# ਟ੍ਰੈਕ dual n-back ਤਰੱਕੀ: ਇੱਕ ਪ੍ਰੈਕਟੀਕਲ ਸੈਸ਼ਨ ਲੌਗ

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

ਪੱਧਰਾਂ, ਸ਼ੁੱਧਤਾ ਅਤੇ ਗਲਤੀਆਂ ਦੀ ਨਿਰਪੱਖਤਾ ਨਾਲ ਤੁਲਨਾ ਕਰਨ ਲਈ ਇੱਕ ਸਧਾਰਨ dual n-back ਸੈਸ਼ਨ ਲੌਗ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਇੱਕ ਕਾਲਪਨਿਕ ਕੰਮ ਕੀਤੀ ਉਦਾਹਰਨ ਅਤੇ ਇੱਕ ਹਫ਼ਤਾਵਾਰ ਸਮੀਖਿਆ ਵਿਧੀ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ।

## ਸਕੋਰ ਦਾ ਨਿਰਣਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸ਼ਰਤਾਂ ਨੂੰ ਲੌਗ ਕਰੋ

ਇੱਕ ਉਪਯੋਗੀ dual n-back ਲੌਗ ਰਿਕਾਰਡ ਕਰਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਕੀ ਅਭਿਆਸ ਕੀਤਾ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਤੁਹਾਡੀ ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਤੀਸ਼ਤਤਾ। ਮਿਤੀ, ਟਾਸਕ ਮੋਡ, N ਪੱਧਰ, ਸੈਸ਼ਨ ਦੀ ਲੰਬਾਈ, ਸਕੋਰਿੰਗ ਨਿਯਮ ਅਤੇ ਨਤੀਜਾ ਲਿਖੋ। ਰੁਕਾਵਟਾਂ ਜਾਂ ਡਿਵਾਈਸ ਦੀ ਤਬਦੀਲੀ ਬਾਰੇ ਇੱਕ ਛੋਟਾ ਨੋਟ ਸ਼ਾਮਲ ਕਰੋ। ਸੈਸ਼ਨ ਤੋਂ ਬਾਅਦ ਭਰਨ ਲਈ ਫਾਰਮੈਟ ਨੂੰ ਇੰਨਾ ਛੋਟਾ ਰੱਖੋ। ਇਹ ਗਾਈਡ ਇੱਕ ਨਿੱਜੀ ਸੰਗਠਨ ਵਿਧੀ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਦੀ ਹੈ, ਨਾ ਕਿ ਪ੍ਰਮਾਣਿਤ ਬੋਧਾਤਮਕ ਮੁਲਾਂਕਣ ਜਾਂ ਇੱਕ ਲੋੜੀਂਦਾ ਸਿਖਲਾਈ ਪ੍ਰੋਗਰਾਮ।


## ਹਰੇਕ ਤੁਲਨਾਤਮਕ ਬਲਾਕ ਲਈ ਇੱਕ ਕਤਾਰ ਦੀ ਵਰਤੋਂ ਕਰੋ

ਜੇਕਰ ਸੈਸ਼ਨ ਦੌਰਾਨ ਪੱਧਰ ਬਦਲਦਾ ਹੈ, ਤਾਂ ਬਲਾਕਾਂ ਨੂੰ ਵੱਖ ਕਰੋ ਜਦੋਂ ਉਹ ਜਾਣਕਾਰੀ ਉਪਲਬਧ ਹੋਵੇ। ਨਹੀਂ ਤਾਂ ਨਤੀਜੇ ਨੂੰ ਸਭ ਤੋਂ ਉੱਚੇ N ਨੂੰ ਸੌਂਪਣ ਦੀ ਬਜਾਏ ਮਿਸ਼ਰਤ-ਪੱਧਰੀ ਸੈਸ਼ਨ ਵਜੋਂ ਲੇਬਲ ਕਰੋ। ਤੁਸੀਂ ਲੌਗ ਨੂੰ ਇੱਕ ਨੋਟਬੁੱਕ ਜਾਂ ਸਪ੍ਰੈਡਸ਼ੀਟ ਵਿੱਚ ਰੱਖ ਸਕਦੇ ਹੋ। ਸਿਰਫ਼ ਉਹ ਜਾਣਕਾਰੀ ਰਿਕਾਰਡ ਕਰੋ ਜੋ ਤੁਹਾਡੀ ਐਪ ਅਸਲ ਵਿੱਚ ਦਿਖਾਉਂਦਾ ਹੈ; ਅਣਉਪਲਬਧ ਮੁੱਲਾਂ ਨੂੰ ਖੋਜਣ ਦੀ ਬਜਾਏ ਖਾਲੀ ਛੱਡੋ।


