反応時間の個人差とオンライン実験

(1)

DOI: http://doi.org/10.14947/psychono.38.36

反応時間の個人差とオンライン実験

1

井上和哉

東京都立大学

Individual differences in reaction times and web-based experiments

Kazuya Inoue

Tokyo Metropolitan University

Individual differences in reaction time are usually considered as noises in the study of cognitive psychology. In some situations, however, the individual differences provide useful insights for understanding the mechanism of hu-man cognition. In this article, we focus on the experience of action video games and athletes as such examples and selectively review these studies. In addition, we briefly summarize web-based experiments that have been recently attracting psychologist. Web-based experiments have a benefit to easily increase a sample size and thereby a statisti-cal power. However, one may wonder about the reliability of web-based studies. Therefore, we try to discuss the reli-ability especially in terms of the accuracy of stimulus presentation duration and reaction times recording.

Keywords: reaction time, action video game, athlete, web-based experiment, online experiment

はじめに反応時間は，刺激の提示開始から実験参加者の反応の実施までに要する時間のことであり，認知的な課題を実行中の情報処理を明らかにするために用いられる。グリニッジ天文台事件のような反応時間研究の歴史的な経緯（綾部，2019）からも自明なように，反応時間のベースラインは個人によってかなり異なる。このため，反応時間を使用する多くの実験は参加者内計画で行われ，個人による反応時間の違い（個人差）は誤差として無視される。その一方で，ある種の個人差（例えば，集団の質的・量的な違いから生じる反応時間の群間差）は，人間の認知過程を明らかにするための有益なツールとなりうる（綾部・井関・熊田，2019）。反応時間の個人差を生じさせる要因にはさまざまなものがあるが（綾部他，2019），本稿では訓練の効果，具体的にはスポーツ経験とゲーム経験を取り上げ，主要な研究成果を紹介する。反応時間の個人差を群間で比較するためには十分なサンプルサイズが必要である。しかし，実験室実験で長期的な訓練を行うことは，実験参加者の負担が大きく，十分なサンプルサイズを確保することも難しい。それに対し，近年利用が劇的に増えつつあるウェブ実験（オンライン実験）では，実験参加者が自由な環境で実験に参加できるため，長期的な訓練を実施しやすく，実験室実験よりもサンプルサイズを容易に増やせる可能性がある。そこで本稿では，ウェブ実験における反応時間の計測やそれに関する問題を概説する。訓練の効果一般的に，ある特定の認知課題を繰り返し練習することで，反応時間は短くなり，エラー率も低下する（八木，2019）。熟達による反応時間の短縮は，繰り返し練習した課題特異的（例えば，探索課題特異的）なものだろうか。それとも，ある課題を繰り返し練習した人は，訓練した課題以外の反応も素早くなるのだろうか。こうした認知的課題の訓練効果の般化の影響はアスリートやアクションビデオゲームプレイヤーを研究対象として検討されてきた。

1_{本論文の著者が綾部・井関・熊田（2019）に執筆し}

た内容をもとに，補足及び新規な内容を大幅に加えることで，本論文は作成された。

Corresponding address: Faculty of Humanities and Social Sciences, Tokyo Metropolitan University, 1–1 Minami-Osawa, Hachioji, Tokyo 192–0397, Japan. E-mail: [email protected]

(2)

