# Dual N-Back: điểm số, công thức và công cụ tính

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

Hiểu các lần phát hiện đúng, bỏ lỡ và cảnh báo sai trong dual n-back. So sánh các công thức tính điểm với một ví dụ hoạt động và một máy tính tương tác.

## Bắt đầu với một luồng và một quy tắc so sánh

n-back kép yêu cầu bạn đánh giá vị trí và âm thanh riêng biệt. Đối với mỗi luồng, mục tiêu là một mục khớp với mục chính xác N lượt trước đó. Phản hồi là nhấn vào điều khiển tương ứng trong cửa sổ phản hồi. Cùng một lượt có thể chứa mục tiêu trong một luồng, trong cả hai hoặc không chứa mục tiêu nào. Trước khi diễn giải tỷ lệ phần trăm, hãy thiết lập luồng nào, lượt nào đủ điều kiện và cửa sổ phản hồi nào được mô tả. Tỷ lệ phần trăm không có quy tắc tính sẽ bỏ sót thông tin bạn cần để diễn giải nó.


## Bốn kết quả có thể xảy ra

Một cú đánh có nghĩa là bạn đã nhấn để có một trận đấu thực sự. Bỏ lỡ có nghĩa là một trận đấu thực sự đã trôi qua mà không có phản hồi cần thiết. Báo động sai có nghĩa là bạn đã nhấn khi không có kết quả khớp ở khoảng cách yêu cầu. Từ chối chính xác có nghĩa là không có kết quả trùng khớp và bạn không nhấn. Bốn số lượng này tạo thành một bản ghi hoàn chỉnh cho các so sánh đủ điều kiện trong một luồng. Chúng mô tả kết quả chứ không phải nguyên nhân: báo động sai có thể liên quan đến sự nhầm lẫn về N, một cú nhấn vô tình hoặc một quyết định không chắc chắn. Chỉ số đếm không thể cho bạn biết điều gì đã xảy ra.


## Một ví dụ hoạt động: 100 so sánh đủ điều kiện

Hãy tưởng tượng một luồng có 20 kết quả phù hợp và 80 kết quả không phù hợp. Bạn xác định chính xác 16 kết quả trùng khớp, bỏ lỡ 4 kết quả, nhấn sai 8 kết quả không phù hợp và chỉ chừa lại chính xác 72 kết quả không phù hợp. Bốn tổng cộng lại bằng 100: 16 + 4 + 8 + 72. Đây là những giá trị giảng dạy được phát minh ra, không phải kết quả từ người dùng hoặc mục tiêu được đề xuất. Giữ một ví dụ hoàn chỉnh giúp dễ dàng hơn để xem hiệu suất tương tự có thể tạo ra các tỷ lệ phần trăm khác nhau như thế nào mà không có phép tính nào bị sai về mặt số học.

### 100 so sánh, bốn kết quả có thể xảy ra

Đây là một ví dụ hư cấu cho một luồng. Có 20 mục tiêu: 16 mục tiêu được phát hiện chính xác và 4 mục tiêu bị bắn trượt. Có 80 mục tiêu không phải là mục tiêu: người chơi trả lời sai 8 và không trả lời đúng 72. Mỗi ô vuông đại diện cho một so sánh. Màu sắc nhóm bốn loại kết quả, không phải theo thứ tự thời gian của phiên. Kiểm tra các số lượng riêng biệt này cũng như tỷ lệ phần trăm tổng thể.


## Tỷ lệ trúng và tỷ lệ cảnh báo sai sử dụng các mẫu số khác nhau

Tỷ lệ trúng: Phát hiện đúng / (Phát hiện đúng + Bỏ sót) = 16 / (16 + 4) = 80 %. Tỷ lệ báo động sai: Báo động giả / (Báo động giả + Từ chối đúng) = 8 / (8 + 72) = 10 %. Nếu mẫu số bằng 0 thì tỷ lệ không được xác định. Các công thức và ví dụ đầy đủ vẫn có thể đọc được mà không cần JavaScript.


## Độ chính xác tổng thể và độ chính xác chủ động trả lời các câu hỏi khác nhau

Độ chính xác tổng thể: (Phát hiện đúng + Từ chối đúng) / (Phát hiện đúng + Bỏ sót + Báo động giả + Từ chối đúng) = (16 + 72) / 100 = 88 %. Độ chính xác chủ động: Phát hiện đúng / (Phát hiện đúng + Bỏ sót + Báo động giả) = 16 / (16 + 4 + 8) ≈ 57.1 %. Precision (PPV): Phát hiện đúng / (Phát hiện đúng + Báo động giả) = 16 / (16 + 8) ≈ 66.7 %.


