# ਕੀ dual n-back ਸਿਖਲਾਈ ਕੰਮ ਕਰਦੀ ਹੈ? ਸਬੂਤ ਅਸਲ ਵਿੱਚ ਕੀ ਕਹਿੰਦਾ ਹੈ

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

dual n-back 'ਤੇ ਖੋਜ ਦੁਆਰਾ ਇੱਕ ਇਮਾਨਦਾਰ ਸੈਰ: ਕੀ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ, ਕੀ ਨਹੀਂ ਹੁੰਦਾ, ਮੈਟਾ-ਵਿਸ਼ਲੇਸ਼ਣ ਅਸਹਿਮਤ ਕਿਉਂ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਆਪਣੇ ਆਪ ਨੂੰ ਮੂਰਖ ਬਣਾਏ ਬਿਨਾਂ ਸਿਖਲਾਈ ਕਿਵੇਂ ਦੇਣੀ ਹੈ।

## ਸਵਾਲ ਦੇ ਪਿੱਛੇ ਸਵਾਲ

ਕੀ dual n-back ਕਸਰਤ, ਹੋਰ ਮੈਮੋਰੀ ਕੰਮਾਂ, ਜਾਂ ਰੋਜ਼ਾਨਾ ਜੀਵਨ ਵਿੱਚ ਤਰਕ 'ਤੇ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ? ਇਹ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਨਤੀਜੇ ਹਨ। ਅਧਿਐਨ ਆਮ ਤੌਰ 'ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕੰਮ 'ਤੇ ਲਾਭ ਲੱਭਦੇ ਹਨ। ਵਿਆਪਕ ਲਾਭਾਂ ਲਈ ਸਬੂਤ ਘੱਟ ਇਕਸਾਰ ਹਨ, ਅਤੇ IQ ਵਾਧੇ ਜਾਂ ਬਿਹਤਰ ਗ੍ਰੇਡਾਂ ਦਾ ਵਾਅਦਾ ਕਰਨ ਨੂੰ ਜਾਇਜ਼ ਨਹੀਂ ਠਹਿਰਾਉਂਦੇ ਹਨ। ਇਹ ਗਾਈਡ ਟਾਸਕ ਲਰਨਿੰਗ ਨੂੰ ਟ੍ਰਾਂਸਫਰ ਤੋਂ ਵੱਖ ਕਰਦੀ ਹੈ ਅਤੇ ਮੁੱਖ ਅਧਿਐਨਾਂ, ਉਹਨਾਂ ਦੇ ਅੰਤਰਾਂ ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਦੀ ਹੈ।

[ਆਪਣਾ IQ ਕਿਵੇਂ ਵਧਾਇਆ ਜਾਵੇ: ਸਬੂਤ ਅਤੇ dual n-back](https://romeoapps.app/pa/dual-n-back/how-to-increase-iq/)

## ਜਿੱਥੇ ਉਤਸ਼ਾਹ ਸ਼ੁਰੂ ਹੋ ਗਿਆ

2008 ਵਿੱਚ, ਸੁਜ਼ੈਨ ਜਾਏਗੀ ਅਤੇ ਸਹਿਕਰਮੀਆਂ ਨੇ PNAS ਵਿੱਚ ਇੱਕ ਅਧਿਐਨ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਜਿਸ ਵਿੱਚ ਤੰਦਰੁਸਤ ਨੌਜਵਾਨ ਬਾਲਗਾਂ ਨੇ ਅੱਠ ਤੋਂ 19 ਸੈਸ਼ਨਾਂ ਦੇ ਵਿਚਕਾਰ dual n-back ਟਾਸਕ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ। ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਸਮੂਹਾਂ ਨੇ ਗੈਰ-ਸਿਖਿਅਤ ਨਿਯੰਤਰਣਾਂ ਨਾਲੋਂ ਇੱਕ ਮੈਟ੍ਰਿਕਸ-ਤਰਕ ਟੈਸਟ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤਾ, ਅਤੇ ਸੁਧਾਰ ਸਿਖਲਾਈ ਦੀ ਮਾਤਰਾ ਦੇ ਨਾਲ ਸਕੇਲ ਵਿੱਚ ਦਿਖਾਈ ਦਿੱਤਾ। ਪੇਪਰ ਹੈਰਾਨਕੁਨ ਸੀ ਕਿਉਂਕਿ ਤਰਲ ਤਰਕ ਨੂੰ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਬਾਲਗਾਂ ਵਿੱਚ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਸਥਿਰ ਮੰਨਿਆ ਜਾਂਦਾ ਸੀ। ਇਹ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਕਵਰ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਇਹ ਉਹਨਾਂ ਵਿੱਚੋਂ ਜ਼ਿਆਦਾਤਰ ਦਾ ਮੂਲ ਹੈ ਜੋ ਤੁਸੀਂ ਅੱਜ n-back ਸਿਖਲਾਈ ਬਾਰੇ ਔਨਲਾਈਨ ਪੜ੍ਹੋਗੇ। ਇਹ ਸਮਝਣਾ ਕਿ ਅੱਗੇ ਕੀ ਹੋਇਆ, ਅਸਲ ਨਤੀਜੇ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ।


