遅延割引課題 (DDT)
遅延割引課題 (DDT) は、報酬の価値が人がそれを待たなければならない時間が長くなるほどどのように減少するかを測定します。各トライアルで、参加者は即座に入手できる小さな報酬と、1日から10年までの間隔で遅延された大きな報酬を選択し、その結果得られる割引率は時間の好みと衝動制御の標準的な行動測定です。
タスク形式 | 遅延割引課題 (DDT)
各トライアルは、即時に利用できる固定された小さな金額を示すImmediate Rewardボタンと、指定された遅延の後に利用できる大きな金額を示すDelayed Rewardボタンの2つの選択肢を横並びに提示します。遅延は1日から10年までの12の間隔から選ばれ、遅延報酬がどの程度大きいかを決定するための3つの仮想割引率（k = 0.1、k = 0.05、およびk = 0.005）と交差させて、合計36の割引トライアルを生成します。反応の一貫性を確認するために2つのキャッチトライアルが挿入され、各選択肢を示す画面の側は、左または右の反応バイアスを制御するために、毎回トライアルごとにランダム化されます。 候補者の反応が記録される前に、その選択形式を理解するために、2つのプラクティストライアルが主要タスクの前に行われます。
デスクトップ版
タスクは全画面で実行され、参加者は画面上のImmediate RewardボタンとDelayed Rewardボタンをマウスクリックで応答します。各トライアルの前に短い注視クロスが表示され、その後、選択肢の画面が、各選択肢の金額と遅延を示します。トライアルの開始から参加者のクリックまでの時間がミリ秒単位で記録され、どの選択肢が選ばれたかも記録されます。
モバイル版
DDTはモバイルおよびタブレットデバイスと完全に互換性があります。タスクは完全にクリックおよびタッチベースであり、キーボード入力は不要のため、同じボタンのレイアウト、注視クロス、選択画面がタッチスクリーンに変更なしで表示されます。
遅延割引課題 (DDT) で収集されるデータ
DDTは、参加者が報酬の大きさを遅延の長さに対してどのように比較検討しているかを明らかにするさまざまな行動測定をキャプチャします。記録された変数は、研究者が割引行動、判断のタイミング、およびすべての遅延および割引率の条件にわたるトライアルレベルの選択パターンを定量化するのに役立ちます。すべての変数は、タスクのVariablesタブ内で表示およびカスタマイズできます。
以下は、Labvanced版のDDTで収集される主要な変数です：
| 変数名 | 説明 |
|---|---|
Condition_Id | タスク内の特定の遅延間隔と割引率の組み合わせであるトライアルの条件の数値識別子 |
d (days)_value | 該当トライアルで提示された遅延間隔、数値的な日数に変換されたもの（例えば7では"1 week"、365では"1 year"） |
Delay Duration_value | 該当トライアルで提示された遅延間隔（例えば"1 day"、"6 months"、"10 years"） |
delayed_reward | そのトライアルで参加者が大きな遅延報酬を待つことを選んだかどうかのバイナリ指標（1/0） |
k_value | そのトライアルに適用された仮想割引率 (0.1、0.05、または0.005) |
Position of Delay_value | 該当トライアルで遅延報酬オプションが表示された画面の側 ("Left"または"Right") |
reaction_time | トライアルの開始から参加者の選択までのミリ秒単位の時間 |
Reward Amount_value | 該当トライアルで提供された大きな遅延報酬の金額 |
SV_value | 該当トライアルで提供された小さな即時報酬の金額（$10、またはキャッチトライアルでは$20に固定） |
click_choice | 該当トライアルで参加者が選択した選択肢("Immediate Reward"または"Delayed Reward") |
この研究では、遅延割引課題を使用して時間的選択とインパルシビティを測定します。参加者は、即座に利用できる小さな報酬と、後で利用できる大きな報酬の間で選択を行い、遅延間隔と割引率の異なる範囲で選択されます。選択、遅延条件、および反応時間は、パフォーマンスの指標として記録されます。
遅延割引課題 (DDT) を支える技術
タイミング精度： 反応時間（
