# dual n-back ಪ್ರಗತಿಯನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡಿ: ಪ್ರಾಯೋಗಿಕ ಸೆಶನ್ ಲಾಗ್

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

ಮಟ್ಟಗಳು, ನಿಖರತೆ ಮತ್ತು ದೋಷಗಳನ್ನು ತಕ್ಕಮಟ್ಟಿಗೆ ಹೋಲಿಸಲು ಸರಳ dual n-back ಸೆಶನ್ ಲಾಗ್ ಅನ್ನು ಬಳಸಿ. ಕಾಲ್ಪನಿಕ ಕೆಲಸದ ಉದಾಹರಣೆ ಮತ್ತು ಸಾಪ್ತಾಹಿಕ ವಿಮರ್ಶೆ ವಿಧಾನವನ್ನು ಒಳಗೊಂಡಿದೆ.

## ಸ್ಕೋರ್ ಅನ್ನು ನಿರ್ಣಯಿಸುವ ಮೊದಲು ಷರತ್ತುಗಳನ್ನು ಲಾಗ್ ಮಾಡಿ

ಉಪಯುಕ್ತ dual n-back ಲಾಗ್ ನೀವು ಅಭ್ಯಾಸ ಮಾಡಿದ್ದನ್ನು ದಾಖಲಿಸುತ್ತದೆ, ನಿಮ್ಮ ಉತ್ತಮ ಶೇಕಡಾವಾರು ಮಾತ್ರವಲ್ಲ. ದಿನಾಂಕ, ಕಾರ್ಯ ಕ್ರಮ, N ಮಟ್ಟ, ಅವಧಿಯ ಅವಧಿ, ಸ್ಕೋರಿಂಗ್ ನಿಯಮ ಮತ್ತು ಫಲಿತಾಂಶವನ್ನು ಬರೆಯಿರಿ. ಅಡಚಣೆಗಳು ಅಥವಾ ಸಾಧನದ ಬದಲಾವಣೆಯ ಕುರಿತು ಕಿರು ಟಿಪ್ಪಣಿಯನ್ನು ಸೇರಿಸಿ. ಅಧಿವೇಶನದ ನಂತರ ಭರ್ತಿ ಮಾಡಲು ಸಾಕಷ್ಟು ಚಿಕ್ಕದಾದ ಸ್ವರೂಪವನ್ನು ಇರಿಸಿ. ಈ ಮಾರ್ಗದರ್ಶಿ ವೈಯಕ್ತಿಕ ಸಂಸ್ಥೆಯ ವಿಧಾನವನ್ನು ಪ್ರಸ್ತಾಪಿಸುತ್ತದೆ, ಮೌಲ್ಯೀಕರಿಸಿದ ಅರಿವಿನ ಮೌಲ್ಯಮಾಪನ ಅಥವಾ ಅಗತ್ಯವಿರುವ ತರಬೇತಿ ಕಾರ್ಯಕ್ರಮವಲ್ಲ.


## ಪ್ರತಿ ಹೋಲಿಸಬಹುದಾದ ಬ್ಲಾಕ್‌ಗೆ ಒಂದು ಸಾಲನ್ನು ಬಳಸಿ

ಅಧಿವೇಶನದಲ್ಲಿ ಮಟ್ಟವು ಬದಲಾದರೆ, ಆ ಮಾಹಿತಿಯು ಲಭ್ಯವಿರುವಾಗ ಬ್ಲಾಕ್‌ಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಿ. ಇಲ್ಲದಿದ್ದರೆ ಫಲಿತಾಂಶವನ್ನು ಹೆಚ್ಚಿನ N ತಲುಪುವ ಬದಲು ಮಿಶ್ರ-ಮಟ್ಟದ ಸೆಷನ್ ಎಂದು ಲೇಬಲ್ ಮಾಡಿ. ನೀವು ಲಾಗ್ ಅನ್ನು ನೋಟ್ಬುಕ್ ಅಥವಾ ಸ್ಪ್ರೆಡ್ಶೀಟ್ನಲ್ಲಿ ಇರಿಸಬಹುದು. ನಿಮ್ಮ ಅಪ್ಲಿಕೇಶನ್ ನಿಜವಾಗಿ ತೋರಿಸುವ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ರೆಕಾರ್ಡ್ ಮಾಡಿ; ಲಭ್ಯವಿಲ್ಲದ ಮೌಲ್ಯಗಳನ್ನು ಆವಿಷ್ಕರಿಸುವ ಬದಲು ಖಾಲಿ ಬಿಡಿ.


