ウェブベースのシンプルな運動テストを使用したデータに基づく新しい研究が、人々が運動制御の誤りをどのように修正し適応するかについて、新たな洞察を提供している。この研究は、米国カーネギーメロン大学（Carnegie Mellon University）心理学部のジョナサン・ツェイ（Jonathan Tsay）助教授によって行われ、結果は『Nature Human Behaviour』誌の1月30日号に掲載された。

従来、運動学習を研究する科学者らは実験室で高価な機器を用いて人々が運動スキルをどのように学ぶかを研究してきたが、これらの研究は通常、少数の参加者を対象にしていた。それらの結果がより大きな集団に一般化できるかどうかは不明であった。ツェイ助教授は、大規模なデータを使用して運動スキルを新たな観点から探求しようと試みた。彼が開発したシンプルな運動学習評価テストは、自宅でオンラインで受けることができ、2000セッション以上のデータセットを生み出した。

この研究では、無意識の暗黙の運動学習と意識的な明示的運動学習の相対的な寄与に対する人口統計変数の影響が調べられた。

実験室での通常の実験に比べて短時間（約8分）で完了するこの短い自宅テストには、多くの参加者が再度ログインし、複数のセッションをデータベースに提供した。これにより、研究チームは運動学習の変化を効率的に追跡できた。

この大規模なデータの潜在的な利点は、性別、年齢、視覚障害、ビデオゲーム経験など、運動適応に影響を与える変数をより深く理解することにある。年齢の効果に関しては、実験室研究では結果が一貫しないことが多かったが、大規模なデータを用いて年齢を連続変数として分析することで、参加者が運動誤りを修正する戦略が生涯にわたってどのように変化するかを明らかにすることができた。この研究により、35歳から45歳の間に適応がピークに達することが示された。

ツェイ助教授によると、機械学習などの技術を使用して、誰が運動学習に成功するか、また、運動学習の成功における動きの速さや反応時間などの良い予測因子を特定することが可能である。彼は、この大規模データで得られた結果から、オンラインで観察された発見の背後にあるメカニズムを探るための仮説駆動型研究に使用することができると述べている。

このシンプルな運動学習タスクは研究の変動の約15%のみしか説明できず、これらの結果から得られる洞察には限界がある。また、この運動タスクは実験者の監督下で行われず、技術の種類やインターネット速度などのパラメータを特に制御しなかったため、データにノイズが増加した。しかしながら、ツェイ助教授は、この大規模なアプローチがこのような変動を詳細に調査し、運動研究コミュニティにとって価値ある洞察を提供できると信じているという。

カリフォルニア大学バークレー校の心理学教授であり共著者であるリチャード・アイブリー（Richard Ivry）教授は、多くの心理学の問題がオンラインテストに適しているが、運動研究は少ないと述べ、この研究が運動制御研究においてオンライン研究が非常に意義深いことをさらに確認するものだと指摘している。

出典は『Nature Human Behaviour』