As três estimativas por trás de uma revisão com FSRS

O caminho para casa pode continuar familiar depois de férias longas. Um código de acesso novo pode não vir à memória depois de um fim de semana.

A mesma pessoa tem as duas lembranças, mas um calendário útil trataria cada uma de forma diferente. O FSRS descreve essas diferenças com difficulty, stability e retrievability, normalmente abreviadas como D, S e R.

A dificuldade e a estabilidade descrevem o estado guardado de um item. A probabilidade de lembrar é calculada a partir da estabilidade, do tempo desde a última revisão e dos parâmetros da curva. São estimativas do modelo, não medições diretas dentro do cérebro. Separar esses papéis ajuda a entender a próxima data.

A dificuldade diz respeito ao item

Difficulty estima o quanto é difícil aumentar a estabilidade deste item com as revisões. No FSRS, fica limitada ao intervalo de 1 a 10.

Não mede sua inteligência nem a complexidade objetiva de uma palavra. Uma palavra comum que você confunde com outra pode ser difícil para você. Uma palavra rara com uma associação marcante pode ser mais fácil. São exemplos, não uma regra de que palavras raras são mais fáceis.

A estimativa pode mudar depois de uma nova avaliação. Permite ao modelo representar diferenças persistentes entre itens e, ao mesmo tempo, rever essas estimativas.

A estabilidade descreve uma escala de tempo

Stability é definida como o intervalo em que a probabilidade prevista de recuperar a resposta chega a 90%. Se um item tem estabilidade de dez dias, o modelo prevê 90% de chance de lembrar dele dez dias depois da revisão. Dez dias é um exemplo, não um intervalo sugerido para cada palavra nova.

A definição dá à estabilidade uma unidade de tempo constante. Não muda se você escolher outro objetivo de desired retention. A estabilidade não é automaticamente o próximo intervalo: o objetivo também importa.

Depois de uma revisão, o modelo calcula uma nova estabilidade. O resultado depende do estado anterior, da avaliação e das condições relevantes da revisão. Lembrar depois de uma pausa significativa pode sustentar uma estimativa diferente de acertar logo após ver a resposta.

A probabilidade de lembrar muda com o tempo

Retrievability é a probabilidade prevista de responder corretamente agora. Conforme aumenta o tempo desde a revisão, essa probabilidade cai segundo a curva de esquecimento do modelo. Com os mesmos parâmetros da curva, uma estabilidade maior torna a queda mais lenta.

Entre revisões registradas, o tempo pode mudar o R calculado sem uma nova resposta. Isso não significa que o sistema registre uma falha nova todos os dias. Está calculando a probabilidade atual a partir do estado existente.

É uma previsão de desempenho. Uma probabilidade de 90% ainda admite uma resposta errada. Também não promete resultados iguais para tipos diferentes de perguntas ou para todas as situações em que você pode precisar de uma palavra.

A referência oficial do algoritmo apresenta as definições e fórmulas dessas estimativas.

Estado guardado e dois cálculos. R é calculado, não guardado de forma independente. O próximo intervalo usa S, o objetivo e os parâmetros da curva.

O objetivo escolhe um ponto na curva

Desired retention é uma preferência de planejamento. O modelo encontra um intervalo correspondente à probabilidade-alvo, sujeito às regras de agendamento do aplicativo.

Um objetivo mais alto costuma aproximar as revisões. Um mais baixo permite pausas maiores e mais risco de esquecimento. A orientação do manual do Anki sobre FSRS explica por que aumentar essa configuração também aumenta o trabalho.

O objetivo e a estabilidade respondem a perguntas diferentes. A estabilidade descreve a estimativa atual do modelo para um item. Desired retention expressa com quanta cautela você quer agendar a próxima revisão.

Com a mesma estabilidade e os mesmos parâmetros da curva, um objetivo acima de 90% dá um intervalo menor do que a estabilidade. Mudar o objetivo não redefine S. Isso descreve o modelo, sem prometer os mesmos controles em todos os aplicativos.

Se uma data surpreende você, separe as perguntas: o que o modelo estima agora e para qual objetivo está planejando? Nem a data nem uma resposta errada isolada são um veredito sobre sua capacidade.

Essas definições dão ao FSRS um vocabulário útil. A versão do algoritmo determina exatamente como as estimativas são atualizadas. No FSRS-6, duas mudanças merecem atenção especial.