## ਕੰਮ ਅਸਲ ਵਿੱਚ ਕੀ ਬਣਾਇਆ ਗਿਆ ਹੈ

ਇੱਕ dual n-back ਟ੍ਰਾਇਲ ਤੁਹਾਨੂੰ ਇੱਕ ਵਾਰ ਵਿੱਚ ਦੋ ਚੀਜ਼ਾਂ ਦਿੰਦਾ ਹੈ: ਇੱਕ ਵਰਗ ਇੱਕ ਤਿੰਨ-ਬਾਏ-ਤਿੰਨ ਗਰਿੱਡ 'ਤੇ ਕਿਤੇ ਪ੍ਰਕਾਸ਼ ਕਰਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਅੱਖਰ ਬੋਲਿਆ ਜਾਂਦਾ ਹੈ। ਹਰ ਮੋੜ 'ਤੇ ਤੁਹਾਡਾ ਕੰਮ ਦੋ ਸੁਤੰਤਰ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣਾ ਹੈ। ਕੀ ਇਹ ਸਥਿਤੀ ਉਹੀ ਹੈ ਜੋ ਕਿ N ਤੋਂ ਪਹਿਲਾਂ ਮੋੜਦੀ ਹੈ? ਕੀ ਇਹ ਧੁਨੀ ਉਹੀ ਹੈ ਜੋ ਪਹਿਲਾਂ N ਮੋੜਦੀ ਹੈ? ਤੁਹਾਡੇ ਲਈ ਕੁਝ ਵੀ ਸਟੋਰ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਵਾਬ ਦੇਣ ਲਈ, ਤੁਹਾਨੂੰ ਆਖਰੀ N ਸਥਿਤੀਆਂ ਅਤੇ ਆਖਰੀ N ਆਵਾਜ਼ਾਂ ਦੀ ਇੱਕ ਰੋਲਿੰਗ ਵਿੰਡੋ ਨੂੰ ਫੜਨਾ ਚਾਹੀਦਾ ਹੈ, ਸਭ ਤੋਂ ਨਵਾਂ ਜੋੜਾ ਜੋੜਨਾ ਚਾਹੀਦਾ ਹੈ, ਸਭ ਤੋਂ ਪੁਰਾਣੀ ਨੂੰ ਰੱਦ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਕ੍ਰਮ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ ਜਦੋਂ ਇੱਕ ਨਵਾਂ ਜੋੜਾ ਹਰ ਦੋ ਸਕਿੰਟਾਂ ਵਿੱਚ ਆਉਂਦਾ ਹੈ। ਇਹ ਲਗਾਤਾਰ ਮੁੜ ਲਿਖਣਾ ਇਹ ਕਾਰਨ ਹੈ ਕਿ ਕੰਮ ਇਸ ਤਰੀਕੇ ਨਾਲ ਥਕਾ ਰਿਹਾ ਹੈ ਕਿ ਸੂਚੀ ਨੂੰ ਯਾਦ ਕਰਨਾ ਨਹੀਂ ਹੈ. ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਖੋਜ ਸਾਹਿਤ ਇਸਨੂੰ ਸਟੋਰੇਜ ਦੇ ਕੰਮ ਦੀ ਬਜਾਏ ਇੱਕ ਅੱਪਡੇਟ ਕਰਨ ਦੇ ਕੰਮ ਵਜੋਂ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਦਾ ਹੈ।

### ਦੋ ਮੋੜ ਪਹਿਲਾਂ: ਹਰੇਕ ਸਟ੍ਰੀਮ ਦੀ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਤੁਲਨਾ ਕਰੋ

N = 2 'ਤੇ ਉਦਾਹਰਨ। ਸਥਿਤੀਆਂ: ਉੱਪਰ ਖੱਬੇ, ਕੇਂਦਰ, ਉੱਪਰ ਖੱਬੇ, ਹੇਠਾਂ ਸੱਜੇ। ਧੁਨੀ: A, B, C, B. ਮੋੜ 3 'ਤੇ, ਮੋੜ 1 ਨਾਲ ਤੁਲਨਾ ਕਰੋ: ਸਥਿਤੀ ਮੇਲ ਖਾਂਦੀ ਹੈ, ਧੁਨੀ ਨਹੀਂ। ਮੋੜ 4 'ਤੇ, ਮੋੜ 2 ਨਾਲ ਤੁਲਨਾ ਕਰੋ: ਸਿਰਫ਼ ਧੁਨੀ ਮੇਲ ਖਾਂਦੀ ਹੈ। ਤੁਰੰਤ ਪਿਛਲੇ ਮੋੜ ਨਾਲ ਤੁਲਨਾ ਨਾ ਕਰੋ.

[N-back ਪੱਧਰਾਂ ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ ਗਈ: N=1, N=2, N=3 ਅਤੇ ਇਸ ਤੋਂ ਅੱਗੇ](https://romeoapps.app/pa/dual-n-back/n-back-levels-explained/)

## ਇੱਕ ਬਿਹਤਰ ਸਕੋਰ ਦਾ ਕੀ ਮਤਲਬ ਹੋ ਸਕਦਾ ਹੈ

ਇੱਕ ਉੱਚ ਸਕੋਰ ਕਈ ਤਬਦੀਲੀਆਂ ਨੂੰ ਦਰਸਾ ਸਕਦਾ ਹੈ: ਜਵਾਬ ਬਟਨਾਂ ਨਾਲ ਜਾਣੂ ਹੋਣਾ, ਬਿਹਤਰ ਸਮਾਂ, ਇੱਕ ਨਵੀਂ ਰਣਨੀਤੀ, ਜਾਂ ਕ੍ਰਮ ਨੂੰ ਯਾਦ ਰੱਖਣ ਅਤੇ ਅੱਪਡੇਟ ਕਰਨ ਵਿੱਚ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ। ਇਕੱਲਾ ਸਕੋਰ ਇਹਨਾਂ ਵਿਆਖਿਆਵਾਂ ਨੂੰ ਵੱਖ ਨਹੀਂ ਕਰ ਸਕਦਾ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਖੋਜ ਵਿੱਚ ਅਣਸਿਖਿਅਤ ਨਤੀਜੇ ਟੈਸਟ ਅਤੇ ਤੁਲਨਾ ਸਮੂਹ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਮੁਸ਼ਕਲ ਅਤੇ ਜਤਨ ਆਪਣੇ ਆਪ ਇਹ ਸਾਬਤ ਨਹੀਂ ਕਰਦੇ ਕਿ ਇੱਕ ਅਭਿਆਸ ਆਮ ਬੋਧਾਤਮਕ ਲਾਭ ਪੈਦਾ ਕਰਦਾ ਹੈ।