## ਇੱਕ ਉਦਾਹਰਨ: ਇੱਕ ਰਿਕਾਰਡ ਹਮੇਸ਼ਾ ਇੱਕ ਰੁਝਾਨ ਨਹੀਂ ਹੁੰਦਾ ਹੈ

ਸਾਰਣੀ ਵਿੱਚ ਖੋਜ ਨਤੀਜੇ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ, ਉਪਭੋਗਤਾ ਡੇਟਾ ਨਹੀਂ। ਦੋਵੇਂ ਸੈਸ਼ਨ 100 ਸਕੋਰ ਕੀਤੇ ਫੈਸਲਿਆਂ ਦੇ ਨਾਲ ਦੋਹਰੇ 2-back ਬਲਾਕ ਹਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ 20 ਮੈਚ ਹਨ, ਇੱਕੋ ਸਮੇਂ ਅਤੇ ਸਕੋਰਿੰਗ ਸੰਮੇਲਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ। ਦੂਜੇ ਸੈਸ਼ਨ ਵਿੱਚ ਵਧੇਰੇ ਸਹੀ ਖੋਜਾਂ ਹਨ ਪਰ ਹੋਰ ਗਲਤ ਅਲਾਰਮ ਵੀ ਹਨ। ਇਸ ਲਈ ਇਹ ਉੱਚ ਸਮੁੱਚੀ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕੀਤੇ ਬਿਨਾਂ ਮੈਚਾਂ ਲਈ ਵਧੇਰੇ ਜਵਾਬਦੇਹ ਹੈ। ਜਵਾਬ ਦੇ ਪੈਟਰਨ ਵਿਚ ਇਕੱਲੇ ਇਕ ਪ੍ਰਤੀਸ਼ਤ ਉਸ ਤਬਦੀਲੀ ਨੂੰ ਲੁਕਾ ਦੇਵੇਗਾ.


## ਝੂਠੇ ਅਲਾਰਮ ਤੋਂ ਵੱਖ ਮਿਸ

ਇੱਕ ਮਿਸ ਦਾ ਮਤਲਬ ਹੈ ਇੱਕ ਅਸਲੀ ਮੈਚ ਖੋਜਿਆ ਨਹੀਂ ਗਿਆ ਸੀ; ਇੱਕ ਗਲਤ ਅਲਾਰਮ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਤੁਸੀਂ ਇੱਕ ਮੈਚ ਦਾ ਸੰਕੇਤ ਦਿੱਤਾ ਹੈ ਜਦੋਂ ਕੋਈ ਨਹੀਂ ਸੀ। ਉਦਾਹਰਨ ਵਿੱਚ, ਸੈਸ਼ਨ A 20 ਵਿੱਚੋਂ 16 ਮੈਚ ਖੋਜਦਾ ਹੈ: 80%। ਸੈਸ਼ਨ B 20 ਵਿੱਚੋਂ 18: 90% ਖੋਜਦਾ ਹੈ। ਪਰ ਝੂਠੇ ਅਲਾਰਮ 80 ਵਿੱਚੋਂ 4 ਗੈਰ-ਮੇਲ (5%) ਤੋਂ ਵੱਧ ਕੇ 80 ਵਿੱਚੋਂ 8 (10%) ਹੋ ਜਾਂਦੇ ਹਨ। ਸਮੁੱਚੀ ਸ਼ੁੱਧਤਾ A ਲਈ 92% ਅਤੇ B ਲਈ 90% ਹੈ। ਨਾ ਤਾਂ ਬਟਨ ਦਬਾਉਣ ਦੀ ਗਿਣਤੀ ਅਤੇ ਨਾ ਹੀ ਉੱਚੀ ਹਿੱਟ ਦਰ ਹੀ ਪੂਰੇ ਪ੍ਰਦਰਸ਼ਨ ਦਾ ਸਾਰ ਦਿੰਦੀ ਹੈ।

[ਦੋਹਰਾ n-back ਸਕੋਰਿੰਗ: ਫਾਰਮੂਲੇ, ਉਦਾਹਰਨਾਂ ਅਤੇ ਕੈਲਕੁਲੇਟਰ](https://romeoapps.app/pa/dual-n-back/dual-n-back-scoring/)

