Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Mesure Délai d'escompte à l'homme en utilisant un groupe de Réglage Montant

Published: January 9, 2016 doi: 10.3791/53584
Automatic Translation
1, 1, 1, 1, 1
1Department of Psychology, Utah State University

Abstract

Retard actualisation se réfère à une baisse de la valeur d'une récompense quand il est retardé par rapport à quand il est immédiatement disponible. Tâches actualisation retard sont utilisés pour identifier les points d'indifférence, qui reflètent une préférence égale pour les deux alternatives de fidélité dichotomiques différant par le retard et l'amplitude. Points de l'indifférence sont essentielles pour évaluer la forme d'un gradient de retard actualisation car ils nous permettent d'isoler l'effet de retard sur la valeur. Par exemple, si à un retard de 1 semaine et un maximum de 1000 $, le point d'indifférence est à 700 $, nous savons que, pour ce participant, un délai de 1 semaine correspond à une réduction de 30% en valeur. Cette vidéo présente une tâche de retard actualisation quantité de réglage qui identifie les points d'indifférence relativement rapidement et est peu coûteux et facile à administrer. Une fois les données ont été recueillies, des techniques de régression non linéaires sont généralement utilisés pour générer des courbes d'actualisation. La pente de la courbe d'actualisation reflète le degré d'impulsive choix d'un groupe ou un individu. Ces techniques ont été utilisées avec un large éventail de produits et ont identifié des populations qui sont relativement impulsif. Par exemple, les personnes ayant des problèmes de toxicomanie réduction retardés récompenses plus fortement que les participants de contrôle. Bien que le degré d'actualisation varie en fonction de la marchandise examinée, l'actualisation d'une marchandise en corrélation avec actualisation des autres produits de base, ce qui suggère que l'actualisation peut être un motif persistant de comportement 1.

Introduction

Retard actualisation est un phénomène comportemental qui affecte de nombreuses situations, les gens de subir des retards actualisation se réfère au fait que les récompenses temporellement proximales sont plus valorisés que les récompenses temporellement distales. Autrement dit, la valeur des récompenses décliner avec des retards. Ce processus est important parce que beaucoup de choix que les gens font impliquent un compromis entre les résultats immédiats de faible qualité (par ex., Un morceau de fromage après le dîner) et retardée des résultats de haute qualité (par ex., La santé à long terme). Retard actualisation a également été observée dans une variété d'espèces, en plus des humains, y compris les singes 2,3 4,5 6,7, les rats et les pigeons 8.

Les différences individuelles dans degré d'actualisation ont été liés à divers comportements mésadaptés 9. La valeur des récompenses décline en fonction de retard selon une fonction de décroissance hyperbolique 8. Avec la désintégration hyperbolique, diminution de la valeurs intensivement avec des retards relativement courtes, mais diminue proportionnellement moins dans des délais relativement longs. La conclusion de cette valeur Mazur dégrade hyperbolique en fonction de retard est important, parce que la fonction hyperbolique est capable de prédire les inversions de préférence là où d'autres fonctions théoriques ne peut pas sans hypothèses supplémentaires. Inversions privilégiées sont un bien documenté trouver 10-12 que la préférence pour une petite récompense disponibles assez rapidement (SSR) sur une plus grande récompense disponible à un point relativement distale à l'avenir (LLR) va renverser si un retard commune est ajouté à deux alternatives . Par exemple, si, tout en conduisant la maison du travail, un sentiment de faim frappe tout à coup, une personne peut être enclin à arrêter à la première restauration rapide en vue pour une collation relativement malsaine plutôt que d'attendre jusqu'à ce qu'ils arrivent à la maison pour un morceau de fruit ou une autre collation de haute qualité. Si, cependant, la faim frappe alors encore au travail, lorsque la personne a encore à piedleur voiture et de conduire sur la route avant d'aborder le restaurant de restauration rapide, ils sont plus susceptibles de décider d'attendre jusqu'à ce qu'ils arrivent à la maison pour le fruit.

La pente avec qui récompense baisse de la valeur en fonction du retard peut être considéré comme une mesure de choix de l'impulsivité d'un organisme. Choix impulsivité peut être définie comme une préférence pour SSR sur LLR 13,14 .Higher degrés de choix impulsifs sont liés à l'utilisation et l'abus de diverses drogues comme l'alcool 15,16, 17,18 cigarettes, la cocaïne 19, l'héroïne 20,21, et la méthamphétamine 22. Des degrés plus élevés de choix impulsifs sont également liés au jeu problématique 23, l'obésité 24,25, et la mauvaise santé et les choix personnels de sécurité 26.