## ਟ੍ਰਾਂਸਫਰ ਦਾ ਕੀ ਮਤਲਬ ਹੈ, ਅਤੇ ਇਹ ਸਭ ਕੁਝ ਕਿਉਂ ਤੈਅ ਕਰਦਾ ਹੈ

ਖੋਜਕਰਤਾ ਦੋ ਤਰੀਕਿਆਂ ਨਾਲ ਸੁਧਾਰ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਨ। ਨਿਅਰ ਟਰਾਂਸਫਰ ਦਾ ਮਤਲਬ ਹੈ ਲਾਭ ਉਹਨਾਂ ਕੰਮਾਂ 'ਤੇ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਜੋ ਸਿਖਿਅਤ ਇੱਕ ਦੇ ਨਾਲ ਮਿਲਦੇ-ਜੁਲਦੇ ਹਨ: ਇੱਕ ਹੋਰ n-back ਰੂਪ, ਇੱਕ ਸਮਾਨ ਅੱਪਡੇਟ ਕਰਨ ਵਾਲਾ ਕੰਮ। ਦੂਰ ਤਬਾਦਲੇ ਦਾ ਮਤਲਬ ਹੈ ਲਾਭ ਅਸਲ ਵਿੱਚ ਵੱਖਰੀ ਚੀਜ਼ 'ਤੇ ਪ੍ਰਗਟ ਹੁੰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਤਰਕ ਦੀ ਜਾਂਚ, ਪੜ੍ਹਨ ਦੀ ਸਮਝ ਜਾਂ ਰੋਜ਼ਾਨਾ ਜੀਵਨ ਵਿੱਚ ਧਿਆਨ। ਨਜ਼ਦੀਕੀ ਤਬਾਦਲਾ ਤੁਲਨਾਤਮਕ ਤੌਰ 'ਤੇ ਪੈਦਾ ਕਰਨਾ ਆਸਾਨ ਹੈ ਅਤੇ ਸਮਝਾਉਣਾ ਆਸਾਨ ਹੈ, ਕਿਉਂਕਿ ਤੁਸੀਂ ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ ਟਾਸਕ ਫਾਰਮੈਟ ਨਾਲ ਜਾਣੂਤਾ ਨੂੰ ਮਾਪ ਰਹੇ ਹੋ। ਦੂਰ ਟ੍ਰਾਂਸਫਰ ਉਹ ਦਾਅਵਾ ਹੈ ਜੋ ਦਿਮਾਗ ਦੀ ਸਿਖਲਾਈ ਨੂੰ ਵਪਾਰਕ ਤੌਰ 'ਤੇ ਦਿਲਚਸਪ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਇਹ ਉਹ ਦਾਅਵਾ ਹੈ ਜੋ ਧਿਆਨ ਨਾਲ ਟੈਸਟ ਕੀਤੇ ਜਾਣ 'ਤੇ ਅਕਸਰ ਅਸਫਲ ਹੁੰਦਾ ਹੈ।


## ਨਜ਼ਦੀਕੀ ਟ੍ਰਾਂਸਫਰ: ਹਿੱਸਾ ਲਗਭਗ ਹਰ ਕੋਈ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ

ਸਿਖਲਾਈ ਅਧਿਐਨ ਆਮ ਤੌਰ 'ਤੇ ਅਭਿਆਸ ਕੀਤੇ n-back ਕਾਰਜ 'ਤੇ ਲਾਭਾਂ ਦੀ ਰਿਪੋਰਟ ਕਰਦੇ ਹਨ, ਅਤੇ ਕੁਝ ਸਮਾਨ n-back ਕਾਰਜਾਂ ਲਈ ਟ੍ਰਾਂਸਫਰ ਲੱਭਦੇ ਹਨ। ਇਹ ਹਰ ਵਿਅਕਤੀ ਜਾਂ ਹਰ ਸੈਸ਼ਨ ਲਈ ਤਰੱਕੀ ਦੀ ਗਰੰਟੀ ਨਹੀਂ ਦਿੰਦਾ। ਨਾ ਹੀ ਇਹ ਵਿਧੀ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ: ਜਾਣ-ਪਛਾਣ, ਸਮਾਂ ਅਤੇ ਰਣਨੀਤੀ ਯੋਗਦਾਨ ਪਾ ਸਕਦੀ ਹੈ। ਆਪਣੇ ਖੁਦ ਦੇ ਸਕੋਰਾਂ ਵਿੱਚ ਤਬਦੀਲੀ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕੰਮ, ਸਕੋਰਿੰਗ ਫਾਰਮੂਲੇ ਅਤੇ ਸੈਟਿੰਗਾਂ ਨੂੰ ਤੁਲਨਾਤਮਕ ਰੱਖੋ।


