Dual N-Back评分：公式、示例与计算器

从一个流和一个比较规则开始

Dual n-back要求您分别判断位置和声音。对于每个流，目标是与之前 N 轮的项目完全匹配的项目。响应是按下响应窗口内的相应控件。同一回合可以在一个流中、两个流中或两者都不包含目标。在解释百分比之前，先确定哪个流、哪个符合条件的轮流以及它描述的响应窗口。没有计数规则的百分比会遗漏您解释它所需的信息。

四种可能的结果

命中意味着您迫切需要一场真正的比赛。未命中意味着真正的比赛在没有所需响应的情况下通过。误报意味着您在所需距离内没有匹配项时按下了按钮。正确的拒绝意味着没有匹配并且您没有按下。这四个计数形成一个流中合格比较的完整记录。它们描述的是结果，而不是原因：误报可能涉及对 N 的混淆、意外点击或不确定的决定。仅靠伯爵无法告诉你发生了什么。

一个有效的例子：100 次符合条件的比较

想象一下一个流有 20 个匹配项和 80 个不匹配项。您正确识别了 16 个匹配项，错过了 4 个，错误地按下了 8 个不匹配项，正确地忽略了 72 个不匹配项。四个计数加起来为 100：16 + 4 + 8 + 72。这些是发明的教学值，而不是用户或推荐目标的结果。保留一个完整的示例可以更容易地了解相同的性能如何产生不同的百分比，而不会出现任何计算错误。

命中率和误报率使用不同的分母

命中率: 命中 / (命中 + 漏报) = 16 / (16 + 4) = 80 %. 误报率: 误报 / (误报 + 正确拒绝) = 8 / (8 + 72) = 10 %. 如果分母为零，则比率未定义。公式和完整示例在没有 JavaScript 的情况下仍然可读。

总体准确度和主动准确度回答不同的问题

整体准确度: (命中 + 正确拒绝) / (命中 + 漏报 + 误报 + 正确拒绝) = (16 + 72) / 100 = 88 %. 主动精度: 命中 / (命中 + 漏报 + 误报) = 16 / (16 + 4 + 8) ≈ 57.1 %. Precision (PPV): 命中 / (命中 + 误报) = 16 / (16 + 8) ≈ 66.7 %.

为什么从不按下可能看起来很好

保留示例中的 20 个匹配项和 80 个不匹配项，但想象一下永远不要按下按钮。计数变为 0 次命中、20 次未命中、0 次误报和 80 次正确拒绝。尽管每场比赛都被错过，但总体准确率为 80%。主动准确率为0%，命中率为0%，误报率为0%。这个例子说明了分母的重要性；这并不意味着应用程序一定会因为什么都不做而奖励 80%。目标敏感的评分规则可以以完全不同的方式对待相同的行为。

尝试计数，不要将其与应用程序结果混淆

下面的计算器适用于一个流。其起始值再现了 100 次比较的示例。更改计数以探索四个公式，或使用从不按下示例来保持目标数量不变，同时更改响应模式。零分母结果显示为未定义，而不是默默地转换为好分数或坏分数。这是一个教学工具，而不是导入您的应用程序历史记录、重建每个应用程序版本或临床评估。这些值保留在您的浏览器中。

在组合之前读取位置和声音

当基础计数可用时，单独计算每个流。如果您组合流，请决定是合并计数还是平均百分比。当分母不同时，这些程序可能会有所不同。例如，在 10 次目标试验中命中 9 次的流的命中率是 90%，而在 2 次目标试验中命中 1 次的流的命中率是 50%。他们的简单平均值是 70%；他们的合计命中率为 10 / 12，大约为 83.3%。报告您使用的计算。任何一方都不应该默默地取代另一方。

好成绩取决于任务设置

N、活跃流数、节奏、合格试验次数、目标频率和评分公式都会影响分数的意义。不同设置的结果不会自动比您的更好或更差。检查如何处理没有足够历史记录的初始回合，同时匹配是否需要两个响应以及是否按流单独计算错过的响应。为了随着时间的推移进行比较，请保持这些设置尽可能一致并记录更改，而不是将每个百分比视为可互换的。

比较分数之前先阅读设置

1234

实际应用捕获 · 2026 年 9 月 · 界面语言可能有所不同 · EN · 2026-09-06

变异性是信息，而不是诊断

会话可能会因注意力、对控制的熟悉程度、中断或其他条件而变化。仅凭分数并不能确定其变化的原因，并且没有基础可以为睡眠、咖啡因或特定的一天分配固定的影响。在解释趋势之前先看看几个可比较的时段。平台期并不代表生物上限，较低的结果本身并不表明一般记忆能力的丧失。如果一次训练感觉不舒服或令人沮丧，缩短训练时间或休息是一个实用的选择，而不是保证得分的策略。

简单练习记录中应保留哪些内容

保留日期、N、活动流、速度、符合条件的试验计数和使用的公式。如果可用，保留每个流的四个结果计数；然后可以重新计算比率，而无需猜测其分母。添加有关中断或设置更改的简短注释（如果有助于您稍后解释会话）。个人最好成绩可以激励人，但它与典型结果不同。一些可比较的记录比没有任务描述的百分比集合更能提供信息。

这些数字可以说明什么，不能说明什么

这些分数描述了在特定规则下对特定任务的反应。这项任务的改进本身并不是智商的明显提高，也不是在学校或工作中表现更好的证据。该研究指南解释了实践收益和转移到其他成果之间的区别。使用分数来了解您的反应和练习的规则。对于您的实际会话结果，请参阅应用程序显示的定义和每个流的细分；计算器的作用是让算术变得透明。

延伸阅读

• Kane et al. (2007), Working memory, attention control, and the n-back task, Journal of Experimental Psychology: Learning, Memory, and Cognition
• Cowan (2010), The Magical Mystery Four: How is working memory capacity limited, and why?, Current Directions in Psychological Science
• scikit-learn documentation — classification metrics and confusion matrices (mathematical definitions)