FSRS مقابل SM-2: أي خوارزمية للتكرار المتباعد تتفوق في 2026؟

إذا كنت تقارن بين FSRS وSM-2، فالإجابة المختصرة هي: FSRS هي الخوارزمية الأكثر دقة وتكيّفًا لمعظم المتعلمين على المدى الطويل، في حين يبقى SM-2 خيارًا بسيطًا ومجرّبًا للمجموعات الصغيرة أو لمن يفضّل قواعد استدلالية يمكن التنبؤ بها.

كلتا الخوارزميتين تجدولان مراجعات البطاقات، لكنهما تتنبآن بطريقتين مختلفتين جذريًا. تستخدم FSRS نموذج ذاكرة قائمًا على تعلّم الآلة ومدرَّبًا على سجل مراجعاتك الشخصي، أما SM-2 فتعتمد على قواعد ضرب ثابتة لم تتغير إلا قليلًا منذ عام 1987. ويصبح هذا الفرق ملموسًا عندما تتجاوز مجموعتك بضع مئات من البطاقات.

يشرح هذا الدليل كيفية عمل كل خوارزمية، وأين تتفوق FSRS، ومتى يبقى SM-2 منطقيًا، وكيف تختار المجدول المناسب لطريقة عملك.

ما هي FSRS؟

يشير اختصار FSRS إلى Free Spaced Repetition Scheduler (مجدول التكرار المتباعد الحر). وهي خوارزمية تكرار متباعد مفتوحة المصدر أنشأها Jarrett Ye (المعروف بـ L-M-Sherlock) وأُطلقت في عام 2022. تستند FSRS إلى نموذج الذاكرة DSR: الصعوبة، والاستقرار، وقابلية الاسترجاع.

بعد كل مراجعة، تحدّث FSRS قيم الصعوبة والاستقرار لتلك البطاقة، ثم تجدول المراجعة التالية بحيث تصل قابلية الاسترجاع إلى نسبة الاحتفاظ المطلوبة التي اخترتها، وعادةً ما تكون 90–92%، في اللحظة التي ترى فيها البطاقة مجددًا.

أُدمجت FSRS في Anki منذ الإصدار 23.10، وهي المجدول الافتراضي للمجموعات الجديدة في الإصدارات الأخيرة. وتستخدمها أيضًا تطبيقات مثل Deckbase وMochi وRemNote بشكل مدمج.

ما هو SM-2؟

SM-2 هي خوارزمية SuperMemo-2 التي طوّرها Piotr Wozniak ونُشرت عام 1987. ذاعت شهرتها لأن Anki تبنّى نسخة معدّلة منها كمجدول افتراضي لسنوات عديدة.

تعمل SM-2 بقيمة واحدة تُسمى عامل السهولة. وفي كل مرة تقيّم فيها بطاقة، تضرب الخوارزمية الفترة الحالية في عامل السهولة لإنتاج الفترة التالية. التقييمات الصعبة تخفض عامل السهولة، والتقييمات السهلة ترفعه.

الخوارزمية بسيطة ومتينة، وقد ساعدت ملايين المتعلمين على حفظ المفردات والحقائق الطبية والنصوص القانونية والمفاهيم التقنية. غير أنها لا تنمذج الذاكرة بشكل مباشر، بل تستخدم قواعد ثابتة لا تتكيف مع منحنيات النسيان الفردية بما يتجاوز عامل السهولة.

FSRS مقابل SM-2: مقارنة جنبًا إلى جنب

أكبر فرق عملي هو التخصيص: تطبّق SM-2 المعادلة نفسها على كل مستخدم، بينما تتعلم FSRS من تقييماتك الفعلية وتحسّن الفترات بما يناسب ذاكرتك.

دقة التنبؤ: ماذا تقول اختبارات القياس

المقارنة الأكثر استشهادًا تأتي من اختبار Expertium، الذي قيّم المجدولات مقابل أكثر من 700 مليون مراجعة في Anki.

الأرقام الأقل تعني أن الخوارزمية أفضل في التنبؤ بما إذا كنت ستتذكر البطاقة أم تنساها. وتقلل FSRS-5 خطأ التنبؤ بنحو الثلثين مقارنة بـ SM-2. وفي جلسات الدراسة الفعلية، يعني ذلك نسيانات مفاجئة أقل ومراجعات غير ضرورية أقل لمواد تعرفها بالفعل.

متى تكون FSRS الخيار الأفضل

تميل FSRS إلى التفوق مع المتعلمين الذين:

• لديهم مجموعات تضم أكثر من 500 بطاقة
• يدرسون لـشهور أو سنوات، لا لأيام
• يريدون تحديد هدف احتفاظ صريح
• يخلطون مواد سهلة وصعبة في المجموعة نفسها
• لديهم بالفعل أكثر من 1000 مراجعة في السجل لتحسين المعاملات
• يريدون تقليل وقت المراجعة اليومي دون التضحية بالاسترجاع

غالبًا ما يحقق طلاب الطب ومتعلمو اللغات والمرشحون للشهادات أكبر المكاسب، لأن مدة دراستهم طويلة ومكتبات بطاقاتهم كبيرة.