アスリート競技とは，“一定の規則に従って，技術や運動能力の優劣を互いにきそうこと”であり（goo辞書，2019），競技を目的にスポーツを行う人はアスリートと呼ばれる。疑うまでもなく，アスリートは自分の専門とするスポーツを行う際にはそうではない人よりも素早く反応することが可能である。これは，スポーツで要求されるスキルを繰り返し練習した結果，そのスキルが熟達したためであると考えられる。こうしたスポーツ特異的な訓練はそのスポーツで求められる反応のみを熟達させ，反応時間を短縮させるのだろうか。それとも，訓練の効果はスポーツ場面に限らず，実験室的な認知課題（例えば，ストループ効果やフランカー効果など）の反応も促進するのだろうか。アスリートの認知・運動スキルを調べた研究は大きく二つに分けることができる。一つは，スポーツ場面の写真や動画など，実際のスポーツ場面と類似した状況でのスキルを調べるものである。典型的な研究として，三好・森・廣瀬（2012）がある。この研究では，野球の投手が打者に対してボールを投げ，打者がボールを打つ場面を遊撃手の位置から撮影した。実験参加者は平均野球部歴が11.3年の男子大学生・大学院生および野球部の所属経験がない学生であった。課題は，打球が遊撃手の左にくるのか，右にくるのかをできるだけ早く正確に判断することであった。その結果，野球部経験者は未経験者よりも打球の方向を素早く判断することができた。スポーツ場面と類似した刺激を用いたときにアスリートの反応時間が短くなることは，メタ分析によっても支持されている（Mann, Williams, Ward, & Janelle, 2007）。この研究では，アスリートと非アスリートを比較した 62 個の効果量をメタ分析し，アスリートは非アスリートよりも反応時間が短いことを報告している。加えて，スポーツ経験による反応時間の短縮はスポーツの種類によっても異なっていた。インターセプティブなスポーツ（テニスやバドミントンのように，自分の体・道具と環境内の物体との調整が必要なスポーツ）やストラテジックなスポーツ（フィールドホッケーやサッカーのように，複数のチームメイトが攻撃中や防御中に戦術的な隊形をとり，移動する物体と参加者の両方に注意を向ける必要があるスポーツ）では認められたが，その他のスポーツ（ビリヤードやゴルフなどのように，自分のペースで標的に狙いを定めるスポーツ）では認められなかった。また，空間課題，再認課題，意思決定課題など，様々な課題でスポーツ経験の効果が認められたが，予測を必要とする課題において最もスポーツ経験の効果が大きかった。スポーツ経験は，スポーツ特異的な能力を高めるだけであって，スポーツに関連しない場面での認知能力は高めないのだろうか。この点に関して，スポーツ経験と実験室的な認知課題の成績との関連を調べたメタ分析がある（Voss, Kramer, Basak, Prakash, & Roberts, 2010）。このメタ分析では，ポズナー課題で測定される注意の手がかり効果に関しては，スポーツ経験の効果は見られなかったものの，処理速度を測定する課題に関しては，スポーツ経験の効果は認められた。また，スポーツ場面の刺激を用いたメタ分析（Mann et al., 2007）と同様に，インターセプティブなスポーツにおいてスポーツ経験の効果が大きかった。このようにアスリートになるための訓練はスポーツ場面特有のスキルのみならず，実験室的な認知課題で必要とされるような場面非特異的なスキルも高める可能性が指摘されている。スポーツ経験と実験室的な認知課題の成績との間に相関が認められるからといって，スポーツ経験そのものが認知機能を高めていると結論づけることはできない。というのも，様々な認知・運動スキルに優れた人がアスリートになっているにすぎないかもしれないからである。因果関係を明確にするためには，アスリートになるための訓練を受ける群と受けない群に実験参加者をランダムに割り当てる必要がある。しかし，このような割当は実際には困難である。次善の方法として，アスリートになろうと思った群とそうではない群の認知課題に対する反応時間の変化を縦断的に追跡する方法が挙げられる（Kida, Oda, & Matsumura, 2005）。この研究では野球のみに焦点を当てているが今後はそれ以外のスポーツでも同様の研究を行い，スポーツ経験と反応時間との間の因果関係を明らかにすることが必要だろう。アクションビデオゲームプレイヤーアスリートと同様に素早い判断や反応が求められる立場として，アクションビデオゲーム（以下，AVG）プレイヤーが挙げられる。AVGとは，射撃ゲームのように標的対象に対する即座の認識や対処（例えば，銃弾で敵を撃ち落とす）のための素早い操作が求められるゲームである。代表的な AVGとして，コールオブデューティやバイオハザードなどが挙げられる。即座の反応が必要なAVGを繰り返し行い，訓練されることで，AVGプレイヤーの反応速度は一般的な人よりも高くなるのだろうか。 AVGの研究は横断研究と介入研究の2つに分類することができる。横断研究とは，AVGを日常的に頻繁に行

