インプリシット連合テスト (IAT)

インプリシット連合テスト (IAT) は、概念同士の自動的なメンタルアソシエーションの強さを、ペアにしたカテゴリー分類ブロック間の反応時間を比較することで測定します。参加者は可能な限り速く単語を2つの応答カテゴリーのいずれかに分類し、タスクは2つの概念が同じ応答キーを共有する場合と、反対のキーにマッピングされる場合とで、反応がどれほど速くなるかから暗黙の態度を推測します。Labvanced の IAT テンプレートは、完全にカスタマイズ可能なカテゴリーおよび属性刺激を持つデスクトップおよびモバイル最適化版で利用可能です。

タスク形式 | インプリシット連合テスト (IAT) オンライン & ラボ

Labvanced の IAT テンプレートは、Greenwald, McGhee, Schwartz (1998) によって導入された古典的な 7 ブロック構造を実装しています。参加者は最初に、1 つのカテゴリーペア (たとえば、製品タイプの単語を Eco-Friendly または Conventional として) を E および I キーを使用して分類する練習をし、その後、2 番目の無関係なカテゴリーペア (属性単語を High Quality または Low Quality として) の練習を行います。これらの 2 つのカテゴリーペアは、同じ 2 つの応答キーに組み合わされ、最初に 1 つのペアリング (Eco-Friendly + High Quality でキーを共有) のスコアをつけたトライアルのブロックで行われ、その後最初のカテゴリーペアのキーマッピングを反転させ、反対のペアリング (Eco-Friendly + Low Quality でキーを共有) で結合ブロックが繰り返されます。両方の結合された ("互換性のある" および "非互換性のある") ブロック間の反応時間を比較することが IAT のコア測定です: 1 つのペアリングの方が他方よりも速く、より正確な反応を示している場合、これらの概念間の暗黙のアソシエーションが強いことを示します。

組み込まれたデモ版は、消費者心理学の枠組みを使用しています: 製品タイプの単語 (recyclable, synthetic, biodegradable, plastic, など) を Eco-Friendly または Conventional に対して分類し、品質属性の単語 (reliable, defective, durable, fragile, など) を High Quality または Low Quality に対して分類します。どのカテゴリーペアリングが最初に表示されるかと、各カテゴリーが画面のどの側に割り当てられるかは、被験者間でランダムに割り当てられる4レベルのカウンターバランス因子によって制御されるため、応答側とブロックの順序の効果がアソシエーションの測定結果に混乱を与えることはありません。

試してみてください！

デスクトップ版

参加者は E および I キーボードキーを使用して応答し、2 つの応答カテゴリーは画面の左上および右上隅に表示され、刺激単語は画面の中央に表示されます。各トライアルの前にフィクションのクロスが表示され、各トライアルの後には短いインタートライアル間隔があります。すべての応答はフレームの開始に対してタイムスタンプされ、300ms未満で応答が記録される場合は Too Fast として自動的に分類され、10 秒以上かかる場合は Too Slow としてフラグが立てられ、トライアルを破棄することなく非応答の可能性があるものをフラグします。

モバイル版

モバイルおよびタブレットデバイスでは、同じカテゴリー分類ロジックが、キーボードキーの代わりに画面上の Left および Right カテゴリボタンで提示されるため、参加者は各刺激単語が属するカテゴリーに一致するボタンをタップします。Device_selection フレームは、参加者のデバイスを自動的に検出し、正しいデスクトップまたはモバイルブロックにルーティングするため、同じ研究が異なるデバイスタイプで参加者を募集でき、2 つの別々の研究を構築する必要がありません。

インプリシット連合テスト (IAT) によって収集されるデータ

IAT は、暗黙のアソシエーションの強さと方向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。記録される変数は、研究者が標準 IAT D スコアを計算し、応答の正確さを評価し、応答時間の外れ値に影響を受けたトライアルを特定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 バージョンの IAT で収集された主要な変数です。

