N-Back Memory Training

N-Back Memory Training

പരസ്യങ്ങൾ അടങ്ങിയിരിക്കുന്നുആപ്പ് വഴിയുള്ള വാങ്ങലുകൾ

ഈ ഗെയിമിനെക്കുറിച്ച്

എൻ-ബാക്ക് പരിശീലനം ഫ്ലൂയിഡ് ഇന്റലിജൻസ് (ഐക്യു), വർക്കിംഗ് മെമ്മറി കഴിവ് (സോവേരി മറ്റുള്ളവ, 2017) എന്നിവയിൽ നേട്ടമുണ്ടാക്കുമെന്ന് ഗവേഷണം സൂചിപ്പിക്കുന്നു.

നിങ്ങൾ എൻ-ബാക്ക് മെമ്മറി പരിശീലനത്തെ അഞ്ച് നക്ഷത്രങ്ങളിൽ താഴെയായി റേറ്റുചെയ്യുകയാണെങ്കിൽ, ദയവായി ഒരു അഭിപ്രായമിടുക, അതുവഴി എനിക്ക് നിങ്ങളുടെ ആശങ്കകൾ പരിഹരിക്കാനാകും; നിങ്ങളുടെ ഫീഡ്‌ബാക്കിനെ ഞാൻ ശരിക്കും വിലമതിക്കുന്നു.

നിർദേശങ്ങൾ:
നിങ്ങളുടെ പ്രവർത്തന മെമ്മറിയിൽ വിവിധ ഇനങ്ങൾ സൂക്ഷിക്കുകയും ഗെയിം പുരോഗമിക്കുമ്പോൾ ഈ ഇനങ്ങൾ സജീവമായി അപ്‌ഡേറ്റ് ചെയ്യുകയുമാണ് ഗെയിമിന്റെ ലക്ഷ്യം. ഓരോ പുതിയ ട്രയലിലും, മുമ്പത്തെ ഒരു നിശ്ചിത എണ്ണം ട്രയലുകൾ സംഭവിച്ച ഇനവുമായി നിലവിലെ ഇനം പൊരുത്തപ്പെടുന്നുവെങ്കിൽ മാച്ച് ബട്ടൺ അമർത്തുക. “N-back” എന്ന പദം സൂചിപ്പിക്കുന്നത് നിങ്ങൾ മുമ്പ് എത്ര പരീക്ഷണങ്ങൾ ( n ) ഓർമ്മിക്കേണ്ടതുണ്ട്. സ്ഥിരസ്ഥിതിയായി, നിങ്ങൾ 2-ബാക്ക് ആരംഭിക്കും, അതിനാൽ നിലവിലെ ഇനം മുമ്പ് 2 ട്രയലുകൾ സംഭവിച്ച ഇനവുമായി പൊരുത്തപ്പെടുന്നുവെങ്കിൽ മാച്ച് ബട്ടൺ അമർത്തുക. സിംഗിൾ 2-ബാക്ക് എങ്ങനെ പ്ലേ ചെയ്യാമെന്നതിന്റെ ലളിതമായ പ്രദർശനത്തിനായി, ഈ വീഡിയോ കാണുക: https://www.youtube.com/watch?v=qSPOjA2rR0M.

ഓപ്ഷനുകൾ:
പ്രവർത്തന മെമ്മറിയിൽ സംഭരിക്കുന്നതിനായി വൈവിധ്യമാർന്ന ഇനങ്ങൾ തിരഞ്ഞെടുക്കാൻ എൻ-ബാക്ക് മെമ്മറി പരിശീലനം നിങ്ങളെ അനുവദിക്കുന്നു:
X 3 x 3 ഗ്രിഡിൽ ഒരു സ്ക്വയറിന്റെ സ്ഥാനം
• ശബ്ദങ്ങൾ (അക്ഷരങ്ങൾ, അക്കങ്ങൾ അല്ലെങ്കിൽ പിയാനോ കുറിപ്പുകൾ)
• ചിത്രങ്ങൾ (രൂപങ്ങൾ, ദേശീയ പതാകകൾ, കായിക ഉപകരണങ്ങൾ)
• നിറങ്ങൾ

