N-Back Memory Training
含廣告內容應用程式內購
4.5star
1450則評論
10萬+
次下載
適合所有人
info
關於這個遊戲
研究表明，n背訓練可能會增加體液智力（IQ）和工作記憶能力（Soveri等人，2017）。
如果您將N-Back Memory Training的評分評為五顆星以下，請發表評論，以便我解決您的問題；我非常重視您的反饋意見。
說明：
如果您將N-Back Memory Training的評分評為五顆星以下，請發表評論，以便我解決您的問題；我非常重視您的反饋意見。
說明：
遊戲的目的是將各種物品保存在您的工作記憶中，並隨著遊戲的進行主動更新這些物品。對於每個新的試驗，如果當前項目與過去發生過給定次數的試驗的項目相匹配，則按匹配按鈕。術語“ n-back”表示您需要記住過去的試驗次數（ n ）。默認情況下，您將從2-back開始，因此，如果當前項目與過去2次嘗試過的項目匹配，請按match按鈕。有關如何播放單2後衛的簡單演示，請觀看以下視頻：https://www.youtube.com/watch?v=qSPOjA2rR0M。
選項：
N-Back記憶訓練使您可以從多種項目中進行選擇，以存儲在工作記憶中：
•3 x 3網格上正方形的位置
•聲音（字母，數字或鋼琴音符）
•圖片（形狀，國旗，運動器材）
•顏色
默認情況下，該應用使用位置和聲音（字母）在雙n背上啟動。雙n背中的“雙”簡單表示您需要記住多少種不同的物品類型。您可以選擇項目類型的任意組合，從單個n-back到方形n-back。
跟踪進度並與其他用戶競爭：
使用可自定義的交互式圖表跟踪您的日常進度。您還可以通過高級模式（應用程序內部提供升級）實時將您的高分與全球其他用戶進行比較。
得分：
N-Back記憶訓練使用信號檢測理論中的判別指標A'來衡量您的工作記憶準確性（Stanislaw＆Todorov，1999）。 A’的範圍通常從0.5（隨機猜測）到1.0（完美的準確性）。 A'> = 0.90的分數將使您進入下一個級別，而A'<= 0.75的分數將使您回退到前一個n-back級別（在一個寬限期之後）。這些設置可以在手動模式下更改。為了跟踪您的進度，將A'與您的當前n背水平相結合，以使分數在您的n背水平周圍+/- 0.5。例如，在2-back上，A'= 1的準確性將得到2.5分，而A'= 0.5的準確性將得到1.5分。
詳細信息：
A'= .5 +符號（H-F）*（（H-F）^ 2 + abs（H-F））/（4 * max（H，F）-4 * H * F）
哪裡
命中率（H）=命中/＃次信號試驗
假陽性率（F）=假pos /＃次噪聲試驗
見斯坦尼斯勞和托多羅夫（1999）
誘人的審判：
在“設置”中，您可以控制誘餌試驗的百分比，這會使任務更加困難。誘餌試驗所產生的刺激是正負一次或兩次負試驗。也就是說，它們從目標試驗（n後退）中抵消了一個試驗。
自定義：
如果要更改遊戲速度，試用次數或其他任何內容，只需轉到設置>選擇模式>手動模式。從那裡，您幾乎可以自定義任何內容。您還可以通過使用顏色漸變創建自己的自定義背景來自定義應用的外觀。您可以在“設置”菜單的底部找到這些選項。
請將任何評論，問題或疑慮發送到nback.memory.training@gmail.com。
感謝參與！
E.A.L.