変数名	説明
`Stimulus Presented`	そのトライアルで参加者に表示された単語
`Correct Response`	そのトライアルで提示された単語が属していたカテゴリー。正確さを評価するために使用される
`Correctness`	応答が正しいカテゴリー (`Correct` または `Incorrect`) と一致したかどうか
`Accuracy`	そのトライアルのバイナリ精度スコア (`1`/`0`)
`reaction_time_Keyboard` / `reaction_time_button`	トライアルの開始と参加者のキー入力 (デスクトップ) またはボタンタップ (モバイル) との間の時間 (ミリ秒)
`pressed_key_Keyboard` / `button_clicked`	そのトライアルで参加者が選択したキーまたはボタン
`Counterbalancing_Scenario`	被験者が割り当てられた被験者間カウンターバランス条件 (4 つのうちの 1 つ)
`Time_Limit`	そのトライアルの応答時間の品質フラグ (`OK`, `Too Fast`, または `Too Slow`)

インプリシット連合テスト (IAT) テンプレートを使用して収集された行動測定のデータプレビューで、刺激単語、応答の正確さ、およびトライアルごとの反応時間を示しています。

Labvanced で収集されたインプリシット連合テストのトライアルデータのプレビュー。

暗黙的連合テスト (IAT)

この研究は、暗黙的連合テストを用いて暗黙的な態度を測定します。参加者は、言葉をペアのカテゴリーに分類するために迅速なキー押下を使用し、互換性のあるカテゴリーと互換性のないカテゴリーのペアリングの反応時間の違いが、自動的な連合の強さを明らかにします。

暗黙的連合テスト (IAT) を支える技術

タイミング精度: IATはその本質的な部分で反応時間の違いのパラダイムであり、応答待機時間 (reaction_time_Keyboard / reaction_time_button) は毎試行ごとにミリ秒精度でキャプチャされ、互換性のあるブロックと互換性のないブロックの比較を意味のあるものにします。
デスクトップアプリ: 安定したキーボード時間やハードウェア統合を必要とする実験室ベースのIAT研究のために、タスクはLabvancedデスクトップアプリを使用してデプロイでき、EEGおよび他のLSL接続されたラボハードウェアと互換性があります。
ウェブカメラによる視線追跡: 任意の視線記録をIATに重ねて、参加者が応答する前にカテゴリーラベルにどのように視覚的に注意を払っているかをキャプチャすることができ、専用ハードウェアなしで分類プロセスに窓を追加します。

タイミング精度

反応時間、タスクパフォーマンスなどを、時間に敏感なタスクのためにミリ秒精度でキャプチャします。

デスクトップアプリ

デスクトップアプリを使用して実験室内研究を実行し、EEGや他のLSL接続されたラボハードウェアと互換性があります。

暗黙的連合テスト中にLabvancedで作成されたウェブカメラ視線追跡タスクを見ている人物の画像

ウェブカメラによる視線追跡

組み込みのコードなし、ピアレビュー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。

IAT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。以下に、研究者がこのタスクを修正する際によく尋ねるテーマを示します。

カテゴリーと属性の刺激セット

IATは固定されたコンテンツセットではなく一般的なカテゴライズと応答時間のパラダイムであるため、カテゴリーラベル、属性ラベル、および刺激の単語リストは、ハードコードされた値ではなく編集可能なデータフレームとして保存されています。組み込みデモは、消費者心理学のフレーミング（エコフレンドリー vs 従来の製品、品質の高い vs 低い）を使用していますが、研究者は文献で研究された自己評価、性別-キャリアの関連性、または他の社会的認知のIATなど、他の暗黙的態度ドメインのためにこの同じ構造を一般的に適応させます。研究者は、再利用する前に、発表されたIATの変種で使用される正確な刺激セットを確認する必要があります。単語リストは研究特有であり、再検証なしに互換性がありません。

