Come funziona FSRS: l'algoritmo moderno di ripetizione dilazionata

La maggior parte delle persone che usano app di flashcard non ha la minima idea di cosa accada dietro le quinte quando un algoritmo decide di mostrare loro una carta domani anziché il mese prossimo. Per anni la risposta dominante è stata SM-2, un algoritmo euristico sviluppato negli anni Ottanta che ha servito milioni di studenti in modo ragionevolmente efficace. FSRS — il Free Spaced Repetition Scheduler — è un approccio più recente e segue una strada fondamentalmente diversa: invece di usare regole fisse, costruisce un modello matematico di come funziona davvero la tua memoria. Comprendere quel modello spiega perché le pianificazioni di FSRS risultano più accurate e perché tendono a richiedere meno ripassi a parità di livello di ritenzione. FSRS è open source e in costante sviluppo; puoi esplorare l'algoritmo FSRS su GitHub. Per l'intera gamma di argomenti sulla ripetizione dilazionata, visita la raccolta di articoli sulla ripetizione dilazionata.

Le tre componenti della memoria: D, S e R

FSRS descrive ogni elemento di conoscenza che stai imparando usando tre grandezze. Insieme formano quello che i ricercatori chiamano modello DSR.

Recuperabilità (R)

La recuperabilità è la probabilità di riuscire a ricordare un elemento proprio ora, in questo preciso momento. Parte da 1,0 (certezza) subito dopo un ripasso e decade nel tempo seguendo una curva dell'oblio. Quando l'algoritmo decide che è il momento di mostrarti una carta, è perché la tua recuperabilità è scesa a un livello obiettivo — tipicamente intorno a 0,90, ovvero circa il 90 % di probabilità di ricordo. L'obiettivo è ripassare subito prima di dimenticare, non molto prima e non dopo.

Stabilità (S)

La stabilità descrive con quanta lentezza decade la tua recuperabilità. Una memoria ad alta stabilità svanisce lentamente; una memoria a bassa stabilità svanisce rapidamente. Dopo ogni ripasso riuscito, la tua stabilità per quell'elemento aumenta, ed è per questo che gli intervalli di ripasso possono crescere nel tempo. Lo stesso elemento ripassato cinque volte nei momenti giusti avrà una stabilità molto più alta di un elemento ripassato cinque volte in un solo giorno — l'algoritmo coglie questa differenza con precisione.

La stabilità è la grandezza che corrisponde più direttamente al senso comune di "sapere bene qualcosa". Un'alta stabilità significa che, anche se salti un ripasso, la tua memoria rimarrà in larga parte intatta settimane dopo. Una bassa stabilità significa che saltare un solo ripasso può ridurre sostanzialmente la tua probabilità di ricordo.

Difficoltà (D)

La difficoltà è una stima dell'intrinseca complessità di un elemento specifico per te. Alcune nozioni sono semplicemente più difficili da ricordare di altre, e questo varia da persona a persona. La difficoltà di un elemento influisce su quanto aumenta la stabilità dopo un ripasso riuscito: gli elementi facili guadagnano più stabilità per ogni ripasso; quelli difficili ne guadagnano meno. La difficoltà non è fissa — viene aggiornata man mano che valuti le carte nel tempo, così un elemento che inizialmente sembra difficile può gradualmente essere riclassificato man mano che cresce la tua familiarità.

Come FSRS prevede la prossima data di ripasso

Dati i valori attuali di D, S e R per un elemento, FSRS può prevedere come cambierà la recuperabilità lungo qualsiasi intervallo di tempo futuro. Lo usa per rispondere a una domanda precisa: tra quanti giorni da ora la recuperabilità scenderà alla soglia obiettivo?

Quel giorno diventa il prossimo ripasso pianificato. Niente di più, niente di meno — nessun moltiplicatore fisso, nessuna media di popolazione, solo una previsione derivata dal modello per questo specifico elemento e questo specifico studente.

Dopo aver completato un ripasso e fornito una valutazione — Again, Hard, Good o Easy — FSRS aggiorna i valori di D e S dell'elemento in base a ciò che rivela la tua risposta. Un mancato ricordo (Again) azzera la stabilità e aumenta leggermente la difficoltà. Un ricordo facile e sicuro (Easy) produce un guadagno di stabilità maggiore rispetto a uno lento e faticoso (Hard o Good). Il prossimo intervallo viene poi calcolato da capo a partire dai parametri aggiornati.

Adattamento: perché FSRS migliora nel tempo

Una delle caratteristiche più significative di FSRS è che i suoi parametri di fondo possono essere calibrati sulla tua cronologia di ripassi. Il modello contiene un insieme di pesi che controllano come la stabilità evolve nelle diverse situazioni. Questi pesi hanno valori predefiniti derivati da dati di ricerca su larga scala, ma possono anche essere adattati al modello effettivo dei tuoi ripassi storici.

