Dual N-Back · راهنماها
امتیاز دوگانه n-back: فرمول ها، مثال ها و ماشین حساب
ضربات، از دست دادن و هشدارهای اشتباه را در dual n-back درک کنید. فرمول های امتیازدهی را با یک مثال کار شده و یک ماشین حساب تعاملی مقایسه کنید.

در این راهنما۱۲
با یک جریان و یک قانون مقایسه شروع کنید
Dual n-back از شما می خواهد که موقعیت و صدا را جداگانه قضاوت کنید. برای هر جریان، یک هدف، آیتمی است که دقیقاً با N نوبت قبلی مطابقت دارد. یک پاسخ فشار دادن روی کنترل مربوطه در پنجره پاسخ است. همان چرخش می تواند شامل یک هدف در یک جریان، در هر دو یا در هیچ یک باشد. قبل از تفسیر درصد، مشخص کنید کدام جریان، کدام یک واجد شرایط است و کدام پنجره پاسخ را توصیف می کند. درصدی بدون قانون شمارش، اطلاعاتی را که برای تفسیر آن نیاز دارید، کنار میگذارد.
چهار نتیجه ممکن
ضربه به این معنی است که شما برای یک مسابقه واقعی فشار آورده اید. از دست دادن به معنای یک مسابقه واقعی بدون پاسخ لازم است. هشدار کاذب به این معنی است که شما زمانی که هیچ مسابقه ای در فاصله مورد نیاز وجود نداشت فشار دادید. رد صحیح به این معنی است که هیچ مسابقه ای وجود ندارد و شما فشار نداده اید. این چهار شمارش یک رکورد کامل برای مقایسه های واجد شرایط در یک جریان را تشکیل می دهند. آنها نتایج را توصیف می کنند، نه علل آنها را: یک هشدار نادرست ممکن است شامل سردرگمی در مورد N، ضربه تصادفی یا یک تصمیم نامشخص باشد. شمارش به تنهایی نمی تواند به شما بگوید که چه اتفاقی افتاده است.
یک مثال کار شده: 100 مقایسه واجد شرایط
تصور کنید یک جریان با 20 مسابقه و 80 غیر منطبق. شما 16 مسابقه را به درستی شناسایی می کنید، 4 مسابقه را از دست می دهید، 8 مسابقه را به اشتباه فشار می دهید و 72 غیر مسابقه را به درستی رها می کنید. این چهار شمارش به 100 می رسد: 16 + 4 + 8 + 72. اینها ارزش های آموزشی ابداع شده هستند، نه از کاربران یا یک هدف توصیه شده. نگه داشتن یک مثال کامل باعث می شود که ببینید چگونه یک عملکرد یکسان می تواند درصدهای متفاوتی را تولید کند بدون اینکه هیچ یک از این محاسبات از نظر حسابی اشتباه باشد.
100 مقایسه، چهار نتیجه ممکن
- بازدیدها 16
- خانم ها 4
- آلارم های کاذب 8
- ردهای صحیح 72
نرخ ضربه و نرخ هشدار کاذب از مخرج های مختلفی استفاده می کنند
نرخ ضربه تقسیم بر تمام مسابقات واقعی است: 16 / (16 + 4) = 80%. نرخ هشدار کاذب، هشدارهای کاذب تقسیم بر همه غیر منطبق است: 8 / (8 + 72) = 10%. هر دو شمارش را بر 100 تقسیم نکنید و آنها را این نرخ ها بنامید. شانزده بازدید از 100 مقایسه، نسبت تمام مقایسههایی است که به یک ضربه ختم شدهاند. یک مقدار متفاوت است. اگر هیچ تطابق واقعی وجود نداشته باشد، نرخ ضربه مخرج ندارد و تعریف نشده است. همین امر در مورد نرخ هشدار کاذب در صورتی که عدم تطابق وجود نداشته باشد، صدق می کند.
دقت کلی و دقت فعال به سوالات مختلف پاسخ می دهد
دقت کلی هر دو نوع نتیجه صحیح را محاسبه می کند: (بازدید + رد صحیح) / همه مقایسه ها. مثال (16 + 72) / 100 = 88٪ را نشان می دهد. قانون دیگری که در ماشین حساب دقت فعال نامگذاری شده است، ضربات / (بازدیدها + از دست دادن + هشدارهای نادرست) است. ردهای صحیح را حذف می کند، 16 / (16 + 4 + 8)، تقریباً 57.1٪. این معیار آماری به نام دقت نیست که مخرج آن ضربه + آلارم غلط است. قبل از مقایسه یک نتیجه نمایش داده شده با هر یک از فرمول ها، تعاریف ارائه شده توسط برنامه یا مطالعه را بررسی کنید.