## Tại sao không bao giờ nhấn có thể trông đẹp mắt

Giữ nguyên 20 kết quả phù hợp và 80 kết quả không phù hợp trong ví dụ, nhưng hãy tưởng tượng bạn không bao giờ nhấn. Số lượng sẽ là 0 lần phát hiện đúng, 20 lần trượt, 0 lần báo động sai và 80 lần từ chối đúng. Độ chính xác tổng thể là 80% dù trận nào cũng bị bỏ sót. Độ chính xác khi kích hoạt là 0%, tỷ lệ trúng đích là 0% và tỷ lệ cảnh báo sai là 0%. Ví dụ này thể hiện tầm quan trọng của mẫu số; điều đó không có nghĩa là một ứng dụng nhất thiết phải thưởng 80% nếu không làm gì cả. Quy tắc tính điểm theo mục tiêu có thể xử lý cùng một hành vi theo cách hoàn toàn khác.


## Hãy thử đếm mà không nhầm lẫn chúng với kết quả ứng dụng

Máy tính bên dưới hoạt động trên một luồng. Giá trị bắt đầu của nó tái tạo ví dụ so sánh 100. Thay đổi số lượng để khám phá bốn công thức hoặc sử dụng ví dụ không bao giờ nhấn để giữ số lượng mục tiêu không đổi trong khi thay đổi mẫu phản hồi. Kết quả không có mẫu số được hiển thị dưới dạng không xác định thay vì được chuyển đổi âm thầm thành điểm tốt hoặc điểm xấu. Đây là một công cụ giảng dạy, không phải là nhập lịch sử ứng dụng của bạn, xây dựng lại mọi phiên bản ứng dụng hoặc đánh giá lâm sàng. Các giá trị vẫn còn trong trình duyệt của bạn.


## Đọc vị trí và âm thanh trước khi kết hợp chúng

Tính toán từng luồng riêng biệt khi có sẵn số lượng cơ bản. Nếu bạn kết hợp các luồng, hãy quyết định xem bạn đang gộp số lượng hay tính tỷ lệ phần trăm trung bình. Những thủ tục đó có thể khác nhau khi mẫu số khác nhau. Ví dụ: một luồng có 9 lần phát hiện đúng trong 10 lần thử mục tiêu có tỷ lệ trúng 90%, trong khi một luồng khác có 1 lần phát hiện đúng trong 2 lần thử mục tiêu có tỷ lệ trúng 50%. Mức trung bình đơn giản của họ là 70%; tỷ lệ trúng tổng hợp của họ là 10/12, xấp xỉ 83,3%. Báo cáo phép tính bạn đã sử dụng. Không nên âm thầm thay thế cho người kia.


## Điểm tốt phụ thuộc vào cài đặt nhiệm vụ

N, số luồng hoạt động, tốc độ, số lần thử đủ điều kiện, tần suất mục tiêu và công thức tính điểm đều ảnh hưởng đến ý nghĩa của điểm. Kết quả từ một thiết lập khác không tự động tốt hơn hoặc kém hơn kết quả của bạn. Kiểm tra cách xử lý các lượt ban đầu không có đủ lịch sử, liệu các kết quả trùng khớp đồng thời có cần hai phản hồi hay không và liệu các phản hồi bị bỏ lỡ có được tính riêng theo luồng hay không. Để so sánh theo thời gian, hãy giữ những cài đặt đó nhất quán như thực tế và ghi lại những thay đổi thay vì coi mọi phần trăm là có thể hoán đổi cho nhau.

### Đọc cài đặt trước khi so sánh điểm số

Trong màn hình cài đặt đã chụp này: 1 thay đổi chế độ âm thanh; 2 thay đổi phản hồi ngay lập tức; 3 chọn cấp độ N; 4 chọn số vòng. Chỉ so sánh kết quả sau khi kiểm tra các điều kiện này. Các cấp độ và nhãn có sẵn có thể khác nhau tùy theo phiên bản ứng dụng và trạng thái mua hàng.