対照割り当て

反応側とブロック順序の割り当てを制御する4レベルの Counterbalancing ファクターは、Factors & Randomization に表示される被験者間ファクターです。研究者は、参加者を4つの対照シナリオにどのように分配するかを調整したり、簡略化したデザインが好ましい場合は少ないシナリオに減らすことができます。

応答キーとタイミングしきい値

デスクトップバージョンの E/I キーマッピングと Too Fast (300ms) および Too Slow (10秒) の反応時間しきい値は、タスクのイベントで設定されます。キーマッピングとタイミングしきい値の両方は、特定の発表されたIATプロトコルに合わせて編集できます。

ブロックごとの試行数

各結合された（重要）ブロックはデフォルトで30試行を実行し、各ブロックの前に10試行の練習ブロックがあります。ブロックごとの試行数は、より短いまたは長い発表されたIATプロトコルに合わせて Trials & Conditions パネルで調整できます。

よくある質問

人種IATを実行したいのですが、現在のタスクをどのように編集すればよいですか？

ブロック構造、対照割り当て、および反応時間スコアリングロジックは、すべてのIAT変種で同じであり、カテゴリーおよび属性のコンテンツだけが異なります。このテンプレートを人種態度のIATに変換するには：

2つの Product Type カテゴリーラベル（現在 Eco-Friendly / Conventional）をあなたの2つの社会的グループカテゴリーに置き換え、画面上の Left/Right カテゴリーラベルのテキスト要素を一致させて更新します。
Attribute カテゴリーラベル（現在 High Quality / Low Quality）を Good / Bad または Pleasant / Unpleasant のような価値対に置き換えます。
Practice Trials Stimuli List および Two Attribute Stimuli List データフレームの単語リストを刺激セットに置き換え、練習ブロックと結合ブロックの周りの10項目のカテゴリー構造を保持します。

E/I キーマッピング、4レベルの Counterbalancing ファクター、および Too Fast/Too Slow 反応時間フラグは変更する必要はありません。それらはパラダイムに依存しません。

Labvancedは、検証された人種IATの単語または顔セットを発送していません。発表された文献（以下に引用されているGreenwald, McGhee, & Schwartz, 1998など）から入手するか、あなたの機関で検証済みの資料から入手し、データ収集の前にあなたの機関の倫理審査を通じて研究を進めてください。

Labvancedは、検証されたハーバード/プロジェクト・インプリシットの人種IAT刺激セットを提供していますか？

いいえ。組み込みライブラリ研究（研究ID 83858）は、消費者心理学の刺激セット（エコフレンドリー vs 従来の製品、品質の高い vs 低い）を搭載しており、検証された人種IATの単語または顔のセットではありません。Labvancedが提供するのは、一般的なIATエンジン、7ブロックの構造、対照割り当て、キーマッピング、および反応時間のスコアリングであり、これらを基にハーバードスタイルの人種IATおよび文献の他のすべてのIAT変種が構築されています。あなたの研究に検証された人種IAT刺激セットが必要な場合は、発表された文献またはプロジェクト・インプリシットの資料から直接入手し、その後、上記の手順に従ってタスクにロードしてください。

IATは不正解の応答に対してフィードバック画面を表示しますか？

デフォルトでは表示されません。Correctness と Accuracy はすべての試行で記録されますが、赤の X や「不正解」のメッセージは表示されず、試行のシーケンス (Fixation Cross → Stimulus Presentation → インタートライアル) は修正応答のために一時停止しません。

