ચહેરા સ્મૃતિ કસોટી

1. ચિત્રો લોડ થવા દો. શીખવાની શરૂઆત પહેલાં બધી છબીઓ લોડ થઈ જાય છે. સ્પષ્ટ દેખાતી સ્ક્રીન વાપરો અને જરૂર હોય તો તમે સામાન્ય રીતે પહેરો છો તે ચશ્માં પહેરો.
2. ચહેરાઓ યાદ કરો. તેઓ એક પછી એક દેખાય છે અને આપમેળે બદલાય છે. દરેક વ્યક્તિના ચહેરાના લક્ષણો ધ્યાનથી જુઓ.
3. પરિચિત ચહેરો શોધો. તમે જે ચહેરો શીખ્યા હતા તેને ટૅપ કરો અથવા તેની નંબરવાળી કી દબાવો. દરેક જૂથમાં માત્ર એક વિકલ્પ શીખેલા ચહેરાઓમાંનો હોય છે. પસંદગી કરવામાં તમે સમય લઈ શકો છો.
4. નવું દૃશ્ય અજમાવો. પછીના વિકલ્પોમાં એ જ વ્યક્તિઓ બીજા ખૂણાથી દેખાય છે. વિકલ્પોની સાથે શીખતી વખતે જોયેલી છબીઓ દેખાતી નથી.
5. તમારું પરિણામ વાંચો. રમત દરમિયાન ટૅબ છોડવાથી પ્રયાસ સમાપ્ત થાય છે, જેથી તમે નવો પ્રયાસ શરૂ કરી શકો.

આ દૃશ્ય આધારિત કાર્ય છે. સ્ક્રીન રીડર નિયંત્રણોની જાહેરાત કરી શકે છે, પરંતુ મૌખિક વર્ણનથી ચહેરા ઓળખવાનો પડકાર જળવાતો નથી. ફોન અને ડેસ્કટોપ પર એ જ ચિત્રો અને નિયમો વપરાય છે; છતાં સ્ક્રીનનું કદ અને જોવાની પરિસ્થિતિઓ પ્રદર્શનને અસર કરી શકે છે.

ચોકસાઈ એટલે સાચી પસંદગીઓની સંખ્યા ભાગે કુલ પસંદગીઓની સંખ્યા. બંને દૃશ્યોના ગુણ દરેક ભાગમાં શું થયું તે બતાવે છે, અને દરેક ભાગમાં થોડા જ જવાબો હોય છે. એક ભૂલથી ટકાવારીમાં નોંધપાત્ર ફેરફાર થઈ શકે છે. પાસ થવા માટે કોઈ નિશ્ચિત ગુણ નથી.

આ આવૃત્તિ પૂરતા પાત્ર ખેલાડીઓ પૂર્ણ કરશે પછી પરિણામમાં સરેરાશથી ઓછું, સામાન્ય કે સરેરાશથી વધુ તુલનાત્મક સ્તર દેખાશે. ત્યાં સુધી એકત્રિત થયેલા પાત્ર પ્રયાસોની સંખ્યા દેખાશે. તુલના એ જ આવૃત્તિના અન્ય ખેલાડીઓના પ્રથમ પ્રયાસો સાથે થાય છે; ચિહ્નિત પ્રયાસો બાકાત રહે છે. વેબસાઇટના મુલાકાતીઓ પોતે પસંદ કરીને આવેલા લોકોનો સમૂહ છે, વસ્તીનું સામાન્ય માપદંડ નહીં. તુલના ઉપલબ્ધ ન હોય તો પણ તમારી ચોકસાઈ બદલાતી નથી.

ચહેરાઓનો સમૂહ નાનો છે. ફરી રમવાથી ચહેરાઓ વધુ પરિચિત બને છે, ભલે તેમનો ક્રમ અને ભૂમિકાઓ બદલાય. વહેંચેલી લિંકથી મિત્ર એ જ ચહેરા અને એ જ ક્રમ અજમાવી શકે છે; મિત્રનો દેખાતો ગુણ લિંક દ્વારા આપવામાં આવે છે, તેની સ્વતંત્ર ચકાસણી થતી નથી.

Duchaine અને Nakayamaની Cambridge Face Memory Testમાં અજાણ્યા ચહેરા પહેલાં શીખીને પછી ઓળખવાની પદ્ધતિ રજૂ કરવામાં આવી હતી; તેમાં ચિત્ર બદલાય ત્યારે પણ ઓળખવાની કસોટી સામેલ છે [1]. Dunn અને સહકર્મીઓની UNSW Face Testમાં પડકારજનક ચહેરા સ્મૃતિ અને મેળવણીનાં કાર્ય જોડાય છે, જે વ્યક્તિગત તફાવતોનું મૂલ્યાંકન કરતી વખતે વ્યાપક કાર્યસમૂહ શા માટે જરૂરી છે તે દર્શાવે છે [2].

અમારી રમત શીખવા અને ઓળખવાના સામાન્ય વિચારનો ઉપયોગ કરે છે. આ ઉપરોક્ત બે સંશોધન કસોટીઓમાંથી કોઈ નથી. તેના કૃત્રિમ ચહેરા માન્ય સંશોધન ઉત્તેજકો નથી; તેની લંબાઈ, ચિત્રસમૂહ અને ગુણપદ્ધતિ અલગ છે. અમે તે કસોટીઓના સામાન્ય માપદંડો અહીં વાપરતા નથી અને આ ગુણથી અસાધારણ ક્ષમતાનું લેબલ આપતા કે કોઈ સ્થિતિનું નિદાન કરતા નથી. નવા દૃશ્યનાં ચિત્રોમાં ઓળખ એકસરખી રહે છે કે નહીં તેની દૃષ્ટિથી તપાસ થઈ છે, પરંતુ આ ચિત્રસમૂહનું સ્વતંત્ર માન્યકરણ થયું નથી.