N-Back Memory Training
包含廣告應用程式內購買
4.4star
1.23K 則評論
100K+
次下載
所有人
info
關於本遊戲
研究表明，n背训练可能会增加体液智力（IQ）和工作记忆能力（Soveri等人，2017）。
如果您将N-Back Memory Training的评分评为五颗星以下，请发表评论，以便我解决您的问题；我非常重视您的反馈意见。
说明：
如果您将N-Back Memory Training的评分评为五颗星以下，请发表评论，以便我解决您的问题；我非常重视您的反馈意见。
说明：
游戏的目的是将各种物品保存在您的工作记忆中，并随着游戏的进行主动更新这些物品。对于每个新的试验，如果当前项目与过去发生过给定次数的试验的项目相匹配，则按匹配按钮。术语“ n-back”表示您需要记住过去的试验次数（ n ）。默认情况下，您将从2-back开始，因此，如果当前项目与过去2次尝试过的项目匹配，请按match按钮。有关如何播放单2后卫的简单演示，请观看以下视频：https://www.youtube.com/watch?v=qSPOjA2rR0M。
选项：
N-Back记忆训练使您可以从多种项目中进行选择，以存储在工作记忆中：
•3 x 3网格上正方形的位置
•声音（字母，数字或钢琴音符）
•图片（形状，国旗，运动器材）
•颜色
默认情况下，该应用使用位置和声音（字母）在双n背上启动。双n背中的“双”简单表示您需要记住多少种不同的物品类型。您可以选择项目类型的任意组合，从单个n-back到方形n-back。
跟踪进度并与其他用户竞争：
使用可自定义的交互式图表跟踪您的日常进度。您还可以通过高级模式（应用程序内部提供升级）实时将您的高分与全球其他用户进行比较。
得分：
N-Back记忆训练使用信号检测理论中的判别指标A'来衡量您的工作记忆准确性（Stanislaw＆Todorov，1999）。 A’的范围通常从0.5（随机猜测）到1.0（完美的准确性）。 A'> = 0.90的分数将使您进入下一个级别，而A'<= 0.75的分数将使您回退到前一个n-back级别（在一个宽限期之后）。这些设置可以在手动模式下更改。为了跟踪您的进度，将A'与您的当前n背水平相结合，以使分数在您的n背水平周围+/- 0.5。例如，在2-back上，A'= 1的准确性将得到2.5分，而A'= 0.5的准确性将得到1.5分。
详细信息：
A'= .5 +符号（H-F）*（（H-F）^ 2 + abs（H-F））/（4 * max（H，F）-4 * H * F）
哪里
命中率（H）=命中/＃次信号试验
假阳性率（F）=假pos /＃次噪声试验
见斯坦尼斯劳和托多罗夫（1999）
诱人的审判：
在“设置”中，您可以控制诱饵试验的百分比，这会使任务更加困难。诱饵试验所产生的刺激是正负一次或两次负试验。也就是说，它们从目标试验（n后退）中抵消了一个试验。
自定义：
如果要更改游戏速度，试用次数或其他任何内容，只需转到设置>选择模式>手动模式。从那里，您几乎可以自定义任何内容。您还可以通过使用颜色渐变创建自己的自定义背景来自定义应用的外观。您可以在“设置”菜单的底部找到这些选项。
请将任何评论，问题或疑虑发送到nback.memory.training@gmail.com。
感谢参与！
E.A.L.
---
参考
Soveri，A.，Antfolk，J.，Karlsson，L.，Salo，B.，＆Laine，M.（2017年）。回顾工作记忆训练：n-back训练研究的多层次荟萃分析。 心理公告与评论， 24 （4），1077-1096。
Stanislaw，H。和Todorov，N。（1999）。计算信号检测理论的措施。 行为研究方法，仪器和计算机， 31 （1），137-149。
应用内背景图片来源：神经网络Réseaude Neurones。如果是这样的话/ Wikimedia，CC BY-SA
N-Back记忆训练使您可以从多种项目中进行选择，以存储在工作记忆中：
•3 x 3网格上正方形的位置
•声音（字母，数字或钢琴音符）
•图片（形状，国旗，运动器材）
•颜色
默认情况下，该应用使用位置和声音（字母）在双n背上启动。双n背中的“双”简单表示您需要记住多少种不同的物品类型。您可以选择项目类型的任意组合，从单个n-back到方形n-back。
跟踪进度并与其他用户竞争：
使用可自定义的交互式图表跟踪您的日常进度。您还可以通过高级模式（应用程序内部提供升级）实时将您的高分与全球其他用户进行比较。
得分：
N-Back记忆训练使用信号检测理论中的判别指标A'来衡量您的工作记忆准确性（Stanislaw＆Todorov，1999）。 A’的范围通常从0.5（随机猜测）到1.0（完美的准确性）。 A'> = 0.90的分数将使您进入下一个级别，而A'<= 0.75的分数将使您回退到前一个n-back级别（在一个宽限期之后）。这些设置可以在手动模式下更改。为了跟踪您的进度，将A'与您的当前n背水平相结合，以使分数在您的n背水平周围+/- 0.5。例如，在2-back上，A'= 1的准确性将得到2.5分，而A'= 0.5的准确性将得到1.5分。
详细信息：
A'= .5 +符号（H-F）*（（H-F）^ 2 + abs（H-F））/（4 * max（H，F）-4 * H * F）
哪里
命中率（H）=命中/＃次信号试验
假阳性率（F）=假pos /＃次噪声试验
见斯坦尼斯劳和托多罗夫（1999）
诱人的审判：
在“设置”中，您可以控制诱饵试验的百分比，这会使任务更加困难。诱饵试验所产生的刺激是正负一次或两次负试验。也就是说，它们从目标试验（n后退）中抵消了一个试验。
自定义：
如果要更改游戏速度，试用次数或其他任何内容，只需转到设置>选择模式>手动模式。从那里，您几乎可以自定义任何内容。您还可以通过使用颜色渐变创建自己的自定义背景来自定义应用的外观。您可以在“设置”菜单的底部找到这些选项。
请将任何评论，问题或疑虑发送到nback.memory.training@gmail.com。
感谢参与！
E.A.L.
