答の単一のインスタンス、たとえば1つの迷路を完了するか、一連の文字を見ること。
• 試行のブロック: ブロックは複数の試行で構成され、通常、実験には複数のブロックがあります。
• セッション: 縦断的デザインに関連し、実験セッションは複数の日（場合によっては数年）にわたり、参加者が異なる時点で再度試行を行います。

試行

試行は、実験の基本ユニットであり、これらを束ねることでブロックが形成され、セッションを構成します。試行は通常、刺激の単一のインスタンスです。

Labvancedを使用して、ペット（犬や猫）の画像と花の画像を示す複数の試行を構築し、各試行で参加者にペットを選ばせる方法を説明するこのビデオをご覧ください。

ブロック

試行のコレクションがブロックを構成します。研究者はこれらのブロックを多くの理由で使用しますが、その一つは研究をランダム化するためです。ブロックのもう一つの一般的なアプローチは、研究質問に関連するテーマを持たせるか、実験に必要なさまざまな学習段階に関連付けることです。

研究におけるブロックの例：

• テーマ質問: 試行ブロックは特定の研究テーマに従うことができます。例えば、ブロックは作業記憶の側面などの認知テーマに従ったり、行動者の形に基づいて呈示される動きが方向性や速度特性によってグループ化されます（Cook, Pan, & Bianchi-Berthouze, 2013）。
• 時間要素: '練習'から'訓練'、'実験'にかけてのブロックは、通常、被験者内研究デザインで見られます。たとえば、Labvancedを使用した研究では、子供たちの言語実験における逐次反応時間タスクのパフォーマンスを評価するためにブロックを使用し、最初の訓練ブロックと最終ブロック間の参加者のパフォーマンスの違いを測定しました（Marimon et al., 2021）。

セッション

セッションは、参加者が研究に対して応答する異なる時点を指します。

Polonen, Lappi, & Tervaniemi (2019)によるこの研究を考えてみてください。この研究では、Qigongの実践者における動きの影響とフローを評価することを目的としており、第一回セッションでは反省と運動のブロックが混在しています。

後のセッションは通常、異なる日（場合によっては数か月）で行われ、過去に使用された試行とブロック、異なる試行、あるいは新旧のブロックが混在することがあります。

最近のChládkováらによる研究では、セッション1において161人の参加者がテストされ、セッション2では202人の異なる参加者が選ばれました。目的は、1か月間のマスク着用義務が音声知覚に与える影響を調べることでした。このため、研究者たちは、義務化前のセッション1と義務化後のセッション2を設けました。両方のセッションで刺激は完全に同じであり、48の試行で構成され、約10分で完了し、マクガーク効果の強さを評価しました。

3. 被験者間デザインと被験者内デザイン

上記の例で、Chládkováらによるマクガーク効果の実験を考えると、被験者間デザイン（セッション1対セッション2）が採用されました！

時には、研究者が研究したい異なる条件や治療があります。この場合、被験者間デザインまたは被験者内デザインを選択する必要があります。

被験者間デザイン

ANOVAまたは独立した測定デザインとも呼ばれる被験者間デザインでは、参加者は実験で研究されている多くの条件や治療の中の1つの条件または治療にのみ参加することができます。

通常、これは参加者がコントロールグループに割り当てられる（時にはプラセボ効果が観察される場合もある）か、実験グループに割り当てられるという古典的な実験デザインです。

表面的には、通常、被験者間デザインを使用するケースは以下のような研究です。

• 社会心理学
• パーソナリティ心理学
• 意思決定研究

反復測定/被験者間デザインのいくつかの利点は以下の通りです。

• 短いセッション: 参加者が複数の条件や治療を処理することを期待されていないため、（被験者内デザインの場合のように）、セッションは短くなります。
• 持ち越し効果を減少させる: 単一の参加者が複数の条件や治療を完了することを期待されていないため、ある条件の後に別の条件の影響が少なくなります。したがって、研究者は被験者内デザインで見られる学習効果や疲労効果のようなことを心配する必要がありません。

被験者内デザイン

反復測定デザインとも呼ばれる被験者内デザインでは、参加者は1つの条件または治療に参加し、その後別の条件または治療に参加します。時間を追って参加者を追跡するすべての縦断研究は、同じ参加者を繰り返し観察するため、被験者内デザインに従います。

このデザインは、累積効果を研究する際に人気があります。これは、時間が経つにつれて現れることが期待されます。したがって、同じ参加者を繰り返し測定することで、求められている結果は、時間と共に記録することができます。

研究者は、治療が受けられる順序が観察可能な結果に影響を与えないようにするためにカウンターバランシングを使用します。たとえば、カウンターバランスされた反復測定研究では、サリーが条件Aを条件Bの前に経験すると、ローラは条件Bを条件Aの前に経験します。

反復測定/被験者内デザインのいくつかの利点は以下の通りです。

• 必要な参加者が少ない: より多くのデータが1人の参加者から得られるため、サンプルが小さくても相関関係や因果関係を検出することが可能です。
• ノイズを最小限に抑える: 同じ参加者からデータが得られるため、個人差（つまりノイズ）が最小限に抑えられます。条件ごとのメモリーや知能のような要因は変わらないためです。

表面的には、通常、被験者内デザインを使用するケースは以下のような研究です（Keren & Lewis, 2014）：

• 認知心理学と神経心理学
• 知覚
• 記憶
• 学習
• 心理物理学
• 反応時間

4. ランダム化とバランス

ランダム化は、参加者を異なる実験条件にランダムに割り当てることで、実験デザインの核心にあり、バイアスや未知の変数の影響を排除するのに役立ちます。これにより、統計的に重要な結果を説明できる可能性があります（Suresh, 2011）。

