FSRS vs SM-2: Por Que Seu Algoritmo de Agendamento Importa

Se você já usou o Anki, foi agendado pelo SM-2. Se você já usou um sistema mais recente com "agendamento otimizado", talvez tenha encontrado o FSRS. Ambos os algoritmos servem ao mesmo propósito — decidir quando mostrar cada flashcard a seguir —, mas fazem isso de maneiras fundamentalmente diferentes. A diferença importa mais do que a maioria dos estudantes percebe, porque o seu algoritmo de agendamento determina quanto tempo você passa revisando, quão bem você realmente retém o material e como o sistema reage quando a sua memória se comporta de forma inesperada. Para contextualizar todas as opções de repetição espaçada disponíveis, navegue pela coleção de guias sobre repetição espaçada.

SM-2: A Heurística Clássica

O SM-2 foi desenvolvido por Piotr Wozniak na década de 1980 para o SuperMemo e tem sido o algoritmo de agendamento padrão do Anki desde a sua criação. Seu projeto reflete as restrições de sua época: ele precisava ser simples o bastante para rodar nos primeiros computadores pessoais e explicável o suficiente para que os usuários pudessem compreendê-lo manualmente.

O SM-2 funciona, em linhas gerais, da seguinte forma. Cada cartão carrega um fator de facilidade — um multiplicador que começa em um valor padrão (normalmente 2,5) e se ajusta com base nas suas avaliações. Após as duas etapas iniciais de aprendizado (que usam intervalos curtos e fixos), o próximo intervalo é calculado multiplicando-se o intervalo anterior pelo fator de facilidade. Se você avaliar um cartão como Difícil, o fator de facilidade diminui, encurtando os intervalos futuros. Se você o avaliar como Fácil, ele aumenta ligeiramente, estendendo-os. Um cartão com o qual você tem dificuldade repetidamente acumula gradualmente um fator de facilidade baixo e passa a ser revisado com mais frequência; um cartão que você acerta de forma consistente é empurrado mais para o futuro.

Esse projeto funciona bem o suficiente para ser genuinamente útil — milhões de estudantes construíram conhecimento substancial usando o SM-2. Mas ele tem limitações estruturais que se tornam evidentes quando você estuda em escala ou analisa as suposições subjacentes.

Principais Limitações do SM-2

• Deriva do fator de facilidade. Uma vez que um fator de facilidade diminui — por meio de avaliações Difícil ou De novo — ele tende a permanecer baixo. Os cartões podem ficar "presos" em intervalos curtos mesmo depois de o estudante claramente ter internalizado o material, levando à revisão excessiva de memórias estáveis.
• Nenhum modelo explícito de esquecimento. O SM-2 não prevê quando você vai esquecer; ele aplica um multiplicador heurístico ao intervalo anterior. O agendamento resultante pode ou não se alinhar ao declínio real da memória para um dado cartão e estudante.
• Suposição de decaimento uniforme. O algoritmo presume que todos os cartões decaem a taxas semelhantes, ajustadas apenas pelo fator de facilidade. Ele não tem conceito de diferentes níveis de estabilidade decorrentes do histórico e do padrão de revisões passadas.
• Rigidez de partida a frio. Todo cartão novo começa com o mesmo fator de facilidade padrão, independentemente de como conteúdos semelhantes foram tratados no passado. O sistema não aprende os seus padrões entre cartões.

FSRS: Um Modelo de Memória, Não uma Heurística

O FSRS — o Free Spaced Repetition Scheduler — parte de um ponto de partida diferente. Em vez de definir regras de como os intervalos devem mudar, ele constrói um modelo matemático da própria memória e deriva os intervalos a partir desse modelo. O algoritmo é de código aberto e revisado por pares; consulte o repositório de código aberto do FSRS para a especificação técnica.

Conforme descrito em mais detalhes em Como o FSRS Funciona, o modelo acompanha três grandezas para cada cartão: dificuldade (complexidade intrínseca para este estudante), estabilidade (a lentidão com que a memória decai) e recuperabilidade (probabilidade de recordação bem-sucedida neste momento). A próxima revisão é agendada para o ponto no tempo em que se prevê que a recuperabilidade atinja um limiar-alvo — comumente 90 %.

Como o modelo faz previsões explícitas sobre a probabilidade de recordação, ele pode definir intervalos que são longos quando a memória é genuinamente estável e curtos quando ela é frágil — decisões que o SM-2 só consegue aproximar por meio de seu mecanismo de fator de facilidade.

Comparação Lado a Lado

Propriedade	SM-2	FSRS
Mecanismo central	Heurística de fator de facilidade aplicada ao intervalo anterior	Modelo de memória que prevê a recuperabilidade ao longo do tempo
Derivação do intervalo	Intervalo anterior × fator de facilidade	Tempo até a recuperabilidade cair ao limiar-alvo
Definição de meta de retenção	Implícita — sem probabilidade de retenção explícita	Explícita — alvo configurável (ex.: 90 %)
Adaptação por estudante	Apenas ajustes de fator de facilidade por cartão	Os pesos do modelo podem ser ajustados ao histórico individual de revisões
Deriva do fator de facilidade	Sim — fatores de facilidade baixos tendem a persistir	Não se aplica — a estabilidade substitui o fator de facilidade
Sinal de avaliação usado	Ajusta o fator de facilidade e o multiplicador do intervalo	Atualiza a estabilidade e a dificuldade; re-deriva o intervalo
Transparência	Regras simples, fáceis de explicar manualmente	Modelo mais complexo, mas com previsões de retenção explícitas
Eficiência das revisões	Boa para a maioria dos casos de uso	Geralmente menos revisões para retenção equivalente

Por Que o Algoritmo Afeta a Eficiência das Revisões

A diferença de eficiência de revisão entre os dois algoritmos se resume a quão bem cada um acompanha o estado real da sua memória. O SM-2 usa um indicador indireto — o fator de facilidade e sua acumulação ao longo de revisões passadas — que se correlaciona com a estabilidade da memória, mas não a mede diretamente. O resultado é um agendamento razoável em média, mas impreciso para cartões individuais.