متى يبقى SM-2 منطقيًا

يبقى SM-2 خيارًا معقولًا إذا كنت:

• تدير مجموعة صغيرة أو قصيرة الأجل (أقل من 500 بطاقة)
• جديدًا على التكرار المتباعد وتريد مجدولًا بسيطًا
• تفضّل تحكمًا يدويًا يمكن التنبؤ به على التحسين الخوارزمي
• لديك إعداد Anki قديم يعمل بالفعل
• لا تملك بعد سجل مراجعات كافيًا لتتدرب عليه FSRS

SM-2 ليست معطلة. فبالنسبة لكثير من المستخدمين، الفرق بين SM-2 وFSRS أصغر من الفرق الذي تصنعه جودة البطاقة والانتظام والصدق في التقييم الذاتي.

كيف تنتقل من SM-2 إلى FSRS

في Anki 23.10 أو أحدث:

1. افتح مجموعة بطاقات وانقر على الخيارات (Options).
2. مرّر إلى قسم متقدم (Advanced).
3. فعّل FSRS.
4. حدّد نسبة الاحتفاظ المطلوبة (ابدأ من 90–92%).
5. انقر على تحسين (Optimize) لملاءمة المعاملات مع سجل مراجعاتك.

التحويل غير هدّام: تبقى بطاقاتك وسجل مراجعاتك في مكانها، وتُجدول الفترات المستقبلية فقط بطريقة مختلفة.

في Deckbase، FSRS هي المجدول المدمج، ولا يوجد مفتاح تشغيل: كل مراجعة تستخدم FSRS تلقائيًا. وإذا استوردت مجموعة Anki عبر APKG، تنتقل بطاقاتك لكن سجل الجدولة لا ينتقل، فتبدأ من جديد بفترات FSRS من اليوم الأول.

اختبار عملي لمدة 14 يومًا

إن لم تكن متأكدًا من الخوارزمية التي تستخدمها، نفّذ هذه التجربة على مدى أسبوعين:

1. اختر مجموعة نشطة واحدة تضم 200 بطاقة على الأقل.
2. فعّل FSRS واضبط الاحتفاظ على 90%.
3. سجّل وقت المراجعة اليومي ونسبة الإنجاز وعدد النسيانات لمدة 14 يومًا.
4. قارن النتائج بأسبوعيك الأخيرين على SM-2.
5. قرّر بناءً على النتائج لا على النظرية.

معظم المستخدمين الذين يكملون هذا الاختبار يبقون على FSRS، لأن عبء العمل اليومي ينخفض بينما يبقى الاحتفاظ مستقرًا.

الأسئلة الشائعة

هل FSRS أفضل من SM-2؟

بالنسبة لمعظم المتعلمين على المدى الطويل ممن لديهم مجموعات كبيرة، نعم. تتنبأ FSRS بالنسيان بدقة أكبر، ويمكنها تقليل حجم المراجعات بنسبة 20–30% عند المستوى نفسه من الاحتفاظ. ويبقى SM-2 مناسبًا للمجموعات الصغيرة أو لمن يفضّل البساطة.

هل تعمل FSRS دون سجل مراجعات كبير؟

تستخدم FSRS معاملات افتراضية إلى أن تتوفر بيانات كافية للتحسين. وتحتاج عمومًا إلى نحو 1000 مراجعة قبل أن تصبح المعاملات المخصصة موثوقة. وحتى ذلك الحين، يبقى أداء FSRS مساويًا لأداء SM-2 على الأقل بالنسبة لمعظم المستخدمين.

هل يمكنني العودة من FSRS إلى SM-2؟

نعم. في Anki، يمكنك تعطيل FSRS من خيارات المجموعة والعودة إلى SM-2. ستعود الفترات المستقبلية إلى جدولة SM-2، لكن سجل المراجعات السابق يبقى محفوظًا.

هل يستخدم Deckbase خوارزمية FSRS أم SM-2؟

يستخدم Deckbase FSRS بشكل مدمج كمجدول أساسي، ولا يوجد خيار لـ SM-2. وهذا يبقي التطبيق بسيطًا ويضمن أن يستفيد كل مستخدم من التنبؤ الحديث بنسبة الاحتفاظ دون إعداد يدوي.

ما نسبة الاحتفاظ التي ينبغي أن أضبطها؟

ابدأ بـ 90–92%. النسب الأقل تقلل عبء العمل لكنها تزيد النسيانات، والنسب الأعلى تحسّن الاسترجاع لكنها قد تجعل المراجعات اليومية غير قابلة للاستمرار. عدّل بعد 2–3 أسابيع بناءً على نسبة إنجازك الفعلية ووقت دراستك.

الحكم النهائي

اختر FSRS إذا كنت تريد مجدولًا حديثًا ومتكيفًا يقلل عبء المراجعة ويحسّن دقة التنبؤ في التعلم طويل المدى.

واختر SM-2 إذا كانت مجموعتك صغيرة، أو كنت تفضّل البساطة، أو لديك بالفعل طريقة عمل مجدية ولا تريد تغييرها.

بالنسبة لمعظم المتعلمين الجادين في 2026، FSRS هي الخيار الافتراضي الواضح. والفجوة ليست نظرية فقط: فهي تظهر في جلسات يومية أقصر، ونسيانات مفاجئة أقل، واحتفاظ طويل المدى أكثر استقرارًا.

هل أنت مستعد للدراسة مع FSRS؟ جرّب Deckbase(opens in a new tab) وراجع بالخوارزمية نفسها التي يستخدمها Anki، دون تعقيدات الإعداد.