遅延割引タスク (DDT)
遅延割引タスク (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につれてどのように減少するかを測定します。各試行で、参加者は即時に利用できるより小さな報酬と、1日から10年までの期間延長されたより大きな報酬の間で選択します。その結果の割引率は、時間の選好と衝動制御の標準的な行動測定です。
タスク形式 | 遅延割引タスク (DDT)
各試行は、Immediate Reward ボタンを示す固定の小額の即時利用可能な報酬と、指定された遅延の後に利用可能なより大きな金額を示す Delayed Reward ボタンの2つのオプションを横に並べて表示します。遅延は1日から10年までの12のインターバルから選ばれ、3つの仮想割引率 (k = 0.1、k = 0.05、k = 0.005) と組み合わされています。これにより、遅延報酬がどれくらい大きいかが決まり、合計36の割引試行が生成されます。応答の一貫性を確認するために2つのキャッチ試行が挿入され、各オプションが表示される画面の側は、左または右の応答バイアスを制御するために各試行ごとにランダム化されます。主なタスクの前に2つの練習試行があり、参加者は反応が記録される前に選択形式を理解します。
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 および Delayed Reward ボタンをクリックして反応します。各試行の前に短い固定クロスが表示され、その後、両方のオプションとそれぞれの金額と遅延を表示する選択画面が表示されます。試行の開始と参加者のクリックの間の時間がミリ秒単位で記録され、どのオプションが選択さ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に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、キーボード入力は必要ないため、同じボタンレイアウト、固定クロス、および選択画面がタッチスクリーンに修正なしで表示されます。
遅延割引タスク (DDT) で収集されたデータ
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評価するかを示す一連の行動測定をキャプチャします。記録された変数は、研究者がすべての遅延および割引率条件にわたる割引行動、意思決定タイミング、および試行レベルの選択パターンを定量化するのを助けます。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インターバルと割引率の組み合わせの試行条件の数値識別子 |
d (days)_value | その試行で提示された遅延インターバル、日数に換算 (例えば 7 は "1 week"、365 は "1 year") |
Delay Duration_value | その試行で提示された遅延インターバル (例えば "1 day"、"6 months"、"10 years") |
delayed_reward | その試行で参加者がより大きな遅延報酬を待つことを選択したかどうかのバイナリインジケーター (1/0) |
k_value | その試行で適用される仮想割引率 (0.1、0.05、または 0.005) |
Position of Delay_value | その試行で遅延報酬オプションが表示される画面の側 ("Left" または "Right") |
reaction_time | 試行開始から参加者の選択までの時間（ミリ秒） |
Reward Amount_value | その試行で提供されるより大きな遅延報酬の金額 |
SV_value | その試行で提供されるより小さな即時報酬の金額（固定$10、キャッチ試行では$20） |
click_choice | その試行で参加者が選択したオプション ("Immediate Reward" または "Delayed Reward") |
この研究は、遅延割引タスクを使用して時間選択と衝動性を測定します。参加者は、現在利用できるより小さな報酬と、後で利用できるより大きな報酬の間で選択し、さまざまな遅延インターバルと割引率を通じて行われます。選択、遅延条件、および反応時間はパフォーマンス指標として記録されます。
遅延割引タスク (DDT) を支える技術
タイミング精度: 反応時間 (
reaction_time) は、すべての試行でミリ秒精度でキャプチャされ、意思決定の遅延と、遅延や割引率が変化する際の熟慮時間のシフトを分析できるようにします。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環境で実行でき、オフラインテストがサポートされ、時間選択に関する神経経済学的研究で一般的に使用されるEEGなどのLSL互換ハードウェアと統合できます。
ウェブカメラ視線追跡: オプションの視線記録をDDTに重ねて、参加者が選択する前に報酬の金額と遅延の長さに視覚的にどのように注意を向けるかをキャプチャできます。専用ハードウェアなしで意思決定プロセスのウィンドウを追加します。
ウェブカメラ視線追跡
組み込み、コード不要、査読済みのウェブカメラ視線追跡で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、ミリ秒精度で反応時間、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
EEGや他のLSL接続型ラボハードウェアに対応するデスクトップアプリを使って、実験室内の研究を実行します。
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多数あります。以下は、研究者がこのタスクを修正する際によく尋ねるいくつかのテーマです。
遅延インターバルと割引率
12の遅延レベル（1日から10年）と3つの仮想割引率（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 変数に格納されています。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、研究によって要求される場合、12のインターバルデザインを小さく、より迅速に実施できるセットに置き換えることができます。
報酬金額と通貨
即時報酬は、各試行で固定の$10（SV_value）であり、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、設計に必要がある場合は異なる割引計算式を置き換えることができます。
試行数とキャッチ試行
主なタスクは、36の割引試行と2つのキャッチ試行を提示します。これらは 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加えることができます。
練習試行と説明
2つの練習試行がデータ収集が始まる前に選択形式を紹介し、Instructions / Practice Trials_DDT タスク内で行われます。練習の例や画面上の指示を編集することができたり、参加者グループがこのパラダイムにすでに慣れている場合は、練習ブロック全体をスキップすることもできます。
他に知りたいことがあれば、お気軽にお問い合わせください：
DDTの推奨使用と応用
遅延割引タスクは、衝動性と時間の選好を測定するための最も広く使用されている行動測定の1つであり、臨床、発達、および経済研究で個人が将来の結果をどのように評価するかを定量化するために使用されています。
依存症と物質使用研究: 遅延割引はアルコール、ニコチン、薬物使用研究で広く研究されており、より小さな即時報酬に対する急激な選好が、物質使用および再発リスクに一般的に関連していることが多いです。
衝動性とADHD研究: ADHDや他の特性を持つ状態の衝動的な選択を定量化するために使用され、その他の行動および自己報告の衝動性測定と組み合わされています。
老化とライフスパン意思決定: このテンプレートは、大人の遅延割引がどのように変化するかを調べた研究から適応されており、時間の選好に関する発達および老化研究に適しています（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接続型ハードウェアと組み合わせて、時間選択および報酬評価の神経相関を研究します。
金融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、その他の現実世界の金融決定にどのように関連しているかを調べます。
参考文献
- Leverett, S., Garza, C., & Seaman, K. (2022). 遅延の長さが成人期を通じた遅延割引に及ぼす影響。 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のタスクリ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組み合わせることができます。