# Dual N-Back評分：公式、範例與計算機

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

瞭解 dual n-back 中的命中、未命中和誤報。將評分公式與工作範例和互動式計算器進行比較。

## 從一個流和一個比較規則開始

Dual n-back要求您分別判斷位置和聲音。對於每個流，目標是與之前 N 輪的專案完全匹配的專案。響應是按下響應視窗內的對應控制項。同一回合可以在一個串流中、兩個串流中或兩者都不包含目標。在解釋百分比之前，先確定哪個流、哪個符合條件的輪流以及它所描述的反應視窗。沒有計數規則的百分比會遺漏您解釋它所需的資訊。


## 四種可能的結果

命中意味著您迫切需要一場真正的比賽。未命中意味著真正的比賽在沒有所需回應的情況下透過。誤報意味著您在所需距離內沒有匹配項時按下了按鈕。正確的拒絕意味著沒有匹配並且您沒有按下。這四個計數形成一個流中合格比較的完整記錄。它們描述的是結果，而不是原因：誤報可能涉及對 N 的混淆、意外點選或不確定的決定。僅靠伯爵無法告訴你發生了什麼事。


## 一個有效的例子：100 次符合條件的比較

想像一下一個流有 20 個匹配項和 80 個不匹配項。您正確識別了 16 個匹配項，錯過了 4 個，錯誤地按下了 8 個不匹配項，正確地忽略了 72 個不匹配項。四個計數加起來為 100：16 + 4 + 8 + 72。這些是發明的教學值，而不是使用者或推薦目標的結果。保留一個完整的範例可以更容易地瞭解相同的效能如何產生不同的百分比，而不會出現任何計算錯誤。

### 100 次比較，四種可能的結果

這是一個流的虛構例子。有 20 個目標：正確偵測到 16 個，未偵測到 4 個。有 80 個非目標：玩家對 8 個做出錯誤反應，對 72 個做出正確反應。每個方格代表一次比較。顏色將四種結果型別分組，而不是按照會話的時間順序。檢查這些單獨的計數以及總體百分比。


## 命中率和誤報率使用不同的分母

命中率: 命中 / (命中 + 漏報) = 16 / (16 + 4) = 80 %. 誤報率: 誤報 / (誤報 + 正確拒絕) = 8 / (8 + 72) = 10 %. 如果分母為零，則比率未定義。公式和完整範例在沒有 JavaScript 的情況下仍然可讀。


## 整體準確度和主動準確度回答不同的問題

整體準確度: (命中 + 正確拒絕) / (命中 + 漏報 + 誤報 + 正確拒絕) = (16 + 72) / 100 = 88 %. 主動精度: 命中 / (命中 + 漏報 + 誤報) = 16 / (16 + 4 + 8) ≈ 57.1 %. Precision (PPV): 命中 / (命中 + 誤報) = 16 / (16 + 8) ≈ 66.7 %.


## 為什麼從不按下可能看起來很好

保留範例中的 20 個匹配項和 80 個不匹配項，但想像一下永遠不要按下按鈕。計數變為 0 次命中、20 次未命中、0 次誤報和 80 次正確拒絕。儘管每場比賽都被錯過，但整體準確率為 80%。主動準確率為0%，命中率為0%，誤報率為0%。這個例子說明瞭分母的重要性；這並不意味著應用程式一定會因為什麼都不做而獎勵 80%。目標敏感的評分規則可以以完全不同的方式對待相同的行為。


## 嘗試計數，不要將其與應用程式結果混淆

下面的計算器適用於一個流。其起始值再現了 100 次比較的範例。更改計數以探索四個公式，或使用從不按下範例來保持目標數量不變，同時變更回應模式。零分母結果顯示為未定義，而不是默默地轉換為好分數或壞分數。這是一個教學工具，而不是匯入您的應用程式歷史記錄、重建每個應用程式版本或臨床評估。這些值保留在您的瀏覽器中。


