Un ampio dataset su scelte e tempi di risposta nelle scelte intertemporali

Perché aspettare rispetto al prendere ora conta

La vita quotidiana è costellata di scelte tra una ricompensa più piccola subito e una più grande in seguito: spendere soldi oggi o risparmiare per la pensione, mangiare il dolce o restare a dieta. Il modo in cui prendiamo queste decisioni “ora contro dopo” — note come scelte intertemporali — plasma la nostra salute, le finanze e le relazioni. Eppure gli scienziati discutono ancora su cosa avvenga nella mente durante queste decisioni. Questo articolo presenta un nuovo e vasto dataset aperto che riunisce registrazioni dettagliate di come quasi dodicimila persone hanno affrontato tali scelte, includendo non solo cosa hanno scelto ma anche quanto tempo hanno impiegato a decidere.

Riunire studi dispersi sotto un unico tetto

Per decenni economisti e psicologi hanno condotto esperimenti in cui le persone scelgono tra, per esempio, una somma di denaro minore a breve e una somma maggiore a distanza di tempo. Molti di questi studi si sono concentrati solo sulla scelta finale, ignorando il processo decisionale stesso. Gli autori sostengono che così si perde una fonte importante di informazioni: i tempi di risposta — quanti secondi impiegano le persone a decidere. I tempi di risposta possono rivelare quanto una scelta sia percepita come facile o difficile e aiutare a testare teorie su come il cervello valuta ricompense immediate rispetto a quelle future. Per andare oltre risultati isolati, gli autori hanno raccolto dati grezzi trial-per-trial da 100 studi distinti, coprendo complessivamente 11.852 partecipanti e 1.172.644 decisioni individuali.

Ricercare e unificare i dati

Il team ha prima effettuato una vasta ricerca sistematica della letteratura scientifica in due grandi banche dati per trovare qualsiasi esperimento pubblicato che utilizzasse il compito intertemporale standard basato su computer con importi monetari e tempi di attesa chiaramente definiti. Dai oltre quattro mila risultati iniziali, hanno applicato criteri rigorosi per escludere studi che non corrispondevano al compito, non erano peer-reviewed, usavano soggetti non umani, non erano in inglese o non fornivano i dati primari. Questa scrematura ha lasciato 1.709 paper potenzialmente idonei. Per ciascuno di questi, i ricercatori hanno o individuato file di dati già aperti o contattato direttamente gli autori, inviando in ultima analisi più di 1.600 richieste formali di dati per ottenere le informazioni a livello di singolo trial.

Com’è fatto il dataset combinato

Da questo impegno, gli autori hanno ottenuto 112 dataset da 98 pubblicazioni e, dopo permessi finali e controlli di qualità, hanno rilasciato 100 dataset da 87 articoli. Ogni riga del file combinato corrisponde a un singolo trial di scelta e include ciò che è stato offerto (un importo minore-immediato e uno maggiore-differito), quale opzione è stata scelta e quanto tempo la persona ha impiegato a rispondere. Campi aggiuntivi descrivono il partecipante (come età e paese), come è stato somministrato il compito (online vs in laboratorio, se le scelte erano pagate realmente, se c’era pressione di tempo) e come i dati dovrebbero essere filtrati (per esempio, trial con valori mancanti). Tutti i dati sono forniti in formati comuni e condividono la stessa struttura di variabili, rendendo semplice per altri ricercatori analizzarli con diversi strumenti software.

Verificare i dati dietro le quinte

Poiché il dataset combina molti studi indipendenti, gli autori hanno eseguito ampi controlli tecnici per assicurarsi che i numeri siano coerenti. Hanno confrontato le dimensioni del campione e i conteggi dei trial riportati in ciascun paper con quanto effettivamente presente nei file, documentando eventuali discrepanze, e hanno ispezionato i pattern di risposte mancanti. Hanno verificato che l’opzione minore-immediata fosse effettivamente più piccola e più vicina nel tempo rispetto a quella maggiore-differita e hanno ricontattato gli autori originali quando qualcosa sembrava anomalo. Hanno anche testato se le scelte delle persone si comportassero in modo sensato — per esempio, se ricompense maggiori e attese più brevi aumentavano in genere la probabilità che un’opzione venisse scelta. Per i tempi di risposta, hanno filtrato valori impossibili, come tempi negativi o decisioni improbabilmente rapidissime o lente, ed esaminato se la maggior parte dei partecipanti mostrava il tipico andamento di molte risposte veloci e poche lente.

Una risorsa viva per futuri approfondimenti

Gli autori hanno pubblicato una snapshot statica di questo dataset su larga scala, collegata all’articolo, oltre a un database online “vivo” che continuerà a crescere man mano che altri ricercatori contribuiranno con i loro dati. Oltre al file master combinato, tutti i dataset individuali sono disponibili come download separati quando i permessi lo consentono. Sebbene gli script originali di processamento non siano condivisi in tutti i casi, i dati risultanti sono documentati e concessi in licenza per un ampio riutilizzo in lavori non commerciali. Questa risorsa apre la strada agli scienziati per testare nuovi modelli su come le persone bilanciano ricompense presenti e future, per indagare perché i risultati a volte differiscono tra contesti e gruppi, e per progettare teorie della decisione più affidabili. Per il lettore non specialistico, la conclusione chiave è che i ricercatori dispongono ora di una base condivisa e potente per comprendere perché aspettare un domani migliore può essere così difficile — e come questa difficoltà vari da persona a persona e da situazione a situazione.

Citazione: Pongratz, H., Schoemann, M. A large-scale dataset of choice and response-time data in intertemporal choice. Sci Data 13, 323 (2026). https://doi.org/10.1038/s41597-026-06947-4

Parole chiave: scelta intertemporale, discounting del ritardo, tempi di risposta, presa di decisione, dataset aperto