## ಉದಾಹರಣೆ: ದಾಖಲೆ ಯಾವಾಗಲೂ ಪ್ರವೃತ್ತಿಯಲ್ಲ

ಟೇಬಲ್ ಕಂಡುಹಿಡಿದ ಫಲಿತಾಂಶಗಳನ್ನು ಹೊಂದಿದೆ, ಬಳಕೆದಾರರ ಡೇಟಾ ಅಲ್ಲ. ಎರಡೂ ಸೆಷನ್‌ಗಳು 100 ಸ್ಕೋರ್ ನಿರ್ಧಾರಗಳೊಂದಿಗೆ ಡ್ಯುಯಲ್ 2-back ಬ್ಲಾಕ್‌ಗಳಾಗಿವೆ, ಅವುಗಳಲ್ಲಿ 20 ಪಂದ್ಯಗಳು, ಒಂದೇ ಸಮಯ ಮತ್ತು ಸ್ಕೋರಿಂಗ್ ಸಂಪ್ರದಾಯವನ್ನು ಬಳಸುತ್ತವೆ. ಎರಡನೇ ಸೆಷನ್ ಹೆಚ್ಚು ಸರಿಯಾದ ಪತ್ತೆಗಳನ್ನು ಹೊಂದಿದೆ ಆದರೆ ಹೆಚ್ಚು ತಪ್ಪು ಎಚ್ಚರಿಕೆಗಳನ್ನು ಹೊಂದಿದೆ. ಆದ್ದರಿಂದ ಇದು ಹೆಚ್ಚಿನ ಒಟ್ಟಾರೆ ನಿಖರತೆಯನ್ನು ಸಾಧಿಸದೆಯೇ ಪಂದ್ಯಗಳಿಗೆ ಹೆಚ್ಚು ಸ್ಪಂದಿಸುತ್ತದೆ. ಕೇವಲ ಒಂದು ಶೇಕಡಾವಾರು ಮಾತ್ರ ಪ್ರತಿಕ್ರಿಯೆ ಮಾದರಿಯಲ್ಲಿ ಬದಲಾವಣೆಯನ್ನು ಮರೆಮಾಡುತ್ತದೆ.


## ತಪ್ಪು ಎಚ್ಚರಿಕೆಗಳಿಂದ ಪ್ರತ್ಯೇಕ ಮಿಸ್‌ಗಳು

ಮಿಸ್ ಎಂದರೆ ನಿಜವಾದ ಹೊಂದಾಣಿಕೆ ಪತ್ತೆಯಾಗಿಲ್ಲ; ತಪ್ಪು ಎಚ್ಚರಿಕೆ ಎಂದರೆ ನೀವು ಯಾವುದೂ ಇಲ್ಲದಿದ್ದಾಗ ಹೊಂದಾಣಿಕೆಯನ್ನು ಸೂಚಿಸಿದ್ದೀರಿ ಎಂದರ್ಥ. ಉದಾಹರಣೆಯಲ್ಲಿ, ಸೆಷನ್ A 20 ಪಂದ್ಯಗಳಲ್ಲಿ 16 ಅನ್ನು ಪತ್ತೆ ಮಾಡುತ್ತದೆ: 80%. ಸೆಷನ್ ಬಿ 18 ರಲ್ಲಿ 20: 90% ಅನ್ನು ಪತ್ತೆ ಮಾಡುತ್ತದೆ. ಆದರೆ ತಪ್ಪು ಅಲಾರಮ್‌ಗಳು 4 ರಲ್ಲಿ 80 ಪಂದ್ಯಗಳಲ್ಲದ (5%) ರಿಂದ 80 ರಲ್ಲಿ 8 ಕ್ಕೆ (10%) ಏರುತ್ತದೆ. ಒಟ್ಟಾರೆ ನಿಖರತೆಯು A ಗೆ 92% ಮತ್ತು B ಗೆ 90% ಆಗಿದೆ. ಬಟನ್ ಪ್ರೆಸ್‌ಗಳ ಸಂಖ್ಯೆ ಅಥವಾ ಹೆಚ್ಚಿನ ಹಿಟ್ ರೇಟ್ ಮಾತ್ರ ಇಡೀ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸಾರಾಂಶಗೊಳಿಸುವುದಿಲ್ಲ.

