
决策任务
决策任务测量人们在选择选项时如何权衡风险、奖励、证据和策略。
本页面按测量的组件对Labvanced的决策任务模板进行分组、比较,并链接到每个任务的完整设置页面。
决策组件及其相应任务
A. 风险承担与奖励敏感性
风险承担是指在日益不确定的损失机会与潜在收益之间的愿望积累(Compagne et al., 2023)。
气球模拟风险任务 (BART)
参与者通过每次充气来积累收益,权衡潜在奖励与气球爆裂导致的损失风险。
B. 冲动性与时间折扣
时间折扣是指随着获取奖励所需时间的增加而贬值奖励的倾向(Rung et al., 2019)。
延迟折扣任务 (DDT)
参与者选择立即获得的小奖励与稍后获得的大奖励,跨越一系列延迟时间和折扣率,以测量冲动性和时间偏好。
C. 不确定性下的证据收集
在不确定性下的证据收集是指在决定之前评估收集多少信息的过程(Ermakova et al., 2019)。
珠子任务
概率推理和跳跃结论偏向,广泛用于精神病研究。
本研究通过珠子任务测量概率推理和跳跃结论偏差。参与者决定从两个罐子中抽取的珠子序列来自哪一个,在做出选择之前请求尽可能多或尽可能少的珠子。抽取到决策、罐子选择和信心作为结果指标记录。
信息采样任务 (IST)
反思冲动性,决定前收集多少证据。
本研究使用信息采样任务测量反思冲动性。参与者从网格中打开盒子以收集证据,然后决定哪种颜色占多数,在固定奖励和递减奖励条件下进行。记录打开的盒子、决策准确性和得分作为表现指标。
D. 战略和经济决策制定
战略决策将选择置于社会或经济背景中,其中结果依赖于其他参与者的行为或波动的条件(Chen et al., 2017)。
最后通牒游戏
公平判断和对提议的战略接受/拒绝。
在这个互动的2人游戏中,一名玩家提议一个资金分配,另一名玩家决定接受或拒绝。
股票市场游戏
在价格不确定下的投资组合决策,提供单人和实时两人模式。
本研究通过股票市场游戏测量价格不确定下的经济决策。参与者在多个基金中买卖股票,随着每轮价格波动,旨在最大化投资组合价值。实时二人版增加了内部投资者与第二参与者之间的战略信息共享。
实施最佳实践
在线或实验室中的决策任务涉及一些共享的设置细节,这些细节影响任何行为经济学任务的数据质量,无论测量的是哪个组件。
- 使用Labvanced的精确计时功能保持毫秒级的响应时间精确,并在计时有意义的地方记录决策时间与选择本身。Labvanced的刺激时序是基于同行评审的方法,以实现准确的JavaScript显示时序(Lukács & Gartus, 2022)
- 随机化试验顺序和奖励参数以防止预期策略
- 在条件内保持概率比率和奖励结构的一致性
- 如果任务为每位参与者分配了不同的角色,请考虑在您的样本中进行角色的平衡分配
- 如果任务范式允许,可以考虑在评分试验开始之前包括一个练习轮次
相关技术
决策研究通常将这些任务与其他Labvanced功能配对,无论是跟踪选择过程中注意力、收集自我报告测量还是将研究移动至实验室中。
网络摄像头眼动追踪
在风险或经济决策期间跟踪注视,无需额外硬件,使用内置的、无代码的、经过同行评审的网络摄像头眼动追踪。
问卷
将决策任务与验证过的自我报告工具配对,如冲动性或风险态度量表,在同一研究中。
桌面应用程序
在实验室中运行相同的任务,与EEG或其他LSL连接的硬件集成。
示例研究设置
决策研究通常结合风险、冲动和战略组件的任务,而不仅仅依赖于一个。下面的示例研究设置展示了基于上述任务构建的常见决策任务组合。
风险轮廓电池
BART与延迟折扣任务相结合,将风险承担和冲动性组合为复合风险轮廓,对于需要将逐步增加的风险行为与时间偏好行为分开进行研究的情况很有用,而不是将它们视为一个构造。导入这两项任务的选择,或构建您自己的与风险相关的任务以添加到组合中。
不确定性电池
珠子任务与信息采样任务相结合提供了两个收集证据和反思冲动性的一致测量,因这两个任务使用不同的刺激格式来达到相同的潜在构造而有用。导入这两项任务的选择,或构建您自己的证据收集任务以添加到组合中。
经济行为研究
最后通牒游戏与股市游戏相结合,将战略协商与基于市场的决策结合在一起,有助于比较单次公平判断和在价格不确定性下的持续决策的研究。导入这两项任务的选择,或构建您自己的经济游戏以添加到组合中。
常见问题
BART测量了什么而延迟折扣任务没有测量的?
珠子任务与信息采样任务有什么区别?
最后通牒游戏和股市游戏在同一时间需要两个参与者吗?
这些任务在网上和实验室是否以相同的方式运行?
参考文献
Chen, Y. H., Chen, Y. C., Kuo, W. J., Kan, K., Yang, C. C., & Yen, N. S. (2017). 战略动机驱动提议者在最后通牒游戏中公平报价:一项fMRI研究。 Scientific Reports, 7, 527. https://doi.org/10.1038/s41598-017-00608-8
Compagne, C., Teti Mayer, J., Gabriel, D., Comte, A., Magnin, E., Bennabi, D., & Tannou, T. (2023). 气球类比风险任务在神经成像环境中的适应:一项系统评审。 Frontiers in Neuroscience, 17, 1237734. https://doi.org/10.3389/fnins.2023.1237734
Ermakova, A. O., Gileadi, N., Knolle, F., Justicia, A., Anderson, R., Fletcher, P. C., Moutoussis, M., & Murray, G. K. (2019). 神经症早期患者的决策过程中的成本评估。 Computational Psychiatry, 3, 18-39. https://doi.org/10.1162/cpsy_a_00020
Lukács, G., & Gartus, A. (2022). 用于网络实验的JavaScript中的精确显示时间测量。 Behavior Research Methods. https://doi.org/10.3758/s13428-022-01835-2
Rung, J. M., Peck, S., Hinnenkamp, J. E., Preston, E., & Madden, G. J. (2019). 改变延迟折扣和冲动选择:对成瘾、预防和人类健康的影响。 Perspectives on Behavior Science, 42(3), 397-417. https://doi.org/10.1007/s40614-019-00200-7