---
參考
Soveri，A.，Antfolk，J.，Karlsson，L.，Salo，B.，＆Laine，M.（2017年）。回顧工作記憶訓練：n-back訓練研究的多層次薈萃分析。 心理公告與評論， 24 （4），1077-1096。
Stanislaw，H。和Todorov，N。（1999）。計算信號檢測理論的措施。 行為研究方法，儀器和計算機， 31 （1），137-149。
應用內背景圖片來源：神經網絡Réseaude Neurones。如果是這樣的話/ Wikimedia，CC BY-SA
N-Back記憶訓練使您可以從多種項目中進行選擇，以存儲在工作記憶中：
•3 x 3網格上正方形的位置
•聲音（字母，數字或鋼琴音符）
•圖片（形狀，國旗，運動器材）
•顏色
默認情況下，該應用使用位置和聲音（字母）在雙n背上啟動。雙n背中的“雙”簡單表示您需要記住多少種不同的物品類型。您可以選擇項目類型的任意組合，從單個n-back到方形n-back。
跟踪進度並與其他用戶競爭：
使用可自定義的交互式圖表跟踪您的日常進度。您還可以通過高級模式（應用程序內部提供升級）實時將您的高分與全球其他用戶進行比較。
得分：
N-Back記憶訓練使用信號檢測理論中的判別指標A'來衡量您的工作記憶準確性（Stanislaw＆Todorov，1999）。 A’的範圍通常從0.5（隨機猜測）到1.0（完美的準確性）。 A'> = 0.90的分數將使您進入下一個級別，而A'<= 0.75的分數將使您回退到前一個n-back級別（在一個寬限期之後）。這些設置可以在手動模式下更改。為了跟踪您的進度，將A'與您的當前n背水平相結合，以使分數在您的n背水平周圍+/- 0.5。例如，在2-back上，A'= 1的準確性將得到2.5分，而A'= 0.5的準確性將得到1.5分。
詳細信息：
A'= .5 +符號（H-F）*（（H-F）^ 2 + abs（H-F））/（4 * max（H，F）-4 * H * F）
哪裡
命中率（H）=命中/＃次信號試驗
假陽性率（F）=假pos /＃次噪聲試驗
見斯坦尼斯勞和托多羅夫（1999）
誘人的審判：
在“設置”中，您可以控制誘餌試驗的百分比，這會使任務更加困難。誘餌試驗所產生的刺激是正負一次或兩次負試驗。也就是說，它們從目標試驗（n後退）中抵消了一個試驗。
自定義：
如果要更改遊戲速度，試用次數或其他任何內容，只需轉到設置>選擇模式>手動模式。從那裡，您幾乎可以自定義任何內容。您還可以通過使用顏色漸變創建自己的自定義背景來自定義應用的外觀。您可以在“設置”菜單的底部找到這些選項。
請將任何評論，問題或疑慮發送到nback.memory.training@gmail.com。
感謝參與！
E.A.L.
---
參考
Soveri，A.，Antfolk，J.，Karlsson，L.，Salo，B.，＆Laine，M.（2017年）。回顧工作記憶訓練：n-back訓練研究的多層次薈萃分析。 心理公告與評論， 24 （4），1077-1096。
Stanislaw，H。和Todorov，N。（1999）。計算信號檢測理論的措施。 行為研究方法，儀器和計算機， 31 （1），137-149。
應用內背景圖片來源：神經網絡Réseaude Neurones。如果是這樣的話/ Wikimedia，CC BY-SA
N-Back記憶訓練使用信號檢測理論中的判別指標A'來衡量您的工作記憶準確性（Stanislaw＆Todorov，1999）。 A’的範圍通常從0.5（隨機猜測）到1.0（完美的準確性）。 A'> = 0.90的分數將使您進入下一個級別，而A'<= 0.75的分數將使您回退到前一個n-back級別（在一個寬限期之後）。這些設置可以在手動模式下更改。為了跟踪您的進度，將A'與您的當前n背水平相結合，以使分數在您的n背水平周圍+/- 0.5。例如，在2-back上，A'= 1的準確性將得到2.5分，而A'= 0.5的準確性將得到1.5分。
詳細信息：
A'= .5 +符號（H-F）*（（H-F）^ 2 + abs（H-F））/（4 * max（H，F）-4 * H * F）
哪裡
命中率（H）=命中/＃次信號試驗
假陽性率（F）=假pos /＃次噪聲試驗
見斯坦尼斯勞和托多羅夫（1999）
誘人的審判：
在“設置”中，您可以控制誘餌試驗的百分比，這會使任務更加困難。誘餌試驗所產生的刺激是正負一次或兩次負試驗。也就是說，它們從目標試驗（n後退）中抵消了一個試驗。
自定義：
如果要更改遊戲速度，試用次數或其他任何內容，只需轉到設置>選擇模式>手動模式。從那裡，您幾乎可以自定義任何內容。您還可以通過使用顏色漸變創建自己的自定義背景來自定義應用的外觀。您可以在“設置”菜單的底部找到這些選項。
請將任何評論，問題或疑慮發送到nback.memory.training@gmail.com。
感謝參與！
E.A.L.
