专家指南：为证据积累建模规划实验任务

证据积累模型（EAMs）是理解人类和动物决策行为的强大工具。EAMs在心理学、行为经济学和认知神经科学中引发了重要的理论进展，且越来越多地被用作临床研究及其他应用领域的测量工具。获得有效且可靠的EAM推断依赖于了解如何在模型假设与所应用任务/数据特征之间建立紧密匹配。然而，这些知识在EAM文献中很少明确表达，使得初学者只能依赖导师和同事的私人建议以及低效的试错学习。本文提供了设计适合EAM的任务、将实验变量与EAM参数联系、规划适当样本量以及准备数据与执行EAM分析的实用指导。我们的建议基于既有的方法学研究及作者在EAM领域的丰富集体经验。通过鼓励良好的任务设计实践并提醒潜在陷阱，我们希望提升未来EAM研究与应用的质量和可信度。