Como os calendários de revisão aprenderam a adaptar-se

Imagina que distribuis cartões de papel por caixas. Depois de uma resposta certa, passas o cartão para uma caixa que verificas menos vezes. Depois de uma resposta falhada, colocas o cartão numa caixa que revês com maior frequência.

Já tornaste o calendário capaz de reagir. A resposta de hoje muda o que vai acontecer ao cartão mais tarde. Não precisas de um programa para esta ideia.

Mas a caixa guarda apenas um resumo aproximado. Dois cartões na mesma caixa recebem um tratamento semelhante, mesmo que uma resposta venha facilmente e a outra exija bastante esforço. Neste exemplo, o agrupamento não regista essa diferença.

Guardar um histórico separado para cada cartão dá ao planeador mais informação. A mudança importante é aquilo que a próxima decisão pode usar, não apenas substituir o papel por um ecrã.

O que o SM-2 guardava

A descrição do SM-2 de Piotr Wozniak atribui a cada elemento um fator de facilidade e usa classificações da qualidade da resposta. O fator ajuda a determinar o crescimento dos intervalos e pode mudar com a classificação.

O cartão leva para decisões posteriores um valor que reflete respostas anteriores. Já não precisa de seguir exatamente o mesmo percurso de todos os outros.

Continua a ser um sistema compacto de regras. O fator de facilidade não é, por si só, a probabilidade de recordar o cartão hoje. Também não é a mesma grandeza que a dificuldade no FSRS. Nomes parecidos podem descrever coisas diferentes em algoritmos diferentes.

Porque é que a história importa

Imagina duas palavras com a mesma data para a próxima revisão. Uma foi recordada corretamente muitas vezes. A outra não foi recordada em várias tentativas e voltou a ser aprendida há pouco. É um exemplo, não um par de calendários calculados.

A data comum esconde histórias diferentes. Olhar apenas para a data não mostra quais as tentativas bem-sucedidas nem quanto tempo passou antes de cada uma.

O FSRS, Free Spaced Repetition Scheduler, guarda um estado estimado através da dificuldade e da estabilidade. Calcula a retrievability, a probabilidade estimada de evocação agora, a partir da estabilidade, do tempo decorrido e dos parâmetros da curva. Não é um terceiro valor independente guardado ao lado dos outros dois.

São grandezas de um modelo, não medições diretas dentro do cérebro. Apoiam duas decisões relacionadas: estimar o acesso agora e escolher uma pausa para um objetivo de retenção.

Uma resposta precisa de ter um significado consistente

Ao nível do algoritmo, o FSRS usa quatro classificações:

• Again: a resposta não foi recordada corretamente.
• Hard: a evocação foi bem-sucedida, mas com bastante dificuldade.
• Good: uma resposta certa normal, com algum esforço.
• Easy: uma resposta certa que surgiu sem esforço.

O manual do Anki explica estas classificações. São nomes de resultados transmitidos ao algoritmo, não uma promessa de que todas as aplicações com FSRS mostrem quatro botões com estas etiquetas.

A fronteira entre Again e Hard importa. Se não conseguiste recordar a resposta, escolher Hard comunica um sucesso que não aconteceu. Mesmo que a resposta apresentada pareça familiar, esse reconhecimento não é a evocação que a pergunta testava.

A distinção é prática, não moral. A classificação descreve um encontro com um cartão, não a tua disciplina ou capacidade. Ao avaliares a resposta, pergunta primeiro se a evocaste antes de a veres e depois quão difícil foi.

Uma previsão pode ser revista

Depois de uma resposta classificada, o FSRS atualiza o estado estimado do elemento. Pode escolher um novo intervalo usando esse estado, os parâmetros do modelo e o objetivo de evocação escolhido. Atualizar o estado de um cartão não é a mesma operação que ajustar os parâmetros do modelo ao histórico de revisões de uma pessoa.

Uma resposta certa após uma pausa longa dá informação sobre o acesso depois desse intervalo. Uma resposta falhada dá outra observação. Nenhuma revela uma hora exata de validade da memória, e uma falha não prova que todo o modelo esteja errado.

Esta história compara ideias de planeamento, sem afirmar que cada método mais recente descende diretamente do anterior. A pergunta prática comum é quanto deve a próxima data aprender com a última resposta.

No FSRS, compreender a resposta começa por três termos: dificuldade, estabilidade e probabilidade atual de evocação.