N-Back Memory Training for Android APK

ဖော်ပြချက်

n-back လေ့ကျင့်ခန်းသည် အရည်အတွက် ဉာဏ်ရည်ဥာဏ်သွေး (IQ) နှင့် အလုပ်လုပ်နိုင်သော မှတ်ဉာဏ်စွမ်းရည်ကို ရရှိစေနိုင်ကြောင်း သုတေသနပြုချက်များအရ (Soveri et al., 2017)။

အကယ်၍ သင်သည် N-Back Memory Training ကို ကြယ်ငါးပွင့်ထက်နည်းသော အဆင့်သတ်မှတ်ထားပါက၊ သင်၏စိုးရိမ်မှုများကို ကျွန်ုပ်ဖြေရှင်းနိုင်စေရန် ကျေးဇူးပြု၍ မှတ်ချက်ရေးထားခဲ့ပါ။ မင်းရဲ့တုံ့ပြန်ချက်တွေကို ငါတကယ်တန်ဖိုးထားတယ်။

ညွှန်ကြားချက်များ-

ဂိမ်း၏ရည်ရွယ်ချက်မှာ သင်၏လုပ်ဆောင်နေသောမှတ်ဉာဏ်တွင် အမျိုးမျိုးသောအရာများကို ကိုင်ဆောင်ထားရန်နှင့် ဂိမ်းတိုးတက်လာသည်နှင့်အမျှ အဆိုပါအရာများကို တက်ကြွစွာ အပ်ဒိတ်လုပ်ရန်ဖြစ်သည်။ အစမ်းသုံးမှုအသစ်တစ်ခုစီတွင်၊ လက်ရှိအရာသည် ယခင်ကပေးထားသည့် စမ်းသပ်မှုအရေအတွက်နှင့် ကိုက်ညီပါက တူညီသည့်ခလုတ်ကို နှိပ်ပါ။ n-back ဟူသော ဝေါဟာရသည် သင်မှတ်မိရန် အတိတ်တွင် စမ်းသပ်မှု မည်မျှရှိသည်ကို ရည်ညွှန်းသည်။ မူရင်းအားဖြင့် သင်သည် 2-back တွင်စတင်မည်ဖြစ်သည်၊ ထို့ကြောင့် လက်ရှိအရာသည် ယခင်စမ်းသပ်မှု 2 ခုနှင့် ကိုက်ညီပါက တူညီသည့်ခလုတ်ကို နှိပ်ပါ။ single 2-back ကစားနည်း၏ ရိုးရှင်းသောသရုပ်ပြမှုအတွက်၊ ဤဗီဒီယိုကိုကြည့်ပါ- https://www.youtube.com/watch?v=qSPOjA2rR0M။

ရွေးချယ်စရာများ-

N-Back Memory Training သည် သင့်အား အလုပ်လုပ်မှတ်ဉာဏ်တွင် သိမ်းဆည်းရန် အမျိုးမျိုးသော ပစ္စည်းအစုံမှ ရွေးချယ်နိုင်သည်-

3 x 3 ဇယားကွက်ပေါ်တွင် စတုရန်းတစ်ခု၏ အနေအထား

အသံများ (အက္ခရာများ၊ နံပါတ်များ သို့မဟုတ် စန္ဒယားမှတ်စုများ)

ရုပ်ပုံများ (ပုံသဏ္ဍာန်များ၊ နိုင်ငံတော်အလံများ၊ အားကစားပစ္စည်းများ)

အရောင်များ

ပုံမှန်အားဖြင့်၊ အက်ပ်သည် တည်နေရာနှင့် အသံများ (စာလုံးများ) ကို အသုံးပြု၍ dual n-back တွင် စတင်သည်။ dual n-back တွင် dual သည် သင်မှတ်မိရန် လိုအပ်မည့် အမျိုးအစားမည်မျှကွဲပြားသည်ကို ဖော်ပြသည်။ တစ်ခုတည်းသော n-back မှ quad n-back အထိ မည်သည့်ပစ္စည်းအမျိုးအစား၏ပေါင်းစပ်မှုကိုမဆို သင်ရွေးချယ်နိုင်သည်။

တိုးတက်မှုကို ခြေရာခံပြီး အခြားအသုံးပြုသူများနှင့် ယှဉ်ပြိုင်ပါ-

စိတ်ကြိုက်ပြင်ဆင်နိုင်သော အပြန်အလှန်အကျိုးပြုဂရပ်များကို အသုံးပြု၍ သင်၏နေ့စဉ်တိုးတက်မှုကို ခြေရာခံပါ။ ပရီမီယံမုဒ်ဖြင့် သင့်မြင့်မားသောရမှတ်များကို ကမ္ဘာတဝှမ်းရှိ အခြားအသုံးပြုသူများနှင့်လည်း အချိန်နှင့်တပြေးညီ နှိုင်းယှဉ်နိုင်သည် (အက်ပ်အတွင်း၌ အဆင့်မြှင့်တင်မှုရရှိနိုင်သည်)။