(3)

う人とそうではない人の認知課題の成績を比較する方法である。横断研究のメタ分析では（Bediou et al., 2018），知覚，トップダウンの注意，空間認知，抑制，マルチタスク，言語認知など，AVG経験が様々な認知課題の成績を向上させることが報告されている。ただし，このメタ分析の対象となっている効果量の多く（分析対象の 72％）は正確さ（accuracy）を従属変数としたものである点には注意が必要である。しかし，反応時間，探索速度，刺激の提示時間などの速度（speed）を対象としたメタ分析であっても（分析対象の38％），AVG経験の効果は認められたため，AVG経験に反応時間を短縮する効果や処理速度を高める効果があると考えることは妥当である。しかし，アスリートのセクションでも述べたように，横断研究で効果が認められるからといって，AVG経験が反応時間の短縮の原因であると断定することはできない。元々素早く反応できる人がAVGで遊ぶことを好むだけかもしれないし，AVGプレイヤーとして勧誘されることによって，参加者のモチベーションが高まり， AVGプレイヤーの反応時間が短くなっただけかもしれないからである（Boot, Blakely, & Simons, 2011）。このため，AVG経験と反応時間の短縮との間に因果関係があることを確証にするには，介入研究をおこなう必要がある。介入研究とは，AVGを一定期間行わせる参加者と行わせない（積極的なコントロールとして，AVG以外のゲームを行わせる）参加者との間で，認知課題の成績を比較する方法である。前述のメタ分析では（Bediou et al., 2018），介入研究の結果も報告されている。介入研究と横断研究で得られた結果の違いとして，効果量の大きさの違いがある。課題の種類を区別しない場合，介入研 究の効果量（g＝0.55）は横断研究の効果量（g＝0.34） と比べて全般的に効果量が小さかった。この傾向と一致して，統計的に有意な効果が得られている課題のタイプはトップダウン注意（g＝0.31）と空間認知（g＝0.45）のみであった。横断研究と同様に，上述の分析には速度の指標（全効果量の10％）だけではなく，正確さの指標（90％）も含まれているため，純粋に反応時間のみを反映した結果ではない。しかし，速度に限った分析に関しても，AVG経験の効果は統計的に有意であるため（g＝ 0.54）, AVG経験は反応の正確さだけではなく，速度も高めると考えることは妥当である。因果関係を確かめるという意味では介入研究が望ましいが，横断研究にも費用の少なさや実施の早さ（容易さ）などの点で介入研究と比べてメリットがある（Bediou et al., 2018）ため，研究の目的に応じて柔軟に使い分けることが望ましい。介入研究によってAVGプレイヤーの反応時間が短くなったからといって，情報処理能力が上昇したと安易に結論づけることはできない。というのも，単に速度と正確さのトレードオフが生起した結果，エラー率が増え，反応時間が短くなっているだけかもしれないからである。衝動的に反応する傾向が高いために（それゆえエラーを犯しやすいために），AVGプレイヤーの反応時間が短縮するという考えはトリガーハッピーと呼ばれる（Dye, Green, & Bavelier, 2009）。

AVGプレイヤーにおける速度と正確さのトレードオフの問題は，ブリンリープロットと呼ばれるメタ分析の手法を用いて検討されている（Dye et al., 2009）。この分析では，7つの研究から反応時間を測定した8種類の課題を抽出し，AVGプレイヤーの反応時間の平均を基準変数に，非AVGプレイヤーの反応時間の平均を予測変数にした回帰分析を行った。その結果，AVG プレイヤーの反応時間＝非 AVGプレイヤーの反応時間×0.89 という回帰式が得られ，AVGプレイヤーは非AVGプレイヤーよりも約11％反応時間が短かった。しかし，正答率に関しては，AVGプレイヤーの正答率＝非AVGプレイヤーの正答率×0.99という回帰式が得られ，ゲーム経験は正答率にほとんど影響を与えていなかった。つまり，AVG経験は反応時間に影響を与えるが，エラー率には影響を与えないことが示されている。以上のことから，AVGプレイヤーは衝動性が高まった結果として反応時間が短くなっているのではなく，情報処理の効率性が変化している可能性が考えられる。 ウェブ（Web）実験 たいていの心理学実験では，実験参加者を実験室に招き，実験を行う。しかし，コンピュータの普及やインターネットの発展により，近年ではインターネットを通じて自由な環境（主に実験参加者の自宅など）で心理学の実験に参加することが可能になりつつある。こうした実験はウェブ実験またはオンライン実験と呼ばれる。ウェブ実験は，実験参加者のパソコンに専用のソフトをダウンロードさせて実施を求めるものやウェブブラウザ経由で実施してもらうものがある。近年は後者，その中でも特にHTML5/JavaScriptを使用したものが増えている（Anwyl-Irvine, Massonnié, Flitton, Kirkham, & Evershed,