[ಡ್ಯುಯಲ್ n-back ಸ್ಕೋರಿಂಗ್: ಸೂತ್ರಗಳು, ಉದಾಹರಣೆಗಳು ಮತ್ತು ಕ್ಯಾಲ್ಕುಲೇಟರ್](https://romeoapps.app/kn/dual-n-back/dual-n-back-scoring/)

## ಮಿಶ್ರ ಮಟ್ಟಗಳು ಮತ್ತು ಸರಾಸರಿಗಳನ್ನು ಪ್ರಾಮಾಣಿಕವಾಗಿ ಇರಿಸಿ

ನಿಮ್ಮ ಕೌಶಲ್ಯ ಮಾತ್ರ ಬದಲಾಗಿದೆ ಎಂಬಂತೆ N=3 ನಲ್ಲಿನ ಸರಾಸರಿ N=2 ನೊಂದಿಗೆ ವೈಯಕ್ತಿಕ ಅತ್ಯುತ್ತಮವನ್ನು ಹೋಲಿಸಬೇಡಿ. ಪ್ರತಿ ಮೋಡ್ ಮತ್ತು ಹಂತಕ್ಕೆ ಪ್ರತ್ಯೇಕ ಸಾರಾಂಶಗಳನ್ನು ಇರಿಸಿ. ನೀವು ಬ್ಲಾಕ್‌ಗಳನ್ನು ಸಂಯೋಜಿಸಿದರೆ, ಸ್ಕೋರ್ ಮಾಡಿದ ನಿರ್ಧಾರಗಳ ಸಂಖ್ಯೆಯನ್ನು ಉಳಿಸಿಕೊಳ್ಳಿ: ಸರಾಸರಿ ಎರಡು ಶೇಕಡಾವಾರು ಪ್ರತಿ ಬ್ಲಾಕ್‌ಗೆ ಸಮಾನ ತೂಕವನ್ನು ಒಂದು ಹೆಚ್ಚು ಉದ್ದವಾಗಿದ್ದರೂ ಸಹ ನೀಡುತ್ತದೆ. ಒಂದು ವಿಮರ್ಶೆಯಿಂದ ಮುಂದಿನದಕ್ಕೆ ಅದೇ ಲೆಕ್ಕಾಚಾರವನ್ನು ಬಳಸಿ ಮತ್ತು ಯಾವುದೇ ಬದಲಾವಣೆಯನ್ನು ಬರೆಯಿರಿ.

[ಸಿಂಗಲ್ ವರ್ಸಸ್ dual n-back: ಯಾವ ಬದಲಾವಣೆಗಳು ಮತ್ತು ಎಲ್ಲಿ ಪ್ರಾರಂಭಿಸಬೇಕು](https://romeoapps.app/kn/dual-n-back/single-vs-dual-n-back/)

## ಸಂಕ್ಷಿಪ್ತ ಸಾಪ್ತಾಹಿಕ ವಿಮರ್ಶೆ

ಹೋಲಿಸಬಹುದಾದ ಸೆಷನ್‌ಗಳನ್ನು ಪುನಃ ಓದಲು ನಿಯಮಿತ ಕ್ಷಣವನ್ನು ಆಯ್ಕೆಮಾಡಿ. ಮೂರು ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಿ: ನಾನು ಯೋಜಿತ ಅಭ್ಯಾಸವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ್ದೇನೆ, ಯಾವ ದೋಷಗಳು ಪುನರಾವರ್ತಿತವಾಗಿವೆ ಮತ್ತು ನಾನು ಸೆಟ್ಟಿಂಗ್‌ಗಳನ್ನು ಬದಲಾಯಿಸಿದ್ದೇನೆಯೇ? ನೀವು ಸರಾಸರಿಯನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿದರೆ, ಹೋಲಿಸಬಹುದಾದ ಸ್ಕೋರ್‌ಗಳನ್ನು ವಿಂಗಡಿಸಿ ಮತ್ತು ಮಧ್ಯಮ ಮೌಲ್ಯವನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ ಅಥವಾ ಸಮ ಎಣಿಕೆಗಾಗಿ ಎರಡು ಮಧ್ಯಮ ಮೌಲ್ಯಗಳ ಸರಾಸರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ. ನಿರಾಶಾದಾಯಕವಾದವುಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಎಲ್ಲಾ ಸೆಷನ್‌ಗಳನ್ನು ಇರಿಸಿಕೊಳ್ಳಿ. ವೈಯಕ್ತಿಕ ಲಾಗ್ ತನಿಖೆಗೆ ಮಾದರಿಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಬಹುದು, ಆದರೆ ಕೆಲವು ಅವಲೋಕನಗಳು ಅವುಗಳ ಕಾರಣವನ್ನು ಸ್ಥಾಪಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.