چرا هرگز فشار دادن نمی تواند به طرز فریبنده ای خوب به نظر برسد
20 مسابقه و 80 غیر منطبق مثال را نگه دارید، اما تصور کنید هرگز پرس نکنید. شمارش ها به 0 ضربه، 20 از دست دادن، 0 هشدار نادرست و 80 رد صحیح تبدیل می شوند. دقت کلی 80٪ است، حتی اگر هر مسابقه از دست رفت. دقت فعال 0٪، نرخ ضربه 0٪ و نرخ هشدار کاذب 0٪ است. مثال اهمیت مخرج را نشان می دهد. این بدان معنا نیست که یک برنامه برای انجام هیچ کاری لزوماً 80٪ جایزه دریافت می کند. یک قانون امتیاز دهی حساس به هدف می تواند رفتار یکسان را کاملاً متفاوت با آن رفتار کند.
شمارش ها را بدون اشتباه گرفتن با نتیجه برنامه امتحان کنید
ماشین حساب زیر روی یک جریان کار می کند. مقادیر شروع آن مثال 100 مقایسه را بازتولید می کند. برای کاوش در چهار فرمول، شمارش را تغییر دهید، یا از مثال هرگز فشار نیاورید برای ثابت نگه داشتن تعداد اهداف در حین تغییر الگوی پاسخ استفاده کنید. نتایج با مخرج صفر بهجای تبدیل بیصدا به نمره خوب یا بد، بهصورت تعریفنشده نشان داده میشوند. این یک ابزار آموزشی است، نه واردات تاریخچه برنامه شما، بازسازی هر نسخه برنامه یا ارزیابی بالینی. مقادیر در مرورگر شما باقی می مانند.
فرمول های امتیاز دهی را بررسی کنید
یک جریان · مثال خیالی · هیچ داده ای ارسال نشده است
اگر مخرج صفر باشد، نرخ تعریف نشده است. فرمول ها و مثال کامل بدون جاوا اسکریپت قابل خواندن باقی می مانند.
قبل از ترکیب آنها موقعیت و صدا را بخوانید
هر جریانی را به طور جداگانه محاسبه کنید، زمانی که شمارش های اساسی موجود است. اگر جریانها را با هم ترکیب میکنید، تصمیم بگیرید که آیا تعداد را ادغام میکنید یا میانگین درصدها را. وقتی مخرج ها متفاوت باشند، این رویه ها می توانند متفاوت باشند. به عنوان مثال، جریانی با 9 بازدید در 10 آزمایش هدف دارای 90 درصد نرخ بازدید است، در حالی که جریانی با 1 ضربه در 2 آزمایش هدف دارای نرخ ضربه 50 درصد است. میانگین ساده آنها 70٪ است. نرخ ضربه تلفیقی آنها 10/12، تقریباً 83.3٪ است. گزارش دهید که از کدام محاسبه استفاده کرده اید. هیچ یک نباید بی صدا جایگزین دیگری شود.
نمره خوب به تنظیمات کار بستگی دارد
N، تعداد جریانهای فعال، سرعت، تعداد آزمایشهای واجد شرایط، فرکانس هدف و فرمول امتیازدهی همگی بر معنای یک امتیاز تأثیر میگذارند. نتیجه یک تنظیم متفاوت به طور خودکار بهتر یا بدتر از شما نیست. بررسی کنید که نوبتهای اولیه بدون سابقه کافی چگونه رفتار میشوند، آیا مسابقات همزمان به دو پاسخ نیاز دارند یا خیر و آیا پاسخهای از دست رفته بهطور جداگانه توسط جریان شمارش میشوند. برای مقایسه در طول زمان، این تنظیمات را تا حد عملی ثابت نگه دارید و تغییرات را به جای اینکه هر درصد را قابل تعویض تلقی کنید، ثبت کنید.