Différentes tâches peuvent être utilisés pour évaluer le délai d'actualisation chez les humains. Par exemple, les participants pourraient être invités à prendre des décisions entre les alternatives et l'expérience certains ou tous lesdes conséquences liées à leur choix (tâche réelle de récompense 27,28) ou ils pourraient être appelés à prendre des décisions entre les alternatives hypothétiques, auquel cas ils ne seraient pas effectivement subir les conséquences associés à leur choix (tâche de récompense hypothétique 1-3,9 , 15-19,25,29). Degrés similaires de l'actualisation sont généralement observés indépendamment du fait que la récompense et les retards sont réels ou hypothétiques 30. La méthode d'administration des tâches de retard-actualisation varie selon les études. Par exemple, différents laboratoires ont administré la tâche en utilisant un questionnaire fill-in-the-blank 31, un questionnaire à choix multiples de 32, une procédure de quantité de réglage 33, et un choix monétaire questionnaire 34. La tâche de réglage montant, initialement développé par Du, Vert et Myerson 33, et largement utilisée dans notre laboratoire, offre plusieurs avantages. Une fois la tâche de collecte de données programmé est automatisé, ce qui limiteerreur humaine tout au long du processus. En raison de la nature de réglage de la tâche, les points d'indifférence sont atteints avec relativement peu de questions, ce qui minimise le temps les participants sont tenus d'être dans le laboratoire et les limites de l'ennui. Important, le groupe fournit des données détaillées et fiables. La tâche montant ajustement sera détaillé ci-dessous.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Le protocole a été approuvé par l'Institutional Review Board de l'Université d'État d'Utah. Les étapes décrites ci-dessous devraient servir de guide pour la programmation et la réalisation d'une tâche délai d'actualisation.

1. Mise en place d'un groupe d'escompte Délai

  1. Choisissez la gamme de retards pour lesquels l'actualisation sera évaluée.
    REMARQUE: Par exemple, un scénario typique serait utiliser des retards allant de 1 semaine à 25 ans. Les retards sélectionnés devraient suivre, par convention, une progression d'environ exponentielle (par ex., 1 semaine, 2 semaines, 1 mois, 2 mois, 6 mois, 1 an, 5 ans, et 25 ans)
  2. Choisissez le montant maximum d'argent qui sera utilisé dans la tâche. Par exemple, des quantités typiques d'argent utilisées dans la tâche sont de 100 $ ou 1000 $.
  3. Choisissez le nombre d'essais qui doivent être remplis pour déterminer un point à chaque retard d'indifférence.
    REMARQUE: Par exemple, un certain nombre d'essais typique pour chaque retard devrait se situer entre 6 à 8 trials pour équilibrer la résolution des données et de la fatigue des participants.

2. Obtenir le consentement éclairé et à l'identification des participants

  1. Demandez le participant assis dans une pièce isolée en face d'un ordinateur. Demandez au participant d'éteindre leur téléphone cellulaire et / ou d'autres appareils électroniques.
  2. Fournir au participant un formulaire de consentement éclairé pour examiner et signer si elles acceptent de participer à la tâche.
  3. Démarrez le programme en cliquant sur l'icône associée à la tâche sur l'ordinateur.
  4. Observez la boîte de dialogue et saisissez une balise participant identifiant unique qui sera jointe aux données du participant.
    NOTE: Parce que la tâche doit être programmé par les expérimentateurs, cette étape peut être automatisée en avoir le programme attribuer une étiquette de participant automatiquement.

3. Fournir des instructions et des essais de pratique

  1. Donnez les instructions des participants au sujet de ce qu'il ou elle va connaître dans la tâche.
  2. Providpratique des essais de e qui ne seront pas inclus dans l'analyse des données.
    REMARQUE: Les essais de pratique sont conçus pour familiariser les participants avec la conception de la tâche et fournir aux participants l'occasion de poser des questions si elles ne parviennent pas à comprendre ce qui est attendu d'eux sans menacer l'intégrité des données recueillies au début de la tâche. Essais de pratique ne devrait pas utiliser la procédure de réglage décrite ci-dessous. Au lieu de cela, des essais de pratique devrait consister simplement en une série de choix entre les résultats immédiats et différés.
    1. Par exemple, commencer les essais pratiques en montrant une question sur l'écran de l'ordinateur et de demander au participant de choisir entre 10 $ disponibles immédiatement et 100 $ disponible en 1 mois. Respecter le choix fait sur l'écran.
    2. Posez la même question à l'écran suivant, mais pour augmenter le choix ultérieurs alternative immédiate d'un incrément de 10 $ sur chaque essai (quels que soient les choix faits par le participant) jusqu'à ce que le ImmediaTE alternatives et différés sont égaux à 100 $.
  3. Effectuer dix essais pratiques afin de permettre au participant de acclimater à la tâche.