## ਦੂਰ ਟ੍ਰਾਂਸਫਰ: ਜਿੱਥੇ ਸਬੂਤ ਪਤਲੇ ਹੋ ਜਾਂਦੇ ਹਨ

2013 ਵਿੱਚ, ਰੈਡਿਕ ਅਤੇ ਸਹਿਕਰਮੀਆਂ ਨੇ ਇੱਕ ਸਰਗਰਮ ਨਿਯੰਤਰਣ ਸਮੂਹ ਦੇ ਨਾਲ ਇੱਕ ਵੱਡਾ ਅਧਿਐਨ ਚਲਾਇਆ, ਮਤਲਬ ਕਿ ਤੁਲਨਾ ਸਮੂਹ ਨੇ ਕੁਝ ਵੀ ਨਹੀਂ ਹੋਣ ਦੀ ਬਜਾਏ ਇੱਕ ਮੰਗ ਵਾਲਾ ਕੰਪਿਊਟਰ ਕੰਮ ਵੀ ਕੀਤਾ। ਉਹਨਾਂ ਨੂੰ n-back ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ ਤਰਲ ਬੁੱਧੀ ਵਿੱਚ ਕੋਈ ਸੁਧਾਰ ਨਹੀਂ ਮਿਲਿਆ। ਉਸੇ ਸਾਲ, Melby-Lervåg ਅਤੇ Hulme ਨੇ ਕਈ ਅਧਿਐਨਾਂ ਵਿੱਚ ਵਰਕਿੰਗ-ਮੈਮੋਰੀ ਸਿਖਲਾਈ ਦਾ ਇੱਕ ਮੈਟਾ-ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਅਤੇ ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੇ ਨਜ਼ਦੀਕੀ ਪ੍ਰਭਾਵਾਂ ਅਤੇ ਕੋਈ ਭਰੋਸੇਯੋਗ ਦੂਰ ਟ੍ਰਾਂਸਫਰ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ। 2016 ਵਿੱਚ ਉਸੇ ਲੇਖਕਾਂ ਦੁਆਰਾ ਬਾਅਦ ਵਿੱਚ ਕੀਤੇ ਗਏ ਕੰਮ ਅਧਿਐਨਾਂ ਦੇ ਇੱਕ ਵੱਡੇ ਸਮੂਹ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਅਤੇ ਨਿਯੰਤਰਣ-ਸਮੂਹ ਡਿਜ਼ਾਈਨ 'ਤੇ ਪੂਰਾ ਧਿਆਨ ਦੇਣ ਤੋਂ ਬਾਅਦ ਇੱਕ ਸਮਾਨ ਸਿੱਟੇ 'ਤੇ ਪਹੁੰਚੇ।


## ਮੈਟਾ-ਵਿਸ਼ਲੇਸ਼ਣ ਅਸਹਿਮਤ ਕਿਉਂ ਹਨ

2014 ਵਿੱਚ, Au ਅਤੇ ਸਹਿਕਰਮੀਆਂ ਨੇ ਖਾਸ ਤੌਰ 'ਤੇ n-back ਅਧਿਐਨਾਂ ਨੂੰ ਇਕੱਠਾ ਕੀਤਾ ਅਤੇ ਤਰਲ ਬੁੱਧੀ 'ਤੇ ਇੱਕ ਛੋਟੇ ਸਕਾਰਾਤਮਕ ਪ੍ਰਭਾਵ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ। 2016 ਵਿੱਚ, ਮੇਲਬੀ-ਲੇਰਵਾਗ, ਰੈਡਿਕ ਅਤੇ ਹੁਲਮੇ ਨੇ ਇੱਕ ਵਿਸ਼ਾਲ ਸਮੂਹ ਤਿਆਰ ਕੀਤਾ ਅਤੇ ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ ਕੋਈ ਵੀ ਰਿਪੋਰਟ ਨਹੀਂ ਕੀਤੀ। 2017 ਵਿੱਚ, ਸੋਵੇਰੀ ਅਤੇ ਸਹਿਕਰਮੀਆਂ ਨੇ n-back ਸਿਖਲਾਈ ਦਾ ਇੱਕ ਬਹੁ-ਪੱਧਰੀ ਮੈਟਾ-ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਅਤੇ n-back ਕਾਰਜਾਂ ਵਿੱਚ ਆਪਣੇ ਆਪ ਵਿੱਚ ਸਪਸ਼ਟ ਸੁਧਾਰ ਪਾਇਆ, ਨਜ਼ਦੀਕੀ ਨਾਲ ਸੰਬੰਧਿਤ ਕਾਰਜਾਂ ਵਿੱਚ ਕੁਝ ਸੁਧਾਰ, ਅਤੇ ਇਸ ਤੋਂ ਪਰੇ। ਅਸਹਿਮਤੀ ਰਹੱਸਮਈ ਨਹੀਂ ਹੈ. ਇਹ ਆਉਂਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਅਧਿਐਨਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਹੈ, ਕੀ ਨਿਯੰਤਰਣ ਸਮੂਹ ਕਿਰਿਆਸ਼ੀਲ ਜਾਂ ਪੈਸਿਵ ਸਨ, ਅਤੇ ਨਤੀਜਿਆਂ ਨੂੰ ਕਿਵੇਂ ਸਮੂਹਬੱਧ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਉਹਨਾਂ ਫੈਸਲਿਆਂ ਵਿੱਚ ਛੋਟੇ ਅੰਤਰ ਸਿਰਲੇਖ ਨੰਬਰ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹਿਲਾ ਦਿੰਦੇ ਹਨ।


## ਕੰਟਰੋਲ ਗਰੁੱਪ ਸਮੱਸਿਆ

ਇੱਕ ਸਰਗਰਮ ਨਿਯੰਤਰਣ ਸਮੂਹ ਇੱਕ ਤੁਲਨਾਤਮਕ ਗਤੀਵਿਧੀ ਵਿੱਚ ਵੀ ਹਿੱਸਾ ਲੈਂਦਾ ਹੈ। ਇਹ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਇਹ ਟੈਸਟ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਕੋਈ ਸਪੱਸ਼ਟ ਲਾਭ ਭਾਗੀਦਾਰੀ, ਟੈਸਟਾਂ ਜਾਂ ਉਮੀਦਾਂ ਨਾਲ ਅਭਿਆਸ ਕਰਨ ਦੀ ਬਜਾਏ ਸਿਖਲਾਈ ਲਈ ਖਾਸ ਹੈ ਜਾਂ ਨਹੀਂ। ਇਹ ਸਮੂਹਾਂ ਵਿਚਕਾਰ ਹਰੇਕ ਅੰਤਰ ਨੂੰ ਆਪਣੇ ਆਪ ਖਤਮ ਨਹੀਂ ਕਰ ਸਕਦਾ। ਬੇਤਰਤੀਬ ਅਸਾਈਨਮੈਂਟ, ਉਚਿਤ ਨਤੀਜੇ ਦੇ ਉਪਾਅ, ਨਮੂਨੇ ਦਾ ਢੁਕਵਾਂ ਆਕਾਰ ਅਤੇ ਸਾਰੇ ਯੋਜਨਾਬੱਧ ਨਤੀਜਿਆਂ ਦੀ ਰਿਪੋਰਟ ਕਰਨਾ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੈ।


