Ponavljanje u pravim razmacima je tehnika učenja koja raspoređuje svaki pregled u trenutku kad ste na ivici da zaboravite reč, razvlačeći razmake kako se pamćenje jača. Za učenike jezika to je najefikasniji poznati način da se rečnik prebaci u dugotrajno pamćenje bez gubljenja vremena na reči koje već znate napamet.
Kriva zaboravljanja (Ebbinghaus, 1885)#
Hermann Ebbinghaus je 1885. učio napamet liste besmislenih slogova i testirao se u razmacima da izmeri koliko brzo ih zaboravlja. Njegov rezultat, objavljen kao Über das Gedächtnis, jeste kriva zaboravljanja: pamćenje opada otprilike eksponencijalno, a pad je najstrmiji u prvim satima i danima posle učenja. Naučite danas novu reč i, bez ikakvog pregleda, do sutra ćete izgubiti veliki deo nje.
Korisni deo je ono što se dešava kada pregledate. Svako uspešno prisećanje ravna krivu, tako da je sledeći pad sporiji i plići. Ponavljanje u pravim razmacima je naprosto praksa usklađivanja tih pregleda da uhvate reč tačno pre nego što isklizne.
Efekat razmaka#
Ebbinghaus je takođe primetio da ponavljanja raspoređena kroz vreme proizvode znatno jača pamćenja od istog broja ponavljanja zbijenih zajedno. To je efekat razmaka. Kasnija istraživanja su to potvrdila: meta-analiza Cepede i saradnika (2006) pokazala je da raspoređena vežba pouzdano nadmašuje zbijenu vežbu, a pojam Roberta Bjorka o „poželjnim teškoćama“ objašnjava zašto. Blagi napor prisećanja reči koju ste napola zaboravili jeste ono što produbljuje trag u pamćenju. Lak pregled vas malo nauči; blago težak vas nauči mnogo.
Kvaka je u tome što idealan razmak raste kako pamćenje sazreva. Nova reč mora da se vrati za nekoliko minuta; dobro naučena može da sačeka mesecima. Pretvaranje tog pokretnog cilja u konkretan raspored je upravo ono što rade algoritmi ponavljanja u pravim razmacima.
SM-2: originalni algoritam#
Pjotr Vožnjak je izgradio prvu praktičnu verziju u SuperMemo-u kasnih 1980-ih. Njegov algoritam SM-2 daje svakoj kartici faktor lakoće koji počinje na 2,5 i nikad ne pada ispod 1,3. Posle svakog pregleda ocenjujete svoje prisećanje; tačan odgovor množi trenutni razmak faktorom lakoće, dok pogrešan odgovor razmak resetuje. Prva dva razmaka su fiksirana na 1 dan i 6 dana, posle čega je svaki sledeći razmak prethodni pomnožen faktorom lakoće.
SM-2 je dovoljno transparentan da se vodi na papiru, što je deo razloga zašto se tako raširio. Njegova slabost je u tome što je formula identična za svakog učenika i svaku karticu. Ne uči zaista iz toga kako se baš vi sećate.
FSRS: savremeni pristup#
Free Spaced Repetition Scheduler (FSRS) je projekat otvorenog koda sa početka 2020-ih. Umesto ručno podešene formule, koristi model pamćenja sa tri promenljive: Težina, Stabilnost i Prisetljivost (model DSR, od engl. Difficulty, Stability, Retrievability). Prilagođava svoje parametre vašoj ličnoj istoriji pregleda putem mašinskog učenja i dozvoljava vam da izaberete ciljnu stopu zadržavanja, na primer 90 procenata. Zatim raspoređuje najmanji broj pregleda potreban da se taj cilj održi. U praksi, to obično znači manje pregleda za isto zadržavanje. FSRS je integrisan u Anki kao opcioni planer krajem 2023.
Anki: varijanta SM-2#
Anki, koji je Damien Elmes prvi put objavio 2006. godine, dugo je kao podrazumevani koristio modifikovanu verziju SM-2: istu ideju faktora lakoće uz dodate korake učenja i praktična podešavanja. Novije verzije Anki-ja nude FSRS kao opcionu alternativu. Anki je poznat po svojoj fleksibilnosti, dodacima i velikoj biblioteci deljenih špilova, zbog čega je referentna tačka sa kojom se poredi većina alata za ponavljanje u pravim razmacima.