4. Évaluer une simple indifférence point

REMARQUE: les points d'indifférence servent comme la principale variable dépendante des tâches d'actualisation de retard et représentent un point où la valeur actuelle de l'alternative différée est égale à celle de l'alternative immédiate.

  1. Afficher les montants de départ pour les alternatives retardés et immédiats aux participants. Pour le premier essai, afficher le montant maximal que le montant pour l'alternative retardé. Afficher simultanément la quantité immédiate que la moitié de la quantité maximale. Placez le curseur de la souris au centre de l'écran (à égale distance de chacune des alternatives de choix) au début du procès.
    REMARQUE: Le côté (côté droit ou gauche de l'écran) sur lequel une alternative est présenté doit être déterminé au hasard sur chaqueessai.
  2. Observer le choix du participant.
  3. Ajustez la quantité de l'alternative immédiate par ¼ du maximum pour le second procès basé sur le choix des participants.
    1. Diminuer la quantité de l'alternative immédiate pour le second procès si le participant a choisi l'alternative immédiate sur le premier essai. Par exemple, si le montant immédiate était de 50 $ et il a été choisi sur le premier essai, puis sur le second procès afficher la quantité immédiate que 25 $.
    2. Augmenter la quantité de l'alternative immédiate pour le second procès si le participant a choisi l'alternative retard sur le premier essai. Par exemple, si le montant immédiate était de 50 $, mais le montant différé a été choisi sur le premier essai, puis sur le second procès afficher la quantité immédiate que 75 $.
  4. Afficher le nouveau montant de l'alternative immédiate et l'alternative retard constant pour le participant et leur permettre de faire leur choix suivant.
  5. Observez la ple choix et de articipant ajuster la quantité de la solution immédiatement par la moitié de l'ajustement précédent.
    1. Diminuer la quantité de l'alternative immédiate pour le prochain procès si le participant a choisi l'alternative immédiate sur le procès en cours. Par exemple, si le montant immédiate était de 25 $ sur le deuxième procès et il a été choisi, puis sur le troisième procès afficher le montant immédiat de 12,50 $.
    2. Augmenter la quantité de l'alternative immédiate pour le prochain procès si le participant a choisi l'alternative retard sur le procès en cours. Par exemple, si le montant immédiate était de 25 $ sur le deuxième procès et il a été choisi, puis sur le troisième procès afficher le montant immédiat de 37,50 $.
  6. Répéter les étapes 4.4 et 4.5 jusqu'à ce que le participant a fait le nombre requis de choix
    REMARQUE: Le nombre de choix est à la discrétion de l'expérimentateur; voir la discussion pour plus de détails.
    NOTE: L'ajustement pour le prochain procès devrait AlwaYS être égal au montant maximal multiplié par 2 -n, où n est le nombre de procès pour le réglage du courant (voir Figure 1).
  7. Faire l'ajustement final à la quantité immédiate basée sur le choix du participant. Utilisez ce nouveau montant que le point de départ pour que le retard de l'indifférence.

5. Déterminer les points d'indifférence à chaque retard

  1. Entièrement répéter l'étape 4 pour chacun des retards choisis, la réinitialisation du montant du résultat immédiat et le montant de l'ajustement pour le premier essai à chaque retard.

6. Évaluer Retard Actualisation des résultats qualitativement différents (Facultatif)

  1. Demandez au participant de donner un exemple de l'issue choisie. Par exemple, si le résultat choisi est la nourriture, puis demander au participant »Quel est votre plat préféré?"
  2. Observez la réponse du participant et demander au participant combien une unité des coûts de résultats (par ex., "Qu'est-ceest le coût de la nourriture préférée? ").
    NOTE: Si les expérimentateurs sont intéressés à évaluer les différences en actualisant les produits, et cette étape sera égaliser produits en termes de valeur de sorte que les différences dans l'actualisation ne sont pas dues à des différences dans le montant étant réduit.
  3. Afficher les valeurs des valeurs immédiates et retardées départ sur la base du prix déclaré par le participant. Réglez la valeur retardée du résultat égal à la valeur maximale divisé par le prix par unité qui a été fourni par le participant, puis réglez l'alternative immédiate à ½ de ce montant.
    REMARQUE: Par exemple, si une portion de crème glacée coûte 5 $ et un maximum de 100 $, puis il ya 20 portions de crème glacée dans 100 $. Utilisez cette valeur calculée comme l'alternative retardé (par ex., "20 portions de crème glacée en 1 semaine») et la moitié de ce montant comme l'alternative immédiate (par ex., "10 portions de crème glacée Now»).
  4. Repeà toutes les étapes 4 et 5 avec la valeur recalculée de chaque résultat.