## ਖੇਤਰ ਨੇ ਕੀ ਸਿੱਟਾ ਕੱਢਿਆ

2016 ਵਿੱਚ, ਡੈਨੀਅਲ ਸਿਮੋਨਸ ਦੀ ਅਗਵਾਈ ਵਿੱਚ ਖੋਜਕਰਤਾਵਾਂ ਦੇ ਇੱਕ ਸਮੂਹ ਨੇ ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ ਦਿਮਾਗ-ਸਿਖਲਾਈ ਦੇ ਦਾਅਵਿਆਂ ਦੀ ਜਾਂਚ ਕਰਦੇ ਹੋਏ ਜਨਤਕ ਹਿੱਤ ਵਿੱਚ ਮਨੋਵਿਗਿਆਨਕ ਵਿਗਿਆਨ ਵਿੱਚ ਇੱਕ ਲੰਮੀ ਸਮੀਖਿਆ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੀ। ਉਹਨਾਂ ਦਾ ਸਿੱਟਾ ਇਹ ਸੀ ਕਿ ਸਬੂਤ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਾਰਜਾਂ ਵਿੱਚ ਸੁਧਾਰ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ, ਨਜ਼ਦੀਕੀ ਨਾਲ ਸੰਬੰਧਿਤ ਕਾਰਜਾਂ ਲਈ ਕੁਝ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ, ਅਤੇ ਰੋਜ਼ਾਨਾ ਜੀਵਨ ਵਿੱਚ ਸੁਧਰੇ ਹੋਏ ਬੋਧਾਤਮਕ ਪ੍ਰਦਰਸ਼ਨ ਬਾਰੇ ਵਿਆਪਕ ਦਾਅਵਿਆਂ ਦਾ ਸਮਰਥਨ ਨਹੀਂ ਕਰਦੇ ਹਨ। ਜੇਕਰ ਤੁਸੀਂ ਸਿਰਲੇਖ ਦੀ ਬਜਾਏ ਪੂਰੀ ਤਸਵੀਰ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਇਹ ਸਮੀਖਿਆ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਪੜ੍ਹਨ ਯੋਗ ਹੈ, ਅਤੇ ਇਹ ਵਪਾਰਕ ਦਿਮਾਗ-ਸਿਖਲਾਈ ਸੂਟ 'ਤੇ ਲਾਗੂ ਹੁੰਦੀ ਹੈ ਜਿੰਨਾ ਖਾਸ ਤੌਰ 'ਤੇ n-back' ਤੇ।


## ਤਾਂ ਕੀ ਇਹ ਕਰਨ ਯੋਗ ਹੈ?

ਇਹ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਦੇ ਯੋਗ ਹੋ ਸਕਦਾ ਹੈ ਜੇਕਰ ਤੁਸੀਂ ਕਸਰਤ ਦਾ ਅਨੰਦ ਲੈਂਦੇ ਹੋ ਅਤੇ ਇਸ 'ਤੇ ਆਪਣੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਟਰੈਕ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ। ਇਹ ਉੱਚ ਆਈਕਿਊ, ਬਿਹਤਰ ਗ੍ਰੇਡ ਜਾਂ ਬਿਹਤਰ ਕੰਮ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਇੱਕ ਸਥਾਪਿਤ ਰਸਤਾ ਨਹੀਂ ਹੈ। Dual N-Back App Store 'ਤੇ ਉਪਲਬਧ ਹੈ; ਮੌਜੂਦਾ ਕੀਮਤ ਅਤੇ ਇਨ-ਐਪ ਖਰੀਦਦਾਰੀ ਲਈ ਸੂਚੀ ਦੀ ਸਲਾਹ ਲਓ। ਇਸ ਨੂੰ ਉਸ ਲਈ ਚੁਣੋ ਜੋ ਤੁਹਾਨੂੰ ਅਭਿਆਸ ਕਰਨ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਨਿਰਣਾ ਕਰੋ ਕਿ ਕੀ ਉਹ ਗਤੀਵਿਧੀ ਤੁਹਾਡੇ ਲਈ ਉਪਯੋਗੀ ਹੈ ਜਾਂ ਅਨੰਦਦਾਇਕ ਹੈ।


## ਲੋਕ ਕਿੱਸੇ ਕੀ ਰਿਪੋਰਟ ਕਰਦੇ ਹਨ, ਅਤੇ ਇਸਨੂੰ ਕਿਵੇਂ ਪੜ੍ਹਨਾ ਹੈ

ਨਿੱਜੀ ਖਾਤੇ ਜਾਂਚ ਦੇ ਯੋਗ ਸਵਾਲਾਂ ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦੇ ਹਨ, ਪਰ ਉਹ ਇਹ ਸਥਾਪਿਤ ਨਹੀਂ ਕਰਦੇ ਹਨ ਕਿ ਸਿਖਲਾਈ ਨੇ ਕੋਈ ਤਬਦੀਲੀ ਕੀਤੀ ਹੈ। ਉਮੀਦਾਂ, ਰੁਟੀਨ ਵਿੱਚ ਹੋਰ ਤਬਦੀਲੀਆਂ ਅਤੇ ਆਮ ਪਰਿਵਰਤਨ ਸੰਭਵ ਵਿਕਲਪਿਕ ਵਿਆਖਿਆਵਾਂ ਹਨ। ਇੱਕ ਨਿਯੰਤਰਿਤ ਅਧਿਐਨ ਉਹਨਾਂ ਨੂੰ ਵੱਖ ਕਰਨ ਲਈ ਬਿਹਤਰ ਹੈ। ਤੁਸੀਂ ਕਿਸੇ ਵਿਅਕਤੀਗਤ ਤਜ਼ਰਬੇ ਨੂੰ ਦੂਜੇ ਲੋਕਾਂ ਲਈ ਲਾਭ ਦੇ ਸਬੂਤ ਵਜੋਂ ਮੰਨੇ ਬਿਨਾਂ ਜੋ ਤੁਸੀਂ ਨੋਟਿਸ ਕਰਦੇ ਹੋ ਉਸ ਨੂੰ ਰਿਕਾਰਡ ਕਰ ਸਕਦੇ ਹੋ।


