
エグゼクティブファンクションタスク
エグゼクティブファンクションタスクは、人々が自動的な反応を抑制し、作業記憶に保持された情報を更新し、ルールの間を移動し、複数のステップの行動を計画することを可能にする目標指向の制御プロセスを測定します。
このページでは、Labvancedのエグゼクティブファンクションタスクテンプレートを、測定するコンポーネントごとにグループ化し、それらを比較し、各タスクの完全な設定ページへのリンクを提供します。
エグゼクティブファンクションのコンポーネントとその相応するタスク
A. 抑制制御
抑制制御は、より自動的でない、より適切な反応のために、自動的または支配的な反応を抑制する能力です(Diamond, 2013)。
ストループテスト
参加者は、一致または不一致のフォントカラーで表示された色の単語を見て、単語の意味ではなくテキストの色に基づいて反応する必要があります。
- 実施: 一致した試行と不一致の試行をカウンターバランスし、スコアが付けられる試行の前に練習ブロックを含め、反応時間と精度の両方を記録します。もっと読む →
- データ出力: 反応時間(一致 vs. 不一致試行)、精度、ストループ干渉効果(不一致のRTから一致のRTを引いた値)。もっと読む →
B. 作業記憶の更新
作業記憶の更新は、情報を心に留めておき、新しい情報が到着するたびにそれを継続的に修正する能力であり、単に静的なセットを保存するのではありません(Diamond, 2013)。以下の3つのタスク全てにおいて、試行間の間隔を一貫させてください。これは知覚負荷に影響を与えます。
N-バックタスク
固定された認知的負荷の下での継続的な更新。
このタスクは、2バックタスクを使用して作業記憶の容量を調べます。参加者は、一連の試行を完了し、現在の刺激が2ステップ前に提示されたものと一致するかどうかを示す必要があります。トレーニング試行と即時フィードバックが学習を支援します。
- 実施: 組み込みのN-バックテンプレートは、2バックバージョンを実行し、デスクトップおよびモバイルバリアントがあり、参加者間で一致/不一致の反応マッピングがカウンターバランスされています。もっと読む →
- データ出力: ヒット率と偽アラーム。もっと読む →
デジットスパンタスク
言語作業記憶容量、前方および後方スパン。
この研究は、デジットスパンタスクを使用して言語作業記憶を測定します。参加者は、表示されているのと同じ順序または逆順で、増加する長さの数字のシーケンスを思い出します。精度、反応時間、および成功裏に思い出された最長のスパンがパフォーマンス指標として記録されます。
コルシブロックタッピングテスト
視空間作業記憶容量。
ブロックが画面に順番にフラッシュします。参加者は、表示された正確な順序でブロックをクリックしてそのシーケンスを繰り返す必要があります。
C. 認知的柔軟性とセットシフティング
認知的柔軟性は、ルール、タスク、またはメンタルセットの間を移動する能力であり、しばしば変化する要求やフィードバックに応じて行われます(Diamond, 2013)。
カードソーティングテスト
発表されていないルール変更後のルール発見と持続。
このタスクでは、参加者が異なるルールに基づいてカードを並べ替えます。ルールはタスクの途中で発表されず変更され、参加者はフィードバックから新しいルールを見つける必要があります。
- 実施: ソーティングルールは予告なくいつでも変わる可能性があり、参加者はフィードバックだけから新しいルールを推測しなければならない。もっと読む →
- データ出力: 持続的エラーと達成したカテゴリ。もっと読む →
トレイルメイキングテスト
パートBで数値と文字の2つの順序付けられたシーケンスの間を交互に切り替えます。
パートAでは、参加者は数値を昇順で接続します(1-2-3...)、一方、パートBでは、数値と文字が交互に現れます(1-A-2-B...)。これは認知的柔軟性を測定するための古典的なタスクです。
- 実施: パートA(数値のみ)が基本線を提供し、パートBのスイッチコストを一般的な精神運動速度から隔離します。もっと読む →
- データ出力: パートAとパートBの完了時間、ルール変更が基準パフォーマンスから隔離されるスイッチコスト。もっと読む →
D. 計画
計画は、試行錯誤で問題を解決するのではなく、行動を起こす前に目標に向けた一連のステップを順序立てる能力です(Schumacher et al., 2025)。
ロンドン塔テスト
この研究では、ロンドン塔テストを使用して計画と実行機能を測定します。参加者は、目標の構成にできるだけ少ない移動で一致させるために、三つのピンに色付きのボールを並べ替えます。初期の思考時間、移動実行時間、および最適解に対する正確性がパフォーマンス指標として記録されます。
- 実施方法: 初期の思考時間を移動実行時間から分け、効率が重要であるため、各問題の最適解に対する移動回数を比較します。詳しく読む →
- データ出力: 初期思考時間対移動実行時間、取られた移動回数対最適解、および規則違反(不正な移動)。詳しく読む →
実施のベストプラクティス
オンラインまたはラボで実行機能タスクを実施することは、認知制御タスクのデータ品質に影響を与えるいくつかの共通の設定詳細を含みます。これは、どのコンポーネントが測定されるかに関係なく適用されます。