Figure 1

Figure 1. Structure de première instance du montant Réglage Tâche. La valeur de départ pour l'alternative retardé, Y, doit être égale au maximum. La valeur de départ pour l'alternative immédiate, X, doit être égal .5Y. Si X est choisi alors la valeur de X doit être diminuée à l'essai suivant. Si Y est choisi, la valeur de X doit être augmentée à l'essai suivant. Le montant de l'ajustement est .25Y on Trial 1 et 0,5 de la précédente adaptation sur chaque procès ultérieur. S'il vous plaît cliquez ici pour voir une version plus grande de cette figure.

Analyse des données 7.

  1. Importer des données dans toute analy de données préféréprogramme SIS. Isoler le point pour chaque retard pour chaque participant d'indifférence. Calculer le point d'indifférence médian pour chaque retard pour chaque groupe.
    REMARQUE: Calcul de points médians d'indifférence est nécessaire uniquement si une conception de groupe est utilisé.
  2. Choisissez un modèle de régression curviligne (voir résultats représentatifs pour exemples). Utilisez régression curviligne pour ajuster le modèle aux points (médiane) d'indifférence. Cela va générer des estimations de paramètres pertinents pour le modèle sélectionné (voir ci-dessous pour une explication des paramètres).
    NOTE: Nous avons fourni le code pour effectuer la régression curviligne matériaux supplémentaires pour le programme statistique R pour aider le lecteur à l'étape 7.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Les résultats d'actualisation retard sont généralement analysées par des modèles de régression curvilignes de montage à deux points d'indifférence médianes des groupes et des points d'indifférence des participants individuels pour chaque résultat. Groupe Points d'indifférence médians sont utilisés parce que les points d'indifférence pour un échantillon ne sont généralement pas normalement distribuées. Trois modèles de régression non linéaires sont couramment utilisés: ceux suggérés par Mazur (équation 1) 8, Myerson et Green (équation 2) 35, et Rachlin (Equation 3) 36.

Equation 1
Equation 2
Équation 3

Dans ces modèles, V est la présente valeur (actualisée) d'un o retardéESULTAT (ie., le point d'indifférence déterminé expérimentalement), A représente le montant que le résultat futur, D est le délai à l'issue, et k est un paramètre libre qui quantifie la pente avec laquelle le résultat différé perd de sa valeur en fonction de retard. Dans les équations 2 et 3, s est un paramètre de mise à l'échelle qui est également libre de varier. Analyses statistiques traditionnelles peuvent être effectuées sur le logarithme naturel (ln) de k de l'équation 1. Les analyses statistiques sont moins appropriés pour ln (k) de l'équation 2 et l'équation 3 parce k est pas une mesure indépendante de l'actualisation en raison de son interaction avec le s paramètre.

Dans notre laboratoire, nous avons montré que le résultat spécifique qui est à l'étude (par ex., De la nourriture contre de l'argent) affecte actualisation (par ex., La nourriture est réduit plus fortement que l'argent 1). Malgré ce fait, partic individuelle le degré d'actualisation de pants est corrélée à travers des résultats différents. Nous avons interprété ce résultat comme une preuve que retarder l'actualisation est un processus de trait-like. Cependant, alors que l'actualisation retard semble être un processus de trait comme, il est également affectée par des variables d'état 37,38.

Les résultats suivants, déjà publiés dans la revue Psychopharmacology 1 démontrent retard typique actualisation courbes obtenues par régression non linéaire. Pour l'analyse de groupe, les points médians groupe d'indifférence sont obtenues pour chaque retard. Ces points sont aptes à le modèle de régression non linéaire (voir code fourni R) La figure 2 montre le modèle des crises de l'équation 2 pour quatre résultats:. L'argent, de l'alcool, du divertissement et de la nourriture. Les résultats ont été séparés en deux groupes: les fumeurs de cigarettes et les non-fumeurs.

