Jak OOWN zamienia ćwiczenia w harmonogram powtórek

Rozpoznanie poprawnej odpowiedzi wśród kilku opcji i wpisanie słowa z pamięci wymagają od ciebie czegoś innego. OOWN musi uwzględnić tę różnicę, zanim zmieni datę powtórki.

FSRS używa niewielkiego zestawu ocen. OOWN oferuje różne formaty ćwiczeń. Połączenie ich wymaga interpretacji tego, co wydarzyło się w ćwiczeniu.

Implementacja planowania OOWN, sprawdzona 20 października 2026 roku, korzysta z FSRS-6. Jego praca zaczyna się po zamianie wyniku ćwiczenia na zrozumiałą dla niego ocenę. Nazwy Again, Hard, Good i Easy poniżej oznaczają oceny algorytmu, nie cztery przyciski pojawiające się w każdym ćwiczeniu.

Różne ćwiczenia dają różne sygnały

Na zwykłej fiszce deklaracja, że znasz odpowiedź, odpowiada Good. Deklaracja, że jej nie znasz, odpowiada Again.

W ćwiczeniach opartych na rozpoznawaniu OOWN uwzględnia zarówno dojście do rozwiązania, jak i liczbę poprzedzających je błędnych prób. Poprawne rozwiązanie bez pomyłek daje Good. Jedna pomyłka przed rozwiązaniem daje Hard. Nierozwiązany element lub więcej pomyłek daje Again.

Ćwiczenia pisemne uwzględniają też błędy i odsłonięte litery. Ukończona odpowiedź bez błędów i podpowiedzi literowych daje Easy. Wraz ze wzrostem łącznego odsetka błędów i podpowiedzi ocena przechodzi przez Good i Hard do Again. Niedokończona odpowiedź daje Again, nawet jeśli część liter wpisano poprawnie.

To reguły produktu. Sam FSRS nie określa, co powinna oznaczać literówka lub błąd przy dopasowaniu pary. OOWN konsekwentnie interpretuje wynik przed przekazaniem go algorytmowi.

Ćwiczenie i pomiar mogą się nakładać

Załóżmy, że odpowiadasz na słowo, chwilę później widzisz je znowu i odpowiadasz poprawnie. To drugie spotkanie może pomóc w nauce. Może jednak dostarczać niewiele niezależnych danych o tym, czy przypomnisz sobie słowo jutro.

OOWN może nie aktualizować stanu FSRS na podstawie kolejnych odpowiedzi w tej samej sesji lub odpowiedzi udzielonych zbyt wcześnie. Niektóre rodzaje ćwiczeń w ogóle nie zmieniają harmonogramu. Słowa pokazane tego dnia w ramach wprowadzania nowych słów również nie otrzymują aktualizacji harmonogramu przed kolejnym dniem w strefie czasowej przestrzeni do nauki.

Samo ćwiczenie nadal może mieć wartość edukacyjną. Wstrzymanie aktualizacji oznacza, że harmonogram nie traktuje każdej udanej interakcji jako nowego powodu do wydłużenia odstępu.

To szczególnie przydatne, gdy aplikacja łączy kilka sposobów ćwiczenia tego samego słowa. Liczba działań na ekranie i ilość nowych danych o utrzymaniu słowa w pamięci nie muszą rosnąć razem.

Skąd bierze się kolejna data

Gdy odpowiedź kwalifikuje się do planowania, OOWN przekazuje FSRS poprzedni stan elementu, ocenę i czas powtórki. Algorytm aktualizuje stan i oblicza nowy odstęp z uwzględnieniem ustawionego celu desired retention.

Domyślny cel to 90%: model dąży do 90-procentowego prawdopodobieństwa przypomnienia podczas zaplanowanej powtórki. Nie oznacza to, że 90% słów zostało opanowanych na zawsze, ani nie gwarantuje konkretnej odpowiedzi. Przy pozostałych danych bez zmian wyższy cel oznacza krótsze przerwy; niższy dopuszcza większe ryzyko zapomnienia w zamian za dłuższe odstępy. Ustawienie w kodzie planowania nie musi być opcją, którą można zmienić w interfejsie.

Co oznacza tu personalizacja

Każde słowo ma już własną zmieniającą się trudność i stabilność. Implementacja może też odczytać zestaw parametrów i cel utrzymania w pamięci przypisane do przestrzeni do nauki.

Automatyczne dopasowywanie tych parametrów na podstawie historii osoby to dalszy krok. W implementacji sprawdzonej 20 października 2026 roku taki proces optymalizacji pozostawał w planach. Mechanizm planowania może przyjmować dopasowane parametry, a zwykłe planowanie może działać z domyślnymi.

OOWN zapisuje też informacje o stanie przed powtórką, odstępie i użytych parametrach. Historia pomaga analizować decyzje algorytmu i w przyszłości dopasowywać parametry.

Twoja praktyczna część jest prosta: spróbuj odpowiedzieć przed odsłonięciem pomocy, korzystaj z niej, kiedy jej potrzebujesz, i uczciwie zgłaszaj, że nie udało ci się przypomnieć odpowiedzi. Algorytm potrzebuje informacji o tym, co się wydarzyło, nie wyniku wyglądającego idealnie.

Zaczęliśmy od znanego problemu: słowo wygląda znajomo, ale nie przychodzi do głowy, gdy go potrzebujesz. Harmonogram nie obieca, że to już nigdy się nie zdarzy. Może wykorzystać każdą odpowiedź kwalifikującą się do obliczeń, aby skorygować oszacowanie i wybrać następną przerwę. Data to plan kolejnej próby, nie ocena twojej pamięci.