N-Back Memory Training

Ενισχύστε τη μνήμη IQ & της εργασίας σας με τη διπλή εργασία n-back, υποστηριζόμενη από την επιστήμη

Η έρευνα υποδηλώνει ότι η εκπαίδευση n-back μπορεί να οδηγήσει σε κέρδη στην ευφυή νοημοσύνη (IQ) και την ικανότητα μνήμης εργασίας (Soveri et al., 2017).

Εάν βαθμολογείτε την εκπαίδευση N-Back Memory λιγότερο από πέντε αστέρια, παρακαλώ αφήστε ένα σχόλιο για να μπορέσω να απαντήσω στις ανησυχίες σας. Αξιολογώ πραγματικά τα σχόλιά σας.

Οδηγίες:
Το αντικείμενο του παιχνιδιού είναι να κρατάτε διάφορα αντικείμενα στη μνήμη εργασίας σας και να ενημερώνετε ενεργά αυτά τα αντικείμενα καθώς το παιχνίδι εξελίσσεται. Με κάθε νέα δοκιμή, πατήστε το κουμπί αντιστοίχισης αν το τρέχον στοιχείο ταιριάζει με το στοιχείο που εμφανίστηκε σε δεδομένο αριθμό δοκιμών στο παρελθόν. Ο όρος "n-back" δηλώνει πόσες δοκιμές ( n ) στο παρελθόν πρέπει να θυμάστε. Από προεπιλογή, θα ξεκινήσετε σε 2-πλάτη, οπότε πατήστε το κουμπί αντιστοίχισης αν το τρέχον στοιχείο αντιστοιχεί στο στοιχείο που συνέβη 2 δοκιμές στο παρελθόν. Για μια απλή επίδειξη για το πώς μπορείτε να παίξετε ένα single 2-back, δείτε αυτό το βίντεο: https://www.youtube.com/watch?v=qSPOjA2rR0M.

Επιλογές:
Η N-Back Memory Training σας επιτρέπει να επιλέξετε από ένα διαφορετικό σύνολο αντικειμένων που θα αποθηκευτούν στη μνήμη εργασίας:
• τη θέση ενός τετραγώνου σε ένα πλέγμα 3 x 3
• ήχοι (γράμματα, αριθμοί ή σημειώσεις πιάνο)
• εικόνες (σχήματα, εθνικές σημαίες, αθλητικός εξοπλισμός)
• χρώματα

Από προεπιλογή, η εφαρμογή ξεκινά με διπλό n-back, χρησιμοποιώντας θέσεις και ήχους (γράμματα). Το "διπλό" στο διπλό n-back υποδηλώνει απλώς πόσα διαφορετικά είδη αντικειμένων θα πρέπει να θυμάστε. Μπορείτε να επιλέξετε οποιονδήποτε συνδυασμό των τύπων στοιχείων, από απλό n-back έως quad n-back.

Παρακολούθηση της εξέλιξης και ανταγωνισμός με άλλους χρήστες:
Παρακολουθήστε την καθημερινή πρόοδο χρησιμοποιώντας προσαρμόσιμα, διαδραστικά γραφήματα. Μπορείτε επίσης να συγκρίνετε τα υψηλά αποτελέσματά σας σε άλλους χρήστες σε όλο τον κόσμο σε πραγματικό χρόνο με λειτουργία Premium (η αναβάθμιση είναι διαθέσιμη μέσα στην εφαρμογή).

Βαθμολογία:
Η N-Back Memory Training μετράει την ακρίβεια της μνήμης εργασίας χρησιμοποιώντας τον δείκτη διάκρισης A 'από τη θεωρία ανίχνευσης σημάτων (Stanislaw & Todorov, 1999). A 'κυμαίνεται γενικά από 0,5 (τυχαία εικασία) έως 1,0 (τέλεια ακρίβεια). Ένα σκορ A '> = 0.90 σας προωθεί στο επόμενο επίπεδο και ένα σκορ A' <= 0.75 έχει ως αποτέλεσμα την εφεδρεία στο προηγούμενο επίπεδο n-back (μετά από μία περίοδο χάριτος). Αυτές οι ρυθμίσεις μπορούν να αλλάξουν στη χειροκίνητη λειτουργία. Για την παρακολούθηση της προόδου σας, το Α 'συνδυάζεται με το τρέχον επίπεδο n-back έτσι ώστε οι βαθμολογίες να κυμαίνονται +/- 0,5 γύρω από το n-back επίπεδο. Για παράδειγμα, σε 2-πλάτη, μια ακρίβεια Α '= 1 θα αποδώσει ένα σκορ 2,5, ενώ Α' = 0,5 θα αποδώσει ένα σκορ 1,5.

Λεπτομέρειες:
(H-F) * ((H-F) ^ 2 + abs (H-F)) / (4 * max (H, F)

που
Hit Rate (H) = επιτυχίες / # δοκιμές σήματος
False-positive Rate (F) = ψευδείς θετικές δοκιμές

βλέπε Stanislaw & Todorov (1999)

Δοκιμασίες Lure:
Μέσα στις Ρυθμίσεις, μπορείτε να ελέγξετε το ποσοστό των δοκιμαστικών παραδόσεων, οι οποίες δυσχεραίνουν την εργασία. Δοκιμές Lure παρουσιάζουν ερεθίσματα που συνέβησαν n-back συν ή πλην μιας δοκιμής. Δηλαδή, αντισταθμίζονται μία δοκιμή από τη δοκιμή-στόχο (n-back).

Προσαρμογή:
Εάν θέλετε να αλλάξετε την ταχύτητα του παιχνιδιού, τον αριθμό των δοκιμών ή οτιδήποτε άλλο, απλώς πηγαίνετε στο Settings> Select Mode> Manual Mode. Από εκεί, μπορείτε να προσαρμόσετε σχεδόν οτιδήποτε. Μπορείτε επίσης να προσαρμόσετε την εμφάνιση της εφαρμογής, δημιουργώντας το δικό σας προσαρμοσμένο φόντο χρησιμοποιώντας κλίση χρώματος. Μπορείτε να βρείτε αυτές τις επιλογές προς το κάτω μέρος του μενού Ρυθμίσεις.

Στείλτε σχόλια, ερωτήσεις ή ανησυχίες στο [email protected].
Ευχαριστώ που έπαιξες!
Ε. Α. L.

---
Αναφορές

Soveri, Α., Antolfk, J., Karlsson, L., Salo, Β., & Laine, Μ. (2017). Εκπαίδευση μνήμης εργασίας επανεξετασθεί: Μια μετα-ανάλυση πολλαπλών επιπέδων των n-back εκπαιδευτικών μελετών. Ψυχονομικό δελτίο και επισκόπηση , 24 (4), 1077-1096.

Stanislaw, Η., & Todorov, Ν. (1999). Υπολογισμός των μέτρων θεωρητικής ανίχνευσης σήματος. Μέθοδοι έρευνας για τη συμπεριφορά, όργανα και υπολογιστές , 31 (1), 137-149.

Πιστωτική εικόνα φόντου εντός εφαρμογής: Réseau de neurones. Αν λοιπόν αλλού / Wikimedia, CC BY-SA