N-Back Memory Training for Android APK

기술

연구에 따르면 n-back 훈련은 유동 지능(IQ)과 작업 기억 능력을 향상시킬 수 있습니다(Soveri et al., 2017).

N-Back Memory Training을 별 5개 미만으로 평가하는 경우 귀하의 우려 사항을 해결할 수 있도록 댓글을 남겨주세요. 귀하의 피드백을 진심으로 소중하게 생각합니다.

지침:

게임의 목적은 작업 메모리에 다양한 항목을 저장하고 게임이 진행됨에 따라 이러한 항목을 적극적으로 업데이트하는 것입니다. 각각의 새로운 시도에서 현재 항목이 과거에 주어진 횟수의 시도가 발생한 항목과 일치하는 경우 일치 버튼을 누릅니다. n-back이라는 용어는 과거에 얼마나 많은 시행(n)을 기억해야 하는지를 나타냅니다. 기본적으로 2-back에서 시작하므로 현재 항목이 과거에 2 번 시도한 항목과 일치하면 일치 버튼을 누릅니다. 싱글 투백 연주 방법에 대한 간단한 데모는 다음 동영상을 참조하세요. https://www.youtube.com/watch?v=qSPOjA2rR0M .

옵션:

N-Back Memory Training을 사용하면 작업 기억에 저장할 다양한 항목 세트 중에서 선택할 수 있습니다.

3 x 3 격자에서 정사각형의 위치

소리(문자, 숫자 또는 피아노 음표)

이미지(모양, 국기, 스포츠 장비)

그림 물감

기본적으로 앱은 위치와 소리(문자)를 사용하여 듀얼 n-back에서 시작합니다. 듀얼 인 듀얼 n-백은 단순히 얼마나 많은 다른 항목 유형을 기억해야 하는지를 나타냅니다. 단일 n-백에서 쿼드 n-백에 이르기까지 항목 유형의 조합을 선택할 수 있습니다.

진행 상황을 추적하고 다른 사용자와 경쟁:

맞춤형 대화형 그래프를 사용하여 일일 진행 상황을 추적하십시오. 또한 프리미엄 모드(앱 내에서 업그레이드 가능)를 사용하여 전 세계의 다른 사용자와 최고 점수를 실시간으로 비교할 수 있습니다.

득점:

N-Back Memory Training은 신호 탐지 이론(Stanislaw & Todorov, 1999)의 판별 지수 A'를 사용하여 작업 기억 정확도를 측정합니다. A의 범위는 일반적으로 0.5(임의의 추측)에서 1.0(완벽한 정확도)입니다. A' >= 0.90의 점수는 다음 레벨로 진급하고 A' <= 0.75의 점수는 이전 n-back 수준(1회 유예 기간 후)으로 대체됩니다. 이 설정은 수동 모드에서 변경할 수 있습니다. 진행 상황을 추적하기 위해 A'는 현재 n-back 수준과 결합되어 점수 범위는 n-back 수준 주변에서 +/- 0.5입니다. 예를 들어 투백에서 A'=1의 정확도는 2.5의 점수를 산출하는 반면 A'=0.5의 정확도는 1.5의 점수를 산출합니다.

세부:

A'=.5 + 부호(H - F) * ((H - F)^2 + abs(H - F))/(4 * 최대(H, F) - 4 * H * F)

어디

적중률(H)=적중률/# 신호 시도

위양성 비율(F)=false pos/# 노이즈 시도

Stanislaw & Todorov(1999) 참조

유혹 시도:

설정 내에서 작업을 더 어렵게 만드는 루어 시도의 비율을 제어할 수 있습니다. 루어 시도는 n-back 플러스 또는 마이너스 1 시도에서 발생한 자극을 제시합니다. 즉, 목표 시행(n-back)에서 한 시행 오프셋됩니다.

사용자 정의:

게임 속도, 시도 횟수 등을 변경하려면 설정 > 모드 선택 > 수동 모드로 이동하면 됩니다. 거기에서 거의 모든 것을 사용자 정의할 수 있습니다. 색상 그라디언트를 사용하여 사용자 정의 배경을 만들어 앱 모양을 사용자 정의할 수도 있습니다. 설정 메뉴 하단에서 이러한 옵션을 찾을 수 있습니다.

의견, 질문 또는 우려 사항이 있는 경우 [email protected]으로 보내주십시오.

플레이해주셔서 감사합니다!

E.A.L.

참고문헌

Soveri, A., Antfolk, J., Karlsson, L., Salo, B., & Laine, M. (2017). 작업 기억 훈련 재검토: n-back 훈련 연구의 다단계 메타 분석. Psychonomic Bulletin & review, 24(4), 1077-1096.

Stanislaw, H., & Todorov, N. (1999). 신호 탐지 이론 측정의 계산. 행동 연구 방법, 도구 및 컴퓨터, 31(1), 137-149.

인앱 배경 이미지 크레딧: Rseau de Neurones. 그렇다면/Wikimedia, CC BY-SA