# ติดตามความคืบหน้าของ dual n-back: บันทึกเซสชันที่ใช้งานได้จริง

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

ใช้บันทึกเซสชัน dual n-back แบบง่ายๆ เพื่อเปรียบเทียบระดับ ความแม่นยำ และข้อผิดพลาดอย่างยุติธรรม รวมตัวอย่างผลงานสมมติและวิธีการทบทวนรายสัปดาห์

## บันทึกเงื่อนไขก่อนตัดสินคะแนน

บันทึก dual n-back ที่เป็นประโยชน์จะบันทึกสิ่งที่คุณฝึกฝน ไม่ใช่แค่เปอร์เซ็นต์ที่ดีที่สุดของคุณ เขียนวันที่ โหมดงาน ระดับ N ความยาวเซสชัน กฎการให้คะแนน และผลลัพธ์ เพิ่มบันทึกสั้นๆ เกี่ยวกับการขัดจังหวะหรือการเปลี่ยนอุปกรณ์ รักษารูปแบบให้เล็กพอที่จะกรอกหลังเซสชัน คู่มือนี้เสนอวิธีการจัดระเบียบส่วนบุคคล ไม่ใช่การประเมินความรู้ความเข้าใจที่ได้รับการตรวจสอบแล้วหรือโปรแกรมการฝึกอบรมที่จำเป็น


## ใช้หนึ่งแถวสำหรับแต่ละบล็อกที่เทียบเคียงได้

หากระดับเปลี่ยนแปลงในระหว่างเซสชัน ให้แยกบล็อกเมื่อมีข้อมูลดังกล่าว มิฉะนั้น ให้ติดป้ายกำกับผลลัพธ์เป็นเซสชันระดับผสม แทนที่จะกำหนดให้กับ N สูงสุดที่เข้าถึง คุณสามารถเก็บบันทึกลงในสมุดบันทึกหรือสเปรดชีตได้ บันทึกเฉพาะข้อมูลที่แอปของคุณแสดงจริงเท่านั้น ปล่อยค่าที่ไม่มีให้ว่างไว้แทนการประดิษฐ์ขึ้นมา


## ตัวอย่าง: บันทึกไม่ใช่แนวโน้มเสมอไป

ตารางประกอบด้วยผลลัพธ์ที่ประดิษฐ์ขึ้น ไม่ใช่ข้อมูลผู้ใช้ ทั้งสองเซสชันเป็นบล็อกคู่ 2-back ซึ่งมีการตัดสินคะแนน 100 ครั้ง โดย 20 ครั้งเป็นการแข่งขันโดยใช้จังหวะเวลาและการให้คะแนนเดียวกัน เซสชันที่สองมีการตรวจจับที่แม่นยำยิ่งขึ้น แต่ยังมีการแจ้งเตือนที่ผิดพลาดมากกว่าอีกด้วย ดังนั้นจึงตอบสนองต่อการแข่งขันได้ดีขึ้นโดยไม่ได้รับความแม่นยำโดยรวมที่สูงขึ้น เพียงหนึ่งเปอร์เซ็นต์เท่านั้นที่สามารถซ่อนการเปลี่ยนแปลงในรูปแบบการตอบสนองได้

ตัวอย่างสมมติ: บล็อกคู่ 2-back สองบล็อกที่เทียบเคียงได้

| วัด | เซสชั่น A | เซสชั่นบี |
| --- | --- | --- |
| การตัดสินใจคะแนน | 100 | 100 |
| การแข่งขันที่เกิดขึ้นจริง | 20 | 20 |
| ฮิต | 16 | 18 |
| คิดถึง | 4 | 2 |
| สัญญาณเตือนที่ผิดพลาด | 4 | 8 |
| การปฏิเสธที่ถูกต้อง | 76 | 72 |
| ความแม่นยำโดยรวม | 92% | 90% |


## แยกการพลาดจากการเตือนที่ผิดพลาด

พลาดหมายความว่าตรวจไม่พบการแข่งขันจริง สัญญาณเตือนที่ผิดพลาดหมายความว่าคุณส่งสัญญาณการแข่งขันเมื่อไม่มีสัญญาณเลย ในตัวอย่าง เซสชัน A ตรวจพบรายการที่ตรงกัน 16 รายการจาก 20 รายการ: 80% เซสชัน B ตรวจพบ 18 จาก 20: 90% แต่การแจ้งเตือนที่ผิดพลาดเพิ่มขึ้นจาก 4 ใน 80 รายการที่ไม่ตรงกัน (5%) เป็น 8 จาก 80 (10%) ความแม่นยำโดยรวมคือ 92% สำหรับ A และ 90% สำหรับ B ทั้งจำนวนการกดปุ่มหรืออัตราการตีที่สูงกว่าเพียงอย่างเดียวก็ไม่สามารถสรุปประสิทธิภาพทั้งหมดได้