സ്ഥിരസ്ഥിതിയായി, സ്ഥാനങ്ങളും ശബ്ദങ്ങളും (അക്ഷരങ്ങൾ) ഉപയോഗിച്ച് അപ്ലിക്കേഷൻ ഇരട്ട n- ബാക്ക് ആരംഭിക്കുന്നു. ഡ്യുവൽ എൻ-ബാക്കിലെ “ഡ്യുവൽ” നിങ്ങൾ എത്ര വ്യത്യസ്ത ഇനം തരങ്ങൾ ഓർമ്മിക്കണമെന്ന് സൂചിപ്പിക്കുന്നു. സിംഗിൾ എൻ-ബാക്ക് മുതൽ ക്വാഡ് എൻ-ബാക്ക് വരെയുള്ള ഏതെങ്കിലും ഇനം തരങ്ങൾ നിങ്ങൾക്ക് തിരഞ്ഞെടുക്കാം.

ട്രാക്ക് പുരോഗതിയും മറ്റ് ഉപയോക്താക്കളുമായി മത്സരിക്കുക:
ഇഷ്ടാനുസൃതമാക്കാവുന്ന, സംവേദനാത്മക ഗ്രാഫുകൾ ഉപയോഗിച്ച് നിങ്ങളുടെ ദൈനംദിന പുരോഗതി ട്രാക്കുചെയ്യുക. നിങ്ങളുടെ ഉയർന്ന സ്കോറുകൾ ലോകമെമ്പാടുമുള്ള മറ്റ് ഉപയോക്താക്കളുമായി തത്സമയം പ്രീമിയം മോഡ് ഉപയോഗിച്ച് താരതമ്യം ചെയ്യാം (അപ്ലിക്കേഷനിൽ അപ്‌ഗ്രേഡ് ലഭ്യമാണ്).

സ്‌കോറിംഗ്:
സിഗ്നൽ കണ്ടെത്തൽ സിദ്ധാന്തത്തിൽ നിന്നുള്ള വിവേചന സൂചിക എ ഉപയോഗിച്ച് എൻ-ബാക്ക് മെമ്മറി പരിശീലനം നിങ്ങളുടെ പ്രവർത്തന മെമ്മറി കൃത്യത അളക്കുന്നു (സ്റ്റാനിസ്ലാവ് & ടോഡോറോവ്, 1999). എ ’സാധാരണയായി 0.5 (റാൻഡം ess ഹിക്കൽ) മുതൽ 1.0 വരെ (തികഞ്ഞ കൃത്യത). A '> = 0.90 എന്ന സ്കോർ നിങ്ങളെ അടുത്ത ഘട്ടത്തിലേക്ക് നയിക്കുന്നു, കൂടാതെ A' <= 0.75 ന്റെ സ്കോർ മുമ്പത്തെ n- ബാക്ക് ലെവലിലേക്ക് (ഒരു ഗ്രേസ് പിരീഡിന് ശേഷം) വീഴ്ച വരുത്തുന്നു. മാനുവൽ മോഡിൽ ഈ ക്രമീകരണങ്ങൾ മാറ്റാൻ കഴിയും. നിങ്ങളുടെ പുരോഗതി ട്രാക്കുചെയ്യുന്നതിന്, എ 'നിങ്ങളുടെ നിലവിലെ എൻ-ബാക്ക് ലെവലുമായി സംയോജിപ്പിക്കുന്നതിനാൽ സ്കോറുകൾ നിങ്ങളുടെ എൻ-ബാക്ക് ലെവലിനു ചുറ്റും +/- 0.5 വരെയാണ്. ഉദാഹരണത്തിന്, 2-ബാക്ക്, A '= 1 ന്റെ കൃത്യത 2.5 സ്കോർ നൽകും, അതേസമയം A' = 0.5 1.5 സ്കോർ നൽകും.

