Como acompanhar seu progresso no dual n-back

Registre as condições antes de julgar a pontuação

Um registro dual n-back útil registra o que você praticou, não apenas sua melhor porcentagem. Escreva a data, modo de tarefa, nível N, duração da sessão, regra de pontuação e resultado. Adicione uma breve nota sobre interrupções ou mudança de dispositivo. Mantenha o formato pequeno o suficiente para ser preenchido após uma sessão. Este guia propõe um método de organização pessoal, não uma avaliação cognitiva validada ou um programa de formação obrigatório.

Use uma linha para cada bloco comparável

Se o nível mudar durante uma sessão, separe os blocos quando essa informação estiver disponível. Caso contrário, rotule o resultado como uma sessão de nível misto, em vez de atribuí-lo ao N mais alto alcançado. Você pode manter o registro em um caderno ou planilha. Registre apenas as informações que seu aplicativo realmente mostra; deixe os valores indisponíveis em branco em vez de inventá-los.

Um exemplo: um recorde nem sempre é uma tendência

A tabela contém resultados inventados, não dados do usuário. Ambas as sessões são blocos de dual 2-back com 100 decisões avaliadas, 20 das quais são correspondências, usando o mesmo tempo e convenção de pontuação. A segunda sessão tem mais detecções corretas, mas também mais alarmes falsos. É, portanto, mais responsivo às correspondências sem alcançar uma maior precisão geral. Uma percentagem por si só esconderia essa mudança no padrão de resposta.

Separe omissões de alarmes falsos

Uma omissão significa que uma correspondência real não foi detectada; um alarme falso significa que você sinalizou uma correspondência quando não havia nenhuma. No exemplo, a sessão A detecta 16 de 20 correspondências: 80%. A sessão B detecta 18 de 20: 90%. Mas os alarmes falsos aumentam de 4 em 80 não-correspondências (5%) para 8 em 80 (10%). A precisão geral é de 92% para A e 90% para B. Nem o número de pressionamentos de botão nem uma taxa de acerto mais alta por si só resumem todo o desempenho.

Mantenha níveis e médias mistos honestos

Não compare um recorde pessoal de N=3 com uma média de N=2 como se apenas sua habilidade tivesse mudado. Mantenha resumos separados para cada modo e nível. Se você combinar blocos, mantenha o número de decisões pontuadas: uma média de duas porcentagens dá a cada bloco o mesmo peso, mesmo quando um deles é muito mais longo. Use o mesmo cálculo de uma revisão para outra e anote qualquer alteração.

Uma breve revisão semanal

Para calcular a mediana, coloque as pontuações comparáveis em ordem. Se a quantidade for ímpar, use o valor central; se for par, calcule a média dos dois valores centrais. Guarde também as sessões decepcionantes. Na revisão semanal, verifique se praticou o que planejou, quais erros se repetiram e quais configurações mudaram. Poucas observações não permitem estabelecer uma causa.

O que fazer quando os resultados param de subir

Primeiro verifique se as sessões realmente usaram o mesmo nível, ritmo e regra de pontuação. Em seguida, leia as notas de erro. Revisite a regra de comparação se as omissões predominarem ou verifique se você está respondendo a um sinal familiar em vez de uma correspondência N-back exata se falsos alarmes ocorrerem. Ajuste uma configuração de cada vez, quando possível. Um platô é uma descrição de resultados recentes, não um diagnóstico ou prova de que uma dose específica de treinamento é necessária.

O que o registro pode ou não mostrar

O registro documenta o desempenho da tarefa nas condições que você registrou. Não demonstra aumento de QI nem melhora no estudo, no trabalho ou na memória cotidiana. A pesquisa sobre o treinamento n-back distingue os ganhos na tarefa praticada da transferência para tarefas diferentes. Use os resultados da sessão do aplicativo como ponto de partida, o guia de pontuação para definições e o guia de evidências para os limites de afirmações mais amplas.

Saiba mais

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