## ਮਿਸ਼ਰਤ ਪੱਧਰ ਅਤੇ ਔਸਤ ਇਮਾਨਦਾਰ ਰੱਖੋ

N=3 'ਤੇ ਨਿੱਜੀ ਸਰਵੋਤਮ ਦੀ ਤੁਲਨਾ N=2 ਦੀ ਔਸਤ ਨਾਲ ਨਾ ਕਰੋ ਜਿਵੇਂ ਕਿ ਸਿਰਫ਼ ਤੁਹਾਡਾ ਹੁਨਰ ਹੀ ਬਦਲ ਗਿਆ ਹੈ। ਹਰੇਕ ਮੋਡ ਅਤੇ ਪੱਧਰ ਲਈ ਵੱਖਰੇ ਸੰਖੇਪ ਰੱਖੋ। ਜੇਕਰ ਤੁਸੀਂ ਬਲਾਕਾਂ ਨੂੰ ਜੋੜਦੇ ਹੋ, ਤਾਂ ਸਕੋਰ ਕੀਤੇ ਗਏ ਫੈਸਲਿਆਂ ਦੀ ਸੰਖਿਆ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖੋ: ਔਸਤ ਦੋ ਪ੍ਰਤੀਸ਼ਤ ਹਰੇਕ ਬਲਾਕ ਨੂੰ ਬਰਾਬਰ ਭਾਰ ਦਿੰਦੇ ਹਨ ਭਾਵੇਂ ਇੱਕ ਬਹੁਤ ਲੰਬਾ ਹੋਵੇ। ਇੱਕ ਸਮੀਖਿਆ ਤੋਂ ਅਗਲੀ ਤੱਕ ਇੱਕੋ ਗਣਨਾ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਅਤੇ ਕਿਸੇ ਵੀ ਤਬਦੀਲੀ ਨੂੰ ਲਿਖੋ।

[ਸਿੰਗਲ ਬਨਾਮ dual n-back: ਕੀ ਬਦਲਦਾ ਹੈ ਅਤੇ ਕਿੱਥੇ ਸ਼ੁਰੂ ਕਰਨਾ ਹੈ](https://romeoapps.app/pa/dual-n-back/single-vs-dual-n-back/)

## ਇੱਕ ਸੰਖੇਪ ਹਫਤਾਵਾਰੀ ਸਮੀਖਿਆ

ਤੁਲਨਾਤਮਕ ਸੈਸ਼ਨਾਂ ਨੂੰ ਦੁਬਾਰਾ ਪੜ੍ਹਨ ਲਈ ਇੱਕ ਨਿਯਮਤ ਪਲ ਚੁਣੋ। ਤਿੰਨ ਸਵਾਲ ਪੁੱਛੋ: ਕੀ ਮੈਂ ਯੋਜਨਾਬੱਧ ਅਭਿਆਸ ਨੂੰ ਪੂਰਾ ਕੀਤਾ, ਕਿਹੜੀਆਂ ਗਲਤੀਆਂ ਦੁਹਰਾਈਆਂ, ਅਤੇ ਕੀ ਮੈਂ ਸੈਟਿੰਗਾਂ ਨੂੰ ਬਦਲਿਆ? ਜੇਕਰ ਤੁਸੀਂ ਇੱਕ ਮੱਧਮਾਨ ਦੀ ਗਣਨਾ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਲਨਾਤਮਕ ਸਕੋਰਾਂ ਨੂੰ ਕ੍ਰਮਬੱਧ ਕਰੋ ਅਤੇ ਇੱਕ ਬਰਾਬਰ ਗਿਣਤੀ ਲਈ ਮੱਧ ਮੁੱਲ, ਜਾਂ ਦੋ ਮੱਧ ਮੁੱਲਾਂ ਦਾ ਮੱਧਮਾਨ ਲਓ। ਨਿਰਾਸ਼ਾਜਨਕ ਸੈਸ਼ਨਾਂ ਸਮੇਤ ਸਾਰੇ ਸੈਸ਼ਨ ਰੱਖੋ। ਇੱਕ ਨਿੱਜੀ ਲੌਗ ਜਾਂਚ ਲਈ ਪੈਟਰਨਾਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਕੁਝ ਨਿਰੀਖਣ ਉਹਨਾਂ ਦੇ ਕਾਰਨ ਨੂੰ ਸਥਾਪਿਤ ਨਹੀਂ ਕਰ ਸਕਦੇ ਹਨ।