---
参考
Soveri，A.，Antfolk，J.，Karlsson，L.，Salo，B.，＆Laine，M.（2017年）。回顾工作记忆训练：n-back训练研究的多层次荟萃分析。 心理公告与评论， 24 （4），1077-1096。
Stanislaw，H。和Todorov，N。（1999）。计算信号检测理论的措施。 行为研究方法，仪器和计算机， 31 （1），137-149。
应用内背景图片来源：神经网络Réseaude Neurones。如果是这样的话/ Wikimedia，CC BY-SA
N-Back记忆训练使用信号检测理论中的判别指标A'来衡量您的工作记忆准确性（Stanislaw＆Todorov，1999）。 A’的范围通常从0.5（随机猜测）到1.0（完美的准确性）。 A'> = 0.90的分数将使您进入下一个级别，而A'<= 0.75的分数将使您回退到前一个n-back级别（在一个宽限期之后）。这些设置可以在手动模式下更改。为了跟踪您的进度，将A'与您的当前n背水平相结合，以使分数在您的n背水平周围+/- 0.5。例如，在2-back上，A'= 1的准确性将得到2.5分，而A'= 0.5的准确性将得到1.5分。
详细信息：
A'= .5 +符号（H-F）*（（H-F）^ 2 + abs（H-F））/（4 * max（H，F）-4 * H * F）
哪里
命中率（H）=命中/＃次信号试验
假阳性率（F）=假pos /＃次噪声试验
见斯坦尼斯劳和托多罗夫（1999）
诱人的审判：
在“设置”中，您可以控制诱饵试验的百分比，这会使任务更加困难。诱饵试验所产生的刺激是正负一次或两次负试验。也就是说，它们从目标试验（n后退）中抵消了一个试验。
自定义：
如果要更改游戏速度，试用次数或其他任何内容，只需转到设置>选择模式>手动模式。从那里，您几乎可以自定义任何内容。您还可以通过使用颜色渐变创建自己的自定义背景来自定义应用的外观。您可以在“设置”菜单的底部找到这些选项。
请将任何评论，问题或疑虑发送到nback.memory.training@gmail.com。
感谢参与！
E.A.L.
---
参考
Soveri，A.，Antfolk，J.，Karlsson，L.，Salo，B.，＆Laine，M.（2017年）。回顾工作记忆训练：n-back训练研究的多层次荟萃分析。 心理公告与评论， 24 （4），1077-1096。
Stanislaw，H。和Todorov，N。（1999）。计算信号检测理论的措施。 行为研究方法，仪器和计算机， 31 （1），137-149。
应用内背景图片来源：神经网络Réseaude Neurones。如果是这样的话/ Wikimedia，CC BY-SA
在“设置”中，您可以控制诱饵试验的百分比，这会使任务更加困难。诱饵试验所产生的刺激是正负一次或两次负试验。也就是说，它们从目标试验（n后退）中抵消了一个试验。
自定义：
如果要更改游戏速度，试用次数或其他任何内容，只需转到设置>选择模式>手动模式。从那里，您几乎可以自定义任何内容。您还可以通过使用颜色渐变创建自己的自定义背景来自定义应用的外观。您可以在“设置”菜单的底部找到这些选项。
请将任何评论，问题或疑虑发送到nback.memory.training@gmail.com。
感谢参与！
E.A.L.
---
参考
Soveri，A.，Antfolk，J.，Karlsson，L.，Salo，B.，＆Laine，M.（2017年）。回顾工作记忆训练：n-back训练研究的多层次荟萃分析。 心理公告与评论， 24 （4），1077-1096。
Stanislaw，H。和Todorov，N。（1999）。计算信号检测理论的措施。 行为研究方法，仪器和计算机， 31 （1），137-149。
应用内背景图片来源：神经网络Réseaude Neurones。如果是这样的话/ Wikimedia，CC BY-SA
Soveri，A.，Antfolk，J.，Karlsson，L.，Salo，B.，＆Laine，M.（2017年）。回顾工作记忆训练：n-back训练研究的多层次荟萃分析。 心理公告与评论， 24 （4），1077-1096。
Stanislaw，H。和Todorov，N。（1999）。计算信号检测理论的措施。 行为研究方法，仪器和计算机， 31 （1），137-149。
应用内背景图片来源：神经网络Réseaude Neurones。如果是这样的话/ Wikimedia，CC BY-SA
更新日期
為確保安全，請先從瞭解開發人員如何收集與分享資料開始。資料私隱和安全程序可因使用情況、所在地區和年齡而異。此資料由開發人員提供，並可能會隨時間更新。
評分和評論
4.3
1.16K 則評論
Big Jaguar
- 舉報不當內容
2020年11月29日
Good to train the brain
1 人認為這篇評論有用
E.A.L.
2020年11月30日
Thank you very much for your review! Glad you find the app useful. E.A.L.
Google 使用者
- 舉報不當內容
- 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 人認為這篇評論有用
E.A.L.
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.
最新動向
-bug fixes