## ਤਸਵੀਰ ਨੂੰ ਕੀ ਬਦਲੇਗਾ

ਵੱਡੇ ਪੂਰਵ-ਰਜਿਸਟਰਡ ਟਰਾਇਲ, ਚੰਗੀ ਤਰ੍ਹਾਂ ਮੇਲ ਖਾਂਦੇ ਸਰਗਰਮ ਨਿਯੰਤਰਣ, ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ ਫਾਲੋ-ਅੱਪ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਪਹਿਲਾਂ ਚੁਣੇ ਗਏ ਨਤੀਜੇ ਬਾਕੀ ਅਨਿਸ਼ਚਿਤਤਾਵਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰ ਸਕਦੇ ਹਨ। ਦਾਅਵਿਆਂ ਕਿ ਖਾਸ ਲੋਕਾਂ ਨੂੰ ਵਧੇਰੇ ਲਾਭ ਹੁੰਦਾ ਹੈ, ਨੂੰ ਵੀ ਸਿੱਧੇ ਸਬੂਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ; ਜ਼ੀਰੋ ਦੇ ਨੇੜੇ ਔਸਤ ਜਵਾਬ ਦੇਣ ਵਾਲਿਆਂ ਦੇ ਉਪ ਸਮੂਹ ਦੀ ਪਛਾਣ ਨਹੀਂ ਕਰਦਾ। ਜਦੋਂ ਤੱਕ ਮਜ਼ਬੂਤ ​​​​ਸਬੂਤ ਉਪਲਬਧ ਨਹੀਂ ਹੁੰਦਾ, ਸਿੱਟੇ ਨੂੰ ਅਸਲ ਵਿੱਚ ਮਾਪੇ ਗਏ ਕੰਮਾਂ ਅਤੇ ਨਤੀਜਿਆਂ ਨਾਲ ਜੋੜਦੇ ਰਹੋ।


## ਇਸ ਬਾਰੇ ਸੋਚਣ ਦਾ ਇੱਕ ਵਾਜਬ ਤਰੀਕਾ

ਇੱਕ ਅਭਿਆਸ ਆਮ ਬੁੱਧੀ ਵਿੱਚ ਇੱਕ ਮਾਪਣਯੋਗ ਲਾਭ ਪੈਦਾ ਕੀਤੇ ਬਿਨਾਂ ਆਨੰਦਦਾਇਕ ਹੋ ਸਕਦਾ ਹੈ। ਤੁਸੀਂ ਚੁਣੌਤੀ ਅਤੇ ਹੁਨਰ ਨੂੰ ਟਰੈਕ ਕਰਨ ਦੇ ਮੌਕੇ ਦੀ ਕਦਰ ਕਰ ਸਕਦੇ ਹੋ। ਇਹ ਅਭਿਆਸ ਕਰਨ ਦੇ ਨਿੱਜੀ ਕਾਰਨ ਹਨ, ਜੋ ਟ੍ਰਾਂਸਫਰ ਬਾਰੇ ਵਿਗਿਆਨਕ ਦਾਅਵਿਆਂ ਤੋਂ ਵੱਖਰੇ ਹਨ। ਗਾਰੰਟੀਸ਼ੁਦਾ ਬੋਧਾਤਮਕ ਪਰਿਵਰਤਨ ਦੇ ਕਿਸੇ ਵੀ ਵਾਅਦੇ ਨੂੰ ਇੱਕ ਦਾਅਵੇ ਵਜੋਂ ਮੰਨੋ ਜਿਸ ਲਈ ਮਜ਼ਬੂਤ ​​ਸੁਤੰਤਰ ਸਬੂਤ ਦੀ ਲੋੜ ਹੈ।


## ਆਪਣੇ ਆਪ ਨੂੰ ਮੂਰਖ ਬਣਾਏ ਬਿਨਾਂ ਸਿਖਲਾਈ

ਇੱਕੋ ਪੱਧਰ 'ਤੇ ਅਤੇ ਇੱਕੋ ਸੈਟਿੰਗ ਨਾਲ ਸ਼ੁੱਧਤਾ ਦੀ ਤੁਲਨਾ ਕਰੋ, ਅਤੇ ਇੱਕ ਨਿੱਜੀ ਸਰਵੋਤਮ ਦੀ ਬਜਾਏ ਕਈ ਸੈਸ਼ਨਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰੋ। ਹਾਲਾਤਾਂ ਵਿੱਚ ਸੰਬੰਧਤ ਤਬਦੀਲੀਆਂ ਨੂੰ ਇਹ ਮੰਨੇ ਬਿਨਾਂ ਰਿਕਾਰਡ ਕਰੋ ਕਿ ਉਹਨਾਂ ਨੇ ਨਤੀਜਾ ਲਿਆ ਹੈ। ਇਕੱਲਾ ਉੱਚ ਪੱਧਰ ਹਿੱਟ, ਮਿਸ ਅਤੇ ਝੂਠੇ ਅਲਾਰਮ ਦੇ ਪੈਟਰਨ ਦਾ ਵਰਣਨ ਨਹੀਂ ਕਰਦਾ। ਉਹਨਾਂ ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਸਕੋਰਿੰਗ ਗਾਈਡ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਅਤੇ ਕਸਰਤ 'ਤੇ ਪ੍ਰਗਤੀ ਨੂੰ ਹੋਰ ਕਿਤੇ ਨਾ ਜਾਂਚੇ ਲਾਭਾਂ ਤੋਂ ਵੱਖ ਰੱਖੋ।

[dual n-back ਕਿਵੇਂ ਖੇਡਣਾ ਹੈ: ਇੱਕ ਸਪਸ਼ਟ ਪਹਿਲਾ ਸੈਸ਼ਨ](https://romeoapps.app/pa/dual-n-back/how-to-play-dual-n-back/)