## ਕੀ ਕਰਨਾ ਹੈ ਜਦੋਂ ਨਤੀਜੇ ਵਧਣੇ ਬੰਦ ਹੋ ਜਾਂਦੇ ਹਨ

ਪਹਿਲਾਂ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਸੈਸ਼ਨਾਂ ਨੇ ਅਸਲ ਵਿੱਚ ਇੱਕੋ ਪੱਧਰ, ਗਤੀ ਅਤੇ ਸਕੋਰਿੰਗ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ। ਫਿਰ ਗਲਤੀ ਨੋਟ ਪੜ੍ਹੋ. ਜੇਕਰ ਡੋਮੀਨੇਟ ਖੁੰਝ ਜਾਂਦਾ ਹੈ ਤਾਂ ਤੁਲਨਾ ਦੇ ਨਿਯਮ 'ਤੇ ਮੁੜ ਜਾਓ, ਜਾਂ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਤੁਸੀਂ ਗਲਤ ਅਲਾਰਮ ਮੁੜ ਆਉਣ 'ਤੇ ਸਹੀ N-back ਮੈਚ ਦੀ ਬਜਾਏ ਕਿਸੇ ਜਾਣੇ-ਪਛਾਣੇ ਸਿਗਨਲ ਦਾ ਜਵਾਬ ਦੇ ਰਹੇ ਹੋ। ਜਦੋਂ ਵੀ ਸੰਭਵ ਹੋਵੇ ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਸੈਟਿੰਗ ਨੂੰ ਵਿਵਸਥਿਤ ਕਰੋ। ਇੱਕ ਪਠਾਰ ਹਾਲੀਆ ਨਤੀਜਿਆਂ ਦਾ ਵਰਣਨ ਹੈ, ਨਾ ਕਿ ਇੱਕ ਨਿਦਾਨ ਜਾਂ ਸਬੂਤ ਹੈ ਕਿ ਇੱਕ ਖਾਸ ਸਿਖਲਾਈ ਖੁਰਾਕ ਦੀ ਲੋੜ ਹੈ।


## ਲੌਗ ਕੀ ਦਿਖਾ ਸਕਦਾ ਹੈ ਅਤੇ ਕੀ ਨਹੀਂ ਦਿਖਾ ਸਕਦਾ

ਤੁਹਾਡੇ ਦੁਆਰਾ ਦਰਜ ਕੀਤੀਆਂ ਸ਼ਰਤਾਂ ਦੇ ਤਹਿਤ ਕਾਰਜ 'ਤੇ ਲੌਗ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ। ਇਹ IQ ਵਿੱਚ ਵਾਧਾ ਜਾਂ ਅਧਿਐਨ, ਕੰਮ ਜਾਂ ਰੋਜ਼ਾਨਾ ਦੀ ਯਾਦਦਾਸ਼ਤ ਵਿੱਚ ਸੁਧਾਰ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਨਹੀਂ ਕਰਦਾ ਹੈ। n-back ਸਿਖਲਾਈ 'ਤੇ ਖੋਜ ਅਭਿਆਸ ਕੀਤੇ ਕੰਮ ਦੇ ਲਾਭਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਕਾਰਜਾਂ ਲਈ ਟ੍ਰਾਂਸਫਰ ਤੋਂ ਵੱਖ ਕਰਦੀ ਹੈ। ਐਪ ਦੇ ਸੈਸ਼ਨ ਨਤੀਜਿਆਂ ਨੂੰ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ, ਪਰਿਭਾਸ਼ਾਵਾਂ ਲਈ ਸਕੋਰਿੰਗ ਗਾਈਡ, ਅਤੇ ਵਿਆਪਕ ਦਾਅਵਿਆਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਲਈ ਸਬੂਤ ਗਾਈਡ ਵਜੋਂ ਵਰਤੋ।

[ਕੀ dual n-back ਸਿਖਲਾਈ ਕੰਮ ਕਰਦੀ ਹੈ? ਸਬੂਤ ਅਸਲ ਵਿੱਚ ਕੀ ਕਹਿੰਦਾ ਹੈ](https://romeoapps.app/pa/dual-n-back/does-dual-n-back-work/)

## ਹੋਰ ਪੜ੍ਹਨਾ

- 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