使用实际的努力来实现昂贵的活动，增加了在现实生活中驱动努力提供的动机转移到实验室的可能性。然而，在实际工作成本方面，受试者之间未观察到的差异使定量预测存在问题。在本文中，我们提出了滑块任务，它是我们设计的，以克服实际努力任务的缺点。滑块任务允许研究人员在很短的时间内收集同一对象对努力提供的精确和重复的观察。由此产生的高质量面板数据允许复杂的统计分析。我们用两种方式来说明这些优点。首先，我们展示了如何使用来自滑块任务的面板数据，通过控制持久的未观察到的异质性来提高精度。其次，我们展示了如何通过在滑块任务重复过程中利用受试者内部激励差异来估计受试者水平上的努力成本。我们还提供z-Tree代码和实际指导，以帮助研究人员实现滑块任务。