---
參考
Soveri，A.，Antfolk，J.，Karlsson，L.，Salo，B.，＆Laine，M.（2017年）。回顧工作記憶訓練：n-back訓練研究的多層次薈萃分析。 心理公告與評論， 24 （4），1077-1096。
Stanislaw，H。和Todorov，N。（1999）。計算信號檢測理論的措施。 行為研究方法，儀器和計算機， 31 （1），137-149。
應用內背景圖片來源：神經網絡Réseaude Neurones。如果是這樣的話/ Wikimedia，CC BY-SA
在“設置”中，您可以控制誘餌試驗的百分比，這會使任務更加困難。誘餌試驗所產生的刺激是正負一次或兩次負試驗。也就是說，它們從目標試驗（n後退）中抵消了一個試驗。
自定義：
如果要更改遊戲速度，試用次數或其他任何內容，只需轉到設置>選擇模式>手動模式。從那裡，您幾乎可以自定義任何內容。您還可以通過使用顏色漸變創建自己的自定義背景來自定義應用的外觀。您可以在“設置”菜單的底部找到這些選項。
請將任何評論，問題或疑慮發送到nback.memory.training@gmail.com。
感謝參與！
E.A.L.
---
參考
Soveri，A.，Antfolk，J.，Karlsson，L.，Salo，B.，＆Laine，M.（2017年）。回顧工作記憶訓練：n-back訓練研究的多層次薈萃分析。 心理公告與評論， 24 （4），1077-1096。
Stanislaw，H。和Todorov，N。（1999）。計算信號檢測理論的措施。 行為研究方法，儀器和計算機， 31 （1），137-149。
應用內背景圖片來源：神經網絡Réseaude Neurones。如果是這樣的話/ Wikimedia，CC BY-SA
Soveri，A.，Antfolk，J.，Karlsson，L.，Salo，B.，＆Laine，M.（2017年）。回顧工作記憶訓練：n-back訓練研究的多層次薈萃分析。 心理公告與評論， 24 （4），1077-1096。
Stanislaw，H。和Todorov，N。（1999）。計算信號檢測理論的措施。 行為研究方法，儀器和計算機， 31 （1），137-149。
應用內背景圖片來源：神經網絡Réseaude Neurones。如果是這樣的話/ Wikimedia，CC BY-SA
更新日期
想確保安全，就從瞭解開發人員如何收集與分享資料開始！根據你的使用情形、所在地區及年齡，資料的隱私權和安全性措施可能會有所不同。這項資訊由開發人員提供，可能會隨時間更新。
評分和評論
4.4
1380則評論
Google 使用者
- 檢舉不當評論
- 顯示評論記錄
2019年5月28日
可不可以請您加入variableN回的功能?
1 位使用者認為這則評論有幫助
N-Back Memory Training
2018年3月16日
是的，這對正常模式和快速模式都是正確的。
更新：我增加了在手動模式下提高n-back級別的能力，最高可達40級。此更新應在0.3.6版本的一小時左右時間內提供
請讓我知道，如果有什麼額外的我可以幫忙。
---
在手動模式下，您可以自由定義遊戲的所有配置。但是我建議您可以先使用本遊戲的標準模式或者快速模式。這兩個模式會自動以最佳方式配置遊戲，您不需要再額外設置。
谢谢，
E. A. L.
Big Jaguar
- 檢舉不當評論
2020年11月29日
Good to train the brain
1 位使用者認為這則評論有幫助
N-Back Memory Training
2020年11月30日
Thank you very much for your review! Glad you find the app useful. E.A.L.
新功能
-bug fixes
應用程式支援
開發人員資訊
Spruceli LLC
nback.memory.training@gmail.com
30 N Gould St Ste R
Sheridan, WY 82801-6317
United States
+1 206-507-7044
