N-back (2-back) タスク
N-Backタスクは、作業記憶と情報の継続的な更新を評価するために使用される認知パラダイムです。参加者は刺激の流れを監視し、現在の刺激が指定された数のステップ前に提示されたものと一致するかどうかを判断します。
タスク形式 | N-back タスク オンライン & ラボ
N-Backタスクは、作業記憶を評価するために使用される継続的なパフォーマンスタスクです。このタスクでは、参加者は一度に1つの刺激が提示されるシーケンスを視覚的に受け取り、現在の刺激がシーケンスで固定された数のステップ前に示されたものと一致するかどうかを判断します。タスクの難易度はNの値によって決定され、高い値では作業記憶に対する要求が大きくなります。タスクの2-backバージョンでは、参加者は各刺激を2トライアル前に提示されたものと比較します。
2-backタスクの2つのバージョンが利用可能で、それぞれ使用しているデバイスのタイプと入力方法に最適化されています。
デスクトップバージョン
デスクトップバージョンでは、文字が画面の中央に1つずつ提示されます。参加者は現在の文字が2トライアル前に示された文字と一致するかどうかを判断します。応答はAキーとLキーを使用して行われ、マッチと非マッチのキー割り当ては参加者間で逆転されます。タイミングパラメータと応答マッピングは、タスク設定で調整できます。
モバイルバージョン
モバイルバージョンでは、文字が画面の中央に逐次的に提示されます。参加者は、現在の文字が2トライアル前に示されたものと一致するかどうかを、画面上の「一致」や「不一致」と明確にラベル付けされたボタンをタップして示します。このバージョンは、モバイルデバイスでのタッチスクリーンインタラクションに最適化されています。
各セッションの開始時に、参加者はタスクのルールと応答マッピングを学ぶための短い練習ブロックを完了してから、メインタスクに進みます。
N-backタスクの結果測定およびパフォーマンス指標
N-Backタスクは、情報が作業記憶においてどのように積極的に保持され更新され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。記録された変数により、研究者は反応時間、応答の正確性、ヒット率、誤警報、負荷条件間のパフォーマンスの違いを評価できます。これらの測定は、作業記憶の容量、更新効率、および認知負荷に対する感受性を定量化するのに役立ちます。すべての変数は、タスクの変数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N-backタスクで収集された変数の例です：
| 変数名 | 説明 |
|---|---|
correct_rejection | 非ターゲットに対する正しい非応答（非ターゲットに対して「異なる」をクリック） ((1= 正しい拒否, 0= 正しい拒否なし) |
displayed_letter | 現在のトライアルで参加者に表示される文字 |
false_alarm | 非ターゲットに対する不正な応答（非ターゲットに対して「同じ」を誤ってクリック） (1= 誤警報, 0= 誤警報なし) |
hit | ターゲット刺激に対する正しい応答（ターゲットに対して「同じ」を正しくクリック） (1= ヒット, 0= ヒットなし) |
miss | ターゲットに対する応答を逃す（ターゲットに対して「異なる」をクリック） ((1= ミス, 0= ミスなし) |
reaction_time | 参加者が提示された刺激に応答するのにかかった時間（ミリ秒単位）。 |
response | 参加者が与えた応答（モバイルベースのタスクの場合は「異なる」/「同じ」ボタン、デスクトップベースのタスクの場合はキーコードの記録） |
データテーブルは、LabvancedのオンラインN-back（2back）タスクからの個々のトライアルレベルの出力を示しています。
このタスクは、2-backタスクを使用して作業記憶容量を調査します。参加者は、現在の刺激が2ステップ前のものと一致するかどうかを示す必要がある一連のトライアルを完了します。学習と参加を支援するために、トレーニングトライアルと即時のフィードバックが提供されます。
オンラインおよびラボ研究のためのN-backタスクを推進する技術
N-Backタスクは、正確なタイミング、柔軟な条件処理、および信頼できる応答記録を必要とし、これらはすべてLabvancedプラットフォーム内でサポートされています：
高精度タイミング: N-backタスクは、トライアルタイプ間の反応時間の微妙な違いを検出するためにミリ秒レベルのタイミングに依存します。Labvancedは、オンラインテスト環境でも信頼性のある認知測定のために正確な刺激提示と応答記録を確保します。
フレームベースの刺激制御: 刺激の提示は、フレームの持続時間とイベントロジックを使用して正確にタイミングされ、トライアル間で一貫して配信されます。