## ಫಲಿತಾಂಶಗಳು ಹೆಚ್ಚಾಗುವುದನ್ನು ನಿಲ್ಲಿಸಿದಾಗ ಏನು ಮಾಡಬೇಕು

ಸೆಷನ್‌ಗಳು ನಿಜವಾಗಿಯೂ ಅದೇ ಮಟ್ಟ, ವೇಗ ಮತ್ತು ಸ್ಕೋರಿಂಗ್ ಅನ್ನು ಬಳಸಲಾಗಿದೆಯೇ ಎಂಬುದನ್ನು ಮೊದಲು ಪರಿಶೀಲಿಸಿ. ನಂತರ ದೋಷ ಟಿಪ್ಪಣಿಗಳನ್ನು ಓದಿ. ಮಿಸ್‌ಗಳು ಪ್ರಾಬಲ್ಯ ಹೊಂದಿದ್ದರೆ ಹೋಲಿಕೆ ನಿಯಮವನ್ನು ಮರುಪರಿಶೀಲಿಸಿ ಅಥವಾ ತಪ್ಪು ಅಲಾರಮ್‌ಗಳು ಮರುಕಳಿಸಿದರೆ ನಿಖರವಾದ N-back ಹೊಂದಾಣಿಕೆಯ ಬದಲಿಗೆ ನೀವು ಪರಿಚಿತ ಸಿಗ್ನಲ್‌ಗೆ ಉತ್ತರಿಸುತ್ತಿದ್ದೀರಾ ಎಂಬುದನ್ನು ಪರಿಶೀಲಿಸಿ. ಸಾಧ್ಯವಾದಾಗ ಒಂದು ಸಮಯದಲ್ಲಿ ಒಂದು ಸೆಟ್ಟಿಂಗ್ ಅನ್ನು ಹೊಂದಿಸಿ. ಪ್ರಸ್ಥಭೂಮಿಯು ಇತ್ತೀಚಿನ ಫಲಿತಾಂಶಗಳ ವಿವರಣೆಯಾಗಿದೆ, ನಿರ್ದಿಷ್ಟ ತರಬೇತಿ ಡೋಸ್ ಅಗತ್ಯವಿದೆ ಎಂಬುದಕ್ಕೆ ರೋಗನಿರ್ಣಯ ಅಥವಾ ಪುರಾವೆ ಅಲ್ಲ.


## ಲಾಗ್ ಏನು ತೋರಿಸಬಹುದು ಮತ್ತು ತೋರಿಸಬಾರದು

ನೀವು ರೆಕಾರ್ಡ್ ಮಾಡಿದ ಷರತ್ತುಗಳ ಅಡಿಯಲ್ಲಿ ಕಾರ್ಯದ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಲಾಗ್ ಡಾಕ್ಯುಮೆಂಟ್ ಮಾಡುತ್ತದೆ. ಇದು ಐಕ್ಯೂ ಹೆಚ್ಚಳ ಅಥವಾ ಅಧ್ಯಯನ, ಕೆಲಸ ಅಥವಾ ದೈನಂದಿನ ಸ್ಮರಣೆಯಲ್ಲಿ ಸುಧಾರಣೆಯನ್ನು ಪ್ರದರ್ಶಿಸುವುದಿಲ್ಲ. n-back ತರಬೇತಿಯ ಮೇಲಿನ ಸಂಶೋಧನೆಯು ಅಭ್ಯಾಸದ ಕಾರ್ಯದ ಮೇಲಿನ ಲಾಭಗಳನ್ನು ವರ್ಗಾವಣೆಯಿಂದ ವಿಭಿನ್ನ ಕಾರ್ಯಗಳಿಗೆ ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ. ಅಪ್ಲಿಕೇಶನ್‌ನ ಸೆಶನ್ ಫಲಿತಾಂಶಗಳನ್ನು ಆರಂಭಿಕ ಹಂತವಾಗಿ, ವ್ಯಾಖ್ಯಾನಗಳಿಗಾಗಿ ಸ್ಕೋರಿಂಗ್ ಮಾರ್ಗದರ್ಶಿ ಮತ್ತು ವಿಶಾಲವಾದ ಹಕ್ಕುಗಳ ಮಿತಿಗಳಿಗೆ ಸಾಕ್ಷ್ಯ ಮಾರ್ಗದರ್ಶಿಯಾಗಿ ಬಳಸಿ.

[dual n-back ತರಬೇತಿ ಕೆಲಸ ಮಾಡುತ್ತದೆಯೇ? ಪುರಾವೆಗಳು ನಿಜವಾಗಿ ಏನು ಹೇಳುತ್ತವೆ](https://romeoapps.app/kn/dual-n-back/does-dual-n-back-work/)

## ಹೆಚ್ಚಿನ ಓದುವಿಕೆ

- scikit-learn documentation — classification metrics and confusion matrices (mathematical definitions) — https://scikit-learn.org/stable/modules/model_evaluation.html#classification-metrics
- Holmes, Woolgar, Hampshire & Gathercole (2019), Are Working Memory Training Effects Paradigm-Specific? — https://doi.org/10.3389/fpsyg.2019.01103