قبل از مقایسه نمرات تنظیمات را بخوانید

ضبط واقعی برنامه · سپتامبر 2026 · زبان رابط ممکن است متفاوت باشد · EN · 2026-09-06
تنوع اطلاعات است، نه یک تشخیص
یک جلسه می تواند با توجه، آشنایی با کنترل ها، وقفه ها یا سایر شرایط متفاوت باشد. یک نمره به تنهایی دلیل تغییر آن را مشخص نمی کند، و در اینجا هیچ مبنایی برای اختصاص یک اثر ثابت به خواب، کافئین یا یک روز خاص وجود ندارد. قبل از تفسیر یک روند، به چندین جلسه قابل مقایسه نگاه کنید. فلات سقف بیولوژیکی را مشخص نمی کند و نتیجه پایین تر به خودی خود از دست دادن توانایی حافظه عمومی را نشان نمی دهد. اگر یک جلسه احساس ناراحتی یا خسته کننده می کند، یک جلسه کوتاه تر یا استراحت یک گزینه عملی است تا یک استراتژی امتیازدهی تضمین شده.
آنچه را که باید در یک پرونده تمرینی ساده نگه دارید
تاریخ، N، جریانهای فعال، سرعت، تعداد آزمایشهای واجد شرایط و فرمول مورد استفاده را حفظ کنید. در صورت وجود، چهار عدد نتیجه را برای هر جریان حفظ کنید. سپس می توان نرخ ها را بدون حدس زدن مخرج آنها دوباره محاسبه کرد. اگر به شما کمک میکند جلسه را بعداً تفسیر کنید، یادداشت کوتاهی درباره وقفه یا تغییر تنظیمات اضافه کنید. بهترین عملکرد شخصی می تواند انگیزه بخش باشد، اما با یک نتیجه معمولی یکسان نیست. چند رکورد قابل مقایسه نسبت به مجموعه ای از درصدها بدون شرح کار آموزنده تر هستند.
پیگیری پیشرفت dual n-back: گزارش جلسه عملیچه چیزی این اعداد می توانند و نمی توانند تعیین کنند
این نمرات پاسخ به یک کار خاص را تحت قوانین خاص توصیف می کنند. بهبود در آن کار به خودی خود افزایش اندازه گیری شده در IQ یا اثبات عملکرد بهتر در مدرسه یا محل کار نیست. راهنمای تحقیق تمایز بین دستاوردهای تمرین و انتقال به نتایج دیگر را توضیح می دهد. از نمرات برای درک پاسخ های خود و قوانین تمرین استفاده کنید. برای نتیجه واقعی جلسه خود، به تعاریف و تفکیک هر جریان نشان داده شده توسط برنامه مراجعه کنید. ماشین حساب برای شفاف سازی محاسبات وجود دارد.
آیا تمرین dual n-back مؤثر است؟ شواهد واقعی چه میگویندسوالات
هشدار کاذب در n-back چیست؟
پاسخی است که وقتی هیچ تطابقی در فاصله مورد نیاز N-back رخ نداده است، داده میشود. این یک نتیجه را توصیف میکند؛ تنها شمارش نمیتواند تعیین کند که آیا علت حدس زدن، اشتباه یا لمس تصادفی بوده است.
چرا همان جلسه میتواند ۸۸٪ و ۵۷.۱٪ را نشان دهد؟
فرمولها میتوانند مخرجهای متفاوتی داشته باشند. در مثال انجام شده، دقت کلی برابر است با (۱۶ + ۷۲) / ۱۰۰ = ۸۸٪، در حالی که دقت فعال برابر است با ۱۶ / (۱۶ + ۴ + ۸)، که تقریباً ۵۷.۱٪ است.
آیا ماشین حساب نمره برنامه من را بازتولید میکند؟
این، چهار فرمول صریح برای یک رشته را نشان میدهد. نتیجه برنامه شما ممکن است از قوانین صلاحیت متفاوت یا ترکیب چندین رشته استفاده کند. قبل از مقایسه، تعاریف برنامه را بررسی کنید.
وقتی مخرج صفر است چه اتفاقی میافتد؟
آن نرخ تعریف نشده است. ماشین حساب به جای در نظر گرفتن مشاهدات گمشده به عنوان عملکرد کامل یا ناموفق، نتیجهای تعریفنشده نشان میدهد.
در ادامه مطلب
- Kane et al. (2007), Working memory, attention control, and the n-back task, Journal of Experimental Psychology: Learning, Memory, and Cognition
- Cowan (2010), The Magical Mystery Four: How is working memory capacity limited, and why?, Current Directions in Psychological Science
- scikit-learn documentation — classification metrics and confusion matrices (mathematical definitions)



