Parte 8 di 9 · FSRS-6: Come abbiamo imparato a programmare i ripassi per ricordareTutte le parti
How memory works

Che cosa è cambiato in FSRS-6

FSRS-6 passa a 21 parametri, permette di adattare il decadimento della curva dell'oblio e cambia l'effetto dei ripassi ravvicinati sulla stabilità.

Il team di OOWN · 21 ott 2026 · 3 min di lettura

Rispondi correttamente a una parola e compare una nuova data di ripasso. Un aggiornamento del sistema di pianificazione può cambiare quella data anche se la tua risposta è la stessa. Che cosa ha imparato a descrivere diversamente la nuova versione?

FSRS-6 modifica due parti del modello: il modo in cui la probabilità prevista di ricordare diminuisce nel tempo e il modo in cui i ripassi ravvicinati aggiornano la stabilità. L'obiettivo resta familiare: stimare lo stato di un elemento e calcolare un momento utile per ripassarlo.

Una curva il cui decadimento si può adattare

FSRS-6 ha 21 parametri, contro i 19 di FSRS-5. Uno dei nuovi parametri controlla il decadimento della curva dell'oblio. Sono coefficienti del modello, non 21 punteggi separati memorizzati per ogni parola.

Quando i parametri vengono ottimizzati sulla cronologia dei ripassi, il decadimento può essere adattato ai dati anziché mantenere il precedente valore fisso. Un sistema che usa i parametri predefiniti continua a utilizzare un valore stabilito. Non riaddestra la curva separatamente dopo ogni risposta.

La stabilità conserva lo stesso riferimento: l'intervallo in cui la probabilità prevista di ricordare raggiunge il 90%. Rendere il decadimento apprendibile dai dati non trasforma la stabilità in una misura diversa.

La specifica ufficiale dell'algoritmo descrive queste modifiche. Un parametro apprendibile offre la possibilità di adattare un modello, ma non dimostra che un'app lo faccia già per ogni persona.

I ripassi ravvicinati aggiornano la stabilità in modo diverso

FSRS-5 aveva già una regola per i ripassi brevi nell'arco della stessa giornata. FSRS-6 aggiunge una dipendenza dalla stabilità già raggiunta dall'elemento. A parità degli altri dati in ingresso, il fattore di crescita relativa è maggiore quando la stabilità è bassa e minore quando è alta.

Pensa a una parola nuova incontrata di nuovo poco dopo averla studiata e a una parola familiare ripassata altrettanto presto. La regola rivista permette al modello di trattare diversamente queste due storie. È una spiegazione della formula, non l'affermazione che ripetere subito l'una o l'altra sia la scelta migliore per studiare.

L'app deve comunque decidere quali attività considerare come dati per la pianificazione. Modellare un intervallo breve e filtrare un duplicato accidentale sono responsabilità distinte.

Che cosa non è nato con la versione 6

Gli aggiornamenti della difficoltà con smorzamento lineare compaiono già nella specifica di FSRS-5. Questa regola riduce l'entità dell'aggiustamento della difficoltà vicino al suo limite superiore. Fa parte della descrizione del modello, ma non è una novità di FSRS-6.

La distinzione può sembrare piccola quando cerchi solo la data del ripasso di domani. Conta quando si spiega perché una versione è cambiata. Più parametri non dimostrano, da soli, risultati di apprendimento migliori, e ogni funzione va attribuita alla versione in cui compare.

Aggiornare un elemento e adattare un modello

Un normale ripasso aggiorna la difficoltà e la stabilità dell'elemento. L'ottimizzazione dei parametri è un processo separato: esamina la cronologia dei ripassi per adattare le regole di questi aggiornamenti.

Un'app può quindi adattare il calendario di ogni elemento usando lo stesso insieme di parametri predefiniti per molte persone. In seguito può adattare i parametri di una persona e continuare ad aggiornare i singoli elementi con quel modello.

Per te la differenza è pratica. Una data che cambia può riflettere una nuova stima per una parola. Non significa, di per sé, che l'app abbia riaddestrato l'intero modello sulla tua cronologia.

OOWN usa FSRS-6 nella propria implementazione della pianificazione. I suoi esercizi, però, non presentano tutti quattro pulsanti di valutazione. Nell'ultima parte della serie seguiremo il percorso che trasforma il risultato di un esercizio in un segnale utilizzabile dal sistema.

Articoli correlati