## ਸਵਾਲ

### ਕੀ dual n-back IQ ਵਧਾਉਂਦਾ ਹੈ?

2013 ਵਿੱਚ, ਰੈਡਿਕ ਅਤੇ ਸਹਿਕਰਮੀਆਂ ਨੇ ਇੱਕ ਸਰਗਰਮ ਨਿਯੰਤਰਣ ਸਮੂਹ ਦੇ ਨਾਲ ਇੱਕ ਵੱਡਾ ਅਧਿਐਨ ਚਲਾਇਆ, ਮਤਲਬ ਕਿ ਤੁਲਨਾ ਸਮੂਹ ਨੇ ਕੁਝ ਵੀ ਨਹੀਂ ਹੋਣ ਦੀ ਬਜਾਏ ਇੱਕ ਮੰਗ ਵਾਲਾ ਕੰਪਿਊਟਰ ਕੰਮ ਵੀ ਕੀਤਾ। ਉਹਨਾਂ ਨੂੰ n-back ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ ਤਰਲ ਬੁੱਧੀ ਵਿੱਚ ਕੋਈ ਸੁਧਾਰ ਨਹੀਂ ਮਿਲਿਆ। ਉਸੇ ਸਾਲ, Melby-Lervåg ਅਤੇ Hulme ਨੇ ਕਈ ਅਧਿਐਨਾਂ ਵਿੱਚ ਵਰਕਿੰਗ-ਮੈਮੋਰੀ ਸਿਖਲਾਈ ਦਾ ਇੱਕ ਮੈਟਾ-ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਅਤੇ ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੇ ਨਜ਼ਦੀਕੀ ਪ੍ਰਭਾਵਾਂ ਅਤੇ ਕੋਈ ਭਰੋਸੇਯੋਗ ਦੂਰ ਟ੍ਰਾਂਸਫਰ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ। 2016 ਵਿੱਚ ਉਸੇ ਲੇਖਕਾਂ ਦੁਆਰਾ ਬਾਅਦ ਵਿੱਚ ਕੀਤੇ ਗਏ ਕੰਮ ਅਧਿਐਨਾਂ ਦੇ ਇੱਕ ਵੱਡੇ ਸਮੂਹ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਅਤੇ ਨਿਯੰਤਰਣ-ਸਮੂਹ ਡਿਜ਼ਾਈਨ 'ਤੇ ਪੂਰਾ ਧਿਆਨ ਦੇਣ ਤੋਂ ਬਾਅਦ ਇੱਕ ਸਮਾਨ ਸਿੱਟੇ 'ਤੇ ਪਹੁੰਚੇ।

### ਕਿੰਨੀ ਦੇਰ ਪਹਿਲਾਂ dual n-back ਨਤੀਜੇ ਦਿਖਾਉਂਦੇ ਹਨ?

ਇੱਕ ਉੱਚ ਸਕੋਰ ਕਈ ਤਬਦੀਲੀਆਂ ਨੂੰ ਦਰਸਾ ਸਕਦਾ ਹੈ: ਜਵਾਬ ਬਟਨਾਂ ਨਾਲ ਜਾਣੂ ਹੋਣਾ, ਬਿਹਤਰ ਸਮਾਂ, ਇੱਕ ਨਵੀਂ ਰਣਨੀਤੀ, ਜਾਂ ਕ੍ਰਮ ਨੂੰ ਯਾਦ ਰੱਖਣ ਅਤੇ ਅੱਪਡੇਟ ਕਰਨ ਵਿੱਚ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ। ਇਕੱਲਾ ਸਕੋਰ ਇਹਨਾਂ ਵਿਆਖਿਆਵਾਂ ਨੂੰ ਵੱਖ ਨਹੀਂ ਕਰ ਸਕਦਾ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਖੋਜ ਵਿੱਚ ਅਣਸਿਖਿਅਤ ਨਤੀਜੇ ਟੈਸਟ ਅਤੇ ਤੁਲਨਾ ਸਮੂਹ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਮੁਸ਼ਕਲ ਅਤੇ ਜਤਨ ਆਪਣੇ ਆਪ ਇਹ ਸਾਬਤ ਨਹੀਂ ਕਰਦੇ ਕਿ ਇੱਕ ਅਭਿਆਸ ਆਮ ਬੋਧਾਤਮਕ ਲਾਭ ਪੈਦਾ ਕਰਦਾ ਹੈ।

### ਕੀ dual n-back ਹੋਰ ਦਿਮਾਗ-ਸਿਖਲਾਈ ਐਪਾਂ ਨਾਲੋਂ ਬਿਹਤਰ ਹੈ?

ਇਹ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਦੇ ਯੋਗ ਹੋ ਸਕਦਾ ਹੈ ਜੇਕਰ ਤੁਸੀਂ ਕਸਰਤ ਦਾ ਅਨੰਦ ਲੈਂਦੇ ਹੋ ਅਤੇ ਇਸ 'ਤੇ ਆਪਣੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਟਰੈਕ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ। ਇਹ ਉੱਚ ਆਈਕਿਊ, ਬਿਹਤਰ ਗ੍ਰੇਡ ਜਾਂ ਬਿਹਤਰ ਕੰਮ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਇੱਕ ਸਥਾਪਿਤ ਰਸਤਾ ਨਹੀਂ ਹੈ। Dual N-Back App Store 'ਤੇ ਉਪਲਬਧ ਹੈ; ਮੌਜੂਦਾ ਕੀਮਤ ਅਤੇ ਇਨ-ਐਪ ਖਰੀਦਦਾਰੀ ਲਈ ਸੂਚੀ ਦੀ ਸਲਾਹ ਲਓ। ਇਸ ਨੂੰ ਉਸ ਲਈ ਚੁਣੋ ਜੋ ਤੁਹਾਨੂੰ ਅਭਿਆਸ ਕਰਨ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਨਿਰਣਾ ਕਰੋ ਕਿ ਕੀ ਉਹ ਗਤੀਵਿਧੀ ਤੁਹਾਡੇ ਲਈ ਉਪਯੋਗੀ ਹੈ ਜਾਂ ਅਨੰਦਦਾਇਕ ਹੈ।

