Så fungerar FSRS: Den moderna spaced repetition-algoritmen

De flesta som använder appar för flashkort har ingen aning om vad som händer bakom kulisserna när en algoritm bestämmer sig för att visa dem ett kort i morgon i stället för nästa månad. I åratal var det dominerande svaret SM-2, en heuristisk algoritm utvecklad på 1980-talet som har tjänat miljontals inlärare någorlunda väl. FSRS — Free Spaced Repetition Scheduler — är ett nyare angreppssätt, och det tar en fundamentalt annorlunda väg: i stället för att använda fasta regler bygger den en matematisk modell av hur ditt minne faktiskt fungerar. Att förstå den modellen förklarar varför FSRS scheman känns mer träffsäkra och varför de tenderar att kräva färre repetitioner för samma kvarhållningsnivå. FSRS är öppen källkod och under aktiv utveckling; du kan utforska FSRS-algoritmen på GitHub. För hela bredden av ämnen kring spridd repetition, besök artikelsamlingen om spridd repetition.

Minnets tre komponenter: D, S och R

FSRS beskriver varje kunskapsbit du lär dig med hjälp av tre storheter. Tillsammans utgör de det som forskare kallar DSR-modellen.

Återhämtbarhet (R)

Återhämtbarhet är sannolikheten att du kan minnas ett objekt korrekt just nu, i exakt detta ögonblick. Den börjar på 1,0 (visshet) omedelbart efter en repetition och avtar över tid enligt en glömskekurva. När algoritmen bestämmer att det är dags att visa dig ett kort beror det på att din återhämtbarhet har sjunkit till en målnivå — vanligtvis omkring 0,90, vilket innebär ungefär 90 % chans att minnas. Målet är att repetera precis innan du glömmer, inte i god tid innan och inte efteråt.

Stabilitet (S)

Stabilitet beskriver hur långsamt din återhämtbarhet avtar. Ett minne med hög stabilitet bleknar långsamt; ett minne med låg stabilitet bleknar snabbt. Efter varje lyckad repetition ökar din stabilitet för det objektet, vilket är skälet till att repetitionsintervallen kan växa över tid. Samma objekt som repeteras fem gånger vid rätt tidpunkter får mycket högre stabilitet än ett objekt som repeteras fem gånger på en enda dag — algoritmen fångar denna skillnad exakt.

Stabilitet är den storhet som mest direkt motsvarar den vardagliga känslan av att "kunna något väl". Hög stabilitet innebär att även om du hoppar över en repetition kommer ditt minne ändå att vara i stort sett intakt veckor senare. Låg stabilitet innebär att en missad repetition kan sänka din sannolikhet att minnas avsevärt.

Svårighet (D)

Svårighet är en uppskattning av den inneboende svårighetsgraden hos ett specifikt objekt för dig. Vissa fakta är helt enkelt svårare att minnas än andra, och det varierar från person till person. Ett objekts svårighet påverkar hur mycket stabiliteten ökar efter en lyckad repetition: lätta objekt vinner mer stabilitet per repetition; svåra objekt vinner mindre. Svårigheten är inte fast — den uppdateras allteftersom du betygsätter kort över tid, så ett objekt som inledningsvis verkar svårt kan gradvis omklassificeras i takt med att din förtrogenhet växer.

Hur FSRS förutsäger nästa repetitionsdatum

Givet de aktuella värdena för D, S och R för ett objekt kan FSRS förutsäga hur återhämtbarheten kommer att förändras över vilket framtida tidsintervall som helst. Den använder detta för att besvara en exakt fråga: hur många dagar från nu kommer återhämtbarheten att sjunka till måltröskeln?

Den dagen blir nästa schemalagda repetition. Inget mer, inget mindre — inga fasta multiplikatorer, inga populationsgenomsnitt, bara en förutsägelse härledd från modellen för just detta objekt och just denna inlärare.

När du har genomfört en repetition och gett ett betyg — Again, Hard, Good eller Easy — uppdaterar FSRS objektets D- och S-värden utifrån vad ditt svar avslöjar. En misslyckad återhämtning (Again) nollställer stabiliteten och ökar svårigheten något. En lätt, självsäker återhämtning (Easy) ger en större stabilitetsökning än en långsam, ansträngande (Hard eller Good). Nästa intervall beräknas sedan på nytt utifrån de uppdaterade parametrarna.

Anpassning: Varför FSRS förbättras över tid

En av de mest betydelsefulla egenskaperna hos FSRS är att dess underliggande parametrar kan kalibreras efter din repetitionshistorik. Modellen innehåller en uppsättning vikter som styr hur stabiliteten utvecklas i olika situationer. Dessa vikter har standardvärden härledda från storskaliga forskningsdata, men de kan också anpassas till det faktiska mönstret i dina historiska repetitioner.