SM-2 naspram FSRS naspram Anki#
| Dimenzija | SM-2 | FSRS | Anki (podrazumevano) |
|---|---|---|---|
| Poreklo | SuperMemo, Vožnjak, kasne 1980-e | Projekat otvorenog koda, rane 2020-e | Anki, Elmes, 2006 |
| Model | Faktor lakoće + fiksni razmaci | Težina, Stabilnost, Prisetljivost | Modifikovan SM-2 |
| Personalizacija | Nikakva; jedna formula za sve | Uči iz vaše istorije pregleda | Ograničena, faktor lakoće po kartici |
| Ciljno zadržavanje | Implicitno | Vi ga podešavate | Implicitno |
| Matematika | Prosta aritmetika | Parametri naučeni mašinski | Prosta aritmetika |
| Prednost | Transparentan, radi svuda | Efikasan, manje pregleda | Fleksibilan, veliki ekosistem |
Kako LingoBlend raspoređuje preglede#
Pet igara LingoBlend-a radi na motoru SM-2 u Anki stilu. Nove reči prvo prolaze kroz kratke korake učenja: 10 minuta, pa 1 sat, pa 8 sati, tako da se reč koju ste tek sreli vrati istog dana dok je još krhka. Kad jednom napreduje, pregledi prelaze na dnevnu skalu: prvi razmak je 1 dan, sledeći je 6 dana, a potom je svaki sledeći razmak prethodni pomnožen faktorom lakoće reči (koji počinje na 2,5 i nikad ne pada ispod 1,3), do gornje granice. Promašite reč i ona se vraća na kratke korake ponovnog učenja; nastavite da je tačno rešavate i razmak se sve više širi. Tačni brojevi su manje bitni od principa, a on je da svaku reč srećete na ivici zaboravljanja.
Dva dizajnerska izbora čine da ovo funkcioniše. Prvo, reči ulaze u vaš špil u kontekstu, iz članka koji ste umešali, sa stranice koju Chrome ekstenzija umeša na licu mesta dok je čitate u desktop Chrome-u ili Edge-u, ili iz reči koju ste tamo sačuvali desnim klikom, a ne sa hladne liste. Drugo, ista reč se testira na pet načina kroz Kartice, Spajanje, Popuni prazninu, Slušanje i Kviz reči, tako da gradite i prepoznavanje i aktivno prisećanje. Razlozi iza svega ovoga izloženi su na stranici o nauci, a kompletan spisak funkcija nalazi se na stranici funkcije.
Praktični saveti za svakodnevne preglede#
- Ponavljajte svaki dan, makar pet minuta. Ponavljanje u pravim razmacima pretpostavlja stabilan ritam. Preskočite nekoliko dana i kartice koje su na redu počinju da se gomilaju, što razbija raspored i uništava motivaciju.
- Dodajte nove reči u skromnom mlazu. Ubacivanje 200 kartica u jednom sedenju garantuje mučno veliki teret ponavljanja sledeće nedelje. Polako i postojano održava red čekanja u razumnim granicama.
- Verujte razmacima. Ne vežbajte ponovo karticu na koju ste upravo tačno odgovorili. Razmak je sva poenta.
- Pomerajte se ka prisećanju kako reči postaju poznate. Proizvesti „gato“ iz engleskog „cat“ je teže, i stoga jače, nego je samo prepoznati. Ako učite španski, vodič za učenje španskog dobro se uklapa uz ovo.
- Učite reči unutar rečenica i dodajte sliku ili trik za pamćenje. Kontekst plus vizuelni signal (dualno kodiranje, Pajvio 1971) čini prisećanje mnogo lakšim od golog para reči. Ovo je i logika iza metode diglot weave.
- Ne jurite 100 procenata zadržavanja. Savršeno prisećanje umnožava vaš posao za malu stvarnu dobit. Negde oko 85 do 90 procenata je generalno efikasna zona.