## 在組合之前讀取位置和聲音

當基礎計數可用時，單獨計算每個流。如果您組合流，請決定是合併計數還是平均百分比。當分母不同時，這些程式可能會有所不同。例如，在 10 次目標試驗中命中 9 次的流的命中率是 90%，而在 2 次目標試驗中命中 1 次的流的命中率是 50%。他們的簡單平均值是 70%；他們的合計命中率為 10 / 12，約為 83.3%。報告您使用的計算。任何一方都不應該默默地取代另一方。


## 好成績取決於任務設定

N、活躍流數、節奏、合格試驗次數、目標頻率和評分公式都會影響分數的意義。不同設定的結果不會自動比您的更好或更差。檢查如何處理沒有足夠歷史記錄的初始回合，同時匹配是否需要兩個響應以及是否按流單獨計算錯過的響應。為了隨著時間的推移進行比較，請保持這些設定盡可能一致並記錄更改，而不是將每個百分比視為可互換的。

### 比較分數之前先閱讀設定

在此擷取的設定畫面中： 1 變更音訊模式；2. 變更即時回饋；3 選擇 N級；4 選擇輪數。僅在檢查這些條件後比較結果。可用等級和標籤可能會因應用程式版本和購買狀態而異。

![英文應用程式設定顯示無音訊、即時回饋、N 級和回合。](https://romeoapps.app/assets/dnb-settings-capture-2026-09.png)
實際應用擷取 · 2026 年 9 月 · 介面語言可能有所不同 · EN · 2026-09-06

[iPhone 上的 Dual N-Back 設定：音訊、回饋和電平](https://romeoapps.app/zh-Hant/dual-n-back/dual-n-back-settings-iphone/)

## 變異性是訊息，而不是診斷

會話可能會因注意力、對控制的熟悉程度、中斷或其他條件而變化。僅憑分數並不能確定其變化的原因，也沒有基礎可以為睡眠、咖啡因或特定的一天分配固定的影響。在解釋趨勢之前先看看幾個可比較的時段。平臺期並不代表生物上限，較低的結果本身並不顯示一般記憶能力的喪失。如果一次訓練感覺不舒服或令人沮喪，縮短訓練時間或休息是一個實用的選擇，而不是保證得分的策略。


## 簡單練習記錄應保留哪些內容

保留日期、N、活動流、速度、符合條件的試驗計數和使用的公式。如果可用，保留每個流的四個結果計數；然後可以重新計算比率，而無需猜測其分母。新增有關中斷或設定變更的簡短註解（如果有助於您稍後解釋會話）。個人最佳成績可以激勵人，但它與典型結果不同。一些可比較的記錄比沒有任務描述的百分比集合更能提供資訊。

[追蹤 dual n-back 進度：實用的會話日誌](https://romeoapps.app/zh-Hant/dual-n-back/dual-n-back-progress-log/)

## 這些數字可以說明什麼，不能說明什麼

這些分數描述了在特定規則下對特定任務的反應。這項任務的改進本身並不是智商的明顯提高，也不是在學校或工作上表現更好的證據。研究指南解釋了實踐效益和轉移到其他成果之間的差異。使用分數來瞭解您的反應和練習的規則。對於您的實際會話結果，請參閱應用程式顯示的定義和每個流的細分；計算器的作用是讓算術變得透明。

[Dual N-Back有效嗎？研究證據與限制](https://romeoapps.app/zh-Hant/dual-n-back/does-dual-n-back-work/)

## 常見問題

### n-back中什麼是誤報？

當在所需的 N-back 距離處沒有匹配時的響應。它描述了一個結果；僅憑計數並不能確定原因是猜測、混亂還是意外點選。

### 為什麼同一個會話可以顯示88%和57.1%？

這些公式可以使用不同的分母。在工作範例中，整體準確度為 (16 + 72) / 100 = 88%，而主動準確度為 16 / (16 + 4 + 8)，約為 57.1%。

### 計算器可以重現我的應用程式分數嗎？

它說明瞭一個流的四個顯式公式。您顯示的應用程式結果可能使用不同的資格規則或組合多個串流。在比較之前檢查應用程式的定義。

### 當分母為零時會發生什麼事？

該比率未定義。計算器顯示未定義的結果，而不是將缺少的觀察值視為完美或失敗的效能。

## 延伸閱讀

- 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