# Kaksinkertainen n-back-pisteytys: kaavat, esimerkit ja laskin

Canonical: https://romeoapps.app/fi/dual-n-back/dual-n-back-scoring/
Author: Roméo Gambino · Published: 2026-09-07 · Updated: 2026-09-08 · App: Dual N-Back (https://romeoapps.app/fi/dual-n-back/)

Ymmärrä osumia, ohituksia ja vääriä hälytyksiä kohdassa dual n-back. Vertaa pisteytyskaavoja toimivaan esimerkkiin ja interaktiiviseen laskimeen.

## Aloita yhdellä streamilla ja yhdellä vertailusäännöllä

Dual n-back pyytää sinua arvioimaan sijainnin ja äänen erikseen. Jokaisen virran kohde on esine, joka vastaa täsmälleen N kierrosta aikaisemmin. Vastaus on vastaavan säätimen painallus vastausikkunassa. Sama vuoro voi sisältää kohteen yhdessä virrassa, molemmissa tai ei kummassakaan. Ennen kuin tulkitset prosenttiosuutta, selvitä, mikä virta, mitkä kelvolliset käännökset ja mitä vastausikkunaa se kuvaa. Prosenttiosuus ilman sen laskentasääntöä jättää huomiotta sen tulkitsemiseen tarvittavat tiedot.


## Neljä mahdollista tulosta

Osuma tarkoittaa, että painoit todellista ottelua. Puuttuminen tarkoittaa, että oikea ottelu on ohitettu ilman vaadittua vastausta. Väärä hälytys tarkoittaa, että painoit, kun tarvittavalla etäisyydellä ei löytynyt ottelua. Oikea hylkäys tarkoittaa, että ottelua ei löytynyt etkä painanut. Nämä neljä lukua muodostavat täydellisen tietueen kelvollisista vertailuista yhdessä streamissa. Ne kuvaavat tuloksia, eivät niiden syitä: väärä hälytys voi sisältää hämmennystä N:stä, vahingossa tapahtuvan napautuksen tai epävarman päätöksen. Laskuri ei voi yksin kertoa, mitä tapahtui.


## Toiminut esimerkki: 100 kelvollista vertailua

Kuvittele yksi stream, jossa on 20 ottelua ja 80 ei-osumaa. Tunnistat oikein 16 osumaa, jätät 4 väliin, painat väärin 8 ei-osumaa ja jätät oikein 72 ei-osumaa. Neljä lukua ovat 100: 16 + 4 + 8 + 72. Nämä ovat keksittyjä opetusarvoja, eivät käyttäjien tuloksia tai suositeltua tavoitetta. Täydellisen esimerkin pitäminen helpottaa sen näkemistä, kuinka sama suorituskyky voi tuottaa erilaisia ​​prosenttiosuuksia ilman, että kumpikaan laskelma on aritmeettisesti väärä.

### 100 vertailua, neljä mahdollista tulosta

Kuvitteellinen esimerkki yhdestä streamista: 16 osumaa, 4 ohitusta, 8 väärää hälytystä ja 72 oikeaa hylkäämistä. Jokainen neliö edustaa yhtä vertailua. Väriryhmän tulokset; ne eivät näytä todellisen istunnon järjestystä. Korkea yleinen tarkkuus voi piilottaa ohitetut tavoitteet: katso aina erillisiä laskelmia.


## Osumaprosentti ja väärien hälytysten määrä käyttävät eri nimittäjiä

Osumaprosentti on osumat jaettuna kaikilla todellisilla osumilla: 16 / (16 + 4) = 80%. Väärien hälytysten määrä on väärät hälytykset jaettuna kaikella ei-osumalla: 8 / (8 + 72) = 10%. Älä jaa molempia lukuja 100:lla ja kutsu niitä näiksi korkoiksi. Kuusitoista osumaa 100 vertailusta on osumaan päättyneiden vertailujen osuus; se on eri määrä. Jos todellisia osumia ei ollut, osumaprosentilla ei ole nimittäjää ja se on määrittelemätön. Sama pätee väärien hälytysten määrään, jos ei ole osumia.


## Yleinen tarkkuus ja aktiivinen tarkkuus vastaavat eri kysymyksiin

Kokonaistarkkuus laskee molemmat oikeat tulokset: (osumat + oikeat hylkäykset) / kaikki vertailut. Esimerkki antaa (16 + 72) / 100 = 88 %. Toinen sääntö, joka on merkitty aktiiviseksi tarkkuudella laskimessa, on osuma / (osumat + ohitukset + väärät hälytykset). Se sulkee pois oikeat hylkäykset ja antaa 16 / (16 + 4 + 8), noin 57,1%. Tämä ei ole tarkkuus-niminen tilastollinen mittari, jonka nimittäjä on osumat + väärät hälytykset. Tarkista sovelluksen tai tutkimuksen toimittamat määritelmät ennen kuin vertaat näytettyä tulosta jompaankumpaan kaavaan.


