Jejaki kemajuan dual n-back: log sesi praktikal

Log syarat sebelum menilai markah

Log dual n-back yang berguna merekodkan perkara yang anda amalkan, bukan hanya peratusan terbaik anda. Tulis tarikh, mod tugas, peringkat N, panjang sesi, peraturan pemarkahan dan keputusan. Tambahkan nota ringkas tentang gangguan atau perubahan peranti. Pastikan format cukup kecil untuk diisi selepas sesi. Panduan ini mencadangkan kaedah organisasi peribadi, bukan penilaian kognitif yang disahkan atau program latihan yang diperlukan.

Gunakan satu baris untuk setiap blok yang setanding

Jika tahap berubah semasa sesi, pisahkan blok apabila maklumat itu tersedia. Jika tidak, labelkan hasilnya sebagai sesi peringkat campuran dan bukannya menetapkannya kepada N tertinggi yang dicapai. Anda boleh menyimpan log dalam buku nota atau hamparan. Catatkan hanya maklumat yang sebenarnya ditunjukkan oleh apl anda; biarkan nilai yang tidak tersedia kosong dan bukannya menciptanya.

Contoh: rekod tidak selalunya trend

Jadual mengandungi hasil ciptaan, bukan data pengguna. Kedua-dua sesi adalah dwi 2-back blok dengan 100 keputusan markah, 20 daripadanya adalah perlawanan, menggunakan masa dan konvensyen pemarkahan yang sama. Sesi kedua mempunyai lebih banyak pengesanan yang betul tetapi juga lebih banyak penggera palsu. Oleh itu, ia lebih responsif kepada padanan tanpa mencapai ketepatan keseluruhan yang lebih tinggi. Satu peratusan sahaja akan menyembunyikan perubahan dalam corak tindak balas itu.

Asingkan kesilapan daripada penggera palsu

Ketinggalan bermakna perlawanan sebenar tidak dikesan; penggera palsu bermakna anda menandakan perlawanan apabila tiada. Dalam contoh, sesi A mengesan 16 daripada 20 perlawanan: 80%. Sesi B mengesan 18 daripada 20: 90%. Tetapi penggera palsu meningkat daripada 4 daripada 80 bukan padanan (5%) kepada 8 daripada 80 (10%). Ketepatan keseluruhan ialah 92% untuk A dan 90% untuk B. Sama ada bilangan menekan butang mahupun kadar pukulan yang lebih tinggi sahaja tidak meringkaskan keseluruhan prestasi.

Pastikan tahap bercampur dan purata jujur

Jangan bandingkan yang terbaik peribadi pada N=3 dengan purata pada N=2 seolah-olah hanya kemahiran anda telah berubah. Simpan ringkasan berasingan untuk setiap mod dan tahap. Jika anda menggabungkan blok, kekalkan bilangan keputusan yang dijaringkan: purata dua peratusan memberikan setiap blok berat yang sama walaupun satu blok lebih panjang. Gunakan pengiraan yang sama dari satu ulasan ke ulasan seterusnya, dan tulis sebarang perubahan.

Ulasan mingguan ringkas

Pilih masa biasa untuk membaca semula sesi yang setanding. Tanya tiga soalan: adakah saya melengkapkan amalan yang dirancang, ralat yang manakah berulang, dan adakah saya menukar tetapan? Jika anda mengira median, isikan skor yang setanding dan ambil nilai tengah, atau min dua nilai tengah untuk kiraan genap. Simpan semua sesi, termasuk sesi yang mengecewakan. Log peribadi boleh mendedahkan corak untuk disiasat, tetapi beberapa pemerhatian tidak dapat menentukan puncanya.

Apa yang perlu dilakukan apabila keputusan berhenti meningkat

Mula-mula semak sama ada sesi benar-benar menggunakan tahap, rentak dan pemarkahan yang sama. Kemudian baca nota ralat. Lawati semula peraturan perbandingan jika terlepas menguasai, atau semak sama ada anda menjawab isyarat biasa dan bukannya padanan tepat N-back jika penggera palsu berulang. Laraskan satu tetapan pada satu masa apabila boleh. Dataran tinggi ialah perihalan keputusan terkini, bukan diagnosis atau bukti bahawa dos latihan tertentu diperlukan.

Perkara yang boleh dan tidak boleh ditunjukkan oleh log

Log mendokumentasikan prestasi tugas di bawah syarat yang anda rakamkan. Ia tidak menunjukkan peningkatan IQ atau peningkatan dalam pelajaran, kerja atau ingatan harian. Penyelidikan tentang latihan n-back membezakan keuntungan pada tugas yang diamalkan daripada pemindahan kepada tugas yang berbeza. Gunakan keputusan sesi apl sebagai titik permulaan, panduan pemarkahan untuk definisi dan panduan bukti untuk had tuntutan yang lebih luas.

Bacaan lanjut

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