### ਅਧਿਐਨ dual n-back ਬਾਰੇ ਅਸਹਿਮਤ ਕਿਉਂ ਹਨ?

2014 ਵਿੱਚ, Au ਅਤੇ ਸਹਿਕਰਮੀਆਂ ਨੇ ਖਾਸ ਤੌਰ 'ਤੇ n-back ਅਧਿਐਨਾਂ ਨੂੰ ਇਕੱਠਾ ਕੀਤਾ ਅਤੇ ਤਰਲ ਬੁੱਧੀ 'ਤੇ ਇੱਕ ਛੋਟੇ ਸਕਾਰਾਤਮਕ ਪ੍ਰਭਾਵ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ। 2016 ਵਿੱਚ, ਮੇਲਬੀ-ਲੇਰਵਾਗ, ਰੈਡਿਕ ਅਤੇ ਹੁਲਮੇ ਨੇ ਇੱਕ ਵਿਸ਼ਾਲ ਸਮੂਹ ਤਿਆਰ ਕੀਤਾ ਅਤੇ ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ ਕੋਈ ਵੀ ਰਿਪੋਰਟ ਨਹੀਂ ਕੀਤੀ। 2017 ਵਿੱਚ, ਸੋਵੇਰੀ ਅਤੇ ਸਹਿਕਰਮੀਆਂ ਨੇ n-back ਸਿਖਲਾਈ ਦਾ ਇੱਕ ਬਹੁ-ਪੱਧਰੀ ਮੈਟਾ-ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਅਤੇ n-back ਕਾਰਜਾਂ ਵਿੱਚ ਆਪਣੇ ਆਪ ਵਿੱਚ ਸਪਸ਼ਟ ਸੁਧਾਰ ਪਾਇਆ, ਨਜ਼ਦੀਕੀ ਨਾਲ ਸੰਬੰਧਿਤ ਕਾਰਜਾਂ ਵਿੱਚ ਕੁਝ ਸੁਧਾਰ, ਅਤੇ ਇਸ ਤੋਂ ਪਰੇ। ਅਸਹਿਮਤੀ ਰਹੱਸਮਈ ਨਹੀਂ ਹੈ. ਇਹ ਆਉਂਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਅਧਿਐਨਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਹੈ, ਕੀ ਨਿਯੰਤਰਣ ਸਮੂਹ ਕਿਰਿਆਸ਼ੀਲ ਜਾਂ ਪੈਸਿਵ ਸਨ, ਅਤੇ ਨਤੀਜਿਆਂ ਨੂੰ ਕਿਵੇਂ ਸਮੂਹਬੱਧ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਉਹਨਾਂ ਫੈਸਲਿਆਂ ਵਿੱਚ ਛੋਟੇ ਅੰਤਰ ਸਿਰਲੇਖ ਨੰਬਰ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹਿਲਾ ਦਿੰਦੇ ਹਨ।

### ਕੀ ਮੈਨੂੰ ਅਜੇ ਵੀ dual n-back ਦਾ ਅਭਿਆਸ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?

ਇੱਕੋ ਪੱਧਰ 'ਤੇ ਅਤੇ ਇੱਕੋ ਸੈਟਿੰਗ ਨਾਲ ਸ਼ੁੱਧਤਾ ਦੀ ਤੁਲਨਾ ਕਰੋ, ਅਤੇ ਇੱਕ ਨਿੱਜੀ ਸਰਵੋਤਮ ਦੀ ਬਜਾਏ ਕਈ ਸੈਸ਼ਨਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰੋ। ਹਾਲਾਤਾਂ ਵਿੱਚ ਸੰਬੰਧਤ ਤਬਦੀਲੀਆਂ ਨੂੰ ਇਹ ਮੰਨੇ ਬਿਨਾਂ ਰਿਕਾਰਡ ਕਰੋ ਕਿ ਉਹਨਾਂ ਨੇ ਨਤੀਜਾ ਲਿਆ ਹੈ। ਇਕੱਲਾ ਉੱਚ ਪੱਧਰ ਹਿੱਟ, ਮਿਸ ਅਤੇ ਝੂਠੇ ਅਲਾਰਮ ਦੇ ਪੈਟਰਨ ਦਾ ਵਰਣਨ ਨਹੀਂ ਕਰਦਾ। ਉਹਨਾਂ ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਸਕੋਰਿੰਗ ਗਾਈਡ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਅਤੇ ਕਸਰਤ 'ਤੇ ਪ੍ਰਗਤੀ ਨੂੰ ਹੋਰ ਕਿਤੇ ਨਾ ਜਾਂਚੇ ਲਾਭਾਂ ਤੋਂ ਵੱਖ ਰੱਖੋ।

## ਹੋਰ ਪੜ੍ਹਨਾ

- Jaeggi, Buschkuehl, Jonides & Perrig (2008), Improving fluid intelligence with training on working memory, PNAS — https://doi.org/10.1073/pnas.0801268105
- Redick et al. (2013), No evidence of intelligence improvement after working memory training, Journal of Experimental Psychology: General — https://doi.org/10.1037/a0029082
- Melby-Lervåg & Hulme (2013), Is working memory training effective? A meta-analytic review, Developmental Psychology — https://doi.org/10.1037/a0028228
- Au et al. (2015), Improving fluid intelligence with training on working memory: a meta-analysis, Psychonomic Bulletin & Review — https://doi.org/10.3758/s13423-014-0699-x
- Melby-Lervåg, Redick & Hulme (2016), Working memory training does not improve performance on measures of intelligence or other far transfer, Perspectives on Psychological Science — https://doi.org/10.1177/1745691616635612
- Soveri et al. (2017), Working memory training revisited: a multi-level meta-analysis of n-back training studies, Psychonomic Bulletin & Review — https://doi.org/10.3758/s13423-016-1217-0
- Simons et al. (2016), Do “Brain-Training” Programs Work?, Psychological Science in the Public Interest — https://doi.org/10.1177/1529100616661983