အမှတ်ပေး-

N-Back Memory Training သည် signal detection theory (Stanislaw & Todorov, 1999) မှ ခွဲခြားမှု အညွှန်းကိန်း A' ကို အသုံးပြု၍ သင်၏ လုပ်ဆောင်နေသော မှတ်ဉာဏ် တိကျမှုကို တိုင်းတာသည်။ ယေဘုယျအားဖြင့် A သည် 0.5 (ကျပန်းမှန်းဆခြင်း) မှ 1.0 (ပြီးပြည့်စုံသောတိကျမှု) ရှိသည်။ A' >= 0.90 ရမှတ်သည် သင့်အား နောက်တစ်ဆင့်သို့ ပို့ဆောင်ပေးပြီး A' <= 0.75 ရမှတ်သည် ယခင် n-back အဆင့်သို့ ပြန်သွားသည် (ကျေးဇူးတော်ကာလတစ်ခုပြီးနောက်)။ ဤဆက်တင်များကို လူကိုယ်တိုင်မုဒ်တွင် ပြောင်းလဲနိုင်သည်။ သင်၏တိုးတက်မှုကိုခြေရာခံရန်အတွက် A' သည် သင့် n-back အဆင့်တစ်ဝိုက်တွင် ရမှတ်များအကွာအဝေး +/- 0.5 ကိုရရှိစေရန်အတွက် သင်၏လက်ရှိ n-back အဆင့်နှင့် ပေါင်းစပ်ထားသည်။ ဥပမာအားဖြင့်၊ နောက်ကျော 2 တွင် A'=1 ၏ တိကျမှုသည် ရမှတ် 2.5 ဖြစ်ပြီး A'=0.5 သည် ရမှတ် 1.5 ဖြစ်လိမ့်မည်။

အသေးစိတ်အချက်များ-

A'=.5 + သင်္ကေတ(H - F) * ((H - F)^2 + abs(H - F))/(4 * အများဆုံး(H၊ F) - 4 * H * F)

ဘယ်မှာလဲ။

Hit Rate (H)=hits/# အချက်ပြစမ်းသပ်မှုများ

False-positive Rate (F)=false pos/# noise စမ်းသပ်မှု

Stanislaw & Todorov (1999) ကိုကြည့်ပါ

ဆွဲဆောင်စမ်းသပ်မှုများ-

ဆက်တင်များအတွင်း၊ အလုပ်ပိုမိုခက်ခဲစေသည့် ဆွဲဆောင်မှုစမ်းသပ်မှုရာခိုင်နှုန်းကို သင်ထိန်းချုပ်နိုင်သည်။ အစမ်းစမ်းသပ်မှုများသည် n-back အပေါင်း သို့မဟုတ် အနုတ်တစ်ခု အစမ်းဖြစ်ပွားသည့် လှုံ့ဆော်မှုများကို တင်ပြသည်။ ဆိုလိုသည်မှာ ၎င်းတို့သည် ပစ်မှတ်စမ်းသပ်မှု (n-back) မှ တစ်ကြိမ် အစမ်းခန့်ကို ထေမိပါသည်။

စိတ်ကြိုက်လုပ်ပါ

ဂိမ်းအမြန်နှုန်း၊ စမ်းသပ်မှုအရေအတွက် သို့မဟုတ် အခြားအရာများကို ပြောင်းလဲလိုပါက ဆက်တင်များ > ရွေးချယ်မုဒ် > လူကိုယ်တိုင်မုဒ်သို့ သွားပါ။ ထိုနေရာမှ သင်သည် မည်သည့်အရာမဆို စိတ်ကြိုက်ပြင်ဆင်နိုင်သည်။ သင့်စိတ်ကြိုက် နောက်ခံအရောင်များကို ဖန်တီးခြင်းဖြင့် အက်ပ်များ၏ အသွင်အပြင်ကို စိတ်ကြိုက်ပြင်ဆင်နိုင်သည်။ ဆက်တင်များ မီနူး၏အောက်ခြေတွင် ဤရွေးချယ်စရာများကို သင်တွေ့နိုင်သည်။

ကျေးဇူးပြု၍ [email protected] သို့ မှတ်ချက်များ၊ မေးခွန်းများ သို့မဟုတ် စိုးရိမ်ပူပန်မှုများကို ပေးပို့ပါ။

ကစားသည့်အတွက် ကျေးဇူးတင်ပါသည်။

E. A. L.

ကိုးကား

Soveri, A., Antfolk, J., Karlsson, L., Salo, B., & Laine, M. (2017)။ အလုပ်မှတ်ဉာဏ်လေ့ကျင့်ရေးကို ပြန်လည်ကြည့်ရှုခဲ့သည်- n-back လေ့ကျင့်ရေးလေ့လာမှုများ၏ အဆင့်ပေါင်းများစွာ မက်တာ-ခွဲခြမ်းစိတ်ဖြာမှု။ စိတ်ပိုင်းဆိုင်ရာ စာစောင်နှင့် သုံးသပ်ချက်၊ ၂၄(၄)၊ ၁၀၇၇-၁၀၉၆။

Stanislaw, H., & Todorov, N. (1999)။ အချက်ပြထောက်လှမ်းမှု သီအိုရီ တွက်ချက်မှု တိုင်းတာမှု။ အပြုအမူ သုတေသနလုပ်နည်းများ၊ တူရိယာများ၊ & ကွန်ပျူတာများ၊ 31(1), 137-149။

အက်ပ်အတွင်း နောက်ခံပုံ ခရက်ဒစ်- Rseau de neurones။ အဲဒါဆိုရင် else/Wikimedia, CC BY-SA