2019; Barnhoorn, Haasnoot, Bocanegra, & van Steenbergen, 2015; de Leeuw, 2015）。以前はウェブブラウザ上で実行す

るソフトウェアとしてAdobe Flash （Adobeによる買収前

(4)

する論文もいくつか出版されている（Reimers & Stewart, 2007, 2015）。しかし，Adobe Flash は 2020 年末で開発と配布の終了が予定されており，今後の使用は推奨されないため，本稿ではHTML5/JavaScriptに焦点を当てた解説を行う。刺激提示時間の精度視覚刺激を用いた知覚・認知の実験を実施する際に気をつけることとして，反応時間と刺激提示時間の精度の問題がある（Woods, Velasco, Levitan, Wan, & Spence, 2015）。実験室実験では，Psychtoolbox （Brainard, 1997; Pelli, 1997）・ViSaGe （Cambridge Research Systems Ltd.）・ Response Pads （Cedrus Corporation）などの実験専用のソフトウェアやハードウェアを利用することにより，この種の問題の影響を軽減することができる。しかし，ウェブを介した実験の場合，実験専用のハードウェアを用いることができず，使用しているオペレーティングシステム（OS），ウェブブラウザ，コンピュータの性能など，実験参加者の環境は様々であるため，実験環境を統制することができない。このため，ウェブ実験においてどの程度の精度で反応時間の測定や刺激提示の画面制御が可能かをあらかじめ知っておくことは重要である。また，ウェブ実験の精度を熟知することは，査読の過程でウェブ実験に対する不当な疑惑を提示された場合に（Hilbig, 2016），適切な反論を行うことを可能にする点からも重要である。刺激提示時間の制御に関しては，比較的正確に行える場合もある（Barnhoorn et al., 2015）。例えば，Windows 7 がインストールされたノートパソコン（ウェブブラウザはChrome）を用いた実験によれば，中央処理演算装置（CPU）の負荷が低い状況では，実験者が刺激を提示しようと意図した時間と実際に刺激が画面上に提示された時間（フォトダイオードを用いて測定）の差分は1–2 ms 程度であり，負荷が最高の場合であっても約 9 ms であった。一方，OSX 10.5.8が動作するMacBook Pro （ウェブブラウザはFirefox）では，CPU の負荷にかかわらず差分は約10 msであった。前者のシステムでは負荷が最高の条件を除き，ほとんどの試行で意図したフレーム回数で刺激を提示できており，後者のシステムであっても約半数の試行で1フレームずれた程度であった。これらの結果は，ウェブブラウザ及び JavaScriptを利用した実験であっても比較的正確に提示時間を制御可能なことを示している。しかし，常に正確に刺激提示時間を制御できるわけではない。ウェブ実験の刺激提示時間の精度は，ハードウェア，OS，ウェブブラウザの種類などの実験環境にかなり依存し，環境によっては意図した提示時間と実際の提示時間の差分は約 100 ms 程度になることもある

