Ce qui a changé dans FSRS-6

Vous répondez correctement à un mot, puis une nouvelle date de révision apparaît. Une mise à jour du planificateur peut modifier cette date sans que votre réponse ait changé. Qu'est-ce que la nouvelle version a appris à décrire autrement ?

FSRS-6 modifie deux parties du modèle : la baisse de la probabilité de rappel prédite au fil du temps et la façon dont les révisions rapprochées actualisent la stabilité. L'objectif reste le même : estimer l'état d'un élément, puis calculer un moment utile pour le revoir.

Une courbe dont la décroissance peut être ajustée

FSRS-6 possède 21 paramètres, contre 19 pour FSRS-5. L'un des nouveaux paramètres contrôle la décroissance de la courbe de l'oubli. Ce sont des coefficients du modèle, pas 21 notes distinctes enregistrées pour chaque mot.

Lors de l'optimisation des paramètres à partir de l'historique des révisions, cette décroissance peut être ajustée au lieu de conserver l'ancienne valeur fixe. Un planificateur utilisant les paramètres par défaut emploie toujours une valeur définie. Il ne réentraîne pas séparément la courbe après chaque réponse.

La stabilité conserve le même point de référence : l'intervalle auquel la probabilité de rappel prédite atteint 90 %. Rendre la décroissance ajustable ne transforme pas la stabilité en une autre mesure.

La spécification officielle de l'algorithme décrit ces changements. Un paramètre pouvant être appris offre une possibilité d'ajuster le modèle. Il ne prouve pas qu'une application le fait déjà pour chaque personne.

Les révisions rapprochées actualisent autrement la stabilité

FSRS-5 disposait déjà d'une règle pour les révisions à court intervalle dans une même journée. FSRS-6 ajoute une dépendance à la stabilité existante de l'élément. À autres données constantes, le facteur de croissance relative est plus grand lorsque la stabilité est faible et plus petit lorsqu'elle est élevée.

Imaginez un mot nouveau rencontré à nouveau peu après son apprentissage, puis un mot familier revu tout aussi rapidement. La règle révisée permet au modèle de traiter ces deux historiques différemment. C'est une explication de la formule, pas l'affirmation qu'une révision immédiate serait le meilleur choix dans les deux cas.

L'application décide toujours quelles activités constituent des données pour la planification. Modéliser un intervalle court et filtrer un doublon accidentel sont deux responsabilités distinctes.

Ce qui n'a pas commencé avec la version 6

L'actualisation de la difficulté avec amortissement linéaire figure déjà dans la spécification de FSRS-5. Cette règle réduit l'ampleur de l'ajustement à proximité de la limite supérieure de difficulté. Elle appartient au modèle, mais n'est pas une invention de FSRS-6.

La distinction peut sembler minime si vous cherchez seulement la date de demain. Elle compte lorsqu'on explique l'évolution d'une version. Un plus grand nombre de paramètres ne démontre pas, à lui seul, de meilleurs résultats d'apprentissage. Une fonction doit être attribuée à la version où elle apparaît.

Actualiser un élément et ajuster un modèle

Une révision ordinaire actualise la difficulté et la stabilité de l'élément. L'optimisation des paramètres est un autre processus : elle examine l'historique des révisions pour ajuster les règles de ces actualisations.

Une application peut donc adapter le calendrier de chaque élément tout en utilisant le même jeu de paramètres par défaut pour de nombreuses personnes. Elle peut ensuite ajuster les paramètres d'une personne et continuer à actualiser les éléments avec ce modèle adapté.

Pour vous, la différence est concrète. Un changement de date peut refléter une nouvelle estimation pour un mot. Il ne signifie pas, à lui seul, que l'application a réentraîné tout son modèle à partir de votre historique.

OOWN utilise FSRS-6 dans son implémentation de la planification. Pourtant, ses exercices ne présentent pas tous quatre boutons d'évaluation. Pour terminer cette série, nous suivrons le chemin d'un résultat d'exercice jusqu'au signal utilisable par le planificateur.