Lacak kemajuan dual n-back: log sesi praktis

Catat kondisinya sebelum menilai skor

Log dual n-back yang berguna mencatat apa yang Anda latih, bukan hanya persentase terbaik Anda. Tulis tanggal, mode tugas, level N, durasi sesi, aturan penilaian, dan hasil. Tambahkan catatan singkat tentang gangguan atau pergantian perangkat. Jaga agar formatnya cukup kecil untuk diisi setelah sesi. Panduan ini mengusulkan metode pengorganisasian pribadi, bukan penilaian kognitif yang divalidasi atau program pelatihan yang diperlukan.

Gunakan satu baris untuk setiap blok yang sebanding

Jika level berubah selama sesi, pisahkan blok ketika informasi tersebut tersedia. Jika tidak, beri label hasil sebagai sesi tingkat campuran daripada menugaskannya ke N tertinggi yang dicapai. Anda dapat menyimpan log di buku catatan atau spreadsheet. Catat hanya informasi yang sebenarnya ditampilkan aplikasi Anda; biarkan nilai yang tidak tersedia kosong alih-alih menciptakannya.

Contoh: sebuah rekor tidak selalu menjadi tren

Tabel berisi hasil penemuan, bukan data pengguna. Kedua sesi adalah blok ganda 2-back dengan 100 keputusan yang dicetak, 20 di antaranya adalah pertandingan, menggunakan waktu dan konvensi penilaian yang sama. Sesi kedua memiliki lebih banyak deteksi yang benar tetapi juga lebih banyak alarm palsu. Oleh karena itu, ia lebih responsif terhadap kecocokan tanpa mencapai akurasi keseluruhan yang lebih tinggi. Satu persentase saja akan menyembunyikan perubahan pola respons tersebut.

Pisahkan kesalahan dari alarm palsu

Meleset berarti kecocokan sesungguhnya tidak terdeteksi; alarm palsu berarti Anda memberi sinyal kecocokan padahal sebenarnya tidak ada. Dalam contoh ini, sesi A mendeteksi 16 dari 20 kecocokan: 80%. Sesi B mendeteksi 18 dari 20: 90%. Namun alarm palsu meningkat dari 4 dari 80 ketidakcocokan (5%) menjadi 8 dari 80 (10%). Akurasi keseluruhan adalah 92% untuk A dan 90% untuk B. Baik jumlah penekanan tombol maupun tingkat hit yang lebih tinggi saja tidak dapat merangkum keseluruhan kinerja.

Pertahankan tingkat campuran dan rata-rata yang jujur

Jangan bandingkan personal best di N=3 dengan rata-rata di N=2 seolah-olah hanya keahlian Anda yang berubah. Simpan ringkasan terpisah untuk setiap mode dan level. Jika Anda menggabungkan blok, pertahankan jumlah keputusan yang dicetak: rata-rata dua persentase akan memberikan bobot yang sama pada setiap blok meskipun ada yang lebih panjang. Gunakan perhitungan yang sama dari satu ulasan ke ulasan berikutnya, dan tuliskan perubahan apa pun.

Tinjauan mingguan singkat

Pilih momen reguler untuk membaca ulang sesi serupa. Ajukan tiga pertanyaan: apakah saya menyelesaikan latihan yang direncanakan, kesalahan mana yang berulang, dan apakah saya mengubah pengaturan? Jika Anda menghitung median, urutkan skor yang sebanding dan ambil nilai tengahnya, atau rata-rata dari dua nilai tengah untuk penghitungan genap. Pertahankan semua sesi, termasuk sesi yang mengecewakan. Catatan pribadi dapat mengungkap pola yang perlu diselidiki, namun beberapa pengamatan tidak dapat menentukan penyebabnya.

Apa yang harus dilakukan jika hasilnya berhenti meningkat

Pertama, periksa apakah sesi dual n-back itu benar-benar menggunakan level, kecepatan, dan sistem penilaian yang sama. Lalu baca catatan kesalahan. Tinjau kembali aturan perbandingan jika banyak target terlewat, atau periksa apakah Anda menanggapi isyarat yang terasa akrab, bukan kecocokan yang tepat, jika banyak alarm palsu. Jika memungkinkan, ubah satu pengaturan saja setiap kali. Stagnasi menggambarkan hasil terakhir, bukan diagnosis atau bukti bahwa Anda memerlukan dosis latihan tertentu.

Apa yang bisa dan tidak bisa ditampilkan oleh log

Log mendokumentasikan kinerja tugas dalam kondisi yang Anda catat. Ini tidak menunjukkan peningkatan IQ atau peningkatan dalam belajar, bekerja atau ingatan sehari-hari. Penelitian tentang pelatihan n-back membedakan perolehan pada tugas yang dipraktikkan dari transfer ke tugas yang berbeda. Gunakan hasil sesi aplikasi sebagai titik awal, panduan penilaian untuk definisi, dan panduan bukti untuk batasan klaim yang lebih luas.

Bacaan lanjutan

• scikit-learn documentation — classification metrics and confusion matrices (mathematical definitions)
• Holmes, Woolgar, Hampshire & Gathercole (2019), Are Working Memory Training Effects Paradigm-Specific?