O que mudou no FSRS-6

Você responde corretamente a uma palavra e vê uma nova data de revisão. Uma atualização do sistema de agendamento pode mudar essa data, mesmo que sua resposta seja a mesma. O que a nova versão aprendeu a descrever de outro jeito?

O FSRS-6 muda duas partes do modelo: como a probabilidade prevista de lembrar diminui com o tempo e como as revisões próximas atualizam a estabilidade. O objetivo continua conhecido: estimar o estado de um item e calcular um momento útil para revisá-lo.

Uma curva cujo decaimento pode ser ajustado

O FSRS-6 tem 21 parâmetros, contra os 19 do FSRS-5. Um dos novos parâmetros controla o decaimento da curva do esquecimento. São coeficientes do modelo, não 21 notas separadas armazenadas para cada palavra.

Quando os parâmetros são otimizados com base no histórico de revisões, esse decaimento pode ser ajustado em vez de manter o valor fixo anterior. Um sistema que usa os parâmetros padrão continua utilizando um valor definido. Ele não treina a curva novamente, de forma separada, depois de cada resposta.

A estabilidade mantém o mesmo ponto de referência: o intervalo em que a probabilidade prevista de lembrar chega a 90%. Permitir que o decaimento seja aprendido a partir dos dados não transforma a estabilidade em outro tipo de medida.

A especificação oficial do algoritmo descreve essas mudanças. Um parâmetro que pode ser aprendido oferece a possibilidade de ajustar o modelo. Não prova que um aplicativo já faça isso separadamente para cada pessoa.

Revisões próximas atualizam a estabilidade de outro jeito

O FSRS-5 já tinha uma regra para revisões curtas no mesmo dia. O FSRS-6 acrescenta uma dependência da estabilidade que o item já tem. Mantendo os outros dados de entrada, o fator de crescimento relativo é maior quando a estabilidade é baixa e menor quando ela é alta.

Pense em uma palavra nova que você encontra de novo pouco depois de estudá-la e em uma palavra familiar revisada com a mesma rapidez. A regra atualizada permite ao modelo tratar esses históricos de forma diferente. É uma explicação da fórmula, não a afirmação de que repetir imediatamente qualquer uma das palavras seja a melhor escolha de estudo.

O aplicativo ainda precisa decidir quais atividades contam como dados para o agendamento. Modelar um intervalo curto e filtrar uma duplicação acidental são responsabilidades diferentes.

O que não começou na versão 6

As atualizações de dificuldade com amortecimento linear já aparecem na especificação do FSRS-5. Essa regra reduz o tamanho do ajuste da dificuldade perto do seu limite superior. Ela faz parte da descrição do modelo, mas não é uma novidade do FSRS-6.

A diferença pode parecer pequena quando você só quer saber a data da revisão de amanhã. Ela importa ao explicar por que uma versão mudou. Mais parâmetros, por si só, não demonstram melhores resultados de aprendizagem, e cada recurso deve ser atribuído à versão em que aparece.

Atualizar um item e ajustar um modelo

Uma revisão comum atualiza a dificuldade e a estabilidade do item. A otimização dos parâmetros é um processo separado: analisa o histórico de revisões para ajustar as regras usadas nessas atualizações.

Um aplicativo pode, portanto, adaptar o calendário de cada item usando o mesmo conjunto de parâmetros padrão para muitas pessoas. Mais tarde, pode ajustar os parâmetros de uma pessoa e continuar atualizando os itens com esse modelo adaptado.

Para você, a diferença é prática. Uma mudança de data pode refletir uma nova estimativa para uma palavra. Isso não significa, por si só, que o aplicativo tenha treinado todo o modelo novamente com seu histórico.

A OOWN utiliza FSRS-6 na implementação do agendamento. Seus exercícios, porém, nem sempre apresentam quatro botões de avaliação. No final da série, vamos acompanhar como o resultado de um exercício se transforma em um sinal que o sistema consegue usar.