## Miksei koskaan painaminen voi näyttää petollisen hyvältä

Säilytä esimerkin 20 osumaa ja 80 ei-osumaa, mutta kuvittele, ettet koskaan paina. Lukemista tulee 0 osumaa, 20 ohitusta, 0 vääriä hälytyksiä ja 80 oikeaa hylkäämistä. Kokonaistarkkuus on 80%, vaikka jokainen ottelu jäi väliin. Aktiivinen tarkkuus on 0 %, osumaprosentti on 0 % ja väärien hälytysten osuus 0 %. Esimerkki osoittaa nimittäjän tärkeyden; se ei tarkoita, että sovellus välttämättä palkitsee 80 % siitä, ettei tee mitään. Kohdeherkkä pisteytyssääntö voi käsitellä samaa käyttäytymistä aivan eri tavalla.


## Kokeile laskelmia sekoittamatta niitä sovellustulokseen

Alla oleva laskin toimii yhdellä streamilla. Sen aloitusarvot toistavat 100-vertailuesimerkin. Muuta laskentaa tutkiaksesi neljää kaavaa tai käytä Älä paina -esimerkkiä pitääksesi kohteiden määrän vakiona samalla, kun muutat vastemallia. Nollanimittäjätulokset näytetään määrittelemättöminä sen sijaan, että ne muunnetaan äänettömästi hyviksi tai huonoiksi arvoiksi. Tämä on opetustyökalu, ei sovellushistoriasi tuonti, jokaisen sovellusversion rekonstruktio tai kliininen arviointi. Arvot pysyvät selaimessasi.


## Lue sijainti ja ääni ennen niiden yhdistämistä

Laske jokainen stream erikseen, kun taustalla olevat määrät ovat saatavilla. Jos yhdistät streameja, päätä, yhdistätkö laskelmat vai keskimääräiset prosenttiosuudet. Nämä menettelyt voivat vaihdella, jos nimittäjät eroavat toisistaan. Esimerkiksi striimin, jossa on 9 osumaa 10 kohdekokeessa, osumaprosentti on 90 %, kun taas toisen, jolla on 1 osuma kahdessa kohdekokeessa, osumaprosentti on 50 %. Niiden yksinkertainen keskiarvo on 70 %; heidän yhteenlaskettu osumaprosentti on 10/12, noin 83,3 %. Ilmoita, mitä laskelmaa käytit. Kumpaakaan ei pitäisi hiljaa korvata toisella.


## Hyvä pistemäärä riippuu tehtävän asetuksista

N, aktiivisten suoratoistojen määrä, vauhti, kelvollisten kokeiden määrä, tavoitetaajuus ja pisteytyskaava vaikuttavat kaikki pisteiden merkitykseen. Tulos eri asetuksista ei ole automaattisesti parempi tai huonompi kuin sinun. Tarkista, kuinka alkukierrokset, joilla ei ole tarpeeksi historiaa, käsitellään, tarvitsevatko samanaikaiset ottelut kaksi vastausta ja lasketaanko jääneet vastaukset erikseen striimin mukaan. Ajan mittaa vertailua varten pidä asetukset mahdollisimman johdonmukaisina ja tallenna muutokset sen sijaan, että käsittelet jokaista prosenttiyksikköä keskenään vaihdettavissa olevina.

### Lue asetukset ennen pisteiden vertailua

Tässä kaapatussa asetusnäytössä: 1 vaihtaa äänitilaa; 2 muuttaa välitöntä palautetta; 3 valitsee N-tason; 4 valitsee kierrosten määrän. Vertaa tuloksia vasta näiden ehtojen tarkistamisen jälkeen. Saatavilla olevat tasot ja tunnisteet voivat vaihdella sovellusversion ja ostotilan mukaan.

