# dual n-back प्रगतीचा मागोवा घ्या: एक व्यावहारिक सत्र लॉग

Canonical: https://romeoapps.app/mr/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/mr/dual-n-back/)

पातळी, अचूकता आणि त्रुटींची तुलना करण्यासाठी एक साधा dual n-back सत्र लॉग वापरा. एक काल्पनिक काम केलेले उदाहरण आणि साप्ताहिक पुनरावलोकन पद्धत समाविष्ट करते.

## स्कोअर ठरवण्यापूर्वी अटी लॉग करा

एक उपयुक्त dual n-back लॉग तुमची सर्वोत्तम टक्केवारी नव्हे तर तुम्ही काय सराव केला याची नोंद करतो. तारीख, कार्य मोड, N स्तर, सत्राची लांबी, स्कोअरिंग नियम आणि निकाल लिहा. व्यत्यय किंवा डिव्हाइस बदलण्याबद्दल एक छोटी टीप जोडा. सत्रानंतर भरण्यासाठी स्वरूप पुरेसे लहान ठेवा. हे मार्गदर्शक वैयक्तिक संस्था पद्धती प्रस्तावित करते, प्रमाणित संज्ञानात्मक मूल्यांकन किंवा आवश्यक प्रशिक्षण कार्यक्रम नाही.


## प्रत्येक तुलनात्मक ब्लॉकसाठी एक पंक्ती वापरा

सत्रादरम्यान पातळी बदलल्यास, ती माहिती उपलब्ध असताना ब्लॉक वेगळे करा. अन्यथा निकालाला सर्वोच्च N वर नियुक्त करण्याऐवजी मिश्र-स्तरीय सत्र म्हणून लेबल करा. तुम्ही लॉग नोटबुक किंवा स्प्रेडशीटमध्ये ठेवू शकता. फक्त तुमचा ॲप प्रत्यक्षात दाखवत असलेली माहिती रेकॉर्ड करा; अनुपलब्ध मूल्ये शोधण्याऐवजी रिक्त सोडा.


## उदाहरणः रेकॉर्ड हा नेहमीच ट्रेंड नसतो

टेबलमध्ये शोधलेले परिणाम आहेत, वापरकर्ता डेटा नाही. दोन्ही सत्रे 100 स्कोअर केलेल्या निर्णयांसह दुहेरी 2-back ब्लॉक आहेत, त्यापैकी 20 सामने समान वेळ आणि स्कोअरिंग कन्व्हेन्शन वापरून आहेत. दुसऱ्या सत्रात अधिक अचूक शोध आहेत परंतु अधिक खोटे अलार्म देखील आहेत. त्यामुळे उच्च एकूण अचूकता न मिळवता सामन्यांना अधिक प्रतिसाद मिळतो. केवळ एक टक्के प्रतिसाद पॅटर्नमधील बदल लपवेल.


## खोट्या अलार्मपासून वेगळे चुकणे

मिस म्हणजे खरा सामना सापडला नाही; खोट्या गजराचा अर्थ असा आहे की तुम्ही एकही सामना नसताना सिग्नल दिला. उदाहरणामध्ये, सत्र A 20 पैकी 16 जुळण्या शोधते: 80%. सत्र B 20 पैकी 18 शोधते: 90%. परंतु खोटे अलार्म 80 पैकी 4 न जुळणारे (5%) वरून 80 पैकी 8 (10%) पर्यंत वाढतात. एकूण अचूकता A साठी 92% आणि B साठी 90% आहे. बटण दाबण्याची संख्या किंवा उच्च हिट दर दोन्हीपैकी एकाने संपूर्ण कामगिरीचा सारांश दिला जात नाही.

[ड्युअल n-back स्कोअरिंग: सूत्र, उदाहरणे आणि कॅल्क्युलेटर](https://romeoapps.app/mr/dual-n-back/dual-n-back-scoring/)

## मिश्र पातळी आणि सरासरी प्रामाणिक ठेवा

N=3 मधील वैयक्तिक सर्वोत्कृष्टची सरासरी N=2 बरोबर तुलना करू नका, जणू काही तुमचे कौशल्य बदलले आहे. प्रत्येक मोड आणि स्तरासाठी वेगळे सारांश ठेवा. तुम्ही ब्लॉक्स एकत्र केल्यास, स्कोअर केलेल्या निर्णयांची संख्या कायम ठेवा: सरासरी दोन टक्के प्रत्येक ब्लॉकला एक जास्त लांब असतानाही समान वजन देते. एका पुनरावलोकनापासून दुसऱ्या पुनरावलोकनापर्यंत समान गणना वापरा आणि कोणताही बदल लिहा.

[सिंगल वि dual n-back: कोणते बदल आणि कुठे सुरू करायचे](https://romeoapps.app/mr/dual-n-back/single-vs-dual-n-back/)

## एक संक्षिप्त साप्ताहिक पुनरावलोकन

तुलनात्मक सत्रे पुन्हा वाचण्यासाठी नियमित क्षण निवडा. तीन प्रश्न विचारा: मी नियोजित सराव पूर्ण केला का, कोणत्या त्रुटी पुन्हा आल्या आणि मी सेटिंग्ज बदलल्या का? तुम्ही सरासरीची गणना केल्यास, तुलनात्मक गुणांची क्रमवारी लावा आणि सम गणनेसाठी मध्यम मूल्य किंवा दोन मध्यम मूल्यांचा मध्य घ्या. निराशाजनकांसह सर्व सत्रे ठेवा. वैयक्तिक लॉग तपासण्यासाठी नमुने प्रकट करू शकतो, परंतु काही निरीक्षणे त्यांचे कारण स्थापित करू शकत नाहीत.


## जेव्हा परिणाम वाढणे थांबते तेव्हा काय करावे

प्रथम सत्रांमध्ये खरोखर समान पातळी, वेग आणि स्कोअरिंग वापरले आहे का ते तपासा. नंतर त्रुटी नोट्स वाचा. वर्चस्व चुकल्यास तुलना नियमाची पुनरावृत्ती करा किंवा खोटे अलार्म पुन्हा येत असल्यास अचूक N-back जुळण्याऐवजी तुम्ही परिचित सिग्नलला उत्तर देत आहात का ते तपासा. जेव्हा शक्य असेल तेव्हा एका वेळी एक सेटिंग समायोजित करा. पठार हे अलीकडील निकालांचे वर्णन आहे, निदान किंवा विशिष्ट प्रशिक्षण डोस आवश्यक असल्याचा पुरावा नाही.


## लॉग काय दर्शवू शकतो आणि काय करू शकत नाही

लॉग दस्तऐवज तुम्ही रेकॉर्ड केलेल्या परिस्थितीनुसार कार्यावरील कार्यप्रदर्शन. हे IQ वाढ किंवा अभ्यास, काम किंवा दैनंदिन स्मरणशक्तीमध्ये सुधारणा दर्शवत नाही. n-back प्रशिक्षणावरील संशोधन सराव केलेल्या कार्यावरील नफ्यापासून भिन्न कार्यांमध्ये हस्तांतरण वेगळे करते. ॲपचे सत्र परिणाम प्रारंभ बिंदू म्हणून वापरा, व्याख्यांसाठी स्कोअरिंग मार्गदर्शक आणि विस्तृत दाव्यांच्या मर्यादांसाठी पुरावा मार्गदर्शक.

[dual n-back प्रशिक्षण कार्य करते का? पुरावा प्रत्यक्षात काय सांगतो](https://romeoapps.app/mr/dual-n-back/does-dual-n-back-work/)

## पुढील वाचन

- 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