（Reimers & Stewart, 2015）。このようなばらつきの原因は明確ではないが，Internet Explorerを使用している場合は特に差分が大きいように思われる。以上のことを考えると，短時間の刺激提示が必要とされる実験テーマ（例えば，閾下知覚実験）にはウェブ実験は適さないだろう。もしくは，ある程度正確に刺激提示時間を制御可能なハードウェア・ソフトウェア構成を明らかにしておき，そのような環境を持つ人のみを実験対象としたほうが無難である。例えば，JavaScript の requestAnimation-Frame関数を使用した場合に比較的正確に刺激提示時間が制御可能であることが指摘されているため（Anwyl-Irvine et al., 2019），刺激提示時間の正確性を追求する場合には，上記関数を使用した実験ソフトウェアを使用することが望ましい。反応時間の精度反応時間の測定精度もまたウェブ実験を行う上で考慮しなければならない。実験用ソフトウェアとしてPsych-toolboxを用いて実験室で行った実験によれば，全く同じディスプレイとコンピュータを用いた場合であっても，キーボードをほかのものに交換するだけで反応時間が約 20 ms も変化することが報告されている（Neath, Earle, Hallett, & Surprenant, 2011）。通常ウェブ実験では実験参加者のキーボードの種類はコントロールできないため，ウェブ実験を行った場合，キーボードの違いがノイズとして混入し，反応時間の個人差を増加させる可能性が考えられる。反応時間の測定精度は使用するプログラミング言語にも依存する。フォトダイオードを用いて画面の変化から機械的なキー押しまでの時間を測定し研究によれば（Neath et al., 2011），Matlab （もしくはOctave）上でPsych-toolbox を動作させた場合が最も遅延が小さく（約 40 ms），Flash や JavaScript を使用した場合の遅延が中程度であり（約50 ms），Javaを使用した場合の遅延が最も大きかった（約 70 ms）。ただし，FlashやJavaScriptの精度は使用するマシンにも依存し，同じ Mac OS Xが搭載されたiMacであっても，モデルによって約10–15 ms程度の違いが生じた。反応時間の測定精度は使用するOSやウェブブラウザに依存するだろうか。Reimers & Stewart （2015）はBlack Box Toolkitを用いて，フォトダイオードを使用し，ディスプレイ上の刺激提示タイミングを検出し，指定した時

(5)

間経過後にキーボードにキー押しの信号を送信することにより，FlashやJavaScript （HTML5）を使用したときの反応時間の測定精度を様々なOS及びウェブブラウザを使用し検討した。その結果，同一のシステム内では反応時間のばらつきはかなり少ないものの（標準偏差はおおむね10 ms 程度），指定値からのずれ（実測値–指定値）は約30 msから100 ms程度とシステムによってかなりの違いが認められた。以上のことを考慮すると，ウェブ実験を行う場合，個人間で反応時間の絶対値を比較することは難しいと思われる。現象の再現性及び効果量実験室実験で発見された現象，特に反応時間を従属変数とする現象や刺激の短時間提示が必要な現象をウェブ実験で再現することはできるだろうか。クラウドソーシ

ングサービスであるAmazon Mechanical Turk を用いて，

認知心理学的な現象をウェブ実験で検討した研究によれ

ば，マスク下プライミング（masked priming）を除き，

ストループ効果，課題切り替えコスト，フランカー効果，サイモン効果，手がかり効果及び復帰抑制，注意の瞬きなどについては，実験室で見いだされた効果が再現されている（Crump, McDonnell, & Gureckis, 2013）。また，ストループ効果，フランカー効果，課題切り替えコスト，サイモン効果，復帰抑制に関しては，クラウドソーシングサービスのクラウドワークスで勧誘した日本人を用いた場合でも再現されている（Majima, 2017）。

実験室実験とウェブ実験の効果の大きさを比較する研究も行われている（Semmelmann & Weigelt, 2017）。この研究では，実験室でPsychtoolbox，実験室でウェブ実験，自宅でウェブ実験の3群で効果量を比較し（ウェブ実験ではJavaScriptを使用），数字ストループ，フランカー課題，視覚探索課題，マスク下プライミング課題，注意の瞬き課題で，現象の効果量にはほとんど差は見られなかった（ただし，マスク下プライミングはオリジナルの結果がそもそも再現されていない）。加えて，全般的にどの課題でも，実験室でPsychtoolbox，実験室でのウェブ実験，自宅でウェブ実験の順番で反応時間が長くなる傾向が認められた。実験室でPsychtoolboxと実験室でのウェブ実験の違いはソフトウェアのみであるため，ウェブ環境における反応時間の増加はウェブブラウザによる刺激提示時間の制御やキー入力の処理の不正確さが原因であると考えられる。それに対し，自宅でのウェブ実験において実験室でのウェブ実験よりも反応時間が長いことについては，ハードウェア，ソフトウェア，実験の実施環境などの違いによると考えられるが，明確な結論は得られていない。より洗練された方法で，実験室実験のソフトウェアとウェブ実験のソフトウェアの効果が検討されている（de

