| கோப்பு வகை | APK |
|---|---|
| பதிப்பு | 5.9 |
| பதிப்பகத்தார் | E.A.L. |
| வெளிவரும் தேதி | 20 ஜூலை, 2020 |
| தேதி சேர்க்கப்பட்டது | 20 ஜூலை, 2020 |
| OS தேவைகள் | Android |
| தேவைகள் | Requires Android 4.3 and up |
| மொத்த பதிவிறக்கங்கள் | 0 |
| விலை | Free |
விளக்கம்
என்-பேக் பயிற்சியானது திரவ நுண்ணறிவு (IQ) மற்றும் வேலை செய்யும் நினைவாற்றல் திறன் (Soveri et al., 2017) ஆகியவற்றில் ஆதாயங்களுக்கு வழிவகுக்கும் என்று ஆராய்ச்சி கூறுகிறது.
N-Back Memory Training ஐ ஐந்து நட்சத்திரங்களுக்கும் குறைவாக நீங்கள் மதிப்பிட்டால், தயவுசெய்து கருத்துத் தெரிவிக்கவும், அதனால் உங்கள் கவலைகளை நான் தீர்க்க முடியும்; உங்கள் கருத்தை நான் உண்மையிலேயே மதிக்கிறேன்.
வழிமுறைகள்:
விளையாட்டின் நோக்கம், உங்கள் பணி நினைவகத்தில் பல்வேறு உருப்படிகளை வைத்திருப்பது மற்றும் விளையாட்டு முன்னேறும்போது இந்த உருப்படிகளை செயலில் புதுப்பிப்பதாகும். ஒவ்வொரு புதிய சோதனையின் போதும், கடந்த காலத்தில் கொடுக்கப்பட்ட சோதனைகளின் எண்ணிக்கையுடன் தற்போதைய உருப்படி பொருந்தினால் பொருத்த பொத்தானை அழுத்தவும். n-back என்ற சொல் கடந்த காலத்தில் எத்தனை சோதனைகளை (n) நீங்கள் நினைவில் வைத்திருக்க வேண்டும் என்பதைக் குறிக்கிறது. இயல்பாக, நீங்கள் 2-பேக்கில் தொடங்குவீர்கள், எனவே தற்போதைய உருப்படி கடந்த 2 சோதனைகளில் நடந்த உருப்படியுடன் பொருந்தினால் பொருத்த பொத்தானை அழுத்தவும். சிங்கிள் 2-பேக் எப்படி விளையாடுவது என்பதற்கான எளிய செயல்விளக்கத்திற்கு, இந்த வீடியோவைப் பார்க்கவும்: https://www.youtube.com/watch?v=qSPOjA2rR0M .
விருப்பங்கள்:
N-Back Memory Training ஆனது, வேலை செய்யும் நினைவகத்தில் சேமிப்பதற்கான பல்வேறு வகையான பொருட்களைத் தேர்வுசெய்ய உங்களை அனுமதிக்கிறது:
3 x 3 கட்டத்தின் மீது ஒரு சதுரத்தின் நிலை
ஒலிகள் (எழுத்துகள், எண்கள் அல்லது பியானோ குறிப்புகள்)
படங்கள் (வடிவங்கள், தேசிய கொடிகள், விளையாட்டு உபகரணங்கள்)
வண்ணங்கள்
இயல்பாக, ஆப்ஸ் டூயல் என்-பேக்கில், நிலைகள் மற்றும் ஒலிகளைப் பயன்படுத்தி (எழுத்துக்கள்) தொடங்குகிறது. டூயல் என்-பேக்கில் உள்ள டூயல் என்பது நீங்கள் நினைவில் வைத்திருக்க வேண்டிய பல்வேறு வகையான உருப்படிகளைக் குறிக்கிறது. ஒற்றை n-பேக் முதல் குவாட் என்-பேக் வரை உருப்படி வகைகளின் எந்த கலவையையும் நீங்கள் தேர்வு செய்யலாம்.
முன்னேற்றத்தைக் கண்காணித்து மற்ற பயனர்களுடன் போட்டியிடுங்கள்:
தனிப்பயனாக்கக்கூடிய, ஊடாடும் வரைபடங்களைப் பயன்படுத்தி உங்கள் தினசரி முன்னேற்றத்தைக் கண்காணிக்கவும். பிரீமியம் பயன்முறையில் நிகழ்நேரத்தில் உலகெங்கிலும் உள்ள பிற பயனர்களுடன் உங்களின் அதிக மதிப்பெண்களை ஒப்பிடலாம் (பயன்பாட்டிற்குள் மேம்படுத்தல் கிடைக்கும்).