バランシングは、異なる実験グループに同数（またはできるだけ似た数）の参加者を割り当てる方法です。例えば、あなたの'コントロールグループ'に5人の参加者がいて、'実験グループ'に95人の参加者がいるとします。それはひどい状況に聞こえませんか？よりバランスの取れたデザインでは、約50人の被験者が'コントロールグループ'に、50人が'実験グループ'にいることになります。

心理学のすべての分野がランダム化の恩恵を受けますが、臨床心理学者や健康心理学者は、介入や治療を扱うことが多いため、特にこれに注意を払います。

Labvancedを使用すれば、あなたの実験は、あなたの研究の性質に応じて、ランダム化された試行、タスク、ブロック、グループを持つことができます。希望するものをランダム化し、グループ間のバランスを確保し、グループ間で同数の被験者がいることを保証できます。

Labvancedを使用して研究をバランスさせる方法はいくつかあります。

• ランダム要因: 刺激の単純、ネスト、または被験者間のバランスを達成
• ランダム試行順序: 各被験者のためにあらかじめ定義された試行順序をアップロードするか、イベントを使用して適応的/動的な試行順序を作成
• イベントロジック: 高度に個別化されたバランス機構を作成し、たとえば、オブジェクトにファイルを動的に割り当てる

バランスの取れたランダムな研究が必要なのは、あなたの統計分析と結果の整合性を確保するのに役立つからです。

5. 複製

複製は心理学の分野で最も古い問題の一つであり、19世紀や20世紀初頭の著名な心理学者の観察まで遡ります（Laws, 2016）。

今日においても、複製は研究の結果が他の状況や参加者でも観察できるかどうかを判断するために、研究が繰り返せる度合いを指します。これは実験研究においてまだ問題です。

複製は重要です。他の研究者が研究の結果を確認またはテストするためには、研究を複製できなければなりません。心理学では、行動が非常に複雑で予測が難しいため、これは困難です。

研究をオンラインで行う利点の一つは、他の研究者に研究テンプレートを共有することができ、彼らはその中の実験やタスクを使用して他の人口をテストし、結果の複製を試みることができることです。

6. 証拠の力

研究がより厳密に定義され、設定されているほど、後の結論の背後にある証拠は強力になります。したがって、あなたの研究で何かを確立したい場合は、それをサポートする証拠が必要です。

証拠を分類するさまざまなシステムがあります（国や組織によって異なる可能性があります）。一般的に、証拠は「非常にあいまいまたは説得力がない」から「試験済みで確立された」に至るまでのスペクトラムと考えることができます。

誰かの叔母が、彼女の3人の子供を育てた経験に基づいて、幼児の知覚に対する介護の影響について彼女の意見を語るとしましょう。この会話は面白くて楽しいかもしれませんが、これらの洞察は、特定の育児スタイルに割り当てられ、その子供たちの反応が測定された1,000人以上の介護者を対象とするランダム化研究から得られた結論のように信頼できるものではありません（すべての間違った変数の影響を制御しながら）！

証拠の力を理解することで、後の結論が健全で信頼でき、混乱やバイアスによって影響されない実験を設計することができます。

結論の言葉

新しい研究者として最初の実験をデザインするほどワクワクすることはありません。これらの重要な概念を念頭に置けば、強いスタートを切り、相互作用のようなより高度な概念を理解するための基礎を築くことができます。また、Labvancedを使用してオンラインで実験を構築することで、データを迅速に収集し、有効な実験を設計し、出版数を増やすことで、研究者として成長し続けることができます！

そして、この記事で示した6つの要素に対処し、処理する方法が、あなたの結論の強さや発見の結果に影響を与えることを忘れないでください。また、オンラインで実験を行う際には、実験制御がオンライン環境での実験の扱いについて重要な役割を果たすことを考慮してください。Labvancedがどのように実験制御を実現しているかについてもっと学びましょう。

参考文献

Chládková, K., Podlipský, V. J., Nudga, N., & Šimáčková, Š. (2021). パンデミック時のマクガーク効果：環境の視覚的音声手がかりの喪失に対する年齢依存の適応。Psychonomic Bulletin & Review, 28(3), 992-1002。

Cook, J., Swapp, D., Pan, X., Bianchi-Berthouze, N., & Blakemore, S. J. (2014). 自閉症スペクトラム条件における行動観察の異常干渉効果。Psychological medicine, 44(4), 731-740。

Keren, G., & Lewis, C. (2014). 行動科学におけるデータ分析のハンドブック：ボリューム1：方法論的問題 ボリューム2：統計的問題。Psychology Press。

Laws, K. R. (2016). 心理学、複製とその先。BMC psychology, 4(1), 1-8。

Marimon, M., Hofmann, A., Veríssimo, J., Männel, C., Friederici, A. D., Höhle, B., & Wartenburger, I. (2021). Webベースのコンピュータゲーム設定を用いた非隣接依存関係の子供による学習。Frontiers in psychology, 12。

Pölönen, P., Lappi, O., & Tervaniemi, M. (2019). Qigong実践者における動的運動の影響とフロー。Frontiers in psychology, 2375。

Suresh, K. P. (2011). ランダム化技術の概要：臨床研究における成果のバイアスのない評価。Journal of human reproductive sciences, 4(1), 8。