Leeuw & Motz, 2016）。この研究では，ウェブ実験のソフ

トウェアであるjsPsych がインストールされた iMac と PsychtoolboxがインストールされたiMacを用意し，プロジェクターを通して前方のスクリーンに視覚探索課題の画面を投映した。どちらのパソコンの画面が投映されるかはランダムな順番で決定され，実験参加者にはわからないため，モチベーションの変化等の要因が実験結果に混入する可能性が低い。また，参加者内計画の実験であるため，個人差に関連した要因が混入した可能性も低い。このような工夫がされた実験環境においても，視覚探索課題の反応時間を項目数で回帰した場合の切片がウェブ実験において大きいことから，ウェブ実験における反応の遅延の一部はソフトウェア及びソフトウェアとハードウェアとの連携部分で生じている可能性がある。これまで述べてきたように，ウェブ実験では，反応時間が全般的に長くなるものの，研究対象としている現象の効果量は実験室実験と比べてほぼ同等の大きさが得られる。しかし，状況によってはウェブ実験の検定力が低下することが指摘されているため注意が必要である（Chetverikov & Upravitelev, 2016）。このシミュレーション研究では，実際のウェブ実験で得られたデータからウェブブラウザ・OS・CPUなどの違いによる反応時間への影響を調べ，その値をもとに標本におけるウェブブラウザの種類の比率やOSの種類の比率が2条件の反応時間の平均値差の検定に対する統計的検定力に与える影響を検討した。その結果，Chrome 系のウェブブラウザと Firefox が半々になる状況や標本における Windows XP/VistaやMac OS Xの比率が高い状況では，t検定の検 定力がかなり低下することが明らかになった。このため，ウェブ実験を実施する際にはウェブブラウザやOS の比率を報告することが必要であろう。終わりに今後高齢化社会が増々進むにつれて，加齢による認知機能の低下が問題になることは確実であり，加齢の影響の軽減や低下した認知機能の回復を実現する方法の開発が必要である。スポーツ経験やゲーム経験による認知・運動機能の改善はそうした方法の選択肢の一つして有望なものであるため，因果関係の同定や効率的な学習法に関する研究が今後さらに発展することが期待される。こうした長期的な学習効果を検討するうえで，実験環境を選ばないウェブ実験には大きなメリットがある。本稿で

(6)

まとめたように，基本的にはウェブ実験の信用性は実験室実験と比べてそれほど遜色がないものであると考えられるため，長期的な学習効果を検討する研究など，様々な研究にウェブ実験が利用されることが望まれる。それと同時に，ソフトウェアやデバイスなどを中心に，ウェブ実験の信用性を毀損する要因に関しては，今後も引き続き詳細に検討されることが必要だろう。引用文献

Anwyl-Irvine, A. L., Massonnié, J., Flitton, A., Kirkham, N., & Evershed, J. K. (2019). Gorilla in our midst: An online be-havioral experiment builder. Behavior Research Methods. doi: 10.3758/s13428-019-01237-x 綾部早穂（2019）．反応時間研究の始まり　綾部早穂・井関龍太・熊田孝恒（編）心理学，認知・行動科学のための反応時間ハンドブック（pp. 14–15）　勁草書房綾部早穂・井関龍太・熊田孝恒（編）（2019）．心理学，認知・行動科学のための反応時間ハンドブック　勁草書房

Barnhoorn, J. S., Haasnoot, E., Bocanegra, B. R., & van Steen-bergen, H. (2015). QRTEngine: An easy solution for run-ning online reaction time experiments using Qualtrics.