- Labvancedの精密タイミング機能を使用して、反応時間に基づく測定(ストループテストやNバック課題など)に特に重要な、ミリ秒単位の刺激タイミングを維持します。Labvancedの刺激タイミングは、精密なJavaScript表示時間のための査読済み手法に基づいています(Lukács & Gartus, 2022)
- プラクティスおよび疲労効果を制御するために、試行の順序と条件割り当てを逆転させます
- タスクパラダイムが許可する場合は、スコアを付ける試行が始まる前にパフォーマンス閾値を持つ練習ブロックを含めることを検討します
- デスクトップとモバイルの管理間で、一貫した指示と刺激提示を保持します
- 両方が意味を持つ場所では、反応時間と正確性の両方を収集し、正確性のみではなくします
関連技術
実行機能の研究では、他のLabvancedの機能とこれらのタスクを組み合わせることがよくあります。たとえば、計画タスクに注視データを追加したり、パフォーマンスタスクと並行して自己報告測定を収集したり、ラボでバッテリーを移動したりします。
ウェブカメラによる視線追跡
追加のハードウェアなしで、組み込まれたコーディングなし、査読済みのウェブカメラによる視線追跡を使用して、計画または柔軟性タスクに視線データを追加します。
アンケート
実行機能タスクを、別の調査ツールなしで、同じ研究の中で検証された自己報告式の測定器と組み合わせます。
デスクトップアプリ
EEGや他のLSL接続ハードウェアの統合を持って、ラボで同じバッテリーを実行します。
例研究設定
実行機能研究は、バッテリーにいくつかのタスクを組み合わせることができるか、研究の範囲に応じて単一のコンポーネントに焦点を当てることができます。以下の例研究設定は、一般的な実行機能の組み合わせと、上記のタスクから構築されたスタンドアロンの設定を示しています。
単一コンポーネント研究
一つのコンポーネントのみを測定する集中したデザインで、研究が広範なプロファイルよりも単一の構造のみを必要とする場合の適切な出発点です。たとえば、ストループテストのみは、完全なバッテリーのセットアップ時間なしで抑制的制御を孤立化します。同様の論理が、計画にはロンドン塔テストのみ、更新にはNバック課題のみを実行する場合にも適用されます。必要なコンポーネントに一致するタスクをインポートするか、上記の7つのタスクのいずれも刺激セットに適合しない場合は独自のものを構築します。
更新バッテリー
Nバック課題、数字スパン課題、コルシブロックタッピングテストを組み合わせることで、作業記憶の三つの収束する測定が得られ、単一のタスクのスコアが刺激特異的なノイズを反映する可能性がある場合に役立ちます。これら三つすべてを実行することで、作業記憶についての主張が強化されます。なぜなら、結果がもはや一つの刺激フォーマットに依存しないからです。これら三つのタスクの選択をインポートするか、ミックスに加えるための独自の更新タスクを構築します。
柔軟性と計画のバッテリー
カードソーティングテスト、トレイルメイキングテスト、ロンドン塔テストを組み合わせることで、一回のセッションでセットシフトと計画をカバーし、臨床および発達バッテリーにおける一般的なペアリングを提供します。各タスクは、発表されていない規則の変更から、交互のシーケンス、多段階の計画まで、柔軟性に関する異なる角度を孤立化します。これら三つのタスクの選択をインポートするか、ミックスに加えるための独自の柔軟性または計画タスクを構築します。
完全な実行機能プロファイル
一つのコンポーネントごとに、ストループテスト、Nバック課題、カードソーティングテスト、ロンドン塔テストを実行することで、どのコンポーネントも重複させることなく広範な実行機能プロファイルを提供します。この設定は、実行機能を広く特定する必要がある研究に適しています。最初にこの四つのタスクの選択をインポートし、コアなコンポーネントを追加するか、すでに含めたものを強化するための独自のタスクを構築します。
よくある質問
抑制タスクと認知柔軟性タスクの違いは何ですか?
どの実行機能タスクが作業記憶を測定しますか?
複数の実行機能タスクを一つの研究で組み合わせることはできますか?
これらのタスクは、オンラインとラボで同じように実行されますか?
参考文献
Diamond, A. (2013). 実行機能。 Annual Review of Psychology, 64, 135-168. https://doi.org/10.1146/annurev-psych-113011-143750
Lukács, G., & Gartus, A. (2022). ウェブベースの実験のためのJavaScriptにおける精密表示時間測定。 Behavior Research Methods. https://doi.org/10.3758/s13428-022-01835-2
Schumacher, L. V., Rahm, B., Kaller, C. P., Schyle, V., Weiller, C., & Unterrainer, J. M. (2025). ロンドン塔課題における事前計画を測定する新しいインデックス:テスト-再テスト信頼性および既知群の妥当性。 British Journal of Psychology, 117(3), 1007-1025. https://doi.org/10.1111/bjop.70044