デバイス間の入力サポート: マウス、キーボード、およびタッチスクリーンデバイスでシームレスに機能します。これにより、デスクトップ、ラップトップ、タブレット、モバイルフォンを通じてアクセス可能になります。この柔軟性により、参加者は利用可能なデバイスを使用してタスクを完了できます。
デスクトップアプリモード: タスクやハードウェアの統合をより厳密に制御する必要がある場合に使用できるデスクトップアプリケーションです。このモードはオフラインテストをサポートし、EEGや他のLSLベースのシステムとの互換性を持っています。
縦断的および遠隔テスト: タスクは複数のタイムポイント全体で一貫して提供できるため、注意バイアスの変化をより長い間隔でモニタリングするのに適しています。遠隔テストオプションにより、広範で多様な参加者サンプルにアプローチしながらデータの整合性を維持できます。
ウェブカメラアイトラッキング: このタスクは、タスク中の視線の方向、注視の持続時間、および視覚的スキャンパターンをキャプチャするために、ウェブカメラベースのアイトラッキングと組み合わせることができます。
ウェブカメラアイトラッキング
組み込みのコード不要でピアレビューされたウェブカメラアイトラッキング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単位の正確さで反応時間、タスクパフォーマンス、その他をキャプチャします。
デスクトップアプリ
EEGや他のLSL接続ラボハードウェアに対応したデスクトップアプリを使用してラボ研究を実行します。
N-backタスクのカスタマイズ
このN-Backタスクテンプレートを特定の研究質問に合わせて調整する方法はたくさんあります。以下は、研究者がこのタスクを変更する際に一般的に尋ねるテーマのいくつかです。
刺激の内容と提示
タスクで使用される刺激は、エディタで直接視覚オブジェクトを編集することによって置き換えたり、変更したりできます。研究者は文字、数字、画像、または空間的位置を使用し、オブジェクトプロパティパネルを通じてサイズ、位置、外観を調整できます。
メモリ負荷と条件ロジック
異なるNレベルは、現在の刺激がどれくらい前に比較されるべきかを決定するタスク条件として定義されています。これらの条件値は、各トライアル中に読み取られ、一致ロジックと刺激評価を制御します。条件構造を反映するイベントを編集することでnの値を定義できます。
応答の処理とスコアリング
参加者の応答はキーの押下やボタンのタップを通じてキャプチャされ、イベントロジックを使用して評価されます。研究者は正しい応答と見なされるものや、非応答がどのように処理されるかを変更できます。イベントシステムはすべてのトリガーとアクションを管理します。関連するイベントに対する簡単な変更により、希望する応答マッピングと正確性基準を実装できます。
トライアルの流れと練習デザイン
練習トライアルは通常、別のブロックとして実施され、研究者がトライアル数、フィードバックの存在、および主要タスクとは独立した進行ルールを調整できるようにします。フレームナビゲーションとブロック遷移は、イベントとフレームロジックを編集することでカスタマイズできます。
このタスクをカスタマイズするのにヘルプが必要な場合は、ぜひお気軽にお問い合わせください:
N-backタスクの推奨使用と応用
N-Backタスクは、研究、臨床、応用の設定で広く適用でき、さまざまな集団における作業記憶および認知負荷を評価するのに貴重です。
作業記憶および認知制御の研究: 健康な成人の作業記憶の更新、注意制御、執行機能を調査するために、認知心理学や神経科学の研究で一般的に使用されます。
発達およびライフスパン研究: さまざまなNレベルを通じてタスクの難易度を調整することで、子供の頃から老化までの作業記憶容量の変化を調べるために使用されます。
臨床および神経心理学的集団: ADHD、統合失調症、うつ病、神経疾患などの状態がある研究に適用されており、作業記憶の欠陥が一般的に観察されます。
トレーニングと認知負荷の研究: 記憶の要求を体系的に変化させる能力があるため、認知トレーニング、メンタルワークロード、タスクの難易度の操作を探求する研究で頻繁に使用されます。
神経画像および脳機能の研究: 作業記憶と認知努力の神経相関を研究するために、神経画像技術と生理電気的手法と広く組み合わせられます。
参考文献
Kirchner, W. K. (1958). Age differences in short-term retention of rapidly changing information. Journal of experimental psychology, 55(4), 352.
Zhu, S., Wang, Q., Kan, C., Geng, A., Sui, Y., Zhuang, R., ... & Guo, C. (2024). Age-related cerebral changes during different n-back tasks: a functional near-infrared spectroscopy study. Frontiers in aging neuroscience, 16, 1437587.