![Englanninkieliset sovellusasetukset: Ei ääntä, välitön palaute, N-taso ja kierrokset.](https://romeoapps.app/assets/dnb-settings-capture-2026-09.png)
Todellinen sovelluskaappaus · Syyskuu 2026 · Käyttöliittymän kieli voi vaihdella · EN · 2026-09-06

[Dual N-Back asetukset kohdassa iPhone: ääni, palaute ja tasot](https://romeoapps.app/fi/dual-n-back/dual-n-back-settings-iphone/)

## Vaihtuvuus on tietoa, ei diagnoosia

Istunto voi vaihdella huomion, säätimiin perehtymisen, keskeytysten tai muiden olosuhteiden mukaan. Pelkästään pistemäärä ei kerro miksi se muuttui, eikä tässä ole mitään perustetta määrittää kiinteää vaikutusta unelle, kofeiinille tai tietylle päivälle. Katso useita vertailukelpoisia istuntoja ennen trendin tulkintaa. Tasanne ei tunnista biologista kattoa, eikä pienempi tulos sinänsä osoita yleisen muistikyvyn menetystä. Jos istunto tuntuu epämukavalta tai turhauttavalta, lyhyempi istunto tai tauko on käytännöllinen vaihtoehto taatun pisteytysstrategian sijaan.


## Mitä pitää säilyttää yksinkertaisessa harjoituskirjassa

Säilytä päivämäärä, N, aktiiviset streamit, vauhti, kelvollinen kokeilumäärä ja käytetty kaava. Säilytä neljä tuloslaskuria jokaiselle streamille, jos mahdollista. hinnat voidaan sitten laskea uudelleen arvaamatta niiden nimittäjiä. Lisää lyhyt huomautus keskeytyksestä tai asetusmuutoksesta, jos se auttaa sinua tulkitsemaan istunnon myöhemmin. Henkilökohtainen ennätys voi olla motivoiva, mutta se ei ole sama kuin tyypillinen tulos. Muutamat vertailukelpoiset tietueet ovat informatiivisempia kuin prosenttiosuuksien kokoelma ilman tehtävän kuvausta.

[Seuraa dual n-back edistymistä: käytännön istuntoloki](https://romeoapps.app/fi/dual-n-back/dual-n-back-progress-log/)

## Mitä nämä luvut voivat määrittää ja mitä eivät

Nämä pisteet kuvaavat vastauksia tiettyyn tehtävään tiettyjen sääntöjen mukaisesti. Tehtävän parantaminen ei sinänsä ole mitattu älykkyysosamäärän nousu tai todiste paremmasta suorituksesta koulussa tai työssä. Tutkimusopas selittää eron käytännön hyötyjen ja muihin tuloksiin siirtymisen välillä. Käytä pisteitä ymmärtääksesi vastauksesi ja harjoituksen säännöt. Katso todelliset istunnon tulokset sovelluksen määritelmistä ja stream-kohtaisesta erittelystä. Laskin on olemassa tekemään aritmeettisesta läpinäkyvästä.

[Toimiiko dual n-back koulutus? Mitä todisteet todella sanovat](https://romeoapps.app/fi/dual-n-back/does-dual-n-back-work/)

## Kysymyksiä

### Mikä on väärä hälytys kohdassa n-back?

Vastaus, kun vaaditulla N-back etäisyydellä ei löytynyt ottelua. Se kuvaa tulosta; pelkkä laskelma ei pysty selvittämään, oliko syy arvailu, hämmennys vai tahaton napauttaminen.

### Miksi sama istunto voi näyttää 88 % ja 57,1 %?

Kaavoissa voidaan käyttää erilaisia ​​nimittäjiä. Työstetyssä esimerkissä kokonaistarkkuus on (16 + 72) / 100 = 88%, kun taas aktiivinen tarkkuus on 16 / (16 + 4 + 8), noin 57,1%.

### Toistaako laskin sovellukseni tulokset?

Se havainnollistaa neljä eksplisiittistä kaavaa yhdelle streamille. Näkyvä sovellustulos voi käyttää erilaisia ​​kelpoisuussääntöjä tai yhdistää useita striimejä. Tarkista sovelluksen määritelmät ennen vertailua.

### Mitä tapahtuu, kun nimittäjä on nolla?

Korko on määrittelemätön. Laskin näyttää määrittelemättömän tuloksen sen sijaan, että se käsittelisi puuttuvia havaintoja täydellisenä tai epäonnistuneena suorituksena.

## Lue lisää

- Kane et al. (2007), Working memory, attention control, and the n-back task, Journal of Experimental Psychology: Learning, Memory, and Cognition — https://doi.org/10.1037/0278-7393.33.3.615
- Cowan (2010), The Magical Mystery Four: How is working memory capacity limited, and why?, Current Directions in Psychological Science — https://doi.org/10.1177/0963721409359277
- scikit-learn documentation — classification metrics and confusion matrices (mathematical definitions) — https://scikit-learn.org/stable/modules/model_evaluation.html#classification-metrics