As três estimativas por trás de uma revisão com FSRS

O caminho para casa pode continuar familiar depois de umas férias longas. Um código de acesso novo pode não te ocorrer ao fim de um fim de semana.

A mesma pessoa tem ambas as memórias, mas um calendário útil tratá-las-ia 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 elemento. A probabilidade de evocação calcula-se 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 os seus papéis ajuda a compreender a próxima data.

A dificuldade diz respeito ao elemento

Difficulty estima quão difícil é aumentar a estabilidade deste elemento através das revisões. No FSRS, está limitada ao intervalo de 1 a 10.

Não mede a tua inteligência nem a complexidade objetiva de uma palavra. Uma palavra comum que confundes com outra pode ser difícil para ti. Uma palavra rara com uma associação memorável pode ser mais fácil. São exemplos, não uma regra de que as palavras raras são mais fáceis.

A estimativa pode mudar depois de uma nova classificação. Permite ao modelo representar diferenças persistentes entre elementos, mantendo a possibilidade de rever essas estimativas.

A estabilidade descreve uma escala de tempo

Stability define-se como o intervalo em que a probabilidade prevista de evocação chega aos 90%. Se um elemento tem uma estabilidade de dez dias, o modelo prevê 90% de probabilidade de o recordar dez dias após a 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 escolheres outro objetivo de desired retention. A estabilidade não é automaticamente o próximo intervalo: o objetivo também conta.

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

A probabilidade de evocação muda com o tempo

Retrievability é a probabilidade prevista de uma resposta certa agora. À medida que aumenta o tempo desde a revisão, essa probabilidade desce segundo a curva de esquecimento do modelo. Com os mesmos parâmetros da curva, uma estabilidade maior torna a descida mais lenta.

Entre revisões registadas, o tempo pode mudar o R calculado sem uma nova resposta. Isto não significa que o sistema registe uma nova falha todos os dias. Está a calcular a probabilidade atual a partir do estado existente.

É uma previsão do desempenho. Uma probabilidade de 90% continua a admitir uma resposta falhada. Também não promete resultados iguais em diferentes tipos de perguntas ou em todas as situações em que podes precisar de uma palavra.

A referência oficial do algoritmo apresenta as definições e fórmulas destas 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 planeamento. O modelo encontra um intervalo correspondente a essa probabilidade-alvo, sujeito às regras de agendamento da aplicação.

Um objetivo mais elevado costuma aproximar as revisões. Um mais baixo permite pausas maiores e mais risco de esquecimento. A orientação do manual do Anki sobre FSRS explica porque aumentar esta definição também aumenta o trabalho.

O objetivo e a estabilidade respondem a perguntas diferentes. A estabilidade descreve a estimativa atual do modelo para um elemento. Desired retention exprime com quanta prudência queres 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. Isto descreve o modelo, sem prometer os mesmos controlos em todas as aplicações.

Se uma data te surpreende, separa as perguntas: o que estima o modelo agora e para que objetivo está a planear? Nem a data nem uma resposta falhada isolada são um veredito sobre a tua capacidade.

Estas 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.