![Cài đặt ứng dụng tiếng Anh hiển thị Không có âm thanh, Phản hồi tức thì, Cấp độ N và Vòng chơi.](https://romeoapps.app/assets/dnb-settings-capture-2026-09.png)
Chụp ứng dụng thực tế · Tháng 9 năm 2026 · ngôn ngữ giao diện có thể khác · EN · 2026-09-06

[Cài đặt Dual N-Back trên iPhone: âm thanh, phản hồi và mức độ](https://romeoapps.app/vi/dual-n-back/dual-n-back-settings-iphone/)

## Sự thay đổi là thông tin, không phải là chẩn đoán

Một phiên có thể thay đổi tùy theo sự chú ý, mức độ quen thuộc với các điều khiển, sự gián đoạn hoặc các điều kiện khác. Chỉ riêng điểm số không xác định được lý do tại sao nó thay đổi và ở đây không có cơ sở để ấn định một tác động cố định đối với giấc ngủ, caffeine hoặc một ngày cụ thể. Hãy xem xét một số phiên có thể so sánh trước khi diễn giải xu hướng. Một mức cao không xác định được mức trần sinh học và kết quả thấp hơn không tự nó cho thấy sự mất khả năng ghi nhớ chung. Nếu một buổi học khiến bạn cảm thấy không thoải mái hoặc bực bội thì một buổi học ngắn hơn hoặc nghỉ giải lao là một lựa chọn thiết thực hơn là một chiến lược ghi điểm được đảm bảo.


## Những gì cần lưu giữ trong một hồ sơ thực hành đơn giản

Giữ ngày, N, luồng hoạt động, tốc độ, số lần dùng thử đủ điều kiện và công thức được sử dụng. Khi có sẵn, hãy giữ bốn số kết quả cho mỗi luồng; tỷ giá sau đó có thể được tính toán lại mà không cần đoán mẫu số của chúng. Thêm ghi chú ngắn gọn về sự gián đoạn hoặc thay đổi cài đặt nếu điều đó sẽ giúp bạn diễn giải phiên sau này. Thành tích cá nhân tốt nhất có thể mang lại động lực, nhưng nó không giống như một kết quả thông thường. Một vài bản ghi có thể so sánh được sẽ có nhiều thông tin hơn một tập hợp các tỷ lệ phần trăm không có mô tả về nhiệm vụ.

[Theo dõi tiến trình dual n-back: nhật ký phiên thực hành](https://romeoapps.app/vi/dual-n-back/dual-n-back-progress-log/)

## Những con số này có thể và không thể thiết lập những gì

Những điểm số này mô tả phản hồi cho một nhiệm vụ cụ thể theo các quy tắc cụ thể. Bản thân việc cải thiện nhiệm vụ đó không phải là sự gia tăng đo lường về chỉ số IQ hay bằng chứng về thành tích tốt hơn ở trường hoặc nơi làm việc. Hướng dẫn nghiên cứu giải thích sự khác biệt giữa lợi ích thực hành và chuyển giao sang các kết quả khác. Sử dụng điểm số để hiểu câu trả lời của bạn và các quy tắc của bài tập. Để biết kết quả phiên thực tế của bạn, hãy tham khảo các định nghĩa và phân tích theo từng luồng do ứng dụng hiển thị; máy tính ở đó để làm cho số học trở nên minh bạch.

[Dual N-Back có hiệu quả không? Nghiên cứu và giới hạn](https://romeoapps.app/vi/dual-n-back/does-dual-n-back-work/)

## Câu hỏi

### Báo động sai trong n-back là gì?

Phản hồi khi không có kết quả khớp ở khoảng cách N-back được yêu cầu. Nó mô tả một kết quả; riêng việc đếm không xác định được nguyên nhân là do đoán mò, nhầm lẫn hay do vô tình chạm vào.

### Tại sao cùng một phiên có thể hiển thị 88% và 57,1%?

Các công thức có thể sử dụng các mẫu số khác nhau. Trong ví dụ đã làm việc, độ chính xác tổng thể là (16 + 72) / 100 = 88%, trong khi độ chính xác hoạt động là 16 / (16 + 4 + 8), xấp xỉ 57,1%.

### Máy tính có tái tạo điểm ứng dụng của tôi không?

Nó minh họa bốn công thức rõ ràng cho một luồng. Kết quả ứng dụng được hiển thị của bạn có thể sử dụng các quy tắc đủ điều kiện khác nhau hoặc kết hợp nhiều luồng. Kiểm tra định nghĩa của ứng dụng trước khi so sánh.

### Điều gì xảy ra khi mẫu số bằng 0?

Tỷ lệ đó là không xác định. Máy tính hiển thị kết quả không xác định thay vì coi các quan sát bị thiếu là hiệu suất hoàn hảo hoặc không thành công.

## Đọc thêm

- Kane et al. (2007), Working memory, attention control, and the n-back task, Journal of Experimental Psychology: Learning, Memory, and Cognition — https://doi.org/10.1037/0278-7393.33.3.615
- Cowan (2010), The Magical Mystery Four: How is working memory capacity limited, and why?, Current Directions in Psychological Science — https://doi.org/10.1177/0963721409359277
- scikit-learn documentation — classification metrics and confusion matrices (mathematical definitions) — https://scikit-learn.org/stable/modules/model_evaluation.html#classification-metrics