Behavior Research Methods, 47, 918–929.

Bediou, B., Adams, D. M., Mayer, R. E., Tipton, E., Green, C. S., & Bavelier, D. (2018). Meta-analysis of action video game impact on perceptual, attentional, and cognitive skills.

Psy-chological Bulletin, 144, 77–110.

Boot, W. R., Blakely, D. P., & Simons, D. J. (2011). Do action video games improve perception and cognition? Frontiers in

Psychology, 2, 226.

Brainard, D. H. (1997). The psychophysics toolbox. Spatial

Vision, 10, 433–436.

Chetverikov, A., & Upravitelev, P. (2016). Online versus of-fline: The Web as a medium for response time data collec-tion. Behavior Research Methods, 48, 1086–1099.

Crump, M. J. C., McDonnell, J. V., & Gureckis, T. M. (2013). Evaluating Amazon’s Mechanical Turk as a tool for experi-mental behavioral research. PLoS ONE, 8, e57410. de Leeuw, J. R., (2015). jsPsych: A JavaScript library for

creat-ing behavioral experiments in a Web browser. Behavior

Research Methods, 47, 1–12.

de Leeuw, J. R., & Motz, B. A. (2016). Psychophysics in a Web browser? Comparing response times collected with Java-Script and Psychophysics Toolbox in a visual search task.

Dye, M. W. G., Green, C. S., & Bavelier, D. (2009). Increasing

speed of processing with action video games. Current

Direc-tions in Psychological Science, 18, 321–326.

goo 辞書 Retrieved December 27, 2019 from https:// dictionary.goo.ne.jp/word/％E7％AB％B6％E6％8A％80/ #jn-56035

Hilbig, B. E. (2016). Reaction time effects in lab- versus Web-based research: Experimental evidence. Behavior Research

Methods, 48, 1718–1724.

Kida, N., Oda, S., & Matsumura, M. (2005). Intensive baseball practice improves the Go/Nogo reaction time, but not the simple reaction time. Cognitive Brain Research, 22, 257–264. Majima, Y. (2017). The feasibility of a Japanese crowdsourcing

service for experimental research in psychology. SAGE

Open, 7, 1–12.

Mann, D. T. Y., Williams, A. M., Ward, P., & Janelle, C. M. (2007). Perceptual-cognitive expertise in sport: A meta-analysis. Journal of Sport and Exercise Psychology, 29, 457– 478.

三好智子・森　周司・廣瀬信之（2012）．事前視覚情報の利用が打球の方向予測に及ぼす影響　心理学研究，

83, 202–210.

Neath, I., Earle, A., Hallett, D., & Surprenant, A. M. (2011). Response time accuracy in Apple Macintosh computers.

Pelli, D. G. (1997). The Videotoolbox software for visual psy-chophysics: Transforming numbers into movies. Spatial

Vision, 10, 437–442.

Reimers, S., & Stewart, N. (2007). Adobe Flash as a medium for online experimentation: A test of reaction time mea-surement capabilities. Behavior Research Methods, 39, 365– 370.

Reimers, S., & Stewart, N. (2015). Presentation and response timing accuracy in Adobe Flash and HTML5/JavaScript Web experiments. Behavior Research Methods, 47, 309–327. Semmelmann, K., & Weigelt, S. (2017). Online psychophysics:

Reaction time effects in cognitive experiments. Behavior

Research Methods, 49, 1241–1260.

Voss, M. W., Kramer, A. F., Basak, C., Prakash, R. S., & Rob-erts, B. (2010). Are expert athletes “expert” in the cognitive laboratory?: A meta-analytic review of cognition and sport expertise. Applied Cognitive Psychology, 24, 812–826. Woods, A. T., Velasco, C., Levitan, C. A., Wan, X., & Spence,

C. (2015). Conducting perception research over the inter-net: A tutorial review. PeerJ, 3, e1058.

八木善彦（2019）．刺激の熟知性と課題の熟達　綾部早穂・井関龍太・熊田孝恒（編）心理学，認知・行動科学のための反応時間ハンドブック（pp. 118–119）　勁草書房

反応時間の個人差とオンライン実験