மதிப்பெண்:
N-Back Memory Training ஆனது சிக்னல் கண்டறிதல் கோட்பாட்டின் (Stanislaw & Todorov, 1999) பாகுபாடு குறியீட்டு A' ஐப் பயன்படுத்தி உங்கள் வேலை நினைவகத்தின் துல்லியத்தை அளவிடுகிறது. A என்பது பொதுவாக 0.5 (சீரற்ற யூகம்) முதல் 1.0 (சரியான துல்லியம்) வரை இருக்கும். A' >= 0.90 மதிப்பெண் உங்களை அடுத்த நிலைக்கு உயர்த்தும், மேலும் A' <= 0.75 மதிப்பெண்கள் முந்தைய n-பின் நிலைக்கு (ஒரு சலுகை காலத்திற்குப் பிறகு) வீழ்ச்சியை ஏற்படுத்தும். இந்த அமைப்புகளை மேனுவல் பயன்முறையில் மாற்றலாம். உங்கள் முன்னேற்றத்தைக் கண்காணிக்க, உங்கள் தற்போதைய n-பின் நிலையுடன் A' இணைக்கப்பட்டுள்ளது, இதனால் உங்கள் n-பின் நிலையைச் சுற்றி மதிப்பெண்கள் +/- 0.5 வரை இருக்கும். உதாரணமாக, 2-பேக்கில், A'=1 இன் துல்லியம் 2.5 மதிப்பெண்ணைக் கொடுக்கும், அதேசமயம் A'=0.5 1.5 மதிப்பெண்ணைக் கொடுக்கும்.
விவரங்கள்:
A'=.5 + அடையாளம்(H - F) * ((H - F)^2 + abs(H - F))/(4 * max(H, F) - 4 * H * F)
எங்கே
வெற்றி விகிதம் (H)=வெற்றிகள்/# சமிக்ஞை சோதனைகள்
False-positive Rate (F)=false pos/# noise trials
ஸ்டானிஸ்லாவ் & டோடோரோவ் (1999) பார்க்கவும்
கவர்ச்சி சோதனைகள்:
அமைப்புகளுக்குள், கவரும் சோதனைகளின் சதவீதத்தை நீங்கள் கட்டுப்படுத்தலாம், இது பணியை மிகவும் கடினமாக்குகிறது. Lure சோதனைகள் n-back Plus அல்லது Minus one சோதனையில் நிகழ்ந்த தூண்டுதல்களை முன்வைக்கின்றன. அதாவது, அவை இலக்கு சோதனையிலிருந்து (n-back) ஒரு சோதனையை ஈடுகட்டுகின்றன.
தனிப்பயனாக்கலாம்:
விளையாட்டின் வேகம், சோதனைகளின் எண்ணிக்கை அல்லது வேறு எதையும் மாற்ற விரும்பினால், அமைப்புகள் > தேர்ந்தெடு பயன்முறை > கையேடு பயன்முறை என்பதற்குச் செல்லவும். அங்கிருந்து, நீங்கள் கிட்டத்தட்ட எதையும் தனிப்பயனாக்கலாம். வண்ண சாய்வுகளைப் பயன்படுத்தி உங்கள் சொந்த தனிப்பயன் பின்னணியை உருவாக்குவதன் மூலம் பயன்பாடுகளின் தோற்றத்தைத் தனிப்பயனாக்கலாம். அமைப்புகள் மெனுவின் கீழே இந்த விருப்பங்களை நீங்கள் காணலாம்.
ஏதேனும் கருத்துகள், கேள்விகள் அல்லது கவலைகளை [email protected] க்கு அனுப்பவும்.
விளையாடியதற்கு நன்றி!
ஈ. ஏ.எல்.
குறிப்புகள்
Soveri, A., Antfolk, J., Karlsson, L., Salo, B., & Laine, M. (2017). பணி நினைவக பயிற்சி மறுபரிசீலனை செய்யப்பட்டது: n-பின் பயிற்சி ஆய்வுகளின் பல-நிலை மெட்டா பகுப்பாய்வு. சைக்கோனாமிக் புல்லட்டின் & விமர்சனம், 24(4), 1077-1096.
ஸ்டானிஸ்லாவ், எச்., & டோடோரோவ், என். (1999). சிக்னல் கண்டறிதல் கோட்பாடு நடவடிக்கைகளின் கணக்கீடு. நடத்தை ஆராய்ச்சி முறைகள், கருவிகள் மற்றும் கணினிகள், 31(1), 137-149.
பயன்பாட்டில் உள்ள பின்னணி பட கடன்: ரிஸோ டி நியூரான்ஸ். இல்லையெனில்/விக்கிமீடியா, CC BY-SA