Charge / 53584 / 53584fig2.jpg "/>
Figure 2. Délai Actualisation des différents produits. Fonctions pour les fumeurs et les non-fumeurs d'escompte pour les produits de l'argent, de la nourriture de l'alcool, et de divertissement. Dans les quatre panneaux, les points montrent les points d'indifférence médianes et les lignes montrent la meilleure fonction d'actualisation hyperbolique comme raccord 35. Encarts pour les produits de l'alcool, de divertissement, et la nourriture sont les mêmes données avec l'axe x de façon à indiquer les points d'indifférence les plus brefs délais. Dans certains cas, les points de données peuvent se chevaucher. Ce chiffre a été publié à l'origine en psychopharmacologie 1 (sous licence CC-BY). S'il vous plaît cliquer ici pour voir une version plus grande de cette figure.

La qualité des crises peut être évaluée en utilisant deux mesures: R 2 et critères d'information d'Akaike (AIC).R 2 est calculée comme 1 - (somme résiduelle des carrés / somme totale des carrés). R 2 scores pour la régression non linéaire doivent être interprétés avec prudence (et peut-être éviter) parce que le modèle somme des carrés et des erreurs somme des carrés ne sont pas égaux 1. Néanmoins, nous comprennent généralement R 2 points dus à la convention et que les valeurs de nos études peuvent être comparées à des études précédentes. AIC est calculé comme 2k + n log (RSS / n) où k est le nombre de paramètres libres (1 pour l'équation 1 et 2 pour les équations 2 et 3), et n est le nombre de points d'indifférence (voir le tableau 1). Les données individuelles sont analysés selon une méthode similaire. Les valeurs médianes R 2 et AIC sont présentés pour démontrer la qualité des ajustements individuels (tableau 2). Il est important de noter que l'équation 1 est un cas particulier de l'équation 2 et l'équation 3 (lorsque s = 1) et ne sera jamais produire un R 2 valeur supérieure à ces autres équations. Ainsi, l'AIC peut êtreutilisé pour évaluer si le gain en R 2 pour les modèles plus complexes justifie le paramètre supplémentaire (la complexité accrue) dans ces équations. Une autre méthode d'évaluation si le modèle plus complexe est justifiée serait de déterminer si l'art différait sensiblement de 1 39.

Alternativement, une mesure non théorique, l'aire sous la courbe (AUC), peuvent être obtenus auprès de l'indifférence du participant points 40. ASC est la somme de la zone trapézoïdale entre chaque série de points d'indifférence adjacentes. AUC est calculée comme (x 2 - x 1) [(y 1 + y 2) / 2], où x 1 et x 2 sont les retards successifs et y 1 et y 2 sont des points d'indifférence de ces retards (voir la condition que R code). Gammes AUC entre 0 et 1 et inférieure valeurs indiquent actualisation plus raide. Statistiques paramétriques peuvent être utilisés pour analyser si la CUAéchantillon spécifique répond aux exigences de la normalité.

Table 1

Tableau 1: Modèle comparaisons. Fit Model comparaisons apte pour le Mazur 8 hyperbole et Myerson et Green 35 hyperboloïde. Les valeurs en gras indiquent le meilleur ajustement. Pour les points d'indifférence médianes, les résultats Akaike Information Criterion (AIC) indiquent que l'hyperboloïde fourni un meilleur ajustement de cinq fois sur huit. Les comparaisons des valeurs de R 2 obtenus à partir de modèles à montage deux données des participants individuels indiquent que l'hyperboloïde meilleur ajustement dans tous les cas que l'hyperbole.

Tableau 2

Tableau 2: ParamètresBudget des dépenses. Le K et S paramètres ainsi que R 2 pour hyperboloïde adapte à des points d'indifférence médianes pour chaque résultat pour chaque groupe.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Cette vidéo décrit les mesures qui devraient être prises pour mener une expérience de retard actualisation aide de la tâche montant réglage. La tâche de quantité de réglage est relativement rapide à effectuer (10 - 15 min par participant) et produit des données fiables. La nature de réglage de la tâche fournit une analyse fine d'un diplôme de l'actualisation d'un participant. Depuis la tâche est la collecte de données sur ordinateur est automatisé, ce qui limite erreur humaine et de l'influence durant le processus de collecte de données. Typiquement, la tâche est utilisée pour évaluer l'actualisation des résultats hypothétiques, mais il a également été utilisé pour évaluer l'actualisation des résultats réels 28. Une limitation à la tâche de quantité d'ajustement est que la tâche est pas robuste contre les erreurs de participant. En raison de la nature de titrage de la tâche une erreur dans le premier procès d'un bloc de retard (par ex., En cliquant 50 $ maintenant au lieu de 100 $ dans une semaine lorsque le participant entend choisir 100 $ en une semaine) va considérablementaffecter le point de ce retard que l'option immédiate ne sera jamais atteindre de nouveau 50 $ dans ce bloc d'indifférence en raison de l'ajustement en baisse entre les essais. Une erreur commise dans un procès plus tard, dans un bloc ne sera pas affecter le point d'indifférence autant. Basé sur l'observation dans notre laboratoire, nous constatons que de telles erreurs sont relativement rares. L'expérimentateur pourrait programmer la tâche de vérifier avec le participant que le point d'indifférence est précise et répéter le processus pour que le retard si elle est pas.