വിശദാംശങ്ങൾ:
A '= .5 + ചിഹ്നം (H - F) * ((H - F) ^ 2 + abs (H - F)) / (4 * പരമാവധി (H, F) - 4 * H * F)

എവിടെ
ഹിറ്റ് നിരക്ക് (എച്ച്) = ഹിറ്റുകൾ / # സിഗ്നൽ ട്രയലുകൾ
തെറ്റായ പോസിറ്റീവ് നിരക്ക് (എഫ്) = തെറ്റായ പോസ് / # ശബ്ദ പരീക്ഷണങ്ങൾ

സ്റ്റാനിസ്ലാവ് & ടോഡോറോവ് (1999) കാണുക

മോഹിപ്പിക്കുന്ന പരീക്ഷണങ്ങൾ:
ക്രമീകരണത്തിനുള്ളിൽ, നിങ്ങൾക്ക് ആകർഷകമായ പരീക്ഷണങ്ങളുടെ ശതമാനം നിയന്ത്രിക്കാൻ കഴിയും, ഇത് ചുമതല കൂടുതൽ പ്രയാസകരമാക്കുന്നു. ആകർഷകമായ പരീക്ഷണങ്ങൾ എൻ-ബാക്ക് പ്ലസ് അല്ലെങ്കിൽ മൈനസ് വൺ ട്രയൽ സംഭവിച്ച ഉത്തേജകങ്ങളെ അവതരിപ്പിക്കുന്നു. അതായത്, ടാർഗെറ്റ് ട്രയലിൽ നിന്ന് (എൻ-ബാക്ക്) ഒരു ട്രയൽ ഓഫ്സെറ്റ് ചെയ്യുന്നു.

കസ്റ്റമൈസ് ചെയ്യുക:
നിങ്ങൾക്ക് ഗെയിം വേഗത, ട്രയലുകളുടെ എണ്ണം അല്ലെങ്കിൽ മറ്റെന്തെങ്കിലും മാറ്റണമെങ്കിൽ, ക്രമീകരണങ്ങൾ> മോഡ് തിരഞ്ഞെടുക്കുക> മാനുവൽ മോഡ് എന്നതിലേക്ക് പോകുക. അവിടെ നിന്ന്, നിങ്ങൾക്ക് ഫലത്തിൽ എന്തും ഇഷ്ടാനുസൃതമാക്കാൻ കഴിയും. വർണ്ണ ഗ്രേഡിയന്റുകൾ ഉപയോഗിച്ച് നിങ്ങളുടേതായ ഇഷ്‌ടാനുസൃത പശ്ചാത്തലം സൃഷ്‌ടിച്ചുകൊണ്ട് നിങ്ങൾക്ക് അപ്ലിക്കേഷന്റെ രൂപം ഇഷ്‌ടാനുസൃതമാക്കാനും കഴിയും. ക്രമീകരണ മെനുവിന്റെ ചുവടെ നിങ്ങൾക്ക് ഈ ഓപ്ഷനുകൾ കണ്ടെത്താൻ കഴിയും.

എന്തെങ്കിലും അഭിപ്രായങ്ങളോ ചോദ്യങ്ങളോ ആശങ്കകളോ [e-mail] ലേക്ക് അയയ്ക്കുക.
കളിച്ചതിന് നന്ദി!
E. A. L.

---

പരാമർശങ്ങൾ

സോവേരി, എ., ആന്റ്‌ഫോക്ക്, ജെ., കാൾ‌സൺ, എൽ., സലോ, ബി., & ലെയ്ൻ, എം. (2017). വർക്കിംഗ് മെമ്മറി പരിശീലനം വീണ്ടും സന്ദർശിച്ചു: എൻ-ബാക്ക് പരിശീലന പഠനങ്ങളുടെ മൾട്ടി ലെവൽ മെറ്റാ അനാലിസിസ്. സൈക്കോണമിക് ബുള്ളറ്റിൻ & അവലോകനം , 24 (4), 1077-1096.

സ്റ്റാനിസ്ലാവ്, എച്ച്., & ടോഡോറോവ്, എൻ. (1999). സിഗ്നൽ കണ്ടെത്തൽ സിദ്ധാന്ത നടപടികളുടെ കണക്കുകൂട്ടൽ. പെരുമാറ്റ ഗവേഷണ രീതികൾ, ഉപകരണങ്ങൾ, കമ്പ്യൂട്ടറുകൾ , 31 (1), 137-149.

അപ്ലിക്കേഷനിലെ പശ്ചാത്തല ഇമേജ് ക്രെഡിറ്റ്: റീസോ ഡി ന്യൂറോണുകൾ. അങ്ങനെയാണെങ്കിൽ / വിക്കിമീഡിയ, CC BY-SA

പുതിയതെന്താണ്

-bug fixes