reaction_time）は、各トライアルでミリ秒単位の精度で取得され、判断の遅延や遅延または割引率が変化する際の熟考時間のシフトを分析できます。デスクトップアプリ： DDTは、Labvancedデスクトップアプリを使用して制御された実験室の設定で実行でき、オフラインテストと、経時的選択に関する神経経済学研究で一般的に使用されるEEGなどのLSL対応ハードウェアとの統合をサポートします。
ウェブカメラによる視線追跡: オプションの視線記録をDDTに重ねて、参加者が報酬の金額と選択前の遅延の長さにどのように視覚的に注意を向けるかを捉え、専用ハードウェアなしで意思決定プロセスの窓を加えます。
ウェブカメラによる視線追跡
内蔵のコード不要でピアレビュー済みのウェブカメラ視線追跡を使って、視線パターンと視覚的注意をキャプチャします。
タイミング精度
時間に敏感なタスクのために、ミリ秒単位で反応時間、タスクパフォーマンスなどをキャプチャします。
デスクトップアプリ
デスクトップアプリを使用してラボ内の研究を行い、EEGや他のLSL接続ラボハードウェアと互換性があります。
DDTテンプレートのカスタマイズ
このテンプレートをカスタマイズする方法はいくつかあります。以下は、研究者がこのタスクを修正する際によく尋ねるテーマです。
遅延間隔と割引率
12の遅延レベル（1日から10年）と3つの仮定的な割引率（k = 0.1, 0.05, 0.005）は、タスクのデータフレーム内のDelay Durationおよびk変数に保存されています。遅延の範囲を短縮または延長したり、割引率レベルを追加または削除したり、研究の要求に応じて12インターバルデザインを小さく、運用が早いセットに置き換えたりできます。
報酬金額と通貨
即時報酬は1回の試行につき$10（SV_value）で固定され、遅延報酬は割引率と遅延の長さから計算されます（Reward Amount_value）。基本的な即時金額を調整したり、ボタンテキストの通貨記号を変更したり、デザインに応じて異なる割引計算式を代用したりできます。
試行数とキャッチ試行
主なタスクは36の割引試行と2のキャッチ試行を提供し、Delay Discounting Task_DDT試行ループで定義されています。Trials & Conditionsパネルで条件ごとの試行数を調整したり、キャッチ試行を削除したり、デザインに追加の割引率レベルを追加することができます。
練習試行と指示
2つの練習試行がデータ収集が始まる前に選択形式を導入し、Instructions / Practice Trials_DDTタスクで行われます。練習の例、画面上の指示を編集したり、参加者プールがすでにパラダイムに慣れている場合は練習ブロックを完全にスキップしたりできます。
他に知りたいことがあれば、お気軽にご連絡ください:
DDTの推奨使用法と応用
遅延割引タスクは、衝動性と時間の選好の最も広く使用される行動測定の1つであり、臨床、発達、および経済研究で、個人が未来の結果をどのように評価するかを定量化するために適用されます。
依存症と物質使用の研究: 遅延割引は、アルコール、ニコチン、および薬物使用研究において広く研究されており、より大きな遅延報酬よりも小さな即時報酬を好む傾向が物質使用および再発リスクに一般的に関連付けられています。
衝動性とADHDの研究: ADHDや他の満足を延期するのが困難な病状における衝動的な選択を定量化するために使用され、他の行動的および自己報告の衝動性測定と組み合わされます。
加齢とライフスパンの意思決定: このテンプレートは、遅延割引が成人期を通じてどのように変化するかを調査した研究から適用され、時間の選好に関する発達および加齢研究に非常に適しています（Leverett, Garza, & Seaman, 2022）。
神経経済学と意思決定神経科学: デスクトップアプリおよびEEGまたは他のLSL接続ハードウェアと組み合わせて、時間超越的選択および報酬評価の神経的相関を研究します。
財務意思決定と行動経済学: 個人差研究に適用され、時間の選好が貯蓄、支出、および他の実世界の財務決定にどのように関連するかを調査します。
参考文献
- Leverett, S., Garza, C., & Seaman, K. (2022). 遅延時間が成人期全体での遅延割引に与える影響。 The Journals of Gerontology: Series B, 77(3), 467-471. https://doi.org/10.1093/geronb/gbab198
関連タスク
遅延割引タスクは、Labvancedのタスクライブラリ内の他の意思決定および行動経済学タスクと自然に関連しています。