Trois paramètres critiques au sein d'une expérience délai d'actualisation à l'aide de la tâche de quantité de réglage sont à expérimentateur discrétion, mais devrait aligner la question expérimentale: 1) Le montant des résultats utilisé doit faire sens pour les questions expérimentales (par exemple, valeur de 100.000 $. la nourriture est absurde). 2) Les retards utilisés dans l'expérience doivent faire sens du résultat et les montants utilisés (par ex., En raison des rabais de 10 $ peut raidene pas être suffisant pour fournir des données significatives si l'on utilise une progression de retard qui est compris entre 1 semaine et 25 ans). 3) Le nombre d'ajustements au sein de chaque bloc de retard devrait équilibrer la résolution et le temps (plus de résolution avec plus d'essais, mais plus le temps requis par les participants). Ici nous avons présenté un moyen par lequel une évaluation de retard actualisation peut être effectuée, mais les tâches de retard actualisation sont robustes à la variation et de légères modifications de la procédure décrite ci-dessus ne sont pas susceptibles de faire une différence significative dans les résultats.

L'analyse des données à partir d'expériences d'actualisation de retard se compose de techniques de régression curvilignes qui sont relativement faciles à mettre en œuvre et produisent de bons ajustements aux données. Nous avons inclus plusieurs documents dans les matériaux supplémentaires qui aideront à la programmation d'un délai d'actualisation expérience et l'analyse des données qui sont recueillies par le biais d'un délai d'actualisation tâche: pseudo-code pour aider à la programmation d'un délai d'actualisation tâche dans unny langue, une tâche délai d'actualisation programmée dans E-Prime, et un script pour l'exécution de régression non linéaire dans le programme statistique R (avec commentaires).

Retard actualisation expériences, en utilisant la tâche de réglage de quantité, de fournir un moyen robuste pour identifier entre-groupe et intra-sujet différences dans le choix impulsif. Des expériences ont identifié des différences dans le degré de retard actualisation entre les personnes ayant des comportements inadaptés et les participants de contrôle 41. Des expériences utilisant des tâches de retard-actualisation peuvent également être utilisés pour identifier les variables qui ont une incidence retard actualisation intra-sujet et d'évaluer la permanence relative de ces manipulations.

Bien que des recherches antérieures ont porté sur l'examen des différences dans l'actualisation de retard entre les différentes populations, plus de recherche est nécessaire pour comprendre comment un délai d'actualisation peut être impacté par une intervention thérapeutique. Retard expériences d'actualisation ont été extrêmement successful dans l'identification des différences entre les populations témoins et les populations de personnes ayant des comportements inadaptés et de fournir aux chercheurs une raisons pour lesquelles les individus jouer, usage de drogues, trop manger, ou ont peu d'égard pour les comportements liés à la santé. Parce que les résultats négatifs associés à ces comportements sont retardés, ces résultats ont peu d'impact sur le comportement des personnes atteintes de fonctions escarpées d'actualisation.

Peu de recherches ont encore porté sur les mécanismes sous-jacents retard actualisation. Ce qui donne lieu à des degrés élevés de l'actualisation, qui peut conduire à ces comportements mésadaptés? Bien qu'il y ait des preuves pour suggérer que le retard de l'actualisation est au moins un peu héritable 42, délai actualisation peut-être encore malléable. Il est important d'identifier les mécanismes psychologiques et neurobiologiques sous-jacents retard actualisation et les variables qui peuvent influer sur ces mécanismes. Il est possible que le degré de retard actualisation peut être réduqué par une intervention thérapeutique 43, mais d'autres recherches sont nécessaires pour comprendre la généralité de ces résultats et de l'impact que la diminution de retard actualisation peut avoir sur la propension à s'engager dans les modèles inadaptés de comportement associés à retard gradients d'actualisation.

Subscription Required. Please recommend JoVE to your librarian.

