Les trois estimations derrière une révision avec FSRS

Le chemin du retour peut rester familier après de longues vacances. Un nouveau code d'accès peut, lui, ne pas vous revenir après le week-end.

Une même personne possède ces deux souvenirs, mais un calendrier utile les traiterait différemment. FSRS décrit ces différences par difficulty, stability et retrievability, généralement abrégées D, S et R.

La difficulté et la stabilité décrivent l'état conservé d'un élément. La probabilité de rappel est calculée à partir de la stabilité, du temps depuis la dernière révision et des paramètres de la courbe. Ce sont des estimations du modèle, pas des mesures directes dans le cerveau. Distinguer leurs rôles aide à comprendre la prochaine date.

La difficulté concerne l'élément

Difficulty estime à quel point il est difficile d'augmenter la stabilité de cet élément par les révisions. Dans FSRS, elle est comprise entre 1 et 10.

Elle ne mesure ni votre intelligence ni la complexité objective d'un mot. Un mot courant que vous confondez avec un autre peut être difficile pour vous. Un mot rare associé à une image marquante peut être plus facile. Ce sont des exemples, pas une règle selon laquelle les mots rares seraient plus faciles.

L'estimation peut changer après une nouvelle note. Elle permet au modèle de représenter des différences persistantes entre éléments tout en gardant la possibilité de réviser ses estimations.

La stabilité décrit une échelle de temps

Stability est définie comme l'intervalle auquel la probabilité prévue de rappel atteint 90 %. Si un élément a une stabilité de dix jours, le modèle prévoit 90 % de chances de le retrouver dix jours après la révision. Dix jours est un exemple, pas un intervalle conseillé pour chaque mot nouveau.

Cette définition donne à la stabilité une unité de temps constante. Elle ne change pas si vous choisissez une autre cible de desired retention. La stabilité n'est pas automatiquement le prochain intervalle : la cible compte aussi.

Après une révision, le modèle calcule une nouvelle stabilité. Le résultat dépend de l'état précédent, de la note et des conditions pertinentes de la révision. Un rappel réussi après une longue pause peut justifier une estimation différente d'une réussite juste après avoir vu la réponse.

La probabilité de rappel évolue avec le temps

Retrievability est la probabilité prévue d'une réponse correcte maintenant. À mesure que le temps depuis la révision augmente, elle diminue selon la courbe d'oubli du modèle. Avec les mêmes paramètres de courbe, une stabilité plus grande ralentit cette baisse.

Entre deux révisions enregistrées, le temps peut modifier R calculé sans nouvelle réponse. Cela ne signifie pas que le système enregistre un nouvel échec chaque jour. Il calcule la probabilité actuelle à partir de l'état existant.

C'est une prévision de performance. Une probabilité de 90 % laisse toujours la possibilité d'une réponse manquée. Elle ne promet pas non plus des résultats identiques pour toutes les formes de questions ou toutes les situations où un mot est nécessaire.

La référence officielle de l'algorithme donne les définitions et les formules de ces estimations.

Un état conservé et deux calculs. R est calculé, pas stocké indépendamment. Le prochain intervalle utilise S, la cible et les paramètres de la courbe.

La cible choisit un point sur la courbe

Desired retention est une préférence de planification. Le modèle trouve un intervalle correspondant à cette probabilité cible, sous réserve des règles de l'application.

Une cible plus élevée rapproche généralement les révisions. Une cible plus basse permet des pauses plus longues et un risque d'oubli plus grand. Le manuel d'Anki sur FSRS explique pourquoi augmenter cette valeur accroît aussi la charge de travail.

La cible et la stabilité répondent à des questions différentes. La stabilité décrit l'estimation actuelle du modèle pour un élément. Desired retention indique avec quelle prudence programmer sa prochaine révision.

À stabilité et paramètres de courbe identiques, une cible supérieure à 90 % donne un intervalle plus court que la stabilité. Changer la cible ne redéfinit pas S. Nous décrivons le modèle, sans promettre les mêmes réglages dans toutes les applications.

Si une date vous surprend, séparez les questions : qu'estime le modèle maintenant, et pour quelle cible planifie-t-il ? Ni la date ni une réponse manquée isolée ne sont un verdict sur vos capacités.

Ces définitions donnent à FSRS un vocabulaire utile. La version de l'algorithme détermine précisément comment les estimations évoluent. Dans FSRS-6, deux changements méritent une attention particulière.