خوارزميات التكرار المتباعد

تحدد خوارزمية التكرار المتباعد متى تعرض لك البطاقة مرة أخرى بعد مراجعتها. والهدف هو جدولة كل مراجعة قبل لحظة نسيانك للإجابة تمامًا، بحيث تحقق أقصى قدر من الاحتفاظ بالمعلومة بأقل جهد ممكن.

تتخذ الخوارزميات المختلفة هذا القرار بطرق مختلفة. فبعضها يستخدم صناديق ثابتة، وبعضها يستخدم معادلات ثابتة، وبعضها يستخدم نماذج تعلّم آلي لمحاكاة الذاكرة. تعتمد Deckbase خوارزمية FSRS لأنها تتكيف مع سجل استرجاعك الشخصي، لكن لا يزال من المفيد فهم الخوارزميات الأخرى، خاصة إذا كنت تنقل بياناتك من تطبيق آخر.

مقارنة سريعة

FSRS (مجدول التكرار المتباعد الحر) خوارزمية مفتوحة المصدر أنشأها Jarrett Ye. تنمذج الذاكرة لكل بطاقة باستخدام ثلاث قيم: الصعوبة والاستقرار وقابلية الاسترجاع، وتحسب الفواصل الزمنية من سجل مراجعاتك الشخصي بدلًا من تطبيق قواعد ثابتة.

بما أن FSRS تتكيف مع كل متعلم، فهي تقلل عادةً حجم المراجعات اليومية بنسبة 20–30% مقارنة بـ SM-2 عند استهداف نفس مستوى الاحتفاظ. وهي مجدول المراجعات الافتراضي في Deckbase، ومتاحة أيضًا في Anki الإصدار 23.10 وما بعده.

• تكيّف الفواصل الزمنية مع أنماط استرجاعك الفعلية.
• مراجعات أقل عادةً مع تحقيق نفس مستوى الاحتفاظ.
• أكثر تعقيدًا من SM-2 وLeitner، وتستفيد من سجل مراجعات أكبر.

SM-2 هي خوارزمية SuperMemo-2 التي أنشأها Piotr Wozniak عام 1987. استخدم Anki نسخة معدلة من SM-2 كمجدول افتراضي لسنوات عديدة، ولا تزال متاحة كخيار احتياطي في Anki حتى اليوم.

تتعقب SM-2 قيمة واحدة تسمى عامل السهولة. عندما تقيّم بطاقة بأنها سهلة، يرتفع عامل السهولة وتكبر الفواصل الزمنية المستقبلية بسرعة أكبر. وعندما تقيّمها بأنك نسيتها أو أنها صعبة، ينخفض عامل السهولة وتتقلص الفواصل. الخوارزمية بسيطة ومتينة، لكنها لا تنمذج الذاكرة مباشرة، وقد تدفع البطاقات إلى ما يُعرف بـ "جحيم السهولة" إذا تكرر نسيانها.

• سهلة الفهم والتنفيذ.
• تعمل جيدًا مع المجموعات الصغيرة والمتوسطة.
• أقل كفاءة من FSRS في المكتبات الكبيرة طويلة المدى.

نظام Leitner هو أبسط طرق التكرار المتباعد. تبدأ البطاقات في الصندوق 1. إذا أجبت بشكل صحيح، تنتقل البطاقة إلى الصندوق التالي وتُراجع بشكل أقل تكرارًا. وإذا أخطأت، تعود إلى الصندوق 1.

من السهل شرح نظام Leitner، ويعمل دون أي برنامج، ولهذا يظهر في أنظمة البطاقات الورقية والتطبيقات البسيطة. والعيب أن الفواصل الزمنية تُحدد برقم الصندوق، وليس بناءً على احتمالية استرجاعك الفعلية. فبطاقتان في الصندوق نفسه قد تختلفان كثيرًا في قوة الذاكرة.

• سهل التعلم والتعليم.
• مناسب لمجموعات صغيرة ومركزة من الحقائق.
• غير مثالي للمجموعات الكبيرة أو أهداف الاحتفاظ طويلة المدى.

لماذا تعتمد Deckbase خوارزمية FSRS

اختارت Deckbase خوارزمية FSRS لأنها الخوارزمية الوحيدة الرائدة التي تتكيف مع ذاكرتك الشخصية. فخوارزميتا SM-2 وLeitner تطبقان الجدول نفسه على كل متعلم، بينما تتعلم FSRS من تقييماتك وتحسب فواصل زمنية تناسب منحنى نسيانك الفعلي.

تكتسب هذه القدرة التكيفية أهميتها القصوى عندما تدرس لأشهر أو سنوات. فقد أظهرت قياسات مستقلة على مئات الملايين من مراجعات Anki أن FSRS تقلل خطأ التنبؤ بنحو الثُلثين مقارنة بـ SM-2، ويعني ذلك عادةً مراجعات أقل بنسبة 20–30% لنفس مستوى الاحتفاظ.

موارد ذات صلة