Questo significa che FSRS può apprendere che tendi a dimenticare le cose più rapidamente della media della popolazione, oppure che i tuoi ricordi contrassegnati come Hard sono in realtà piuttosto stabili per te. Le pianificazioni che ne risultano diventano personalizzate a un livello più profondo di quanto qualsiasi sistema a regole fisse possa raggiungere.

Questo è concettualmente diverso dal limitarsi ad abbassare un fattore di facilità. I fattori di facilità negli algoritmi più vecchi sono aggiustamenti per singola carta applicati in modo moltiplicativo agli intervalli. FSRS apprende la forma delle tue curve dell'oblio dai dati, poi ricalcola tutti gli intervalli a partire dai principi primi usando quella forma.

Il ruolo delle tue valutazioni

Le tue valutazioni sono il segnale principale che FSRS usa per aggiornare le stime di memoria. Darle correttamente è importante.

• Again — non sei riuscito a ricordare la risposta. La stabilità si azzera quasi a zero; la carta riapparirà molto presto.
• Hard — hai ricordato, ma è stato lento o ha richiesto uno sforzo notevole. La stabilità aumenta, ma meno di quanto produrrebbe una valutazione Good.
• Good — ricordo corretto con sforzo normale. L'esito previsto e più comune.
• Easy — ricordo immediato e senza sforzo. La stabilità aumenta sostanzialmente; il prossimo intervallo balza più in là nel futuro.

L'intuizione chiave è che conta come hai ricordato, non solo se hai ricordato. Una memoria recuperata con sforzo è meno stabile di una recuperata istantaneamente, e FSRS modella questa differenza. Una valutazione onesta non è quindi solo una buona pratica — è la pipeline di dati che mantiene accurato il modello.

FSRS e il ciclo di apprendimento

FSRS dà il meglio di sé quando è integrato strettamente con il modo in cui consumi e ti confronti con il materiale, non solo con il modo in cui lo ripassi. La qualità della pianificazione dei ripassi vale solo quanto la qualità delle flashcard pianificate. Il richiamo attivo durante la fase iniziale di lettura — fermarsi a generare le risposte prima di verificarle — produce memorie iniziali codificate meglio, il che offre a FSRS un punto di partenza più solido da cui lavorare.

Per lo studio su materiali diversi, l'algoritmo tratta ogni carta in modo indipendente, a prescindere dalla fonte da cui proviene. Questo rende possibile ripassare il vocabolario di un PDF per l'apprendimento di una lingua, i concetti chiave di una lezione registrata e le formule di un libro di testo, tutto in un'unica sessione, con ogni elemento pianificato in base alla propria stabilità e difficoltà anziché alla categoria a cui appartiene.

FSRS non chiede "quanto è difficile questo argomento?" — chiede "quanto è stabile questa specifica memoria in questo specifico studente, proprio adesso?" Questo passaggio dalle categorie alle singole tracce mnestiche è ciò che distingue la pianificazione basata su modello da quella euristica.

Cosa FSRS non fa

Vale la pena essere chiari sui limiti del modello. FSRS non simula i dettagli neurologici del consolidamento della memoria. Non sa se il tuo livello di stanchezza o l'ambiente di studio influenzeranno le prestazioni in un determinato giorno. Non garantisce la ritenzione — punta a una soglia di probabilità, quindi un certo grado di oblio è atteso e accettabile.

Il modello vale inoltre solo quanto le tue valutazioni. Se contrassegni costantemente le carte come Easy quando in realtà erano faticose — magari per ridurre il numero di ripassi imminenti — l'algoritmo produrrà intervalli troppo lunghi e la tua ritenzione effettiva scenderà sotto l'obiettivo. La curva dell'oblio non si cura delle tue preferenze; risponde solo a un input onesto.

Perché FSRS conta per gli studenti seri

Il vantaggio pratico di un approccio basato su modello è un minor numero di ripassi totali a parità di obiettivo di ritenzione. Poiché gli intervalli sono derivati da una previsione accurata di quando dimenticherai, anziché da un'euristica conservativa, l'algoritmo non gonfia inutilmente le pianificazioni. Gli elementi genuinamente stabili per te ottengono intervalli lunghi. Quelli genuinamente fragili ottengono intervalli brevi. L'effetto netto su un grande mazzo nel corso di mesi di studio può essere sostanziale: lo stesso livello di ritenzione raggiunto con un tempo di ripasso nettamente inferiore.

Per chiunque studi un ampio corpo di materiale — una lingua, un dominio professionale, una materia accademica — quell'efficienza si accumula in ore recuperate e in conoscenza che resta davvero impressa quando serve.

Le tue tendenze di padronanza e la coda di ripasso tra libri sono visibili nella dashboard di LearnBook — un'immagine in tempo reale di come la tua memoria sta reggendo su ogni fonte che stai studiando, tutto pianificato dallo stesso modello FSRS descritto sopra.