多くの従来のIATではこの種のフィードバックが表示されましたが、1998年の元の実験手順はこの方法ではなく、よりシンプルなペナルティを使用しました：単語「エラー」が刺激の位置を固定の300msで置き換え、修正は必要ありませんでした (Greenwald、McGhee、& Schwartz、1998年)。赤のXで「ライブで修正」するバージョンは、後のWebベースのデモIAT（現代のimplicit.harvard.eduデモのモデル）から来ています。これは、Greenwald、Nosek、& Banaji（2003年）で説明されており、不正確な応答では赤のXが表示され、参加者は試行を続ける前に正しい応答をする必要がありました。2003年の論文では、この可視的な修正ステップは実際には必要ないことも示されています：同じエラーペナルティ効果は、スコアリング時に再現することができ、各エラー試行の反応時間をそのブロックの平均正解応答の潜時に調整された600msのペナルティを加えたものに置き換えることができます。参加者にミスをライブで見せて修正させるのではなく、これは研究者がエクスポートされたデータに適用するスコアリング時の計算であり、各ブロックの完全な正解試行の潜時のセットに依存するため、タスク中にライブで試行ごとに行うのではなく、ブロックが完了した後にのみ行うことができます。Labvancedのテンプレートはすべての試行でCorrectnessと反応時間を記録するため、1998年のアプローチ、600msのスコアペナルティ、またはカスタムルールなど、研究に必要な任意のエラーハンドリング戦略を適用できます。これはエクスポートされたデータから事後に行うものであり、事前に決定するのではありません。

あなたの研究デザインが可視的なエラーフィードバックを必要とする場合、タスクのEventsシステムを使用して追加します：Stimulus Presentationフレームで、参加者のキープレスまたはボタンクリックでトリガーされるイベントを追加し、Correctness変数をチェックし、CorrectnessがIncorrectに等しいときのみフィードバック要素（例：赤のX画像またはテキスト）を条件付きで表示します。Correctness変数はすでにすべての試行で設定されていますので、新しいスコアリングロジックは必要なく、条件付き表示のみが必要です。

他に知りたいことがあれば、お気軽にご連絡ください。

IATの推奨使用法と応用

Implicit Association Test（IAT）は、社会的心理学、消費者研究、臨床の設定で使用される最も広く用いられる暗黙的社会認知の測定手法の1つであり、参加者が正確に報告できない可能性のある態度や自覚していない態度を研究するために適用されます。

暗黙的バイアスと社会認知研究： IATパラダイムは、社会的カテゴリーに対する自動的な態度を研究するための標準的なツールであり、Greenwald、McGhee、Schwartz（1998年）の元の方法に基づく substantialな文献があります。
消費者およびマーケティング心理学： 内蔵のデモバージョンは、暗黙的なブランドまたは製品カテゴリーの態度（エコフレンドリー対従来型、品質認識）を測定し、自己報告測定だけでは見逃される消費者態度に関する市場調査に直接適用可能です。
健康および臨床心理学： IATの変種は、文献で暗黙的自己評価、中毒関連の連想、臨床評価に関連する他の暗黙的態度を研究するために使用されていますが、これにはデフォルトテンプレートに含まれていない研究特有の刺激セットが必要です。研究者はまた、IATの方法論を適用して、子供たち（García-Márquez et al.、2024年、Psychological Well-Being ScalesおよびWHO-5を使用、Flourishing Scale自体ではない）の明示的自己報告スケールに沿った暗黙的幸福度測定を構築しています。これは、Flourishing Scaleのようなスケールと並行して探求する価値がある本物の方法論的リンクを提供します。
異文化および発達研究： カテゴリーソート構造は、刺激コンテンツが適切に適応されると、年齢層や文化的文脈を超えて一般化します。

参考文献

García-Márquez, R., Stavraki, M., Díaz, D., & Bajo, M. (2024). Development of an implicit well-being measure for youths using the Implicit Association Test. Child Indicators Research, 17(3), 1311-1328. https://doi.org/10.1007/s12187-024-10121-w
Greenwald, A. G., McGhee, D. E., & Schwartz, J. L. K. (1998). Measuring individual differences in implicit cognition: The implicit association test. Journal of Personality and Social Psychology, 74(6), 1464–1480.
Greenwald, A. G., Nosek, B. A., & Banaji, M. R. (2003). Understanding and using the Implicit Association Test: I. An improved scoring algorithm. Journal of Personality and Social Psychology, 85(2), 197–216.