O FSRS, ao acompanhar a estabilidade de forma explícita, consegue distinguir entre duas situações que o SM-2 trata de modo semelhante: um cartão com fator de facilidade baixo que você consolidou recentemente por meio de uma sequência de revisões Bom, e um cartão com fator de facilidade baixo que continua genuinamente frágil. O SM-2 dará a ambos aproximadamente o mesmo intervalo curto; o FSRS dará ao cartão consolidado um intervalo mais longo porque a sua estabilidade cresceu.

Ao longo de um grande baralho estudado por meses, essa precisão se acumula. Memórias estáveis não são revisadas desnecessariamente; memórias frágeis são revisadas antes de caírem abaixo do limiar de retenção. O efeito líquido é uma fila de revisão menor e mais bem direcionada, o que significa menos tempo gasto revisando enquanto se mantém a mesma retenção real — ou uma retenção maior.

Compensações e Considerações Práticas

O SM-2 não é desprovido de vantagens. Ele é extremamente transparente: você pode ler o algoritmo em poucas linhas e entender exatamente o que ele fará em seguida. Ele tem décadas de validação no mundo real. E, para estudantes com baralhos pequenos ou prazos de estudo curtos, a diferença de eficiência entre o SM-2 e o FSRS pode ser, na prática, insignificante.

O FSRS introduz mais complexidade. O modelo tem parâmetros que precisam de valores padrão sensatos — e, idealmente, de calibração aos seus dados. Ele exige uma disciplina de avaliação consistente, porque avaliações imprecisas confundem um modelo mais do que confundem uma heurística. Para um estudante que avalia os cartões de forma descuidada ou usa uma abordagem binária de passou/não passou, a vantagem do FSRS diminui significativamente.

A outra consideração importante é o que "retenção" significa em cada sistema. O SM-2 não lhe dá uma meta de retenção para definir; a retenção resultante depende do fator de facilidade padrão e de como você avalia os cartões. O FSRS permite que você escolha o seu alvo de forma explícita — 70 %, 90 %, 95 % — e ajusta os intervalos para mantê-lo. Alvos mais altos significam intervalos mais curtos e mais revisões; alvos mais baixos significam intervalos mais longos e maior esquecimento. Ter controle explícito sobre essa compensação é útil quando você tem opiniões firmes sobre quão confiável a sua recordação precisa ser, como para uma certificação profissional em comparação com o aprendizado casual de um idioma.

Escolhendo Entre Eles

Se você está começando do zero e o seu sistema de estudo oferece suporte ao FSRS, há pouca razão para usar o SM-2. A abordagem baseada em modelo é mais precisa, mais adaptável e produz melhores resultados em escala. A curva de aprendizado para o usuário é mínima — você ainda avalia os cartões da mesma forma; o algoritmo apenas usa essas avaliações de maneira mais inteligente.

Se você tem um baralho SM-2 existente com anos de histórico de revisões, a migração para o FSRS pode ou não ser tranquila, dependendo da sua ferramenta. Alguns sistemas conseguem estimar a estabilidade do FSRS a partir do histórico do SM-2; outros começam do zero. Vale a pena verificar o caminho de migração antes de se comprometer.

Para qualquer pessoa séria a respeito da recordação ativa como prática de longo prazo, o algoritmo importa cada vez mais à medida que o baralho cresce. Algumas centenas de cartões revisados casualmente podem não revelar a diferença; dezenas de milhares de cartões estudados ao longo de anos fazem com que cada ganho de eficiência se acumule de forma significativa.

O melhor algoritmo de agendamento é aquele que você realmente usará de forma consistente. Mas, dado um comprometimento igual, o FSRS produz agendamentos mais precisos, controle de retenção mais explícito e melhor eficiência em escala.

Algoritmos de Agendamento e o Ciclo de Aprendizagem Mais Amplo

Vale a pena lembrar que o agendamento é um componente de um sistema de aprendizagem, não o todo dele. A qualidade dos flashcards que você está revisando, o seu engajamento durante a leitura inicial, a profundidade da compreensão que você traz a cada tentativa de recordação — esses fatores interagem com o algoritmo de agendamento para determinar os resultados reais de aprendizagem. Um cartão medíocre agendado perfeitamente continua sendo um cartão medíocre.

O valor do FSRS é que ele remove o gargalo do agendamento. Uma vez que o algoritmo esteja modelando a sua memória com precisão e definindo intervalos de forma adequada, as variáveis restantes estão sob o seu controle: como você lê, como você gera cartões, com quanta honestidade você avalia e com quanta consistência você comparece às revisões.

O LearnBook usa o FSRS em todo o sistema — então, quando você está revisando material de várias fontes ao mesmo tempo, cada cartão na fila entre livros carrega o seu próprio intervalo calibrado de forma independente, em vez de ser forçado a um agendamento compartilhado. Para ver o FSRS em ação dentro de todo o fluxo de estudo, leia sobre como os flashcards e quizzes são gerados e agendados.