Materials

Name Company Catalog Number Comments
Computer any Mac or Windows
Programming Software Visual Studios https://www.visualstudio.com
Data Analysis Software The R Foundation http://www.r-project.org
Informed Consent Form

DOWNLOAD MATERIALS LIST

References

  1. Friedel, J. E., DeHart, W. B., Madden, G. J., Odum, A. L. Impulsivity and cigarette smoking: discounting of monetary and consumable outcomes in current and non-smokers. Psychopharmacology. 231 (23), 4517-4526 (2014).
  2. Bickel, W. K., Odum, A. L., Madden, G. J. Impulsivity and cigarette smoking: delay discounting in current, never, and ex-smokers. Psychopharmacology. 146 (4), 447-454 (1999).
  3. Rachlin, H., Raineri, A., Cross, D. Subjective probability and delay. J Exp Anal Behav. 55 (2), 233-244 (1991).
  4. Addessi, E., et al. Delay choice versus delay maintenance: Different measures of delayed gratification in capuchin monkeys (Cebus apella). J Comp Psychol. 127 (4), 392-398 (2013).
  5. Woolverton, W. L., Myerson, J., Green, L. Delay discounting of cocaine by rhesus monkeys. Exp Clin Psychopharm. 15 (3), 238-244 (2007).
  6. Evenden, J. L., Ryan, C. N. The pharmacology of impulsive behaviour in rats: the effects of drugs on response choice with varying delays of reinforcement. Psychopharm. 128 (2), 161-170 (1996).
  7. Perry, J. L., Larson, E. B., German, J. P., Madden, G. J., Carroll, M. E. Impulsivity (delay discounting) as a predictor of acquisition of IV cocaine self-administration in female rats. Psychopharmacology. 178 (2-3), 193-201 (2005).
  8. Mazur, J. E. An adjusting procedure for studying delayed reinforcement. In: . Quantitative Analysis of Behavior: Vol. 5 the Effect of Delay and Intervening Events on Reinforcement Value. Commons, M. L., Mazur, J., Nevin, J. A., Rachlin, H. , Erlbaum. Hillsdale, NJ. 55-73 (1987).
  9. Bickel, W. K., Jarmolowicz, D. P., Mueller, E. T., Koffarnus, M. N., Gatchalian, K. M. Excessive discounting of delayed reinforcers as a trans-disease process contributing to addiction and other disease-related vulnerabilities: Emerging evidence. Pharmacol Thera. 134 (3), 287-297 (2012).
  10. Rachlin, H., Green, L. Commitment, choice, and self-control. J Exp Anal Behav. 17 (1), 15-22 (1972).
  11. Ainslie, G. W. Impulse control in pigeons. J Exp Anal Behav. 21 (3), 485-489 (1974).
  12. Ainslie, G., Herrnstein, R. J. Preference reversal and delayed reinforcement. Anim Learn Behav. 9 (4), 476-482 (1981).
  13. Odum, A. L. Delay discounting: I'm a k, you're a k. J Exp Anal Behav. 96 (3), 427-439 (2011).
  14. Reynolds, B., Ortengren, A., Richards, J. B., de Wit, H. Dimensions of impulsive behavior: Personality and behavioral measures. Pers Indiv Differ. 40 (2), 305-315 (2006).
  15. Petry, N. M. Delay discounting of money and alcohol in actively using alcoholics, currently abstinent alcoholics, and controls. Psychopharmacology. 154 (3), 243-250 (2001).
  16. Vuchinich, R. E., Simpson, C. A. Hyperbolic temporal discounting in social drinkers and problem drinkers. Exp Clin Psychopharm. 6 (3), 292-305 (1998).
  17. Bickel, W. K., Odum, A. L., Madden, G. J. Impulsivity and cigarette smoking: delay discounting in current, never, and ex-smokers. Psychopharmacology. 146 (4), 447-454 (1999).
  18. Mitchell, S. H. Measures of impulsivity in cigarette smokers and non-smokers. Psychopharmacology. 146 (4), 455-464 (1999).
  19. Coffey, S. F., Gudleski, G. D., Saladin, M. E., Brady, K. T. Impulsivity and rapid discounting of delayed hypothetical rewards in cocaine-dependent individuals. Exp Clin Psychopharm. 11 (1), 18-25 (2003).
  20. Madden, G. J., Petry, N. M., Badger, G. J., Bickel, W. K. Impulsive and self-control choices in opioid-dependent patients and non-drug-using control patients: Drug and monetary rewards. Exp Clin Psychopharm. 5 (3), 256-262 (1997).
  21. Odum, A. L., Madden, G. J., Badger, G. J., Bickel, W. K. Needle sharing in opioid-dependent outpatients: psychological processes underlying risk. Drug Alcohol Depen. 60 (3), 259-266 (2000).