Detta innebär att FSRS kan lära sig att du tenderar att glömma saker snabbare än populationsgenomsnittet, eller att de återhämtningar du markerar som Hard faktiskt är ganska stabila för dig. De resulterande schemana blir personanpassade på en djupare nivå än något system med fasta regler kan uppnå.

Detta skiljer sig begreppsmässigt från att bara sänka en lätthetsfaktor. Lätthetsfaktorer i äldre algoritmer är justeringar per kort som tillämpas multiplikativt på intervall. FSRS lär sig formen på dina glömskekurvor från data och härleder sedan alla intervall från grunden utifrån den formen.

Dina betygs roll

Dina betyg är den primära signal som FSRS använder för att uppdatera sina minnesuppskattningar. Att ge dem rätt spelar roll.

• Again — du kunde inte minnas svaret. Stabiliteten nollställs till nära noll; kortet kommer att dyka upp igen mycket snart.
• Hard — du mindes, men det gick långsamt eller krävde betydande ansträngning. Stabiliteten ökar, men mindre än ett Good-betyg skulle ge.
• Good — korrekt återhämtning med normal ansträngning. Det förväntade och vanligaste utfallet.
• Easy — omedelbar, ansträngningslös återhämtning. Stabiliteten ökar avsevärt; nästa intervall hoppar längre in i framtiden.

Den centrala insikten är att hur du mindes spelar roll, inte bara om du mindes. Ett minne som hämtas med ansträngning är mindre stabilt än ett som hämtas omedelbart, och FSRS modellerar den skillnaden. Ärlig betygsättning är därför inte bara god praxis — det är den dataledning som håller modellen träffsäker.

FSRS och inlärningsloopen

FSRS lyser som mest när den integreras tätt med hur du tar till dig och engagerar dig i materialet, inte bara hur du repeterar det. Kvaliteten på repetitionsschemaläggningen är bara så god som kvaliteten på de flashkort som schemaläggs. Aktiv återhämtning under den inledande läsfasen — att pausa för att formulera svar innan man kontrollerar — ger bättre inkodade initiala minnen, vilket ger FSRS en starkare utgångspunkt att arbeta från.

För studier över material behandlar algoritmen varje kort självständigt oavsett vilken källa det kom från. Detta gör det möjligt att repetera ordförråd från en PDF för språkinlärning, nyckelbegrepp från en inspelad föreläsning och formler från en lärobok i en och samma session, där varje objekt schemaläggs efter sin egen stabilitet och svårighet snarare än efter den kategori det tillhör.

FSRS frågar inte "hur svårt är detta ämne?" — den frågar "hur stabilt är just detta minne hos just denna inlärare, just nu?" Den förskjutningen från kategorier till enskilda minnesspår är vad som skiljer modellbaserad schemaläggning från heuristisk schemaläggning.

Vad FSRS inte gör

Det är värt att vara tydlig med modellens begränsningar. FSRS simulerar inte de neurologiska detaljerna i minneskonsolidering. Den vet inte om din trötthetsnivå eller studiemiljö kommer att påverka prestationen en viss dag. Den garanterar inte kvarhållning — den siktar mot en sannolikhetströskel, så viss glömska är förväntad och acceptabel.

Modellen är också bara så god som dina betyg. Om du konsekvent markerar kort som Easy när de faktiskt var ansträngande — kanske för att minska antalet kommande repetitioner — kommer algoritmen att producera intervall som är för långa och din faktiska kvarhållning kommer att falla under målet. Glömskekurvan bryr sig inte om dina preferenser; den svarar bara på ärlig indata.

Varför FSRS spelar roll för seriösa inlärare

Den praktiska vinsten med ett modellbaserat angreppssätt är färre totala repetitioner för samma kvarhållningsmål. Eftersom intervallen härleds från en träffsäker förutsägelse av när du kommer att glömma, snarare än från en försiktig heuristik, fyller algoritmen inte ut scheman i onödan. Objekt som är genuint stabila för dig får långa intervall. Objekt som är genuint sköra får korta. Nettoeffekten över en stor kortlek under månaders studier kan vara betydande: samma kvarhållningsnivå uppnådd med avsevärt mindre repetitionstid.

För alla som studerar en stor mängd material — ett språk, ett yrkesområde, ett akademiskt ämne — växer den effektiviteten till återvunna timmar och kunskap som faktiskt sitter kvar när det gäller.

Dina behärskningstrender och din kötur för repetition över böcker syns i LearnBook-instrumentpanelen — en levande bild av hur ditt minne håller över varje källa du studerar, alla schemalagda av samma FSRS-modell som beskrivs ovan.