[คะแนน Dual N-Back: สูตร ตัวอย่าง และเครื่องคำนวณ](https://romeoapps.app/th/dual-n-back/dual-n-back-scoring/)

## รักษาระดับผสมและค่าเฉลี่ยให้ซื่อสัตย์

อย่าเปรียบเทียบส่วนบุคคลที่ดีที่สุดที่ N=3 กับค่าเฉลี่ยที่ N=2 ราวกับว่าทักษะของคุณเท่านั้นที่เปลี่ยนไป เก็บบทสรุปแยกกันสำหรับแต่ละโหมดและระดับ หากคุณรวมบล็อก ให้คงจำนวนการตัดสินใจที่ทำไว้ไว้: โดยเฉลี่ย 2 เปอร์เซ็นต์จะทำให้แต่ละบล็อกมีน้ำหนักเท่ากัน แม้ว่าบล็อกหนึ่งจะยาวกว่ามากก็ตาม ใช้การคำนวณเดียวกันตั้งแต่รีวิวหนึ่งไปยังรีวิวถัดไป และจดบันทึกการเปลี่ยนแปลงใดๆ

[Single กับ dual n-back: มีอะไรเปลี่ยนแปลงและจะเริ่มต้นอย่างไร](https://romeoapps.app/th/dual-n-back/single-vs-dual-n-back/)

## รีวิวสั้นๆประจำสัปดาห์

เลือกช่วงเวลาปกติเพื่ออ่านเซสชันที่เทียบเคียงได้อีกครั้ง ถามคำถามสามข้อ: ฉันทำตามแผนปฏิบัติเสร็จสิ้นแล้ว มีข้อผิดพลาดเกิดขึ้นอีก และฉันเปลี่ยนการตั้งค่าหรือไม่ หากคุณคำนวณค่ามัธยฐาน ให้จัดเรียงคะแนนที่เปรียบเทียบกันได้แล้วนำค่าตรงกลางหรือค่าเฉลี่ยของค่ากลางทั้งสองมานับคู่ เก็บเซสชันทั้งหมดไว้ รวมถึงเซสชันที่น่าผิดหวังด้วย บันทึกส่วนตัวสามารถเปิดเผยรูปแบบที่ต้องตรวจสอบได้ แต่ข้อสังเกตบางประการไม่สามารถระบุสาเหตุได้


## จะทำอย่างไรเมื่อผลลัพธ์หยุดเพิ่มขึ้น

ขั้นแรกให้ตรวจสอบว่าเซสชันใช้ระดับ ฝีเท้า และคะแนนเดียวกันจริงๆ หรือไม่ จากนั้นอ่านบันทึกข้อผิดพลาด ทบทวนกฎการเปรียบเทียบอีกครั้งหากการพลาดมีผลเหนือกว่า หรือตรวจสอบว่าคุณกำลังตอบรับสัญญาณที่คุ้นเคยมากกว่าการจับคู่ N-back ที่แน่นอนหรือไม่ หากมีการเตือนที่ผิดพลาดเกิดขึ้นอีก ปรับการตั้งค่าทีละรายการเมื่อเป็นไปได้ ระดับที่ราบสูงเป็นคำอธิบายของผลลัพธ์ล่าสุด ไม่ใช่การวินิจฉัยหรือการพิสูจน์ว่าจำเป็นต้องใช้ปริมาณการฝึกอบรมเฉพาะ


## สิ่งที่บันทึกสามารถและไม่สามารถแสดงได้

บันทึกการทำงานของเอกสารบันทึกการทำงานภายใต้เงื่อนไขที่คุณบันทึกไว้ ไม่ได้แสดงให้เห็นถึงการเพิ่มขึ้นของ IQ หรือการพัฒนาในด้านการเรียน การทำงาน หรือความจำในชีวิตประจำวัน การวิจัยเกี่ยวกับการฝึกอบรม n-back จะแยกแยะความแตกต่างที่ได้รับจากงานที่ฝึกแล้วจากการโอนไปยังงานอื่นๆ ใช้ผลลัพธ์เซสชันของแอปเป็นจุดเริ่มต้น คู่มือการให้คะแนนสำหรับคำจำกัดความ และใช้คำแนะนำหลักฐานสำหรับขีดจำกัดของการกล่าวอ้างในวงกว้าง

[Dual N-Back ได้ผลไหม? งานวิจัยและข้อจำกัด](https://romeoapps.app/th/dual-n-back/does-dual-n-back-work/)

## อ่านเพิ่มเติม

- 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