  22. Hoffman, W. F., Moore, M., Templin, R., McFarland, B., Hitzemann, R. J., Mitchell, S. H. Neuropsychological function and delay discounting in methamphetamine-dependent individuals. Psychopharmacology. 188 (2), 162-170 (2006).
  23. Dixon, M. R., Marley, J., Jacobs, E. A. Delay discounting by pathological gamblers. J Appl Behav Anal. 36 (4), 449-458 (2003).
  24. Weller, R. E., Cook, E. W., Avsar, K. B., Cox, J. E. Obese women show greater delay discounting than healthy-weight women. Appetite. 51 (3), 563-569 (2008).
  25. Rasmussen, E. B., Lawyer, S. R., Reilly, W. Percent body fat is related to delay and probability discounting for food in humans. Behav Process. 83 (1), 23-30 (2010).
  26. Daugherty, J. R., Brase, G. L. Taking time to be healthy: Predicting health behaviors with delay discounting and time perspective. Pers Indiv Differ. 48 (2), 202-207 (2010).
  27. Reynolds, B., Schiffbauer, R. Measuring state changes in human delay discounting: an experiential discounting task. Behav Process. 67 (3), 343-356 (2004).
  28. Jimura, K., Myerson, J., Hilgard, J., Braver, T. S., Green, L. Are people really more patient than other animals? Evidence from human discounting of real liquid rewards. Psychon B. Rev. 16 (6), 1071-1075 (2009).
  29. Odum, A. L., Rainaud, C. P. Discounting of delayed hypothetical money, alcohol, and food. Behav Process. 64 (3), 305-313 (2003).
  30. Madden, G. J., Begotka, A. M., Raiff, B. R., Kastern, L. L. Delay discounting of real and hypothetical rewards. Exp Clin Psychopharm. 11 (2), 139-145 (2003).
  31. Beck, R. C., Triplett, M. F. Test-retest reliability of a group-administered paper-pencil measure of delay discounting. Exp Clin Psychopharm. 17 (5), 345-355 (2009).
  32. Chapman, G. B. Temporal discounting and utility for health and money. J EXP Psychol Learn. 22 (3), 771-791 (1996).
  33. Du, W., Green, L., Myerson, J. Cross-cultural comparisons of discounting delayed and probabilistic rewards. Psychol Rec. 52 (4), 479-492 (2002).
  34. Kirby, K. N., Petry, N. M., Bickel, W. K. Heroin addicts have higher discount rates for delayed rewards than non-drug-using controls. J Exp.Psychol Gen. 128 (1), 78-87 (1999).
  35. Myerson, J., Green, L. Discounting of delayed rewards: Models of individual choice. J Exp Anal Behav. 64 (3), 263-276 (1995).
  36. Rachlin, H. Notes on discounting. J Exp Anal Behav. 85 (3), 425-435 (2006).
  37. Odum, A. L. Delay discounting: Trait variable. Behav Process. 87 (1), 1-9 (2011).
  38. Koffarnus, M. N., Jarmolowicz, D. P., Mueller, E. T., Bickel, W. K. Changing delay discounting in the light of the competing neurobehavioral decision systems theory: a review. J Exp Anal Behav. 99 (1), 32-57 (2013).
  39. Green, L., Myerson, J., Ostaszewski, P. Amount of reward has opposite effects on the discounting of delayed and probabilistic outcomes. J Exp Psychol Learn Mem Cogn. 25 (2), 418-427 (1999).
  40. Myerson, J., Green, L., Warusawitharana, M. Area under the curve as a measure of discounting. J Exp Anal Behav. 76 (2), 235-243 (2001).
  41. Reynolds, B. A review of delay-discounting research with humans: relations to drug use and gambling. Behav Pharmacol. 17 (8), 651-667 (2006).
  42. Anokhin, A. P., Golosheykin, S., Grant, J. D., Heath, A. C. Heritability of delay discounting in adolescence: A longitudinal twin study. Behav Gen. 41 (2), 175-183 (2011).
  43. Morrison, K. L., Madden, G. J., Odum, A. L., Friedel, J. E., Twohig, M. P. Altering impulsive decision making with an acceptance-based procedure. Behav Ther. 45 (5), 630-639 (2014).

Tags

Comportement numéro 107 Delay actualisation l'impulsivité la marchandise trait récompense la dévaluation la quantité de réglage le choix impulsifs
Mesure Délai d'escompte à l'homme en utilisant un groupe de Réglage Montant
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Frye, C. C. J., Galizio, A.,… More

Frye, C. C. J., Galizio, A., Friedel, J. E., DeHart, W. B., Odum, A. L. Measuring Delay Discounting in Humans Using an Adjusting Amount Task. J. Vis. Exp. (107), e53584, doi:10.3791/53584 (2016).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter