La ripetizione spaziata è una tecnica di apprendimento che pianifica ogni ripasso nel momento in cui stai per dimenticare una parola, allungando via via gli intervalli man mano che il ricordo si consolida. Per chi impara una lingua è il modo più efficiente conosciuto per trasferire il vocabolario nella memoria a lungo termine, senza perdere tempo su parole che già conosci a menadito.
La curva dell'oblio (Ebbinghaus, 1885)#
Nel 1885, Hermann Ebbinghaus memorizzò liste di sillabe senza senso e si testò a intervalli regolari per misurare quanto in fretta le dimenticava. Il suo risultato, pubblicato come Über das Gedächtnis, è la curva dell'oblio: la memoria decade in modo pressoché esponenziale, e il calo è più ripido nelle prime ore e nei primi giorni dopo l'apprendimento. Impara una parola nuova oggi e, senza alcun ripasso, ne avrai perso una buona parte già domani.
La parte utile è ciò che accade quando ripassi. Ogni richiamo riuscito appiattisce la curva, così il calo successivo è più lento e meno marcato. La ripetizione spaziata non è altro che la pratica di calibrare quei ripassi per cogliere la parola proprio prima che ti sfugga.
L'effetto di distanziamento#
Ebbinghaus notò anche che le ripetizioni distribuite nel tempo producono ricordi molto più solidi dello stesso numero di ripetizioni concentrate tutte insieme. Questo è l'effetto di distanziamento. Ricerche successive lo hanno confermato: la metanalisi di Cepeda e colleghi (2006) ha rilevato che la pratica distanziata supera in modo affidabile quella concentrata, e il concetto di Robert Bjork delle «difficoltà desiderabili» spiega il perché. Il lieve sforzo di recuperare una parola che hai in parte dimenticato è ciò che rafforza la traccia mnemonica. Un ripasso facile ti insegna poco; uno leggermente difficile ti insegna molto.
Il problema è che l'intervallo ideale cresce man mano che il ricordo matura. Una parola nuova deve ripresentarsi dopo pochi minuti; una ben consolidata può aspettare mesi. Trasformare questo bersaglio mobile in un programma concreto è esattamente ciò che fanno gli algoritmi di ripetizione spaziata.
SM-2: l'algoritmo originale#
Piotr Woźniak costruì la prima versione pratica presso SuperMemo verso la fine degli anni '80. Il suo algoritmo SM-2 assegna a ogni carta un fattore di facilità che parte da 2,5 e non scende mai sotto 1,3. Dopo ogni ripasso valuti il tuo richiamo; una risposta corretta moltiplica l'intervallo attuale per il fattore di facilità, mentre un errore lo azzera. I primi due intervalli sono fissi, a 1 giorno e 6 giorni, dopodiché ogni intervallo è il precedente moltiplicato per il fattore di facilità.
SM-2 è abbastanza trasparente da poter essere calcolato a carta e penna, il che spiega in parte la sua enorme diffusione. Il suo punto debole è che la formula è identica per ogni persona e ogni carta. Non impara davvero da come tu, nello specifico, tendi a ricordare.
FSRS: l'approccio moderno#
Il Free Spaced Repetition Scheduler (FSRS) è un progetto open source dei primi anni 2020. Invece di una formula calibrata a mano, usa un modello di memoria con tre variabili: Difficoltà, Stabilità e Recuperabilità (il modello DSR). Adatta i propri parametri alla tua cronologia di ripasso tramite machine learning e ti permette di scegliere un tasso di ritenzione target, ad esempio il 90%. Pianifica poi il minor numero di ripassi necessario per mantenere quel target. In pratica, questo di solito significa meno ripassi a parità di ritenzione. FSRS è stato integrato in Anki come pianificatore opzionale alla fine del 2023.
Anki: una variante di SM-2#
Anki, pubblicato per la prima volta da Damien Elmes nel 2006, usa da tempo come impostazione predefinita una versione modificata di SM-2: la stessa idea del fattore di facilità, con passaggi di apprendimento aggiuntivi e accorgimenti pratici. Le versioni più recenti di Anki includono FSRS come alternativa opzionale. Anki è noto per la sua flessibilità, i componenti aggiuntivi e l'ampia libreria di mazzi condivisi, motivo per cui è il punto di riferimento a cui vengono confrontati la maggior parte degli strumenti di ripetizione spaziata.
SM-2 vs FSRS vs Anki#
| Dimensione | SM-2 | FSRS | Anki (predefinito) |
|---|---|---|---|
| Origine | SuperMemo, Woźniak, fine anni '80 | Progetto open source, primi anni 2020 | Anki, Elmes, 2006 |
| Modello | Fattore di facilità + intervalli fissi | Difficoltà, Stabilità, Recuperabilità | SM-2 modificato |
| Personalizzazione | Nessuna; una formula per tutti | Impara dalla tua cronologia di ripasso | Limitata, facilità per singola carta |
| Ritenzione target | Implicita | La imposti tu | Implicita |
| Matematica | Aritmetica semplice | Parametri appresi con il machine learning | Aritmetica semplice |
| Punto di forza | Trasparente, funziona ovunque | Efficiente, meno ripassi | Flessibile, grande ecosistema |
Come LingoBlend pianifica i ripassi#
I cinque giochi di LingoBlend girano su un motore SM-2 in stile Anki. Le parole nuove attraversano prima brevi passaggi di apprendimento: 10 minuti, poi 1 ora, poi 8 ore, così una parola appena incontrata ritorna lo stesso giorno, mentre è ancora fragile. Una volta superata questa fase, i ripassi passano a una scala giornaliera: il primo intervallo è di 1 giorno, il successivo di 6 giorni, e da lì in poi ogni intervallo è il precedente moltiplicato per il fattore di facilità della parola (che parte da 2,5 e non scende mai sotto 1,3), fino a un limite massimo. Se sbagli una parola, questa torna a brevi passaggi di riapprendimento; se continui a indovinarla, l'intervallo continua ad allargarsi. I numeri esatti contano meno del principio, ovvero che incontri ogni parola proprio sul punto di dimenticarla.
Due scelte di progettazione rendono tutto questo efficace. Primo, le parole entrano nel tuo mazzo in un contesto: da un articolo che hai mescolato, da una pagina che l'estensione Chrome mescola al volo mentre la leggi su Chrome o Edge desktop, oppure da una parola che hai salvato lì con un clic destro – mai da una lista fredda. Secondo, la stessa parola viene messa alla prova in cinque modi diversi tra Flashcard, Abbinamento, Riempi gli Spazi, Ascolto e Quiz, così costruisci sia il riconoscimento sia il richiamo attivo. Il ragionamento dietro tutto questo è spiegato nella pagina sulla scienza, mentre l'elenco completo delle funzionalità si trova in funzionalità.
Consigli pratici per i ripassi quotidiani#
- Ripassa ogni giorno, anche solo per cinque minuti. La ripetizione spaziata presuppone un ritmo costante. Salta diversi giorni di fila e le carte in scadenza si accumulano, il che manda in tilt il programma e demolisce la motivazione.
- Aggiungi parole nuove con un flusso contenuto e regolare. Riversare 200 carte in una sola seduta garantisce un carico di ripasso massacrante la settimana successiva. Lento e costante mantiene la coda sotto controllo.
- Fidati degli intervalli. Non riesercitarti su una carta a cui hai appena risposto correttamente. L'intervallo è proprio il punto centrale del metodo.
- Sposta il peso verso il richiamo attivo man mano che le parole diventano familiari. Produrre «gato» partendo da «cat» è più difficile, e quindi più efficace, del semplice riconoscerla. Se studi lo spagnolo, la guida per imparare lo spagnolo si abbina bene a questo consiglio.
- Impara le parole dentro frasi intere e abbina loro un'immagine o un trucco mnemonico. Il contesto unito a un segnale visivo (codifica duale, Paivio 1971) rende il recupero molto più facile rispetto a una semplice coppia di parole isolate. È anche la logica alla base del metodo diglot weave.
- Non inseguire una ritenzione del 100%. Un richiamo perfetto moltiplica il tuo carico di lavoro per un guadagno reale minimo. La zona efficiente si colloca in genere tra l'85% e il 90%.